一顆「腦」裝進27000臺真機！遍布50國

新智元報道

上海世博展覽館，WAIC 2026，H1-A530展位前圍了三層人。

最抓眼球的是入口處的「零售區」。一個觀眾隨手在點餐臺下了單。幾秒鐘后，機器人「聽到」了指令，頭頂的「眼睛」一掃，靈巧手伸進塞滿飲料的貨架層里，精準抽出目標瓶子，轉身送到前臺。

工業區更熱鬧：兩臺人形機器人在「搭班干活」——一臺搬運料筐，另一臺從筐里抓取工件精準放到指定位置。

旁邊展示直接挑戰了機器視覺領域公認的「老大難」——透明物體識別。透明瓶子、塑料袋包裝、反光飲料罐混在一起，對傳統相機來說幾乎是「隱形」的，但這臺機器人看它們跟看積木似的，抓得又快又穩。

這是2026年7月的上海，WAIC開到第九年。今年具身智能第一次與智算并列為兩大核心賽道，超過200家具身智能企業到場，人形機器人幾乎擠滿了整個展館。

但在這片熱鬧里，有一家公司做的事有點「反?！埂辉鞕C器人。

回過頭看剛才的畫面：貨架取貨的是人形機器人，高速抓取的是工業機械臂，線束裝配的又是另一種形態。

形態不同，任務不同，物體更是千差萬別——布偶、螺母、透明瓶子、柔性線束。

但它們表現出來的能力卻是相似的：都看得清環境，都理解任務，都能規劃動作、精準執行。

為什么？答案不是梅卡曼德造出了一臺「萬能機器人」，而是：它造機器人的「眼睛」「大腦」和「手」，然后把這一套裝進不同的身體里。就像安卓不造手機，但可以讓所有手機都能跑同一套系統。

智能大于形態

機器人不會只有一種身體

全行業都在問：具身智能的終極形態是什么？很多人回答「人形機器人」。但這個邏輯有問題。

工廠要的是快準穩的機械臂，人形反而笨重；倉庫要的是能滿場跑的輪式機器人，兩條腿不如輪子效率高；便利店要在貨架間穿梭的服務機器人，全尺寸人形連轉身都費勁；家庭場景更不用說——櫥柜下面那點空間，你讓一米七的機器人蹲下去夠東西？

不同環境天然需要不同的身體，用一種形態解決所有問題，就像用一把螺絲刀拆所有電器——理論上也許行，實際上一定不行。

梅卡曼德創始人邵天蘭在達沃斯世界經濟論壇上說過：物理AI不指向某一種具體形態，而是一套通用能力。

真正決定機器人有沒有產業價值的，不是它像不像人，而是能不能快速適應復雜環境、完成真實任務、用足夠低的成本實現部署。

所以梅卡曼德的策略是「一腦多形」：同一套「眼腦手」，裝進人形機器人、雙臂輪式機器人、半身人形機器人、工業機械臂都行。

身體百花齊放沒關系，腦子得是同一顆。

這顆「大腦」到底長什么樣

Mech-GPT多模態大模型是整套系統的核心，不只是個聽懂人話的聊天模型。

給它一句「把貨架第二層左邊那個藍瓶子拿過來」，它得先弄清你要哪個瓶子，再用「眼睛」看清現場，然后把這句話拆成一串動作：移到架前、伸手、抓穩、退出、送到前臺。

難的是現場隨時在變。瓶子被碰歪、位置偏了、冒出新障礙，大腦就得當場改計劃。

所以這顆「腦」至少干四件事：理解任務、感知環境、規劃行動、監督完成——把「想做什么」「現場什么樣」「下一步怎么走」「做完沒有」串成一條閉環。

這就是物理智能和文本智能最大的不同：答題，打完字就結束；干活，只有瓶子真拿到、工件真放準、插頭真插進，才算完成。

比如，現場Mech-GPT多模態大模型的人機交互單元演示。觀眾走到屏幕前，用自然語言跟機器人「聊天」——你可以隨口說「把積木按順序排好」，它聽得懂、想得明白、做得到。不是固定的語音指令識別，而是真正理解你在說什么、你想干什么。

再說「手」。光知道該做什么還不夠，還得做到。世界動作模型配合新一代Mech-Hand靈巧手，把高層指令翻譯成抓、捻、拿、握、敲、插接等精細動作。WAIC現場亞毫米級線束裝配，就是「手」的極致體現。

