好家伙，这届 WRC 最好玩、最真实、" 可触碰 " 的展台，竟然是家咖啡店？
——跟限定范围、隔离展示区的机器人展位画风完全不同：
吧台里的机械臂 " 咖啡师 "手冲咖啡：
没有表演剧本、没有固定轨迹、没有预设改造环境，不停有人进来点一杯咖啡，完全是真实咖啡店。
一问才知道，这套模式已经在一家高端咖啡店里做了一段时间试运营，在稳定、安全方面达到预期后，才被搬来了 WRC 现场。
WRC 百个机器人展台，大多数在展示 " 我能做这个动作 "，而它展示的是 " 我能在这样一个真实环境里持续工作，不出意外 "。
机器人手摇咖啡喝得多了，今年有什么不一样？
第一眼能感受到的最大不同，不是咖啡厅场景 cosplay，而是一个真正开在展台上的店面——
HOLLYS 不是参展机器人公司杜撰出来的假招牌，而是实实在在的韩国老牌咖啡连锁店：
吧台内，机械臂咖啡师做着手冲咖啡，给顾客先行品尝；另一边的真人咖啡大师则根据客人的点单，做出各式各样的美味咖啡、奶泡上拉出漂亮的花，将做好的拿铁放上出餐区后，吧台外的机器人服务员随即启动——稳稳拿起咖啡杯，在人来人往的开放区域中规划出一条路径，绕过正在拍照的观众，停在一张桌前。
桌面左上角放着一部摄像机，机器人识别出那是私人物品，绕开它，把咖啡放到桌子空位。
片刻后客人离开，桌上留下空杯和一团用过的纸巾。
机器人拿起提篮，再次来到桌前，伸手，稳稳拿起空杯，再轻轻捏起纸巾，放入提篮里：
每一个判断——往哪走、放哪、收什么、先做哪个——都是现场做出的。
一个人类咖啡师兼职服务员做完这一串动作，不费什么力气。但对机器人来说，这涉及以下过程：
动态环境感知、实时路径重规划、语义理解（区分私人物品和垃圾）、软物体操作（纸巾）、长时序任务规划（端→清→收→归）、和其他机器人 /Agent 及环境中的人类协同交互——
当然复杂环境的长程连续任务之外，固定边界条件下的多机协同操作，也让人印象深刻，就比如咖啡厅外的 " 小型产线 "：
能把这一整串动作在一个开放空间里连续跑通，本身就是和 WRC 展馆绝大部分展出项目最大的不同之一：
展会进入尾声，展台工作人员累了，吧台内真人咖啡师累了，同样连轴转了五天的机器人服务员小 K 却依然平稳……
让机器人逐步承担重复的、高强度的，乃至具有危险性的工作，用同一个通用大脑，稳定完成多个不同的任务。
这才是具身智能真正的价值体现——在真实世界中稳定工作、创造价值，并最终服务于人。
谁做的？怎么做到的？
无界动力，2025 年 3 月成立于北京，持续受到全球顶级产业与财务资本的高度认可。仅今年上半年就已完成累计金额达数亿美元的融资。
产品层面走的是大脑加本体加核心部件的全栈自研的路线，K15 机器人已经在 2026 年 7 月通过了欧盟工业级 CE 全指令认证，成为全球第一个拿到工业级 CE 认证的具身智能机器人。
创始团队均来自自动驾驶领域。
创始人兼 CEO 张玉峰，2017 年加入地平线，任副总裁、智能汽车事业部总裁，带队将地平线智驾做到中国自主品牌乘用车辅助驾驶市场份额第一，主导了征程系列芯片在 ADAS 领域的量产落地，并主导与比亚迪、长安汽车、大众集团、大陆集团等国内外头部企业的多起战略合作。
联合创始人兼 CTO 夏中谱，中科院自动化所博士，曾任百度 Apollo 预测模块负责人，后任理想汽车端到端技术负责人，用不到 100 天带队将端到端方案从 Demo 做到量产交付，使理想成为国内首家全量推送城市 NOA 端到端的车企。
他们在这一过程中积累的核心认知，迁移到具身智能上的是，单纯靠数据堆叠无法解决开放环境的泛化问题。
这个判断直接影响了无界动力对自动驾驶赛道火热的 VLA 路线的态度。
张玉峰说得很直白：VLA 本质上还是模仿学习。" 它不压路牙子并不是因为理解那是路牙子以及压路牙子的后果，而是因为见过非常多的不同场景的马路牙子以及不压路牙子的数据。"
自动驾驶行业已经验证过一件事——靠数据堆叠可以让系统在见过的场景里表现很好，而具身智能最终要进入的无论是工厂还是家庭，都是高度开放、难以穷举的环境。如果只是让机器人 " 背 " 更多场景，这条路走不远。
像素级生成派的代表是视频生成式世界模型，试图预测下一帧像素长什么样——画面要逼真、光影要准确、纹理要清晰。
而无界动力选的路——隐空间世界模型，核心想法是让模型理解 " 物理变化是怎么发生的 "，而不是 " 某个画面应该对应什么动作 "。
