WAIC现场：这家公司让一群不同的机器人共用一个大脑

热热热热热！今年 WAIC 现场，大家对 AI 的热情，像上海的气温一样持续攀升。

去年逛 WAIC，机器人就已经很忙了。它们在展馆里写书法、舞龙、击鼓、打拳、踢球，也会调酒、按摩、拆快递、叠衣服，或是从货架上取下指定商品。

到了今年，机器人又解锁了一批新节目：组乐队、变魔术，在擂台中上演双机综合格斗，在迷你球场上争夺「WAIC 杯」。另外，一张张仿生面孔能够眨眼、微笑、转头，还能与观众实时对话——走上一圈，甚至还能和「秦始皇」打个照面。

逛完整个会场，可以看到，不同的机器人产品也正在沿着各自的方向加速生长：有的继续挑战奔跑、跳跃、格斗等高难度动作，不断抬高本体性能的上限；有的通过外形、情绪反馈和长期互动，寻找进入家庭的可能；还有更多机器人走向产线、仓库和商店，接受速度、精度、稳定性与连续作业能力的真实检验。

这也让今年的 WAIC 呈现出一个明显的变化：大家更关注机器人究竟能解决什么问题。对消费级产品来说，可能是足够有趣，让人愿意把它带回家；对产业机器人来说，则要足够有用，能够适应复杂环境，把任务稳定、高效、持续地完成。

梅卡曼德展台上的机器人们也忙得热火朝天，现场人气拉满。

展台一侧，人形机器人接到观众下达的订单，转身走向货架，在一排饮料、零食和玩偶中找到目标，再把手伸进有限的空间里，稳稳取出商品。

再往里走，画风切换到工业现场。机械臂从一筐无序堆叠的五角螺母中快速选中目标，单件时间小于 2.4 秒；塑料包装、柔性线束插头和透明瓶体，也在考验机器人的感知与操作能力。另一张台面上，数百种日常物品随机散落，等着人形机器人识别和分类。

看起来，大家各有各的活。

围着展台看一圈，能发现它们背后都连着同一套能力——梅卡曼德具身智能「眼脑手」。

高精度 3D 视觉负责看清物体和环境；以 Mech-GPT 多模态大模型为核心的具身大脑负责理解指令、推理和规划；世界动作模型用于预判不同动作方案的结果，运动规划与灵巧操作能力再把方案转化为抓取、搬运、分类和装配等现实动作。

现场的一块互动屏幕，直接展示了具身大脑怎样工作。观众可以通过自然语言向 Mech-GPT 下达任务指令，系统理解指令和任务意图，结合眼前的物体与环境进行推理和决策，再控制机器人拿取指定物体。

这里考验的并不只是能否理解一条分类指令，还包括能否泛化识别海量真实物体，并把自然语言、物体类别和场景标签转化为可执行的分拣策略。

机器人面对的变化，还包括一些更难感知的物体。

透明物体泛化抓取单元里，目标换成了透明瓶体、透明或半透明包装等物品。玻璃和透明塑料在商超、医疗、实验室和日常生活中十分常见，但透明材质容易给视觉成像和目标定位带来困难。

通过透明物体 AI 成像与泛化抓取算法，机器人要识别高度透明的物体，判断位置和姿态，并生成抓取方案。适用对象还包括盐水袋、透明试管、喷雾瓶和水瓶等形状、包装和透明程度各不相同的物品。

线束插头柔性抓取与精密装配单元，考验的是另一套功夫。线束属于柔性物料。它在料框中的形态不固定，被机器人抓起后还会继续下垂、弯曲和变形。插头插接又要求机器人准确对位，并控制接触过程中的力度。

位置出现偏差，插头可能无法顺利进入；施力过大，也可能损伤元器件。

演示过程中，机器人需要完成线束抓取、插头对位和柔顺插接。高精度视觉持续提供位置数据，自适应运动控制则处理线束形变、对位偏差和接触力度等细微变化。

整套任务最终实现亚毫米级精准柔顺插接。相比一次抓取，这是一段更长的自动化闭环。前一步的执行结果会直接影响后一步，机器人需要在任务进行过程中持续感知和调整，直到完成插接。

据梅卡曼德透露，这套高精度柔性装配方案已在汽车电子、3C 电子、半导体和家电等精密制造行业实现批量复制与规模化应用。

开放场景和工业现场由此给出了两张不同的考卷。商超等环境中，商品、货架和指令持续变化，机器人需要处理物体泛化、空间适应和任务理解；工业现场则把这些能力放进明确的硬指标中，要求系统达到生产所需的速度、精度、稳定性和连续运行能力。两类场景共同检验「眼脑手」能否形成完整、可用的能力闭环。

