烟台家具封边胶 全球市占后，普渡在WAIC开始回答机器人下场战争

田晏林 发自 凹非寺烟台家具封边胶

量子位 | 公众号 QbitAI

如今，具身智能行业，是越来越务实了。

相比于造出台像人的机器人，业内关心谁能让机器人长期运行在真实世界，并持续积累经验。

因为对于机器人而言，走出实验室只是步。

近日，咨询机构弗若斯特沙利文发布的《2025年全球具身智能与商用服务机器人立市场研究报告》揭示了这样个行业共识：

商用服务域，正是具身智能规模化落地的“战场”。

在这个频、刚需、ROI（投资回报率）清晰且易实现全球化复制的赛道上，厂商不仅占据了主地位，在开启场刻的产业革命。

报告显示，从全球商用服务机器人收入、全球商用服务机器人出货量、全球商用清洁机器人收入、商用服务机器人出海四大维度评估，普渡机器人均排名。

该公司的产品已在全球85个国和地区部署，累计落地过13万台机器人。

这些机器人正在餐饮、酒店、工业、仓储等大量真实场景中运行。

大规模部署不只代表商业成绩有多突出，意味着其产品能持续获得真实世界反馈的能力。

这点很重要。

当具身智能进入商业化阶段，真正决定智能上限的，是它能否在次次任务执行、环境交互和反馈中理解物理世界。

D7是普渡聚焦工业、售等场景的类人形智能机器人。

和很多只展示单点能力的机器人不同，D7被放在了个大的问题里观察：

当机器人真正走向工业、售、仓储等复杂环境，次次工作的经历，如何沉淀为可复用的智能经验？

这些经验，又是如何被迁移到不同形态的机器人上的？

13万台机器人冲在线

正如PC、智能手机和智能汽车相继定义了不同的时代，机器人正成为Physical AI时代重要的终端载体。

让机器人进入真实环境，也成了行业共识。

站在厂商角度，真实环境已是兵争之地。

只因机器人和传统AI面对的是不同的数据环境。

大模型可以通过海量文本学习知识和语言规律，但机器人需要面对真实物理世界中的复杂变化。

它不仅要知道个物体是什么，要知道如何接近它、如何拿起它、如何适应变化中的环境。

这些能力，很难仅靠实验室里的训练或者有限的演示获得。

机器人须进入真实场景，在次次任务执行、环境交互和失败反馈中积累经验。

这也是为什么过去烟台家具封边胶几年，具身智能行业开始越来越重视「真机数据」。

但问题在于：

机器人想获得真实数据，先要进入真实场景。而进入真实场景，本身又需要机器人足够成熟。

经典的「鸡生蛋」问题又出现了。

没有大量机器人部署，就没有足够真实数据；没有真实数据，机器人又很难快速提升。

少数企业正在尝试通过商业化部署破这怪圈。

过去十年，普渡持续将机器人投入餐饮、酒店、工业、仓储等真实场景。

目前，普渡机器人已经在全球85个国和地区，部署过13万台机器人，覆盖餐饮、酒店、工业、仓储等16个行业。

这些机器人每天面对的，不是标准化测试环境，而是真实世界中的各种变化。

13万台机器人冲在各行业的线，每次运行，都在积累对于真实环境的理解。△沙利文立研究报告

据普渡面披露，目前其每年累计产生3650万小时的航数据、1580万小时的操作数据。

但这些数据的价值，并不只是规模。重要的是，它们来自机器人视角。

过去，机器人厂商的是设备。

机器人完成次任务，数据价值往往也就停留在这次任务本身。

但未来的智能机器人，竞争逻辑会不同。

部署规模扩大，真实场景增加，数据不断回流，模型能力提升，机器人适应多场景，进步扩大部署。

以此形成真正的数据飞轮。

这也是为什么过去几年，越来越多企业开始争夺真实应用场景。

因为场景不是机器人商业化的终点，而是智能进化的起点。

不过，单纯依靠真实数据还不够。

AI模型可以通过不断训练快速迭代，但机器人每次真实世界中的错误，都可能对应真实的时间成本、设备成本和安全风险。

如何让这些数据被地利用，是未来机器人竞争的关键。

个经济又实用的案是：真实世界提供经验，虚拟世界扩大训练规模。

普渡也认可这两者的结，引入「虚实双闭环」机制。

机器人可以先在World Simulator仿真环境中进行大量训练。

在虚拟世界里，机器人能够反复尝试不同任务组，提前学习各种可能出现的情况。

然后，再通过真实环境中的Human-in-Loop反馈进行校准。

仿真负责扩大训练规模，现实负责提供真实反馈。

当机器人开始学会迁移经验

