一切围绕数据资产展开

今年，上海WAIC上，具身智能正经历一场从DEMO到规模化量产的转折。由于技术本身并未出现收敛，因此商业落地其实是一个非常开放性的话题。

在诸多整机厂商中，经历了多个形态转变的普渡机器人自己就是行业变革的典型写照。

截至目前，普渡已实现13万部商用机器人销量，出货量的增加让厂商意识到单一硬件形态的局限性。而改变这一需要从底层智能架构与真实世界数据中寻找新的合适形态。不同厂商对此有不同的“话术”，普渡机器人总结为“一脑多形”技术路线，试图以此为锚点，重构物理世界的智能基础设施。

相较“单机智能”，普渡的想法是建立起一套能够适配多种物理载体的通用智能底座，即Physical Agent（物理智能体），这个概念包括了本体、系统、技能三层。

普渡机器人具身智能负责人吴翔认为，移动互联网时代，本体是手机，系统是iOS与安卓，技能是各类应用；方兴未艾的AI Agent时代，本体是PC与手机，系统是LLM与VLM，技能则是各类Skill。Physical Agent时代，本体是形态各异的Robot，系统是基于Physical Agent的OS系统，技能是Foundation Model。

这个三层划分，折射出普渡机器人在具身智能时代中的雄心。本体层，同时布局专用、类人型、人形等多种形态，覆盖不同场景。系统层，PuduAgent OS连接模型、技能和机器人本体的中枢。技能层，自研的基座模型PuduFM，为机器人提供理解和行动能力。

这套架构将让普渡能够获取复利效应。例如，一旦在某个原子技能完成突破，如按电梯、抓取异型件等，普渡便能将之复用到配送、清洁、工业制造等不同形态的机器人上。

针对传统VLM只能处理文本与图像，缺乏对物理世界理解能力的问题，普渡发布了PuduFM 1.0架构。该架构用物理直觉模型（PIM）与VLM融合。

PIM不追求像素级的未来画面生成，而是用稀疏方式，捕捉物体运动的动力学原理。例如杯子倾斜会撒出液体、重心偏移会倒等，将物理常识重新编码为可计算的特征，从而让机器人能有某种类似人类的“先验能力”。

这种解决方案，让VLM能够在统一的特征空间内同时完成语言、视觉、动作模态的对齐，起到接近于看到、理解、执行的人类处理机制。

该架构其实是打通了导航与操作的认知壁垒，例如穿越酒店长廊的路径规划与抓取异形包裹的力控执行，背后都是基于同一套物理规律。

PuduAgent是一个面向物理世界的通用具身智能体平台。包括Agent Core（智能核心）、Agent Memory（记忆机制）、Agent Runner（执行闭环）三个部分。拆解下来很容易发现，PuduAgent为机器人提供了长程任务规划和动态调节能力。

此外，PuduAgent支持“一脑多形”和群体协同。这意味着不同构型的机器人本体可以共享同一套大脑，甚至可以在统一调度框架下实现异构机器人协同作业。

而背后的厂商将摇身一变为平台服务商，考虑到这一重因素，普渡机器人自然而然地面向全球开发者开放，提供SDK和SkillHub，试图撬动能力飞轮：技能越多、场景覆盖越广、开发者越多。

带着这一系列信息，我们从普渡的产品矩阵中可以发现一条暗线，首先找到场景卡点，承接需求，然后根据需求固定形态，最后反向配置能力，完成产品落地。 以D5/D5W四足机器人为模板推演。高危环境是目前机器人完成人类替代的最主要场景，在特高压变电站、石化厂区、交通隧道等场景中，地形复杂、人工巡检风险极高。此时，轮式设备无法进入，而双足设备又存在续航与负载短板时，四足构型便是唯一解。

D5系列设置了IP67防护等级，可以在负载30kg的情况下，完成30°爬坡动作。D5W则采用了轮足复合设计，平地用轮提速（最高 5m/s），遇障时切换为足式，从而可以解决复杂地形下的通行与作业难题。

到商业服务环境中，传统轮式配送机器人的最大问题是很难完成最后一步，如按电梯、刷门禁。不少国家地区不允许改造电梯硬件，IoT提供改造这条路被堵得死死的。

闪电匣Arm商用类人形机器人则基于普渡旗舰配送机器人底座，搭载了7自由度可升降双臂与灵巧手，能完成按电梯、刷门禁的动作，免IoT改造的能力，切中了海外市场刚需。

在3C与汽配这类工业产线，双足行走目前看起来更像是“屠龙术”。工厂真正需要的是能穿越狭窄通道、高负载、末端精度高的本体。D7 2.0采用“全向移动底盘 + 仿生双臂”构型，搭载自研关节模组与三指灵巧手，聚焦工业生产中的复杂双臂协同柔性作业。这种设计的目的是解决传统AGV无法完成上下料、装配辅助的痛点。

最后是技术旗舰PUDU D9。这款身高170cm，采用轻量化高强度结构设计，搭载自研仿生小脑PUDU PULSE的产品，目前看来探索色彩更重。相较前面三种构型，D9在尝试扩充灵活切换多种角色，来寻求运动与能力上的泛化。

WAIC上，几乎所有具身智能玩家都很清楚，模型能力与来自真实世界持续产生的数据是构建竞争力唯二手段。而实现这一目标，需要有足够丰富的构型与持续的销量作为前提，并且需要建立起有效的数据反馈回路。

