XROGO 發布機器人到崗計劃:像僱人一樣租用機器人
11 月 3 日 CeMAT ASIA 2026 期間,XROGO 發布“機器人到崗計劃”,聚焦製造上下料,以及機房、配電室巡檢值守兩類場景。合作以“租用機器人+服務”為主,由一線工人和專家示教、工程師提供訓練與驗證支撐,以降低企業首次引入裝置的投入門檻;實際作業時長、保障人力與交付週期通過作業記錄呈現。分揀、裝卸、理貨等倉內作業則將與物流夥伴先做適配評估與樣板驗證。
依意思最接近的 30 筆
11 月 3 日 CeMAT ASIA 2026 期間,XROGO 發布“機器人到崗計劃”,聚焦製造上下料,以及機房、配電室巡檢值守兩類場景。合作以“租用機器人+服務”為主,由一線工人和專家示教、工程師提供訓練與驗證支撐,以降低企業首次引入裝置的投入門檻;實際作業時長、保障人力與交付週期通過作業記錄呈現。分揀、裝卸、理貨等倉內作業則將與物流夥伴先做適配評估與樣板驗證。
舊金山初創公司 Industrial Next 在 TechCrunch Disrupt 2026 上宣布與 BMW 集團技術辦公室合作,評估其 AI 靈巧操作技術用於製造。該公司由兩位前特斯拉工程師於 2021 年創立,做的是基於自研基礎模型的機器人工作站,把視覺、任務上下文與運動控制打通,用高保真模擬訓練,產線換型從數週縮短到數分鐘,無需傳統程式設計。其工作站已在某款熱門手機的生產中使用,負責柔性排線穿線、聯結器扣合等此前難以自動化的工序;
Agility Robotics 於 11 月 5 日在納斯達克上市,成為美國首家上市的人形機器人開發商。其證券檔案坦承,人形機器人大規模應用尚未驗證、也未實現廣泛商業化,而工業機器人已有數十年倉庫和工廠的驗證記錄。公司計劃出租或銷售人形機器人執行體力勞動;聯合創始人稱機器人即服務按接近人力成本收費,讓客戶從第一天就有投資回報。該公司曾在 2024 年首次在客戶倉庫實現人形機器人全職商業部署。
在輝達負責機器人平台產品營銷七年的 Amulya Vishwanath 轉做風投後認為,機器人目前仍處於「樂高時代」:執行器、機械手、軟體和安全標準等基礎構件還在重建。她由此判斷機器人尚未迎來自己的 ChatGPT 時刻,這與「通用基礎模型即將引爆機器人」的看法相反。
Aether AI 發布因果驅動的機器人智慧系統 CRIS-0,演示中面對人類突然移走咖啡袋、燈光干擾、往盤裡放飲料罐、關門時伸手等干擾均能即時調整,反應速度達 0.1s 級。它把機器人智慧分成兩層:因果驅動機器人 Agent 負責任務拆解、階段驗證與失敗恢復,因果世界模型預測動作帶來的物理變化。相比端到端模型,它在抗干擾、模糊指令和長程任務上更穩;團隊稱該路線還可延伸到生物製藥、新材料研發,更底層的 Causation Transformer 仍在驗證。
10 月 30 日,破殼機器人發布具身 API 產品 RoboAPI:在適配的機械臂上接入後,開發者無需採集資料、訓練模型,用一句 prompt 就能讓機械臂在陌生環境完成未專門訓練過的任務,目前免費開放接入,僅限非商業化使用。
正行創新 10 月 8 日在亞太零售商大會(APRCE 2026)發布零售開放場景的 Physical AI 24/7 人機協作方案,由機器人本體與統一管理平台 M1 組成,無需改造門店貨架與動線。首批本體為雙足人形機器人 H1(支援 20 多種語言、45 種表情、36 種手勢,提供開放 API)和搬運理貨輪臂機器人 C1(窄體全向底盤,作業高度覆蓋 100mm 至 1750mm 以上,遇障緊急制動距離小於 10cm)。
