机器人前瞻（公众号：robot_pro）
作者 | 王涵
编辑 | 漠影
世界机器人大会，真的是太太太火爆了！
今天，8月23日，2026世界机器人大会正式落下帷幕。为期5天的展会活动上，300余家企业、超2000件展品集中亮相。人形机器人跳舞的展台前排着长队，翻跟头的视频在社交媒体上疯狂刷屏……这是具身智能有史以来最热闹的一周。
但相比于跳舞、拳击的机器人，令我印象最深的，还要数那些在产线上、在商店里开始工作的机器人。跨维智能的展台就是其中一个。
在喧嚣的展区中，跨维智能的展台被围得水泄不通。我抱着好奇“这里有什么表演？”的心态挤进人群，可看着看着，我的关注点不再是打卡拍照，而是沉下心观察机器人的每一步操作。
在我面前的展台上，跨维现场复刻了蓝思科技真实的智能终端质检产线，两台 DexForce W1 PRO 人形机器人相互配合，完成动态追踪、装拆盒、检测上下料整套作业。
商超扫码分拣场景下，跨维的自主扫码分拣机器人在本届WRC完成全面升级：在原有瓶装商品基础上，新增了袋装、软包装商品的识别与抓取功能，进一步适配商超多品类、非标准化的作业需求。面对商品倾倒、姿态各异、颜色不同等情况，机器人能够识别商品状态，自主调整抓取策略。
还有人形机器人操作爆米花设备，持续制作出餐。
展位上，W1 PRO象棋机器人，现场和参观者对弈，吸引来了中央广播电视总台、英国广播公司（BBC）、路透社、卡塔尔半岛电视台（Al Jazeera）等国内外主流媒体关注。
跨维展台现场没有外接遥控设备，工作人员仅在一旁维持秩序。从感知判断、做出决策，再到动作执行，全部环节都由机器人自主完成。
当整个行业还在展示“机器人能做出什么动作”时，跨维的展台已经在向行业宣告：机器人落地，已经可以规模化。
一、把真实产线搬上展台：跨维的“落地图谱”
展台工作人员告诉我说，跨维展台上的这条智能终端质检流水线，直接复现的是蓝思科技的真实产线工位。
蓝思科技是全球消费电子玻璃盖板龙头，产品覆盖智能汽车、智能家居等领域，客户包括华为、小米、保时捷、蔚来等全球头部企业，2025年营收突破740亿元。
跨维与蓝思的合作始于2022年，那时跨维的仿真模型和视觉传感器当年就已进入蓝思产线。如今，双方已建立深度战略合作，涵盖机器人应用和生产制造，结合真实工厂需求持续推进产品迭代和规模化部署。
2026年4月，蓝思科技创始人周群飞参观跨维总部后，当场决定入股；两个月后，蓝思科技以产业资本身份出现在跨维B轮融资名单中。从“先用”到“再投”，这条路被制造业巨头用真金白银验证过。
但蓝思只是跨维落地版图上的一个节点。
据了解，工业制造领域，是跨维最早实现规模化商业闭环的领域。跨维的机器人已经在美的、海信、广汽、比亚迪、中联重科、三一重工、中国中车、五菱、松下、大金、海尔等大型工业场景落地。
零售商超领域，2026年2月，跨维签署三项重大战略合作，包括桂林旅游学院、盈新发展/盈新数科、上海景域无疆，计划三年内落地数千台人形机器人。
其中与盈新数科明确计划三年内落地不少于1000台，重点部署在奶茶、咖啡、调酒、爆米花、冰淇淋、24小时零售店、景区、游乐场、酒店及智慧物业等高频消费场景。
在文旅领域，跨维目前已在全国多地运营商合作下，在桂林象鼻山、阳朔西街、黄山屯溪老街、徐州方特乐园、深圳K11、深圳龙岗星河COCO PARK等文旅景区稳定运营15+商业服务小站。
自2021年创立起，五年间，跨维的产品扩展到了50多个应用场景、1500余个成熟具身模型，覆盖汽车零部件、新能源、3C电子、物流、家电、化工、医疗、教育等细分领域，年营收预计数亿元。
二、Physical Token经济学：跨维的底层逻辑
支撑如此规模化落地的，是跨维智能创始人兼CEO、香港中文大学（深圳）教授贾奎一直以来的思考：Physical Token经济学。
电力革命让能源有了“千瓦时”的标准化计量，大模型让认知智能有了Token。当AI进入物理世界，智能的产出也需要一种可计量的方式——有了计量，才能核算成本、比较效率、讨论优化。
这个计量单位就是Physical Token。
在本届WRC“物理AI引领者论坛”上，贾奎给出了一个清晰的定义：Physical Token，是物理智能体能够生产的单位可靠物理智能。
它和文本生成领域的Token有本质区别。文本Token对应的是信息单位，而Physical Token对应的是智能体在真实环境中的感知、判断和行动：识别物体及其空间关系，理解任务要求，做出动作，并在复杂条件下可靠地完成操作。
一次成功的Demo可以展示机器人已经具备某项能力，但Physical AI能否规模化，还要看系统从第一项能力走向第十项、第一百项能力时，是否仍需重复支付相近的数据采集、模型训练、工程调试和真实世界试错成本。
贾奎用一组数字举例：如果第一项Skill需要100份投入，到了第五十项、第一百项Skill，仍然分别需要100份投入，业务形态本质上仍是一次次项目交付。只有当已有的人类经验、模型能力和部署反馈开始成为下一项能力的基础，使新增投入从100份逐步下降到10份、5份，Physical AI才真正具备形成规模经济的条件。
