编辑｜Sia

开大了！

WAIC 2026 现场，具身智能最难啃的骨头之一——跨灵巧手操作，被当场摆上了台面。

一只刚完成抓取的灵巧手，被直接拆下；换上另一只「手」，不重新训练，也不现场调参。

30 秒后，机器人继续开工。

今年 WAIC 汇聚超过 1100 家企业，具身智能依旧稳坐「顶流」。但在一众机器人同台秀肌肉时，首次亮相 WAIC 的 RoboScience机器科学，上来就把难度条拉满：

同一颗机器人「大脑」Visics，换只手，还会不会干活？

答案是：能。

而且，30 秒就能重新上岗。

和不少绑定自家硬件交付「大脑」的方案不同，Visics 还被以纯软件形态搬上了云端，也由此成为全球首个具备云端部署能力的具身大模型。

以后给机器人「装大脑」，真能像接入云服务一样简单。

行业首例，30 秒换手，Visics 现场连闯三关

行业首秀就敢把难度拉满的，不多见。

RoboScience机器科学直接把世博馆展台，变成了 Visics 的压力测试场。

换本体、换物品、换任务，多轮挑战轮番上阵，专挑具身大模型最容易掉链子的地方下手。

Visics 的泛化能力究竟行不行？现场观众可以直接点题，围观验货。

1、换只手，能不能接着干？

展会现场，既有规则刚体、日常工具，也有柔性材料和异形物件，灵巧手甚至可以抓取观众现场随机提供的物品，面对从未见过的物体也能即时完成识别与抓取。

选中目标后，机器人自主判断从哪里下手、以什么姿态抓取，以及如何完成后续操作。

展台还准备了多款灵巧手，同用一套 Visics 模型，可自主判断从哪里抓、以什么姿态抓，以及如何完成操作。

现场最抓眼球的一幕来了：从拆手、换手，到重新开工，整套流程，仅需 30 秒。不需要重新采集数据，也不用现场训练，新手转头就能继续抓取观众指定的物品。

这也是行业首次实现灵巧手的「一脑多手、换手即用」。

30 秒换手，听上去似乎只是硬件装卸快了一点。但机器人换手，从来不只是「拧几个螺丝」。

末端执行器一变，动作空间、控制方式和硬件参数都会跟着变化。过去往往需要重新采集数据、训练模型，再完成一轮工程适配。相当于每换一名「员工」，都得重新办一次入职培训。