这也是张玉峰在本届大会的主论坛上一再强调的：
△WRC 主论坛上，" 中国电子学会世界模型专家委员会 " 正式成立，无界动力创始人兼 CEO 张玉峰受邀担任委员会委员，并深度参与随后的 " 世界模型到服务人类的现实距离 " 主题对话环节。
" 人类并不需要掌握物理世界的全部细节，也能依靠一个大致正确的「世界模型」完成复杂任务。具身智能同样不必追求事无巨细的像素级复刻，而应学习真正影响决策与行动的高维表征和因果关系 "。
减少对像素层面计算以及固定任务、特定场景海量数据的依赖；再通过强化学习进行试错、反馈与奖励，让机器人不仅拥有理解世界的 " 世界观 "，也逐步建立判断行动价值的 " 价值观 "。
2026 年 6 月无界动力发布的具身通用大脑 MWA 隐空间世界模型，在斯坦福大学等机构发起的 RoboCasa GR1 TableTop 榜单上以 75.2% 的平均任务成功率排到全球第一，超过英伟达 GR00T-N1.6、小鹏 DIAL 这些主流模型：
榜单的特点是高度随机化——非标厨房环境、强随机光影、杂物干扰——它测试的是模型在虚拟环境里应对变化的能力。
咖啡店场景测试的同样是应对变化的能力——真实人流、不固定桌面状态、光线变化，比如有人伸手挡了一下桌面，机器人停顿一秒就重新规划了动作，把杯子放到旁边空位；
再比如机器人折纸盒、叠衣服、穿珠子，模型学会的是折叠、对孔、柔软布料处理这些物理操作过程中的变化规律。
就好像穿珠子穿不进去时机器会调整角度再试，这是基于模型预测绳子受力后的形变趋势，不依赖像素匹配特定角度的画面，所以更像人靠手感摸索形状，而不是视觉记忆。
但还有一个问题没回答：这条不追主流的路线，在具身智能被追问最多的 " 商业化 "" 落地 "" 规模化 " 面前，到底意味着什么？
具身智能第一个完整证据链
WRC 展会场馆数百家公司，无界动力却有一股难以被忽视的独特 " 气质 "。
上百家展商，绝大部分在受控环境中重复预设动作。固定工位、固定光照、固定物体位置、固定运动轨迹——观众看到的是 " 机器人在这个特定条件下能做这个特定动作 "。
五天展会 1000+ 客流量的真实咖啡店，不仅代表热度，更意味着机器人服务员小 K 在真实人流持续涌入的开放商业场景中，动态空间 + 不固定任务序列 + 实时人机交互——三个维度同时经历了一场高强度、长时间的现实检验。
大多数具身智能公司的商业化起点是工业场景，因为任务固定、环境可控、客户付费意愿强，这也很自然很合理。
但无界动力有着更深刻的思考：它没有把工业作为唯一终点，而是同时跑了工业 + 商业两条线。工业端做技能（采埃孚安全带操作、远景科技电池工厂），商业端做泛化（咖啡店）。
这个选择背后有一个判断：工业场景可以验证 " 机器能不能稳定精准地完成操作 "，但无法充分验证 " 机器在开放环境里能不能持续做决策 " ——因为工业环境本质上是被设计成 " 尽可能消除不确定性 " 的。
如果具身智能的终局是走向家庭、户外等等完全开放的环境，那泛化能力必须在更不确定的场景里提前验证和迭代，而不是等到进入家庭时再从头开始。
咖啡店正好处在 " 任务具象但环境开放 " 的中间位置：SKU 相对集中（咖啡、杯子、纸巾、椅子），但人、光线、空间位置的变化完全不受控。一个模型能在咖啡店里连续稳定运行，说明它在 " 开放环境中的持续决策 " 这个维度上通过了基本测试。
工业场景负责操作技能的打磨，商业场景负责泛化能力的学习，同时两条线共用同一个通用大脑 MWA ——真实场景中积累的高质量数据持续反哺模型能力螺旋上升。
这是一个互相支撑的结构，而不是两个独立的业务方向。
具身智能软硬件其实目前都远未收敛。硬件（行星 vs 谐波、直线模组、灵巧手故障率）、软件（VLA、视频生成式世界模型、隐空间世界模型）各走各路，没有哪条路线已经被证伪或证实。
在这样的背景下，看具身智能玩家的含金量、竞争力，就不能看它 " 是不是热门 "，只能看它是否具备可验证性。
无界动力这条路有论文成果，有仿真榜单的公开成绩，有真实咖啡店试运营和商业订单。
它提供了具身智能 " 大泡沫 " 阶段，那条稀缺的、可被检验的商业化证据链。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
点亮星标
科技前沿进展每日见
