MWA™霸榜全球第一后：无界动力用真实咖啡厅展现物理AI的落地之径

从“出片”到“出海”，无界动力即将奔赴下一个考场。

    作者丨郭   思

    编辑丨董子博

                                                                                                       

没有刻意的社交氛围，一人静坐或几个好友相聚，手捧一杯咖啡，在音乐与咖啡的交汇中，暂时剥离工作与生活的琐碎，获得片刻放松与灵感回响。这是平日里我们对于休闲时刻美好画面的印象，也是2026世界机器人大会现场最反差的一幕。 

与去年以及今年上半年以来出现争奇斗艳、跳舞翻跟头的喧闹不同，今年WRC，记者探展一圈发现，展会上出现了很多垂直场景的机器人，有专门针对人的心脑血管做手术的医疗机器人，也有分拣物品进行归类的各种家庭机器人，还有一些特别关注手关节折纸动作的机器人……在其中，无界动力与韩国HOLLYS 联手打造的人机共生沉浸式机器人咖啡空间，则是一块与众不同的“闲暇之地”。

整体空间被绿植围绕，北欧风的白色小栅栏打开，客人可以坐下来点单自由选择自己爱喝的拿铁或者美式，也可以点一杯大师级别的手冲。

接收订单后，咖啡师在吧台后制作大师级咖啡或其他饮品，递放至出餐区，机器人则负责端送到桌，并顺手收走隔壁桌的垃圾、推回座椅。大象无形，大音希声，给人一种不会打扰你，但是在你有需要的时候随时出现的陪伴感与交互感。

"机器人当服务员，送餐过程竟十分稳定，灵巧，在人机共生的场景里与人形成了一种默契关系"，这是现场体验者的真实反馈。

而背后，则是无界动力对于整个行业技术路线的洞察以及人机交互商业落地的独特表达。雷峰网雷峰网

01

“形神”兼备，

无界动力对物理AI的第一性思考

无界动力2025年创立于北京，创始人张玉峰是前地平线智驾一号位，联合创始人夏中谱是理想汽车算法技术领军人，团队带着智驾“从模型到量产”的肌肉记忆进场。

在展会现场，张玉峰接受采访时，会多次出现"智驾"、“L4”等自动驾驶词汇。这也使他对物理AI及具身智能有着比纯机器人背景更接地气的理解。

毕竟，身处物理AI最先量产的自动驾驶行业，在之前的每一天，张玉峰都在提前感知物理AI落地的难度与挑战 。

所以在评价机器人的发展变化时，他表达出了不同于其他“大厂出身人”的谦卑。

「机器人可能从以前的跑步到现在的在工厂干活，总会有失败的时候，就像人从小到大成长一样，就是要再试一次，才会成功。我们也想在这个阶段展示这种成长过程中的特点」。

而在技术路线上，无界动力的选择非常接近马斯克常常提及的第一性原理，也就是“形神兼备”，软硬两个层面都无限接近人的终极状态。

在本体形态的选择上，无界动力此次首发的K15第二代采用了双臂轮式半人形方案——在人机共生环境中，轮式结构天然更平稳、更安全、更高效。而做咖啡的机械臂Anyverse ADA则采用7自由度拟人运动架构，拥有30毫米腕部翻转半径和606毫米工作半径，能够适应狭窄、复杂空间中的灵巧操作。其单臂重量7公斤、额定负载5公斤，通过全关节力感知与实时力反馈，实现柔顺、安全的人机与环境交互，同时支持桌面级操作与高保真技能迁移。

面向不同规模的具身智能计算需求，Anyverse ASC Pro、Anyverse ASC Max、Anyverse ASC Ultra 构成无界动力自研中央计算平台的完整布局，覆盖600 INT8 TOPS至4000 FP4 TFLOPS算力范围，兼容主流 AI 开发框架，支持视觉感知、智能决策、运动控制及端到端大模型部署。平台采用多核异构架构与双 SoC 冗余设计，原生支持 Shadow Mode 和在线 OTA，并具备 ASIL-B/(D)（ISO 26262）级功能安全能力,多样算力兜底，使得展示区内，做咖啡、端送咖啡、打扫桌面等一系列工作井然有序。

而在“神”即机器人的大脑上，无界动力的选择不是主流的VLA（视觉-语言-动作）直连，而是“隐空间世界模型+强化学习”双轮驱动，也就是公司自研的具身通用大脑 MWA™。

谈及这一选择，张玉峰解释道：VLA虽然是普遍做法，但实际上存在缺陷——对光线、对背景的变化敏感度极高，本质上还是一个模仿学习。

他拿自动驾驶举例：“ 现在行业的数据量级大概在大几千万到1亿个clips，每个clip可能是半分钟、一分钟多都有可能，这个数量级下它学到的是以模仿学习为主的概率分布。它不压马路牙子，是因为他建了百万千万次的轨迹里没有一次压路牙子，而不是它像我们人一样知道那路牙子压上去有什么后果。这就是它没有对时空上面的关联性、物理世界的causality有真正理解。”也正因如此，无界动力没有跟进VLA或类似路线，而是选择了MWA™。

MWA™实际上不仅让机器人真正理解动作与物理世界变化之间的因果关系，构筑起物理世界认知与未来状态预测的核心能力；更通过强化学习在真实交互中的高频试错、解决与奖励反馈，将对物理规律的深刻理解转化为精准、安全的操作策略。

如果需要直白地理解这个概念，其实可以借助我们从小到大经常听到的一个词—“三观”。哲学意义上，人的三观即人生观，价值观，世界观。

价值观用来判断对错，世界观用来理解世界，而机器人刚出生，其实还不存在机生观。MWA™ 其实本质上就是让具身拥有除人生观之外的其他两观。

世界模型负责“理解物理”，也就是让机器人拥有世界观，他不逐像素预测未来画面，而是把环境压缩进高维隐空间，建模“我做一个动作，世界会怎么变”的因果关系，从而做出对未来状态的预测。

强化学习负责“练出手感”，也就是价值观，在建立了一套对世界理解后，马上要进入的就是执行世界。小孩第一次看到火，感觉到有点温暖，他会持续靠近，在这个过程，温暖对他来说是一种正反馈。而再持续接近火，他就会烫伤，感受到的疼就是一种负反馈，在这个过程中，他会生出对火的价值判断，知道接触火的边界与分寸。

在真实交互里高频试错，用奖励和负反馈把物理规律变成精准、安全的操作策略，这种机制之下，机器人就变得更加知道他动作的边界在哪里。

而在现在，我们也可以感受到，这种← 返回资讯流