量子位AI Agent

全球市佔第一後,普渡在WAIC開始回答機器人下一場戰爭

2026年7月19日 09:09
全球市佔第一後,普渡在WAIC開始回答機器人下一場戰爭

重點摘要

在全球矚目的WAIC(世界人工智慧大會)上,普渡機器人用一場不同尋常的展示,回應了外界對機器人行業下一步的種種提問。當不少團隊仍在追逐外型更擬人的機器人時,普渡選擇將舞台留給背後那顆看不見的「大腦」——以及已經在全球真實世界裡跑起來的超過13萬台機器人。這背後,是整個產業從實驗室炫技走向務實落地的關鍵轉折:誰能讓機器人長期在真實環境中運行,並從每一次任務中積累經驗,誰就能搶佔下一波競爭的制高點。 這種說法並非空穴來風。

站內 AI 整理稿

在全球矚目的WAIC(世界人工智慧大會)上,普渡機器人用一場不同尋常的展示,回應了外界對機器人行業下一步的種種提問。當不少團隊仍在追逐外型更擬人的機器人時,普渡選擇將舞台留給背後那顆看不見的「大腦」——以及已經在全球真實世界裡跑起來的超過13萬台機器人。這背後,是整個產業從實驗室炫技走向務實落地的關鍵轉折:誰能讓機器人長期在真實環境中運行,並從每一次任務中積累經驗,誰就能搶佔下一波競爭的制高點。這種說法並非空穴來風。

國際權威諮詢機構弗若斯特沙利文最新發布的《2025年全球具身智能與商用服務機器人獨立市場研究報告》指出,商用服務領域已成為具身智能規模化量產的「第一戰場」,而普渡機器人在全球商用服務機器人收入、全球商用服務機器人出貨量、全球商用清潔機器人收入以及中國商用服務機器人出海四大維度均排名第一。截至目前,該公司的產品已進入全球85個國家和地區,累計部署超過13萬台,覆蓋餐飲、酒店、工業、倉儲等16個行業。這些數字不只是商業成績的證明,更代表著一扇巨大的真實數據入口已經打開。對機器人而言,走出實驗室只是第一步,真正決定其智能上限的,並非實驗室裡的演算法,而是它在一次次真實任務執行中獲得的反饋。

大模型可以透過文本學習語言規律,機器人卻必須面對物理世界中千變萬化的環境——它不僅要知道「這是什麼」,還要知道「怎麼拿起來」「會不會滑掉」「移動時會不會撞到」。這些能力無法靠有限的人工示範獲得,必須在真實場景中反覆試煉。然而,沒有成熟的機器人,就進不了真實場景;沒有場景數據,機器人又難以成長,這正是業界經典的「雞生蛋」問題。普渡的應對策略是:先用大規模商業化部署打破這個循環。目前,其機器人每年累計產生約3650萬小時的導航數據與1580萬小時的操作數據。這些數據全部來自機器人的第一視角,涵蓋餐飲送餐、酒店引導、工業搬運等多元場景。

當部署規模持續擴大、場景不斷增加,數據便開始持續迴流,驅動模型升級,使機器人能適應更多環境,進而拓展部署——這正是具身智能時代的「數據飛輪」。不過,真實世界數據有它的代價:每一次錯誤都伴隨著設備損耗與安全風險。為了解決這個問題,普渡引入「虛實雙閉環」機制。機器人先在名為World Simulator的仿真環境中進行大規模訓練,反覆嘗試各種任務組合,甚至主動生成碰撞、滑脫等極端工況;然後再透過真實場景中的人機協同(Human-in-Loop)進行校正。仿真負責擴大訓練量,現實負責提供精確反饋,兩者結合大幅降低了試錯成本。

正是在這個基礎上,普渡推出了自研的具身智能大模型PuduFM,這也是其「一腦多形」戰略的核心技術底座。這個模型試圖解決機器人長久以來的兩大困境:缺乏物理直覺,以及不同形態機器人之間的數據割裂。

PuduFM包含三個關鍵組件:PIM(Physical Intuition Model)物理預言家,它不走單純辨識像素的老路,而是透過因果注意力Transformer架構,在潛空間中提煉重力、摩擦力、重心偏移等物理規則,讓機器人提前預判動作的後果;VLA多模態對齊組件,則打通了導航與操作之間的壁壘,將視覺、語音、移動與抓取整合到同一套思考邏輯中;第三個組件World Model仿真引擎,是前兩者奠定認知基礎的關鍵,它利用真實場景素材搭建高度擬真的虛擬環境,並透過擴散變換器架構自主生成多樣化訓練軌跡。