研究團隊提出具身 RSI 系統 Recursia,通過內外雙層迴圈讓機器人從執行經驗中改進共享執行棧,在 LIBERO-Pro Long 零樣本長時操作的位置/任務擾動下成功率達 28.4%/53.4%,比輝達 ASPIRE 高 5.8/15.1 個百分點。共享棧分為工具、技能、交接、驗證四層,候選修改需經通用性檢查、機制測試及父子版本配對比較。
TechCrunch Disrupt 2026 第二天在舊金山 Moscone West 舉行,議程集中在 AI:Nvidia、Waabi、Flock Safety、Ricursive Intelligence 以及 Benchmark 合夥人登臺,話題覆蓋機器人、AI 硬體、公共安全與風險投資。
在輝達領導機器人平台產品營銷七年的 Amulya Vishwanath,如今轉而投資 Physical AI,並認為機器人行業仍處於“樂高時代”、尚未迎來爆發。這一判斷與“通用基礎模型將推動機器人突破”的流行看法相反:執行器、機械手、軟體與安全標準等基礎構件仍在重建,而 Physical AI 的內涵也不止於機器人。
正行創新在 APRCE 2026 發布面向零售開放場景「人機協作」的 Physical AI 解決方案,推出雙足人形機器人 H1 與輪臂式搬運理貨機器人 C1,無需改造貨架與動線即可部署。官方稱機器人可自主完成 99% 的任務,自研輕量級世界動作模型 SLM-0.5 在 LIBERO 基準平均任務成功率 98.6%,推理速度較主流方案提升 24 倍。方案計劃 2027 年正式商業化,客戶可直接採購或按 RaaS 訂閱,覆蓋硬體、軟體、運維與升級,目前正與連鎖零售企業聯合測試。
蘇格蘭愛丁堡的 Danu Robotics 完成 500 萬美元 late-seed 融資,其 AI 回收分揀機器人 H.E.R.O. 開始推向市場。該機器人用夾爪而非吸盤抓取物品,並靠 AI 持續改進軟體;公司已有 50 萬美元簽約合同、兩家大客戶意向書,銷售管道中超過 200 家客戶。創始人 Amy Ma 估算,單條分揀線每年可增收 48.5 萬美元,而初始投入 16 萬美元、年維護 2.4 萬美元。下一步是讓機器人更小更便攜,用於商場、醫院、機場等就地回收。
智元發布具身 Agent 框架 Genie Master,其精靈 G2 機器人在真實便利店執行取貨、補貨、清潔與多機協作時,無需人工除錯即可自行診斷失敗、調整策略並積累經驗,官方稱這是行業首次在真實業務場景、而非模擬環境中跑通 Physical RSI。該框架用 EEP 具身執行協議連線上層 Agent 與底層動作策略:Harness RSI 通過提示詞、記憶與規則積累經驗,Policy RSI 用執行與人工接管資料更新動作模型。
Artificial Analysis 於 10 月 14 日發布 AA-Robotics v0.1,首次讓 GPT、Claude、Gemini 等前沿模型藉助程式設計 Agent 操控真實機械臂,零樣本完成倒水、寫字、搭積木等八項任務。GPT-6 Astra 以 69.4 分居首,GPT-6.1 Sol 64.6 分,Gemini 4 Argon 55.3 分,Claude Opus 5.5 與 Fable 5.1 分別為 48.8 和 46.3 分。
亞馬遜在全球倉庫中執行的機器人已超過 100 萬臺,全天候支撐每天數千萬件當日達與次日達包裹,並計劃新建工廠進一步擴大機器人隊伍。即便如此,其 2025 年年報顯示公司仍是全球第二大企業僱主,擁有逾 150 萬名全職與兼職員工。高管稱機器人接管了最易導致疲勞和受傷的倉內任務,但勞工倡導組織與研究者指出,協作機器人與工人距離很近、還能決定工作節奏,AI 驅動的倉儲自動化對工人未必全是好處。