仅凭几十条人工示范轨迹，就能让机器人快速适配全新作业任务，训练机器人已经如此简单了么？

数字背后，或许真正值得关注的，是机器人终于跳出「从学起」的模仿模式，具备了沉淀、迁移、复用通用物理经验的能力。

在此之前，由于不同机器人形态差异大，单训练成本太，整个行业长期困在「机模、场训」的低范式里。

论是餐饮配送、商清洁还是工业搬运，只要换机器人本体、切换作业场景，研发团队就要重新搭建采集环境、人工录制上万条操作轨迹、从训练属模型。

耗费大量人力、时间不说，关键是采到的数据法跨机型、跨场景流通复用。

本质问题还是，机器人只会机械复刻记录下来的固定动作，法理解动作背后的物理逻辑与因果经验。

这也是传统机器人泛化能力薄弱、落地适配成本居不下的根源。

针对航与操作协作断层、机器人缺少物理直觉、不同机器人形态之间数据割裂的问题，普渡机器人自研了具身智能大模型PuduFM。

它并非传统法的简单迭代升，而是支撑普渡「脑多形」战略的核心技术底座。

PuduFM有三个关键组件。

PIM物理预言

它给机器人植入人类同款「物理直觉」。

人看到个湿滑的杯子，会下意识知道需要轻点拿。

但传统机器人做不到。它只能识别画面像素，法读懂图像背后的物理关系。

PIM（Physical Intuition Model）采用因果注意力Transformer架构，不走市面上多数机器人「死记画面像素」的老路。

它不盯着图片表面，而是进入潜空间内，提炼物体运动背后的动力学逻辑，把重力、摩擦力、物品变形、重心偏移这些现实里的物理规则，转化成机器能看懂、能计的数据特征。

机器人当下的位置、姿态，加上它准备做出的动作，都会传给PIM。

它能提前预判这么做会产生什么物理结果，出抓东西会不会滑、移动会不会撞上障碍物，给后续动作划定安全边界。

简单来说，这步用来解决机器人「看得见，pvc管道管件胶但不理解」的问题。

VLA多模态对齐

这是通航与操作的认知壁的关键。

以前机器人是各干各的，看画面、听懂人话、走路、抓东西分成几套互不连通的系统。

经常出现听懂指令、走到目标跟前烟台家具封边胶，却抓不稳物品、动作衔接不上的情况。

VLA相当于把视觉、语音、机器人移动、机械臂操作全部整到套统的思考逻辑里。

同时接入PIM给出的物理预判，先读懂任务需求，再看清周边环境，后生成符物理规则的连贯动作。

不管是远距离行走，还是近距离抓取操作，全部套大脑统筹。

不同款式的配送、清洁、工业机器人都能共用这套能力，解决过去机器人“走得到，但做不好”的问题。

World Model仿真引擎

它是机器人的线上虚拟训练场。

前文提到的「虚实双闭环」机制，分虚拟、真实两条循环，World Model就是虚拟闭环的核心载体。

它解决了真实场景采集成本、端工况样本稀缺的痛点。

普渡机器人这些年在餐饮、工业、商等16个行业积累的真实场景数据，全部供给这套仿真引擎使用。

靠着这些真实场景素材，搭建出与现实度致、能模拟物理变化的虚拟环境。

再借助Diffusion Transformer架构自主生成海量多样化轨迹。

不光有标准成功操作流程，还会主动生成碰撞、滑脱、重心失衡等对抗端工况，批量产出质量成训练数据。

这步非常关键，它给PIM、VLA好了基础认知。

也是因为有World Model的海量虚拟预演底，再辅以少量真实场景人工修正轨迹，普渡机器人才能做到只用50条示范数据，就能快速完成新任务适配。

这次在WAIC次亮相的PUDU D7，也是PuduFM落地的典型硬件载体。

顶层架构「脑多形」

这套技术战略下，部署的设备数量越多、覆盖场景越丰富，模型积累的物理经验越充足，也就变得聪明。

事实上，个机器人基座模型真正的价值，从来不是单让某台机器人变得智能。

能够破机型、场景、数据的边界，让不同机器人共享同种智能能力，普遍被认为是下代机器人的产业范式。

2026年，沙利文发布立市场研究报告：

随着具身智能技术持续成熟、统智能能力不断提升及商业化规模复制加速进，机器人产业正由“机脑”逐步演进至“脑多形”。

说到底，原始数据不等于context。没经过理的数据，是噪音，不是信号。

△沙利文立研究报告

纵观具身产业，普渡机器人是较早波部署「脑多形」战略的玩。

他们认为，未来机器人不应该只是拥有不同的「身体」，应该共享个能够持续进化的「大脑」。

