MWA™霸榜全球第一後:無界動力用真實咖啡廳展現物理AI的落地之徑
從“出片”到“出海”,無界動力即將奔赴下一個考場。作者丨郭 思 編輯丨董子博 沒有刻意的社交氛圍,一人靜坐或幾個好友相聚,手捧一杯咖啡,在音樂與咖啡的交匯中,暫時剝離工作與生活的瑣碎,獲得片刻放鬆與靈感迴響。這是平日裡我們對於休閒時刻美好畫面的印象,也是2026世界機器人大會現場最反差的一幕。
與去年以及今年上半年以來出現爭奇鬥豔、跳舞翻跟頭的喧鬧不同,今年WRC,記者探展一圈發現,展會上出現了很多垂直場景的機器人,有專門針對人的心腦血管做手術的醫療機器人,也有分揀物品進行歸類的各種家庭機器人,還有一些特別關注手關節摺紙動作的機器人……在其中,無界動力與韓國HOLLYS 聯手打造的人機共生沉浸式機器人咖啡空間,則是一塊與眾不同的“閒暇之地”。整體空間被綠植圍繞,北歐風的白色小柵欄打開,客人可以坐下來點單自由選擇自己愛喝的拿鐵或者美式,也可以點一杯大師級別的手衝。接收訂單後,咖啡師在吧檯後製作大師級咖啡或其他飲品,遞放至出餐區,機器人則負責端送到桌,並順手收走隔壁桌的垃圾、推回座椅。
大象無形,大音希聲,給人一種不會打擾你,但是在你有需要的時候隨時出現的陪伴感與交互感。"機器人當服務員,送餐過程竟十分穩定,靈巧,在人機共生的場景裡與人形成了一種默契關係",這是現場體驗者的真實反饋。而背後,則是無界動力對於整個行業技術路線的洞察以及人機交互商業落地的獨特表達。01“形神”兼備,無界動力對物理AI的第一性思考無界動力2025年創立於北京,創始人張玉峰是前地平線智駕一號位,聯合創始人夏中譜是理想汽車算法技術領軍人,團隊帶著智駕“從模型到量產”的肌肉記憶進場。在展會現場,張玉峰接受採訪時,會多次出現"智駕"、“L4”等自動駕駛詞彙。
這也使他對物理AI及具身智能有著比純機器人背景更接地氣的理解。畢竟,身處物理AI最先量產的自動駕駛行業,在之前的每一天,張玉峰都在提前感知物理AI落地的難度與挑戰 。所以在評價機器人的發展變化時,他表達出了不同於其他“大廠出身人”的謙卑。「機器人可能從以前的跑步到現在的在工廠幹活,總會有失敗的時候,就像人從小到大成長一樣,就是要再試一次,才會成功。我們也想在這個階段展示這種成長過程中的特點」。而在技術路線上,無界動力的選擇非常接近馬斯克常常提及的第一性原理,也就是“形神兼備”,軟硬兩個層面都無限接近人的終極狀態。
在本體形態的選擇上,無界動力此次首發的K15第二代採用了雙臂輪式半人形方案——在人機共生環境中,輪式結構天然更平穩、更安全、更高效。而做咖啡的機械臂Anyverse ADA則採用7自由度擬人運動架構,擁有30毫米腕部翻轉半徑和606毫米工作半徑,能夠適應狹窄、複雜空間中的靈巧操作。其單臂重量7公斤、額定負載5公斤,通過全關節力感知與實時力反饋,實現柔順、安全的人機與環境交互,同時支持桌面級操作與高保真技能遷移。
面向不同規模的具身智能計算需求,Anyverse ASC Pro、Anyverse ASC Max、Anyverse ASC Ultra 構成無界動力自研中央計算平臺的完整佈局,覆蓋600 INT8 TOPS至4000 FP4 TFLOPS算力範圍,兼容主流 AI 開發框架,支持視覺感知、智能決策、運動控制及端到端大模型部署。平臺採用多核異構架構與雙 SoC 冗餘設計,原生支持 Shadow Mode 和在線 OTA,並具備 ASIL-B/(D)(ISO 26262)級功能安全能力,多樣算力兜底,使得展示區內,做咖啡、端送咖啡、打掃桌面等一系列工作井然有序。
而在“神”即機器人的大腦上,無界動力的選擇不是主流的VLA(視覺-語言-動作)直連,而是“隱空間世界模型+強化學習”雙輪驅動,也就是公司自研的具身通用大腦 MWA™。談及這一選擇,張玉峰解釋道:VLA雖然是普遍做法,但實際上存在缺陷——對光線、對背景的變化敏感度極高,本質上還是一個模仿學習。他拿自動駕駛舉例:“ 現在行業的數據量級大概在大幾千萬到1億個clips,每個clip可能是半分鐘、一分鐘多都有可能,這個數量級下它學到的是以模仿學習為主的概率分佈。它不壓馬路牙子,是因為他建了百萬千萬次的軌跡裡沒有一次壓路牙子,而不是它像我們人一樣知道那路牙子壓上去有什麼後果。