最后說「眼」。高精度3D視覺加上透明物體成像算法，讓機器人在復雜光線、雜亂料框、狹窄貨架中精準識別物體的位置、形狀和材質。

傳統算法面前一個玻璃杯和「什么都沒有」差不多，但梅卡曼德的算法能把透明瓶子看得清清楚楚。

一句話：眼睛看清世界，大腦理解任務，手把想法變成動作。三者合在一起，不是某臺機器人的專屬技能包，而是一套通用智能底座。

通用性和泛化性不是口號，要靠難題來證明

「通用」和「泛化」在AI行業快被說爛了。梅卡曼德在WAIC上的回答是：你說「通用」和「泛化」，我用場景驗證。

跨形態——同一套智能進入人形機器人、雙臂輪式機器人、工業機械臂，形態不同，都能干活。

跨物體——不只認識規則工業零件，還認識幾百種日化、食品、玩具、文具，連透明的、柔軟的、反光的都能識別。

在WAIC現場的分揀單元，面前堆了幾百種亂七八糟的物體——日化用品、文具、水果、蔬菜、玩具、零食——十幾種類別，機器人一件件拿起來，掃一眼，準確丟進對應的分類框。

跨環境——深筐、貨架、流水線、狹窄空間都能應對。

跨任務——搬運、分揀、裝配、取貨、協同作業，不需要每換任務就從頭開發。

但更關鍵的是硬指標。工業客戶不關心動作帥不帥，就看核心指標：速度、成功率、精度等。高速抓取單件小于2.4秒，線束裝配亞毫米級，雙機協同全程無人干預——這說明梅卡曼德展示的不是實驗室Demo，而是接近真實生產要求的系統。

比如，現場中一只機械臂在雜亂料框里高速翻找，每抓一個五角螺母不到2.4秒。你還沒看清怎么定位的，零件已經穩穩落在傳送帶上。

真正的護城河：從1套到27000套

具身智能有一個殘酷真相：讓機器人成功表演一次不難，難的是換工廠、換國家、換物體后，還能快速上線穩定運行。難的不是Demo，是部署。

邵天蘭說過一句很實在的話：問題不在硬件。速度、精度、負載、成本，今天的機器人都夠用了。真正限制規模化的，是部署難度。

真實工業環境里，一套系統要穩定跑起來，往往得機械、電氣、方案、軟件、AI一大幫工程師折騰幾周甚至幾個月。這種「手工作坊」式交付沒法復制，成本攤不下來，最終「算不過賬」。

梅卡曼德的解法是用標準化「眼腦手」組件，打通「感知—決策—規劃—執行—數據反饋」的完整閉環，盡量減少人工調試。

而部署量夠大后，一個更強的機制開始啟動——數據飛輪。機器人在汽車、物流、鋰電、3C、家電的真實產線上，每天都在遇到新物體、新光線、新任務：

大規模應用產生真實數據→數據提升模型泛化性→模型降低部署難度→更快進入更多行業。

飛輪一旦轉起來，后來者追趕的難度是幾何級增長的——你追的是一個越跑越快的對手。

而這套能力的規模，早已不只在國內。截至目前，梅卡曼德全球累計部署超過27000套產品。

能在完全不同的工廠標準、機器人品牌、集成商體系里都穩定落地，靠的不是把貨賣出去，而是十年、27000套一個個磨出來的兼容性。

27000套，不是27000次演示——每一套都在真實產線上跑著。

全球化不是賣貨

是一種綜合能力

「全球化」不只是把產品賣到海外。真正難的是：能不能適應不同國家的工廠標準？兼容當地主流機器人品牌？跟當地集成商體系打通？提供及時的本地服務？這考驗的是研發、標準化、交付和服務的綜合能力。

梅卡曼德覆蓋近50個國家和地區，服務100多家《財富》世界500強客戶，國內細分領域連續6年市占率第一。它在美、日、韓、德都設有團隊，能適配市面上幾十個品牌、上千個型號的機器人，歐美日韓主流市場市占率領先。

這是用十年時間、27000套部署一個個磨出來的兼容性。

正如邵天蘭所說——出海不僅僅是一項任務，更是一種能力。能在全球不同市場做到標準化交付和規?；渴?，本身就是技術成熟度和產品化水平的證明。

物理AI不是一場表演賽，而是一場部署能力、數據積累和產品標準化的馬拉松。在這條跑道上，27000套已經跑完的路程，就是最好的簡歷。

編輯：大衛 所羅門