裝盒質檢、掃碼分揀、還能下象棋，這屆WRC的機器人，是什麼全能打工人啊？

機器人前瞻（公眾號：robot_pro） 作者 | 王涵 編輯 | 漠影 世界機器人大會，真的是太太太火爆了！今天，8月23日，2026世界機器人大會正式落下帷幕。為期5天的展會活動上，300餘家企業、超2000件展品集中亮相。人形機器人跳舞的展臺前排著長隊，翻跟頭的視頻在社交媒體上瘋狂刷屏……這是具身智能有史以來最熱鬧的一週。但相比於跳舞、拳擊的機器人，令我印象最深的，還要數那些在產線上、在商店裡開始工作的機器人。跨維智能的展臺就是其中一個。在喧囂的展區中，跨維智能的展臺被圍得水洩不通。我抱著好奇“這裡有什麼表演？

”的心態擠進人群，可看著看著，我的關注點不再是打卡拍照，而是沉下心觀察機器人的每一步操作。在我面前的展臺上，跨維現場復刻了藍思科技真實的智能終端質檢產線，兩臺 DexForce W1 PRO 人形機器人相互配合，完成動態追蹤、裝拆盒、檢測上下料整套作業。商超掃碼分揀場景下，跨維的自主掃碼分揀機器人在本屆WRC完成全面升級：在原有瓶裝商品基礎上，新增了袋裝、軟包裝商品的識別與抓取功能，進一步適配商超多品類、非標準化的作業需求。面對商品傾倒、姿態各異、顏色不同等情況，機器人能夠識別商品狀態，自主調整抓取策略。還有人形機器人操作爆米花設備，持續製作出餐。

展位上，W1 PRO象棋機器人，現場和參觀者對弈，吸引來了中央廣播電視總檯、英國廣播公司（BBC）、路透社、卡塔爾半島電視臺（Al Jazeera）等國內外主流媒體關注。跨維展臺現場沒有外接遙控設備，工作人員僅在一旁維持秩序。從感知判斷、做出決策，再到動作執行，全部環節都由機器人自主完成。當整個行業還在展示“機器人能做出什麼動作”時，跨維的展臺已經在向行業宣告：機器人落地，已經可以規模化。一、把真實產線搬上展臺：跨維的“落地圖譜” 展臺工作人員告訴我說，跨維展臺上的這條智能終端質檢流水線，直接復現的是藍思科技的真實產線工位。

藍思科技是全球消費電子玻璃蓋板龍頭，產品覆蓋智能汽車、智能家居等領域，客戶包括華為、小米、保時捷、蔚來等全球頭部企業，2025年營收突破740億元。跨維與藍思的合作始於2022年，那時跨維的仿真模型和視覺傳感器當年就已進入藍思產線。如今，雙方已建立深度戰略合作，涵蓋機器人應用和生產製造，結合真實工廠需求持續推進產品迭代和規模化部署。2026年4月，藍思科技創始人周群飛參觀跨維總部後，當場決定入股；兩個月後，藍思科技以產業資本身份出現在跨維B輪融資名單中。從“先用”到“再投”，這條路被製造業巨頭用真金白銀驗證過。但藍思只是跨維落地版圖上的一個節點。

據瞭解，工業製造領域，是跨維最早實現規模化商業閉環的領域。跨維的機器人已經在美的、海信、廣汽、比亞迪、中聯重科、三一重工、中國中車、五菱、松下、大金、海爾等大型工業場景落地。零售商超領域，2026年2月，跨維簽署三項重大戰略合作，包括桂林旅遊學院、盈新發展/盈新數科、上海景域無疆，計劃三年內落地數千臺人形機器人。其中與盈新數科明確計劃三年內落地不少於1000臺，重點部署在奶茶、咖啡、調酒、爆米花、冰淇淋、24小時零售店、景區、遊樂場、酒店及智慧物業等高頻消費場景。

在文旅領域，跨維目前已在全國多地運營商合作下，在桂林象鼻山、陽朔西街、黃山屯溪老街、徐州方特樂園、深圳K11、深圳龍崗星河COCO PARK等文旅景區穩定運營15+商業服務小站。自2021年創立起，五年間，跨維的產品擴展到了50多個應用場景、1500餘個成熟具身模型，覆蓋汽車零部件、新能源、3C電子、物流、家電、化工、醫療、教育等細分領域，年營收預計數億元。二、Physical Token經濟學：跨維的底層邏輯 支撐如此規模化落地的，是跨維智能創始人兼CEO、香港中文大學（深圳）教授賈奎一直以來的思考：Physical Token經濟學。

電力革命讓能源有了“千瓦時”的標準化計量，大模型讓認知智能有了Token。當AI進入物理世界，智能的產出也需要一種可計量的方式——有了計量，才能核算成本、比較效率、討論優化。這個計量單位就是Physical Token。在本屆WRC“物理AI引領者論壇”上，賈奎給出了一個清晰的定義：Physical Token，是物理智能體能夠生產的單位可靠物理智能。它和文本生成領域的Token有本質區別。文本Token對應的是信息單位，而Physical Token對應的是智能體在真實環境中的感知、判斷和行動：識別物體及其空間關係，理解任務要求，做出動作，並在複雜條件下可靠地完成操作。

一次成功的Demo可以展示機器人已經具備某項能力，但Physical AI能否規模化，還要看系統從第一項能力走向第十項、第一百項能力時，是否仍需重複支付相近的數據採集、模型訓練、工程調試和真實世界試錯成本。賈奎用一組數字舉例：如果第一項Skill需要100份投入，到了第五十項、第一百項Skill，仍然分別需要100份投入，業務形態本質上仍是一次次項目交付。只有當已有的人類經驗、模型能力和部署反饋開始成為下一項能力的基礎，使新增投入從100份逐步下降到10份、5份，Physical AI才真正具備形成規模經濟的條件。

