在2026年世界人工智能大会（WAIC）上，Physical AI成为机器人领域的核心议题。过去几年，随着视觉语言动作（VLA）模型的快速发展，机器人智能化水平显著提升。然而，本届大会的共识是：Physical AI的真正考验已从实验室和仿真环境转移至真实的工业产线。在随机变化的物理世界中，机器人需要应对光照变化、物料位置偏移、生产节拍固定等复杂挑战，这些因素使得实验室中表现优异的模型在实际场景中可能失效。
在WAIC期间，深圳两家科技企业联合发布了一项在真实产线中经过验证的解决方案。腾讯Robotics X与越疆合作，以越疆X-Trainer平台为基础，在全球知名化妆品制造企业的生产线上，成功部署了腾讯的VLA模型。越疆机器人承载该模型，完成了从训练到实际部署的全流程验证，任务成功率超过95%。这一成果标志着VLA模型在复杂工业环境中的落地迈出了关键一步，机器人能够持续完成精准识别、抓取和装配等操作，适应产线的动态变化。
从仿真到真实产线的跨越，是Physical AI发展的核心挑战。过去两年，VLA模型在可控的仿真环境中取得了较高成功率，但工厂产线却充满“开放题”——光照、物料位置、工件尺寸等变量不断变化，机器人需连续执行多个动作，任何环节的失误都可能导致整体失败。因此，真实产线的验证被视为具身智能从实验室走向产业化的关键节点。
越疆在进入工厂前，首先在标准环境中验证了模型的泛化能力。2025年，越疆发布了自研的空弈DobotWAM具身大模型，在国际权威评测基准LIBERO的四个标准任务套件中取得了平均99.25%的成功率，其中LIBERO-Object任务实现全部成功，其余任务成功率均达99%。然而，高仿真成绩仅是起点，真实产线的复杂性要求机器人具备更强的适应能力。越疆将产线挑战拆解为空间理解、动作理解、长序列任务规划和真实数据迭代四项核心能力，通过工程体系支撑，使机器人能够理解物理空间的几何形态，而非仅依赖光线和颜色；掌握动作的力觉特性，而非机械重复轨迹；具备自主拆解任务的能力，避免执行中断。
具身智能的落地并非简单接入大模型，而是需要跨越精度、力控、安全性、连续运行和现场适配等门槛。这些能力需依托长期产业化积累，而非短期冲刺。越疆在机器人本体、核心零部件、运动控制和安全交互等领域已形成完整技术体系，全球部署机器人超过十万台，2025年协作机器人出货量位居全球第一。这些产线经验和数据持续反馈至空弈DobotWAM的优化中，使模型在真实场景中不断进化。
2026年，评价机器人企业的标准已发生根本变化。实验室演示或单一功能展示不再构成竞争优势，企业需具备自主进化的算法大脑、成熟可靠的硬件本体、深入复杂场景的能力，以及规模化量产和稳定交付的实力。这一新标准正在全球头部化妆品制造企业的上海工厂产线上接受检验。
越疆X-Trainer平台凭借三大能力被选为工业级真机基准平台：硬件适应性——高精度力控与多自由度设计为VLA模型提供精准执行基础；工业鲁棒性——在产线振动、节拍波动等复杂环境中保持稳定；快速切换能力——模块化设计支持分钟级SKU切换，实现“一次部署，多品适配”。基于这些能力，双方在化妆品产线的精密滴管装备和化妆瓶装配任务中，成功完成了VLA模型的全链路验证。这些任务对柔性抓取、力控插接和微米级对准的要求极高，与电子元器件组装、医疗器械装配等场景高度一致，验证了Physical AI在高端精密制造领域的潜力。
越疆与腾讯的合作模式，在深圳完整的产业生态中展现出独特优势。越疆以协作机器人起家，全球累计出货超10万台，2025年出货量全球第一，覆盖15大行业，服务超80家世界500强企业，老客户复购率稳定在60%以上。这些数据背后，是越疆对机器人在真实场景中问题的深刻理解。经过十年产线打磨，越疆在装配、搬运、检测等场景中积累了扎实的执行能力，并持续接触到物流流转、多工序协同等传统自动化难以解决的需求——这些需求正是具身智能需突破的关键。因此，从协作机器人迈向具身智能，是越疆基于既有能力与产业场景的自然延伸。
长期积累已转化为越疆的商业成果。据公告，2026年上半年，公司营业收入预计为3亿至3.3亿元，同比翻倍；毛利额达1.4亿至1.7亿元，同比增长84.73%至124.31%。协作机器人业务已具备盈利基础，同期在手订单超1亿元。具身智能业务作为新增长引擎，2025年收入同比增长418.84%，2026年上半年出货金额突破4000万元，超过2025年全年收入的2倍；在手订单超6000万元，其中工业制造领域突破1000万元，覆盖从概念验证到规模化交付的全阶段。
深圳的产业土壤为这一合作提供了关键支撑：全球密度领先的硬件供应链、门类齐全的制造业场景、高密度科技创新企业集聚——三项条件在同一城市同时具备。越疆与腾讯自2025年5月签署战略合作以来，用一年多时间完成了Physical AI从概念到产线验证的闭环。该方案直接覆盖制造现场，验证了一条可行路径：Physical AI无需等待“完美”再落地，可在工厂中先运行，在生产中迭代，在迭代中变得更可靠。在Physical AI的竞争中，产线是唯一的裁判。
