物理AI的闭环，终于有人跑通了：日冕+远图万台级部署计划官宣

物理AI的闭环，终于有人跑通了：日冕+远图万台级部署计划官宣

按照规划，日冕和远图将首先在服务器制造场景验证超级工站能力，随后向更多生产环节扩展。2027年完成百台级部署，未来实现万台级具身智能产品部署。

田晏林 发自 凹非寺

量子位 | 公众号 QbitAI

WAIC 2026落幕了，但一个信号藏不住。

如果你逛完了全场，会发现今年具身智能的展位比去年多了将近一倍。

人形机器人跳舞、机械臂叠衣服、双足机器人走斜坡——Demo一个比一个炫。

但和现场的投资人、产业方多聊几句，会听到同一种疲惫：看了太多Demo，听了太多参数，真正签单进厂的，太少。

Demo和量产之间，好像隔着一整个物理世界。

但别丧，还是有实打实拿到订单的企业。

在WAIC开幕前，一家专注做物理世界基础模型和解决方案的公司日冕开物，与全球服务器制造龙头&AI基础设施全栈解决方案提供商广东远图未来科技有限公司（以下简称“远图”）宣布启动超级工站战略合作。

目标非常具体且生猛：万台级部署。

WAIC现场，日冕展示了该超级工站的实际作业能力。

服务器制造，是当前工业领域最具代表性的复杂装配和测试场景之一。

一块服务器主板上，有密集排列的芯片、接口和大量精密元件。

机器人完成上下料时，不仅要识别不同型号零件，还要保证抓取位置、力度和装配精度。

现场工作人员介绍，为了在WAIC开幕当天完成展示，日冕团队提前进场调试。

但由于展馆供电时间限制，真正开始调试的时间非常有限。

设备换了环境，光照、温度、空间布局全部变化，本质上就是机器人进入了一个新场景。

结果？

当天下午4点半通电后，只训练了半小时，到5点钟设备就完成全部适配。

半小时适配一个新环境。

这背后不是简单的程序调参，而是机器人系统对于物理世界的理解能力。

更让人意外的是，这样的训练速度和完成效果，竟然来自一家成立仅4个月的公司！（你敢信？）

尽管日冕可能是今年WAIC展会上最年轻的企业，但却不是一支刚刚从实验室走出来的团队。

我们查了下，其创始团队成员均是清华博士，并曾任职于蔚来、华为、智元机器人等企业，覆盖自动驾驶、AI基础模型和机器人产业化等多个方向。

2026年，当很多人还在讲基模Scaling Law时，日冕这家刚刚成立的公司，已经在讨论产品和商业化如何Scaling了。

机器人进厂拧螺丝，先从服务器开始

很长一段时间，行业竞争焦点集中在世界模型、VLA、多模态大模型和参数规模。

大家都在努力让机器人拥有更强的大脑。

但今年WAIC上，我们发现企业关心的问题正在发生变化。

- 机器人能不能适配真实工厂？

- 换一个工位需要训练多久？

- 面对不同型号产品，能不能快速迁移？

- 部署成本能不能降下来？

这些问题，比模型排行榜上的几个百分点更加现实。

因为数字AI和物理AI最大的区别在于：ChatGPT完成一次训练后，可以服务数亿用户。

但机器人不行。

机器人必须进入具体环境，面对具体物体，完成具体动作。

它需要理解空间变化，需要处理视觉误差，需要感知力反馈，还需要面对现实世界里的各种意外。