這就是Physical Token經濟學最核心的指標——Marginal Cost of New Capability，即獲取新能力的邊際成本。在賈奎看來，通用物理智能能否成立，關鍵在於模型的能力邊界能否持續擴張，同時讓新增能力的邊際成本不斷下降。Physical Token經濟學要實現的終極目標，用賈奎的話說就是：讓下一份智能比上一份更便宜。

三、遵循Physical Token經濟學，跨維構建了全鏈路技術壁壘 Physical Token經濟學不只是一個學術名詞，賈奎將其進一步概括為四個相互銜接的核心技術環節： 人類經驗×合成槓桿×能力聚合×飛輪擴張=新能力獲取邊際成本的持續下降 跨維現有的技術路線與產業實踐，正沿著這套範式展開：統一數據表達與預訓練沉澱人類經驗，Real2Sim與生成式仿真形成合成槓桿，後訓練與強化學習完成能力聚合，真實部署反饋推動飛輪擴張。

第一環：人類經驗——讓一次學習沉澱為可複用的能力資產 現實中的具身數據來源複雜，可能來自第一視角視頻、仿真環境、真機採集、公開數據集和部署回傳，也可能包含RGB圖像、深度圖、語言指令、觸覺或力反饋等多種模態。不同採集設備的相機參數、安裝角度各不相同，不同機器人的座標系、參考基準、末端執行器定義也差異很大。跨維的解決方案是：通過統一座標系和統一物理表達，保留任務、物體與交互中的有效差異，儘可能消除由座標、格式和標定口徑造成的無效差異。基於這一思路，跨維提出Dexterity-BEV，將空間、動作與時序對齊進一步落到策略訓練流程，使來自不同本體、不同任務和不同採集方式的數據可以進入統一訓練框架。

2026年7月，跨維在WAIC上正式開源Aligned DexWorld——全球首個貫通人類到仿真到真機、實現時間、空間、動作三維對齊的大規模數據集，總計包含超200萬條數據樣本，整合了Droid、AgiBotWorld-Beta、RoboMIND等主流公開數據集。一次學習由此不再只服務於一個項目，而有機會沉澱為可跨任務、跨本體複用的能力資產。第二環：合成槓桿——用少量真實數據撬動海量低成本數據 真實數據不可替代，但並非所有訓練經驗都必須通過高成本真機試錯獲得。

跨維通過國產自研仿真引擎DexVerse與生成式仿真技術，將有限的真實經驗擴展到更多物體、狀態、視角和長尾條件中，並支持可形變線性、軟體切割、布料、液體、鉸鏈式物體等多種物理交互的高保真、可遷移仿真。其中，GS-World生成式仿真引擎將物理仿真、動作規劃與渲染生成融入端到端模型，可在10餘分鐘內生成仿真任務環境，而業內以傳統方式搭建同類環境通常需要2至3天。極高的環境生成效率，使模型能夠以更低成本經歷更多物體、狀態與失敗情況，為後續訓練提供更豐富的物理經驗。目前，相關仿真數據訓練已應用於超過1500個工業智能化項目，累計沉澱超過200TB高質量機器人數據。

第三環：能力聚合——把通用能力高效轉化為任務級可靠能力 如果每進入一個新工廠，都要重新從頭訓練一遍，後訓練仍然只是項目開發；如果可以建立在已有基座之上，大量利用仿真數據和自動化訓練流程快速完成任務適配，它才真正開始變成一條可複製的“能力生產線”。跨維結合後訓練、強化學習等方法，在通才基模已有的空間理解、物體語義和操作先驗上進行定向訓練，形成面向工業、商業、物流、醫療等具體任務的垂域專家模型。在特定垂域任務中，跨維專家模型的成功率可提升至99.99%，操作精度達到亞毫米級。第四環：飛輪擴張——每一次部署產生高價值經驗，降低下一次能力獲取成本 真實部署帶來的不只是項目結果。

運行中出現的成功經驗、失敗案例和環境變化，都是實驗室裡難以提前窮舉的高價值數據。這些數據回到訓練體系，繼續補充模型的能力邊界，也為下一次進入新任務、新場景提供基礎。四層環環相扣，每完成一輪循環，下一輪的能力基礎就更紮實。對跨維而言，Physical Token經濟學是貫穿技術範式、模型架構、產品設計與產業落地的基本原則。跨維希望通過持續降低新能力的邊際成本，讓技術迴歸真實任務和產業價值，推動Physical AI走向可持續的規模化發展。結語：具身智能分水嶺已至，跨維智能站在潮頭 走出WRC的場館，一個感受越來越清晰：行業的分水嶺，已經出現。

2026世界機器人大會的主題是“人機共生，產需共融”，與往年不同，今年的關鍵詞從技術突破轉向了產需協同，這意味著行業正在從展示可能性轉向展示可行性，“你這個機器人能幹什麼？在哪用？能不能規模化交付？”成了參會者最關心的問題。跨維智能展臺上的實體產線，便印證了這一點：這套技術不是隻在實驗室好用，放到真實場景裡也能正常跑起來。從“技術驅動”到“產需共融”，轉變的核心在於對價值的定義發生了變化。當行業從實驗室走向工廠、商場和景區，最重要的能力是把一個簡單的動作反覆做對、做穩定、做便宜。翻跟頭的機器人賺足了流量，但真正改變產業的是那些默默運轉、不出錯的產線。跨維智能，恰好站在這場轉變的前端。