展台上的演示，也因此多了两种观看方式。既可以看机器人会不会做，也可以看它能否在工业指标和环境变化中持续完成任务。

27000+ 套产品，标准化要经过多少种现场检验

展台上的一次演示，大多在几分钟内完成。机器人进入真实工厂后，要面对的是以月和年计算的连续运行。工件批次、环境光、物料姿态、生产节奏和工艺流程都会变化，现场还会不断出现实验室中难以穷举的长尾问题。

梅卡曼德披露，其具身智能「眼脑手」相关产品已经在全球累计落地超过 27000 套，服务超过 100 家《财富》500 强客户，覆盖汽车制造、物流快递、新能源锂电、3C、半导体、钢铁、工程机械和医药等行业。公司还在美国、日本、韩国和德国等地设有子公司和团队，产品持续进入不同国家和地区的产业现场。

进入不同国家，系统接受的检验也不只来自算法。不同市场的产品认证、生产工艺、设备接口、交付流程和服务要求并不相同。梅卡曼德的产品已进入近 50 个国家和地区，并在慕尼黑、东京、芝加哥、首尔等地建设本地团队，覆盖销售、交付、培训和售后服务。对标准化产品而言，全球化意味着同一套底层技术架构要在更多产业体系中接受认证、交付、运行和服务能力的综合检验：它既要能够工作，也要能够合规交付、快速部署并被长期维护。

规模一上来，现场问题也会迅速变多。

汽车零部件可能存在金属反光、无序堆叠和规格变化；物流现场需要处理不同尺寸、材质和包装的物品；精密装配关注位置误差、接触力度和工艺节拍；重工业环境还可能伴随粉尘、高温等复杂条件。

一套标准产品要在这些条件下反复接受检验。哪些能力可以直接跨客户、跨行业复用，哪些环节可以通过配置完成适配，哪些长尾问题还需要继续优化，都会在部署过程中逐渐变清楚。

标准化也在一次次真实应用中逐渐形成：稳定、重复出现的能力被沉淀为产品组件，软硬件接口和交付方式逐步统一，一个现场积累的经验，也能被复用到下一次部署中。换一家客户、进入另一个行业时，团队可以从已有产品能力出发，处理新的工艺要求。这个过程既考验前沿技术，也考验产品量产、工程交付和全球服务能力。

规模化部署解决的是产品如何走进更多现场；要让这些现场反过来提升通用能力，还需要统一的模型底座和迭代机制。

面向物理世界的具身原生通用基座模型，用于在统一底座上沉淀不同物体、任务、本体和行业之间的共性能力。在具体项目中，则可以从已有能力出发，通过配置和适配满足差异化需求，减少进入新场景时重复开发的成本。

基座模型解决的是能力如何复用，真实场景的数据飞轮解决的则是能力如何持续变强。部署规模越大，系统遇到的反光、遮挡、形变、油污和随机堆叠等长尾问题越丰富；这些现场反馈推动模型、算法和产品迭代，能力提升后又支撑产品进入更多场景。

梅卡曼德将这一过程概括为数据飞轮：场景反馈推动 AI 模型和产品优化，产品能力提升，再支撑更多落地。

支撑这 27000+ 套产品的，是统一的「眼脑手」底层技术架构和标准化产品体系；而它们在不同国家、行业和工艺环境中的长期运行，也持续为这套体系提供现场检验。它的通用边界，正是在这些现场中被一遍遍测试和拓宽。

结语：身体各不相同，但智能正在走向通用

人形机器人、轮式机器人、工业机械臂和其他本体，还会继续进入各自适合的场景。工厂、仓库、商店和家庭提出的任务，也不会变得完全一致。

具身智能规模化面对的关键问题，由此逐渐清晰：当机器人换一副身体、换一种物体、换一个环境和任务时，感知、理解、决策、规划和操作能力能够保留多少。

一次演示可以呈现机器人学会了什么。大规模部署更关心的是，这些能力能否被沉淀为标准产品，进入新现场后继续使用，并在真实效率和精度要求下稳定运行。需要重新开发、重新调试和重新积累的部分不断缩小，机器人进入更多行业的速度才有机会不断加快。

今年 WAIC，梅卡曼德展示的正是这样一条路径：以一套通用的「眼脑手」能力，赋能多种机器人形态进入不同场景。