由此，普渡总结了套适应具身智能时代的核心公式：

Physical Agent（物理智能体）= 本体+系统+技能。

其中，本体对应机器人的硬件形态；系统负责调度和执行。

技能层，则代表机器人真正能够完成的任务能力。也就是前文说过的具身智能大模型PuduFM。

它是机器人的「统物理智能大脑」。

但机器人想真正进入复杂环境，还需要套能够管理大脑、调用技能、协调任务的系统。

普渡自研了具身智能操作系统PuduAgent。

它把PuduFM的大脑能力完整封装起来，提供操作系统、记忆、标准化技能库，统管控所有机器人。

这么说吧，PuduFM是让机器人「变聪明」，PuduAgent负责让机器人「把聪明用起来」。

「安卓/iOS」生态为什么重要？因为统的生态。

机器人也是样。PuduAgent就是要做机器人的「安卓/iOS」。

PuduAgent由三部分组成。

是PuduAgent OS核心运行基座。

它又包含三个组件：

智能核心Agent Core：负责理解环境和任务规划，让机器人能够根据当前场景做出判断；

长记忆Agent Memory：负责记录任务过程，让机器人拥有持续记忆能力；

实时执行底座Agent Runner：负责实时执行，把规划转化为具体动作。

这些组起来，让机器人不再只是执行串预设指令。

二是PuduAgent Skills标准化原子能力库。

过去，不同机器人往往需要针对自身重新开发技能。

配送机器人需要重新训练航，工业机器人需要重新开发操作能力，新的机器人形态又要重复遍这个过程。

终，每台机器人都像个立员工，只会自己的技能，却法共享经验。

PuduAgent Skills就是将航移动、抓取操作、人机交互、自动避障、多机器人协同调度等能力，抽象成标准化技能。

这些技能可以被机器人按需调用，并且能够跨不同机器人形态进行复用。

三是PuduAgent Safety安全护机制。

真实世界中的机器人，大的挑战不是完成次任务，而是在复杂环境中长期稳定工作。

个动作能不能执行？会不会碰撞？环境变化后是否需要调整？

这些都需要机器人在行动前进行判断。

PuduAgent Safety就像机器人的安全护栏。

它会提前判断动作可行，对潜在风险进行预测，并在异常情况下及时调整甚至停止任务。

这样可以降低机器人在真实商业场景中的试错成本，让机器人在商场、工厂等环境中运行加安全可靠。

本体层面，形成服务配送、商用清洁、工业配送、通用具身智能四大产品矩阵，覆盖用、类人形、人形全形态机器人布局。

PuduFM+PuduAgent，并在不同本体上持续落地，共同构成了普渡机器人的顶层战略「脑多形」。

简单理解，PuduFM像手机里的统AI内核；PuduAgent则像操作系统。

而「脑多形」，就是让这套智能体系同时驱动不同设备。

就像同个AI内核可以运行在手机、平板、穿戴设备上样，未来论是配送机器人、清洁机器人、工业机器人，还是人形、四足机器人，都可以共享同套智能架构。

当机器人从单个产品，变成个共享智能能力的生态，具身智能才真正具备了规模化发展的可能。

One more thing

机器人开始「上班」，真正重要的不是它完成了多少订单，而是它在每次工作中留下了多少能被复用的经验。

这也是资本市场正在关注的向。

今年4月，普渡机器人完成近10亿元新轮融资，投后估值突破100亿元。

从13万台机器人进入真实场景，到PuduFM理解物理规律，再到「脑多形」动能力迁移。

当然，机器人距离真正理解复杂世界，仍有大量技术问题需要解决。

可以确定的是：

下阶段，机器人竞争的将会是真实世界的数据，谁拥有的多机器人，谁就拥有大的物理世界数据入口。键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

— 完 —

🌟 点亮星标 🌟

科技前沿进展每日见 ]article_adlist-->

海量资讯、解读，尽在财经APP 相关词条:玻璃棉     塑料挤出机厂家     钢绞线    管道保温    PVC管道管件粘结胶

奥力斯    万能胶厂家    联系人：王经理    手机：18231788377（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。