這就是它沒有對時空上面的關聯性、物理世界的causality有真正理解。”也正因如此,無界動力沒有跟進VLA或類似路線,而是選擇了MWA™。MWA™實際上不僅讓機器人真正理解動作與物理世界變化之間的因果關係,構築起物理世界認知與未來狀態預測的核心能力;更通過強化學習在真實交互中的高頻試錯、解決與獎勵反饋,將對物理規律的深刻理解轉化為精準、安全的操作策略。如果需要直白地理解這個概念,其實可以藉助我們從小到大經常聽到的一個詞—“三觀”。哲學意義上,人的三觀即人生觀,價值觀,世界觀。價值觀用來判斷對錯,世界觀用來理解世界,而機器人剛出生,其實還不存在機生觀。
MWA™ 其實本質上就是讓具身擁有除人生觀之外的其他兩觀。世界模型負責“理解物理”,也就是讓機器人擁有世界觀,他不逐像素預測未來畫面,而是把環境壓縮進高維隱空間,建模“我做一個動作,世界會怎麼變”的因果關係,從而做出對未來狀態的預測。強化學習負責“練出手感”,也就是價值觀,在建立了一套對世界理解後,馬上要進入的就是執行世界。小孩第一次看到火,感覺到有點溫暖,他會持續靠近,在這個過程,溫暖對他來說是一種正反饋。而再持續接近火,他就會燙傷,感受到的疼就是一種負反饋,在這個過程中,他會生出對火的價值判斷,知道接觸火的邊界與分寸。
在真實交互裡高頻試錯,用獎勵和負反饋把物理規律變成精準、安全的操作策略,這種機制之下,機器人就變得更加知道他動作的邊界在哪裡。而在現在,我們也可以感受到,這種“隱空間世界模型+強化學習”的雙輪驅動,沒有停留在概念層面,而是融進了機器人的每一次行為裡。當顧客點單,下達“需要一杯美式”的命令時,機器人用MWA™ 理解“吧檯—咖啡杯—座位—顧客”的空間關係,不靠死板指令,也能響應即時需求,安全融入真實業務流與顧客協同工作,這時候的他不再是一個孤立執行者,而是懂意圖的協作者。
而當現場需求變成更為複雜在清潔場景時,K15能把任務拆解為“去回收區拿清潔提籃、再去需要清潔的桌子、放下提籃、把桌子上的廢棄咖啡杯和廢棄紙巾放進提籃裡、再拿抹布擦桌子、再放回抹布、再拿起提籃、回到回收區、做手部消毒”等連續子任務,並能不卡殼,擁有面向業務目標的長程任務規劃能力。另一方面,在機器人實際操作具體動作時,雖然面臨著弧面的咖啡杯,杯子裡的咖啡液麵、桌子上殘留的咖啡汙漬抑或抹布 等各式各樣的物品形態,但受益於強化學習的邊界訓練,K15的邊界感和分寸感都能拿捏的剛剛好。
除了獨立顧客發出的請求,實際上,在一個具象的咖啡廳裡,K15面臨的其實不是單個個體發出的需求,A顧客挪開了杯子、B顧客喝完咖啡留下了紙巾,面對這些時刻變化,錯綜複雜的情況,K15也能持續感知人—物品—空間關係的動態變化,即使是人來人往的過道,精準識別作業對象與潛在風險,不壓手、不撞人、不慌神,從容不迫。在斯坦福等發起的RoboCasa GR1 TableTop榜單上,MWA™霸榜全球第一。值得一提的是,具身通用大腦MWA™ 的泛化與通用能力不僅體現在咖啡服務等商業場景中。
本屆 WRC 上,無界動力還展出了“三機智協”與“指尖串珠”兩項任務,進一步印證了通用大腦在泛工業與泛家庭等多元場景下的強大適應性:“三機智協”任務中,三臺機器人基於同一模型,圍繞摺疊、分類、包裝等環節實現自主分工與協同。系統能統籌目標、銜接工序並實時跟蹤狀態,在面臨延遲或偏差時及時糾錯與調整,集中展現了長程規劃、多機協作及異常恢復等綜合能力;“指尖串珠”則聚焦接觸空間小、容錯率極低的精細操作。機器人需精準識別並連續完成毫米級抓取、穿入與調整,實時修正動作。這不僅考驗視覺定位與手眼協調,更檢驗了模型推理、末端控制與柔性操作能力,真正實現“試錯即學習、交互即進化”。