普渡制造Physical Agent的核心原因便是业务覆盖全球85个国家和地区，累计出货超13万台，每年产生超5000万小时真实运行数据。这些数据涵盖了零售、工业物流、餐饮、酒店等十余个真实场景，为机器人模型优化和能力迭代提供了前提。

普渡认为，自己可以通过机器人规模化商业应用完成现金流回收的同时，还能完成数据资产积累，这被视为具身智能时代真正具有壁垒效应的要素。这种“场景即采集、工作即数据”的模式，不仅将数据采集成本降低一个数量级，更确保了数据的物理真实性与动作自然度。

针对上述构想，普渡机器人具身智能事业部负责人吴翔做了一场题为“从服务世界到制造未来”的分享，我们在不改变原意的基础上，整理了演讲与对话：

Q&A

Q：普渡有1000多个场景，主要的应用是配送和清洁，还是说会有其他的一些使用的场景？

吴翔：目前销售的机器偏向于配送、清洁和工业，我们会借助这些场景去打造我们的操作能力。接下来D7（类人形智能作业伙伴）、D5（全地形自主导航四足机器人）都会在场景里面发挥价值。

我们可能会优先聚焦在零售、工业制造、仓储物流等各种操作功能，不仅是抓取。我们会更关注末端执行器，无论是五指灵巧手、三指、夹爪，还是各种更符合这场景的末端执行器。

Q：您提到普渡每年有5000万小时的真机数据，大概是怎么分布的？怎么通过这些数据，完成从移动为主的场景，过渡到生产力场景？

吴翔：我们回到模型里来，这是一个非常典型的VLM架构和WAM架构问题。VLM模块主要基于海量互联网数据进行预训练，很多具身智能公司往往只关注采集操作数据来进行后训练，但这对于模型理解复杂场景和任务拆解的作用是有限的。

普渡每年积累的5000万小时真机数据，能够极大提升VLM模块的泛化能力。这些数据不仅用于训练底层的操作控制，更重要的是让机器人的“大脑”变得更聪明，具备更强的任务判断、场景理解以及客户需求洞察能力。

因此，这部分海量的真实运行数据回传，会极大地反哺并优化我们的PLM（物理语言模型），从而真正打通从移动到生产力操作的闭环。

Q：很多同行都在卷本体、卷自由度，普渡做物理Agent，甚至会做操作系统，背后的战略动因是什么？

吴翔：在当前的 AI 领域，虽然模型本身的能力很强，但要真正激发潜力，离不开一套体系化的系统支撑，这是我们设计普渡Agent的初衷。

一方面，构建一个完善的系统来最大化模型效能；另一方面，让模型能够顺畅地调用机器人的末端执行器和机械机构。

并非所有问题都需要依赖大模型去解决。如果基于海量的导航数据训练出一个适配机器人场景的VLM，模型就能融合更多物理模态，更精准地拆解任务。

拆解完成后，模型可以直接调用机器人的手臂、末端执行器或双足等部件。通过这种软硬件的深度协同，能够构建起更完整的本体，从而更好地激发模型能力，实现真正的落地与应用。

Q：我有两个问题。第一，具身智能的数据规模与数据质量都存在很大的问题。业内有个共识是，数据质量往往比数据规模更重要。工业场景下的客户对于数据回传会很敏感，普渡如何解决？另一个问题是普渡如何定义和筛选有效数据，其中占比大概是多少？

吴翔：以大语言模型为例，数据策略在不同阶段有不同的侧重点。

在预训练阶段，数据的规模往往比质量更为关键，海量的数据是模型具备通用能力的基础。到了后训练阶段，高质量数据则成为突破模型性能边界的核心要素。

所以回过头看，二者并不矛盾。

就普渡目前阶段而言，核心策略依然是广泛吸收各种类型的海量数据。

关于工业客户的落地顾虑，我们发现客户其实非常迫切地希望将AI技术引入实际场景。对他们而言，技术落地的优先级往往高于对安全风险的担忧。

许多工业合作伙伴甚至愿意主动搭建小型的独立生产线或车间，专门供我们进行数据采集和模型训练。

因此，在真实的产业需求面前，数据获取与训练环境并不是难以逾越的障碍。

Q：目前行业对于世界模型（World Model）的讨论非常热烈。请问辅助的World Simulator（世界模拟器）与PIM（物理直觉模型）都涉及对未来状态的预测，两者之间具体是怎样的协作关系?

吴翔：首先，World Simulator主要承担的是基于强化学习的物理仿真环境角色，为模型提供训练场。

而PIM本质上也是一种世界模型，但两者的应用方向有很多不同。

目前主流的视觉世界模型通常采用稠密的下一帧像素级预测，这种方式更适合充当物理引擎。但如果直接将之用于控制需要高频响应的机器人进行精细操作，效果不是很理想。

因此，我们在PIM模块上对传统的视觉模型进行了针对性优化，没有采用逐像素的冗余计算方式，转而采用稀疏且非连续的时间状态预测。

简单来说，虽然它们在底层逻辑上有相似之处，但：

World Simulator侧重于提供仿真训练环境；

PIM则专注于为机器人的高频实时控制提供精准的物理状态预测。