在World Model的海量虛擬預演支撐下,普渡機器人如今只需50條專家示範數據,就能快速完成一個全新任務的適應。這個效率幫助機器人跳出了「一機一模、一場一訓」的傳統模式。更重要的是,PuduFM賦予機器人沉澱與遷移經驗的能力:不同機器人不再需要從零學起,而是可以共享同一套「物理智能」。但要讓這套大腦的能力在各種機器人本體上順暢運轉,還需要一套能夠管理、排程與執行任務的系統。為此,普渡同步推出了具身智能作業系統PuduAgent。它的角色類似於手機領域的「安卓/iOS」,可將PuduFM的大腦能力完整封裝、統一調用。

PuduAgent由三部分構成:核心運行基座(包含負責環境理解與任務規劃的Agent Core、記錄任務過程的長效記憶模組Agent Memory、以及即時執行的Agent Runner);標準化原子能力庫(將導航、抓取、人機互動等能力抽象成可跨機型複用的技能);以及安全防護機制Safety,擔任機器人行動前的安全護欄,持續預判潛在風險並適時干預。透過PuduFM與PuduAgent的結合,普渡在WAIC上正式向外界展示了「一腦多形」的終局願景:未來無論是配送機器人、清潔機器人、工業機器人,還是正在步入工業與零售場景的類人形機器人PUDU D7,都將共享同一套持續進化的智能架構。

D7的亮相之所以備受關注,不是因為它長得多像人,而是它被放在一個更大的命題中檢視——當機器人遇到複雜環境時,一次次的運轉經驗如何反哺給所有機器人,讓它們一起變得更聰明。資本市場也看到了這條路徑的潛力。今年4月,普渡機器人完成近10億元新一輪融資,投後估值突破100億元。投資人真正押注的,不只是眼下13萬台機器人帶來的現金流,而是這13萬個數據終端背後持續產生的物理世界認知。下一階段,機器人之間的戰爭將不再是單機性能的比拚,而是誰能更快、更廣地把機器人鋪進真實世界。因為擁有更多機器人,就等於擁有更大的物理數據入口;而誰能掌握最多的真實世界數據,誰就能養出最聰明的機器人大腦。

Related

相關文章

當 human in the loop 變成“閉著眼睛點確認”,企業Agent 安全還能靠誰?

專家指出,AI Agent 從內容安全轉向行為安全,提示詞注入、工具濫用與過度授權成為主要風險。企業應建立可視、可管、可追溯的安全基線,並對工具權限進行最小化與臨時化管理,避免 human in the loop 淪為形式。安全防護需從靜態入口轉向動態行為約束,以因應 Agent 自主執行帶來的全新挑戰。

22 分鐘前

開源Agent框架刷爆ARC-AGI-3,「自我改進」的RLM harness引爭議

一套開源Agent框架在ARC-AGI-3基準測試中創下超過85%的正確率,大幅領先其他解決方案,其核心是名為「RLM harness」的自我改進機制。然而,該方法引發學術爭議,部分研究者批評它透過反覆試錯「鑽漏洞」,不符合ARC-AGI評測一次性推理的精神。這場討論促使AI社群重新審視評測標準,並可能影響未來ARC-AGI版本的設計方向。

28 分鐘前
TechWebAI Agent

ChinaJoy 2026 AI遊戲規模化落地,邊緣雲與API安全重構產業底層邏輯

2026年ChinaJoy展館,“與AI同遊”的主題隨處可見。行業調查顯示,僅有21%的企業擁有完整的API資產清單,大量後臺AI接口仍在無人監控的狀態下裸奔。合規與安全也同步下沉。算力下沉還不夠,API安全必須同步前移邊緣雲解決了體驗問題,但AI交互入口的安全,同樣需要前置到邊緣。算力與安全,缺一不可Akamai的判斷很明確:遊戲AI轉型不能割裂算力與安全。這也是遊戲廠商規模化落地AI智能體、構建AI原生遊戲的標準化底層方案。

5 小時前
量子位AI Agent

螞蟻集團開源Avernet,讓人與智能體像組織一樣高效協作

**螞蟻集團開源Avernet:打造人與智能體高效協作的“組織級”基礎設施** **來源:量子位** **2026-08-07 11:08:51** 近日,螞蟻集團正式宣佈開源多智能體協作基礎設施Avernet,其社區版本已同步上線。作為業界首個聚焦於“組織級協作”的智能體基礎設施,Avernet的首個版本重點開放了智能體協作網絡能力,旨在支持不同智能體之間的發現、共識達成、跨團隊協作與治理,為人工智能從“單點智能”走向“系統智能”提供關鍵支撐。

10 小時前