而 Visics 省掉的，正是这段「培训周期」。依靠跨本体零样本泛化能力，不同构型的灵巧手接入后，可以直接复用同一套智能能力。

这和传统的「换夹爪」，也完全不在一个难度级别。

夹爪通常服务于固定工序，动作相对单一；灵巧手却有更多关节和自由度。一次看似简单的抓取，背后可能要同时协调手指姿态、接触位置、摩擦力、物体形变和机械臂轨迹。

更麻烦的是，不同厂商的灵巧手，在关节数量、尺寸、控制接口和动力学特性上各不相同。

「手」一换，模型面对的，几乎就是一副全新的身体。

据介绍，Visics 目前已支持 10 款以上不同品牌的灵巧手。换手即用真正要跨越的，正是这些硬件差异。

2、不只完成一个动作，而是干完一整单活

换完身体，接下来考任务。

在机器人商超提货站演示中，机器人自主理解指令、识别对应商品，并连续完成移动、抓取和交付礼品。全程不依赖人工遥控，也没有远程接管。

单独看，移动、识别和抓取都不是新能力。难点在于，机器人能否把这些环节串成一条完整链路，稳稳接住一个个长程任务。

这也是具身智能从 Demo 走向业务的一道分界线：过去更像是「教机器人完成一个动作」，现在可以把一整单任务交给它。

公司透露，目前该方案目前已与多家零售、物流企业开展试点合作，多 SKU 抓取成功率稳定在 99% 以上。

3、拆红包、立硬币，考验「精细功夫」

机械臂还在现场完成了拆红包、将硬币竖立在桌面上等任务。

这些精细操作，人类尚且难以挑战成功，何况机器人。

例如，捏取和竖立硬币，需要机器人准确判断接触位置，并在极小范围内持续调整力度。力太大，硬币可能滑动；力太小，又无法稳定控制。

为此，机械臂搭载了自研的微型视触觉模块 FingerEye 。

该模块可在接触前提供立体深度指引，接触后通过形变推算六轴力矩，让机器人同时获得视觉、触觉与力觉反馈，实现亚毫米级力控。

几轮闯关下来，具身大模型的竞争方向也愈发清晰。不再只是完成一个指定动作，而是让同一套智能跨越不同身体、物体和任务，随时换场，接着干活。

「一脑控多手」背后，

Visics 到底学会了什么？

三场演示，换了手、换了物品，也换了任务。但背后的「大脑」，始终是同一个——通用具身大模型 Visics 。

它采用了RoboScience机器科学自研的 VLOA（Vision-Language-Object-Action）架构。

Visics大模型架构图

和传统 VLA 直接学习「机器人该怎么动」不同，Visics 重新定义了具身智能的Token ：

物体，应该怎么被操作？

这正是它能够跨本体、跨物体、跨任务复用的关键。

VLOA 中间的「 O 」，指的就是这个新 Token ：Object Trajectory，亦即物体连续的 3D 点云轨迹。

它描述的是一个物体在任务过程中，位置、姿态、形变和接触关系应该如何连续变化，能够将原本复杂的三类变量——任务、硬件和物体——统一到一个共同表达里。

而 Visics 内部，可以理解为两套模型协同工作。

上层的具身世界模型，负责理解指令、场景和物理关系，并在三维空间中预演：物体接下来应该如何运动和变化。

它输出的不是某台机器人的关节动作，而是一条符合物理规律的物体轨迹。

下层的通用操作模型，再把这条轨迹翻译成当前本体能够执行的动作：从哪里接触、以什么方向操作、施加多大力度，并根据实时反馈不断修正。

所以，每当换一只手，上层规划并不需要推倒重来，变化的是「怎么执行」，而不是「要完成什么」。「一脑控多手」的秘诀，就藏在这里。

至于 Visics 预训练数据，主要来自海量视频数据和仿真数据。

具身世界模型从海量视频中，学习人类如何与物体交互。公司通过自动化标注和清洗管线，将普通视频转化为以物体为中心的高维操作数据。

按公司披露，这套数据体系可将单条数据的获取成本降至传统方案的 1/20 到 1/200 ，并以每周数十万小时的速度持续扩充，有望将具身智能的数据规模，推向类似大语言模型的万亿级 Scale-up 。

通用操作模型在仿真环境里「练手」，大规模学习抓取、折叠、缠绕和倒水等操作。

为缩小仿真与真实世界之间的差距，RoboScience机器科学自研了多模态物理仿真引擎 RoboMirage ，用于批量生成机器人操作轨迹。

目前已积累数百亿次 Manipulation 操作轨迹，2026 年有望将这一数据集扩展至 1T 规模——也就是覆盖全空间物体的 1 万亿次操作轨迹。

RoboMirage

当机器人真正进入现场，执行中出现的高难度失败案例，还会持续回流，用于后训练和定向补强。Visics 的数据飞轮，也由此转了起来。

从绑定本体到全球首个 EaaS，

具身大模型换了一种交付方式

换手即用之后，Visics 又往前迈出一步：

把这套能力做成像水和电一样、可以按需调用的基础能力。

RoboScience机器科学已与腾讯云达成战略合作。双方将基于腾讯云的算力与存储底座，共同打造云端 EaaS —— Embodied AI as a Service，也就是「具身智能即服务」。

Visics 也因此成为全球首个具备云端部署能力的具身大模型——

通过 API 等方式，对外开放 VLOA 架构、Object Trajectory 数据标准、跨本体泛化能力和全自动数据管线等核心技术能力。

听上去，有点像大模型时代的 MaaS。

但这一次，云端模型输出的要进一步落到机器人身上，变成真实世界里的移动、抓取和操作。

这也意味着，具身智能的交付逻辑可能要变了。

过去，机器人项目通常是一台机器人、一套模型、一个场景，再配上一轮漫长的工程调试。硬件一换，甚至只是换个末端执行器，都可能重新适配。

这种模式，很难规模化复制。

Visics 拆开了模型与硬件之间的强绑定。如果同一套操作能力能够跨本体复用，那么企业未来采购的，可能不再是一套软硬件捆绑的机器人系统。

机器人厂商负责造身体，云端模型负责提供「大脑」，场景方再根据业务需要完成应用开发。

换句话说，具身智能开始从「卖整机、做项目」，走向「卖能力、做平台」。

而云服务，正是这套分工能够跑起来的必经之路。

海量视频、仿真数据和真机反馈，需要持续汇总、训练和更新。相比让每一家机器人公司都从零搭建模型，把共性能力集中在云端训练，再开放给不同硬件调用，更容易形成规模效应。

模型统一升级，机器人按需调用；本体厂商专注硬件，场景方专注业务。

当底层能力更新时，下游也不必重新部署整套系统，通过 API 或软件升级，就有机会直接获得新的操作能力。

不过，机器人上云与普通软件上云仍有明显区别。

EaaS 的关键不只是把模型部署在服务器上，还在于能否形成一套兼顾通用能力、实时控制和硬件适配的工程体系。

RoboScience机器科学这次亮相，释放出了一个清晰信号：机器人的「智能」，正在摆脱对特定硬件的绑定。

过去，一台机器人、一套模型、一个项目。硬件一换、场景一变，往往就要重新开发。当感知、规划和操作能力逐渐与硬件解耦，同一套「大脑」便有机会进入不同身体、适配更多场景，并像云端软件一样持续升级。机器人行业，也由此看到了从定制项目走向标准化平台的可能。

当然，具身大模型上云，仍要面对延迟、安全、网络稳定性和端云协同等现实问题。但方向已经清晰。

当厂商不必重复训练「大脑」，场景方也不用围绕每款硬件从头开发，具身智能走进千行百业的门槛，才有可能真正降下来。