这就是Physical Token经济学最核心的指标——Marginal Cost of New Capability，即获取新能力的边际成本。
在贾奎看来，通用物理智能能否成立，关键在于模型的能力边界能否持续扩张，同时让新增能力的边际成本不断下降。
Physical Token经济学要实现的终极目标，用贾奎的话说就是：让下一份智能比上一份更便宜。
三、遵循Physical Token经济学，跨维构建了全链路技术壁垒
Physical Token经济学不只是一个学术名词，贾奎将其进一步概括为四个相互衔接的核心技术环节：
人类经验×合成杠杆×能力聚合×飞轮扩张=新能力获取边际成本的持续下降
跨维现有的技术路线与产业实践，正沿着这套范式展开：统一数据表达与预训练沉淀人类经验，Real2Sim与生成式仿真形成合成杠杆，后训练与强化学习完成能力聚合，真实部署反馈推动飞轮扩张。
第一环：人类经验——让一次学习沉淀为可复用的能力资产
现实中的具身数据来源复杂，可能来自第一视角视频、仿真环境、真机采集、公开数据集和部署回传，也可能包含RGB图像、深度图、语言指令、触觉或力反馈等多种模态。不同采集设备的相机参数、安装角度各不相同，不同机器人的坐标系、参考基准、末端执行器定义也差异很大。
跨维的解决方案是：通过统一坐标系和统一物理表达，保留任务、物体与交互中的有效差异，尽可能消除由坐标、格式和标定口径造成的无效差异。基于这一思路，跨维提出Dexterity-BEV，将空间、动作与时序对齐进一步落到策略训练流程，使来自不同本体、不同任务和不同采集方式的数据可以进入统一训练框架。
2026年7月，跨维在WAIC上正式开源Aligned DexWorld——全球首个贯通人类到仿真到真机、实现时间、空间、动作三维对齐的大规模数据集，总计包含超200万条数据样本，整合了Droid、AgiBotWorld-Beta、RoboMIND等主流公开数据集。一次学习由此不再只服务于一个项目，而有机会沉淀为可跨任务、跨本体复用的能力资产。
第二环：合成杠杆——用少量真实数据撬动海量低成本数据
真实数据不可替代，但并非所有训练经验都必须通过高成本真机试错获得。跨维通过国产自研仿真引擎DexVerse与生成式仿真技术，将有限的真实经验扩展到更多物体、状态、视角和长尾条件中，并支持可形变线性、软体切割、布料、液体、铰链式物体等多种物理交互的高保真、可迁移仿真。
其中，GS-World生成式仿真引擎将物理仿真、动作规划与渲染生成融入端到端模型，可在10余分钟内生成仿真任务环境，而业内以传统方式搭建同类环境通常需要2至3天。极高的环境生成效率，使模型能够以更低成本经历更多物体、状态与失败情况，为后续训练提供更丰富的物理经验。
目前，相关仿真数据训练已应用于超过1500个工业智能化项目，累计沉淀超过200TB高质量机器人数据。
第三环：能力聚合——把通用能力高效转化为任务级可靠能力
如果每进入一个新工厂，都要重新从头训练一遍，后训练仍然只是项目开发；如果可以建立在已有基座之上，大量利用仿真数据和自动化训练流程快速完成任务适配，它才真正开始变成一条可复制的“能力生产线”。
跨维结合后训练、强化学习等方法，在通才基模已有的空间理解、物体语义和操作先验上进行定向训练，形成面向工业、商业、物流、医疗等具体任务的垂域专家模型。
在特定垂域任务中，跨维专家模型的成功率可提升至99.99%，操作精度达到亚毫米级。
第四环：飞轮扩张——每一次部署产生高价值经验，降低下一次能力获取成本
真实部署带来的不只是项目结果。运行中出现的成功经验、失败案例和环境变化，都是实验室里难以提前穷举的高价值数据。这些数据回到训练体系，继续补充模型的能力边界，也为下一次进入新任务、新场景提供基础。
四层环环相扣，每完成一轮循环，下一轮的能力基础就更扎实。
对跨维而言，Physical Token经济学是贯穿技术范式、模型架构、产品设计与产业落地的基本原则。
跨维希望通过持续降低新能力的边际成本，让技术回归真实任务和产业价值，推动Physical AI走向可持续的规模化发展。
结语：具身智能分水岭已至，跨维智能站在潮头
走出WRC的场馆，一个感受越来越清晰：行业的分水岭，已经出现。
2026世界机器人大会的主题是“人机共生，产需共融”，与往年不同，今年的关键词从技术突破转向了产需协同，这意味着行业正在从展示可能性转向展示可行性，“你这个机器人能干什么？在哪用？能不能规模化交付？”成了参会者最关心的问题。
跨维智能展台上的实体产线，便印证了这一点：这套技术不是只在实验室好用，放到真实场景里也能正常跑起来。
从“技术驱动”到“产需共融”，转变的核心在于对价值的定义发生了变化。当行业从实验室走向工厂、商场和景区，最重要的能力是把一个简单的动作反复做对、做稳定、做便宜。翻跟头的机器人赚足了流量，但真正改变产业的是那些默默运转、不出错的产线。
跨维智能，恰好站在这场转变的前端。