8 月低調上線的 AI agent 產品 Instinct 靠簡訊式互動走紅,能代訂 DMV 預約、傳送跟進郵件,如今正面臨 Muse 與 Dots 的夾擊。Instinct 採用僅限邀請、不做營銷、幾乎不設官網的推廣方式,仍迅速成為 AI 圈最受關注的產品之一。隨後兩家實力強得多的公司先後推出功能大致相同的 Muse 和 Dots,這家初創公司能否延續熱度被打上問號。
因果智慧公司 Aether AI 公布機器人系統 CRIS-0 的官方 Demo,靠提取物理因果變數而非端到端擬合驅動機械臂。在咖啡製作測試中遭遇人為移位與光照突變,系統平均 2 秒內完成重規劃,10 次隨機擾動有 9 次有效恢復;客廳長程整理可連續執行數十步,20 條模糊指令完成 18 次精準抓放,危險變數出現時 0.2 秒急停。
紅旗連鎖已終止研發 16 個月的機器人無人售貨系統,轉向 24 小時雲值守業務。該公司 2025 年 3 月公告立項時股價次日漲停,2026 年 7 月公告稱系統未達大規模商業化落地標準,2025 年研發費用約 286.68 萬元。失敗主因是機械臂抓取失誤率高、視覺識別易受光照影響,夏季玻璃瓶冷飲結水珠常被拿不穩摔碎。行業側,全國已有超 100 個機器人零售倉落地 30 餘座城市,單臺成本近百萬元,多數專案仍停留在概念驗證階段。
香港科技大學與澳門大學團隊提出 META-Robot,讓機器人在任務中同時改進操作技能、反饋獲取方式與判斷標準,並用動作級謂詞把失敗追溯到具體動作。在 LIBERO-Pro 模擬 Spatial-Task 設定下,採用 GPT-6 Astra 的 META-Robot 成功率為 95.8%,比 ASPIRE 的 60.0% 高 35.8 個百分點,移除動作級謂詞後降至 76.0%。
上海交大、UC 伯克利、斯坦福、MIT、Google、微軟、輝達、小米等機構聯合發表論文《Who Improves the Robot? Toward Physical Recursive Self-Improvement》,提出 Physical RSI 概念,並用 L0-L5 分級區分「機器人任務做得更好」與「改進方法本身變得更有效」。論文還梳理了 Harness 適應、模型訓練、安全與驗證的全鏈路路徑,指出目前仍缺少能檢驗遞迴增益的基準,並列出六個待解問題。
南洋理工大學研究者與合作者發布 CodeActionBench,用 25 個雙臂模擬任務評測通用多模態 Agent 的機器人操作能力。GPT-6 Astra 在 Codex CLI 下嘗試成功率 73.3% 居首,75 次嘗試完成 55 次、22 個任務至少成功一次;Claude Opus 5 在 Reference harness 與 Claude Code 下分別為 49.3% 和 45.3%,Gemini 3.6 Flash 為 20.0%。
哈佛、輝達、伯克利、MIT 與斯坦福團隊提出 RAX:讓通用 Coding Agent 直接接入機器人的感知與控制介面,靠自主探索把成功決策寫成可執行程式,模型引數全程凍結。
小米的通用機器人操作基座模型關鍵技術獲 2026 世界網際網路大會“領先科技獎”,小米集團同時拿下“傑出貢獻獎”。峰會期間小米披露,人形機器人在汽車工廠中控臺側蓋板排序工站首次完成 8 小時整班作業,可自主糾偏並與產線系統級協同。家庭場景方面,基於 10 萬小時真實運算元據預訓練的 Xiaomi-Robotics-1 已在小米青年公寓試運營,完成連續超 30 分鐘、覆蓋 3 個房間、50+任務的長程驗證。該模型在 RoboCasa365、RoboDojo 等榜單位列全球第一。