這兩項現場任務的實物成果,也被作為伴手禮贈予來訪嘉賓與觀眾,生動傳遞了具身智能帶來的科技溫度與互動樂趣。02從“出片”到“出海”,無界動力“趕考”下一場談及此次選擇咖啡廳這一場景的原因,無界動力官方表示,“在商業服務領域,咖啡場景是切入口。咖啡製作流程標準化但門店環境動態化,人流、光線和突發狀況對機器人的感知與應變能力構成有效壓力測試,真實商業環境中積累的交互數據也能反哺通用操作大腦的迭代。”WRC 的咖啡廳很出片,但無界動力真正要去的現場不在這兒。
2026年7月,K15通過歐盟工業級全域CE認證(CE-MD/RED/EMC + EN ISO 13849 + EN18031),是國內首個拿這個認證的具身智能機器人,意味著它不只是能在中國展廳跑,也能合法進歐洲工廠。目前,無界動力的商業化落地已進入規模化爆發階段,今年已斬獲歐亞地區近1億美元全球訂單並進入交付週期,7月首批K15機器人正式發往法國,進駐遠景科技海外工廠;同時與ZF LIFETEC、歐摩威集團等頭部汽車產業鏈企業達成產線合作,實現了從服務場景到工業場景、從國內市場到全球佈局的跨越式突破。
“未來,無界動力將進一步推動其在真實場景中落地,試運營、規模化複製,在帶來商業回報的同時,為人類創造一批會思考愛勞動可信賴的機器。”從“出片”到“出海”,無界動力即將奔赴下一個考場。上車,帶你看遍全球 AI 頂會精華可獨家暢覽:專家演講PPT大會報告全文熱門論文解讀學術新星訪談掃描上方二維碼或點擊「閱讀原文」關注專區。
Related
相關文章

AI寫得太快,人類審不動了,OpenClaw斷更7周,一版吞下1.6萬個PR
OpenClaw 專案因 AI 輔助生成的程式碼過快,最新版本累積高達 1.6 萬個 Pull Request,人類審核跟不上而被迫停更七週。這起事件凸顯開源社群正面臨「AI 狂寫、人類狂審」的失衡挑戰,維護者需花更多時間辨識貢獻真偽。專家建議團隊應提高審查門檻、限制 AI 改動範圍,並正視人類審核能量的有限性。

1.5TB 壓到 214GB:騰訊混元 Hy4 preview 輕量版發佈開源,異構設備可聯合推理
騰訊混元 Hy4 preview 輕量版已開源,透過創新量化技術將 1.5TB 模型壓縮至 214GB,性能損失極小。此版本支援異構設備聯合推理,大幅提升運算速度。
GLM 5.3 更強卻更難用了?我們讓它和 5.2 做了同一個北京城市駕駛遊戲
官方強調 GLM 5.3 安全能力大幅提升,實測卻發現這套安全機制在自動化工具鏈中頻繁觸發拒絕,導致開發流程中斷。 作者丨吳海明 編輯丨李 娜 大家還記得《極限競速:地平線》裡那種在開放世界中自由駕駛、穿梭城市與道路的體驗嗎?地平線遊戲圖這次,我們用一個類似思路、但更貼近真實工程開發的題目來考一考 GLM 5.3:從零開發一款基於 OpenStreetMap 真實數據的「北京國貿 → 望京」區域 3D 開放世界駕駛遊戲,5.
TimesFM-3發佈
TimesFM-3: A zero-shot foundation model for multivariate forecasting August 31, 2026Ayush Jain and Rajat Sen, Research Scientists, Google Research We introduce TimesFM-3, a state-of-the-art time series foundation model t。
J-Zero零數據共進化
近期一篇名為「J-Zero零數據共進化」的研究引起關注,核心概念是讓AI模型在不依賴外部標註資料的情況下,透過彼此對抗與合作持續進化。論文提出一套三方訓練框架,讓不同模型分別扮演挑戰者、求解器與評委,形成動態競爭與回饋機制,藉此突破傳統訓練資料的瓶頸。 具體運作流程中,挑戰者負責設計題目,求解器則嘗試作答,而評委會依據人類偏好對求解結果進行校準與評分。這樣的循環讓模型不是單向被動學習,而是在互相出題、解題與評判的過程中,逐步提升能力。
ElephantBench測長尾盲區
騰訊發布長尾知識基準ElephantBench,內含1094道分歧事實題,用以評估模型在長尾知識上的表現。測試涵蓋32個模型,其中表現最佳的模型也只有52.4%的正確率,顯示長尾知識仍是模型的一大盲區。