前輝達產品營銷負責人、現 Techable Ventures 創始人 Amulya Vishwanath 表示,物理 AI 目前仍處於「樂高時代」,機器人領域的 ChatGPT 時刻尚未到來。她認為,當前行業仍在搭建機械手、執行器等基礎構件,通用與專用機器人並行推進,只有這些模組成熟組合後才可能迎來突破。她同時強調人才是關鍵壁壘,大量人才正流向 Anthropic、輝達等大公司。
越來越多 AI 助手不再需要單獨下載 App,直接用 iMessage、RCS 或簡訊就能對話並代辦任務。其中 Instinct 於 2026 年 9 月完成 10 億美元融資、估值達 100 億美元,並開始給使用者分配助手專屬信箱地址、上線代打電話功能,目前仍處私測。其餘選項裡,Folk 免費、Pro 訂閱 8.33 美元/月,Comma 開源且免費起步,Fambot 主打家庭日程並每晚推送次日摘要,Martin 訂閱 21 美元/月起。
Hinton、Bengio 等 22 位作者聯合發表首篇 RSI(遞迴自我改進)論文《What if automating AI R&D triggers an intelligence explosion?》。論文引用 Anthropic 內部資料:AI 生成獲批程式碼佔比從 2025 年 1 月的低個位數升至 2026 年 5 月的超 80%,Claude 在高層監督下自主完成的 AI 研發工作比例從 2026 年 3 月的約 1% 升到 8 月的 26%。
西門子將在第 26 屆中國國際工業博覽會上首次完整展示人形機器人端到端解決方案,併發布 20 餘款新品、開放 6 類具身智慧“進廠”場景。該方案覆蓋本體設計、工藝模擬、虛擬除錯到零部件加工、整機總裝與現場應用,現場用數控機床與輪式人形機器人即時互動還原“機器人上下料”,面向汽車質檢、零部件裝配與物流搬運。同期升級的“鑽耀之心 3.0”貫通工業五層架構,並展示資料中心 5.0+架構、AI 輔助程式設計使光模組裝配交付週期縮短約 50%。
在巴塞羅那 Smart City Expo 上,NVIDIA 與合作伙伴宣布把物理 AI 與智慧體 AI 擴充套件到全球城市,用於居民服務、視覺智慧體與基礎設施數字孿生。西班牙 1MillionBot 將 ALIA 開源模型與 Nemotron 用於市政服務智慧體,已有 150 多個部署;馬來西亞 ITMAX 的 SamurAI V2 視覺智慧體計劃到 2027 年支援 1.7 萬多路攝像頭,其 TeraSim 模擬把高峰通行時間最多縮短 26%。
可直接發簡訊使用的 AI 助手正批次出現,其中 Instinct 在 9 月完成 10 億美元融資、估值達 100 億美元,併為助手提供專屬信箱。這些 agent 能記住上下文、連線日曆和信箱並代為執行任務;Ask Proxy 個人版 1 美元/天、企業版 15–23 美元/人/月,Caddy 走 iMessage/RCS,Comma 開源免費,Fambot 測試期免費、計劃收約 Netflix 訂閱費,Folk Pro 8.33 美元/月。
MIT 教授 Sherry Turkle 在 MIT Future Fest 發布新書《Artificial Intimacy》,討論人類為何本能地把機器人和大模型當作有感情的物件。她引用研究稱約 70% 的人與 AI 互動時會保持禮貌,對話超過第一輪後更常說「請」「謝謝」。同校研究員 Pat Pataranutaporn 認為關鍵不是用法對錯,而是「和 AI 對話時我們在變成誰」,他曾在一名 14 歲少年自殺後其母親起訴 Character.AI 的訴訟中擔任專家。