从实验室到全球产线，梅卡曼德让产品级物理AI走进千行百业

出品 | 创业最前线

作者 | 元君

编辑 | 闪电

美编 | 邢静

审核 | 颂文

2026世界人工智能大会（WAIC）在上海世博展览馆举办。这场AI盛会，将具身智能推至聚光灯下。

而在现场，有一家成立将满十年的公司，聚焦物理AI中最关键的“眼脑手”前沿技术进展，现场展示了多种机器人完成多样、真实、复杂的任务。这家公司就是梅卡曼德。

当许多同行还在用demo演示“后空翻时，梅卡曼德直接把具身智能机器人单元搬上了展台：

从双机器人协同完成上下料与料筐搬运作业，到人形机器人在复杂货架场景中精准取放多品类货品，实现海量多形态物体的快速分拣，再到Mech-GPT 将自然语言指令实时转化为任务理解与动作执行，相关应用已全面覆盖先进制造、商业零售与物流等核心场景。

梅卡曼德的物理AI解决方案，还逐一攻克透明反光物体、异形小零件等工业场景中“难抓取、难识别”的行业难题，充分展现了物理 AI在复杂环境下的泛化能力与落地交付实力。可以说，这里没有炫技，只有“干活”。

实际上，这场从实验室走向产线的行业大考中，梅卡曼德确实是一个绕不开的样本。

它不造机械臂，不追求人形炫技，而是围绕“一脑多形”来构建通用具身智能眼脑手技术体系。通过这套标准化的物理AI基础设施，其服务超100家《财富》500强客户，产品出口近50个国家和地区，连续多年保持国内市占率第一，并牵头制定了全国首部工业机器人三维视觉引导系统国家标准。

一系列数字和成果背后，是这家中国科技公司在尝试回答一个根本问题：当AI真正进入物理世界时，其发展的逻辑和路径究竟应该是怎样的？

1、市场热潮下，万亿赛道呼唤真正落地

2026年被普遍视为具身智能行业商业落地的分水岭。

据《中国具身智能产业发展报告（2026）》统计，中国已成为全球增长最快的具身智能市场之一，市场规模从2018年的约2133亿元增长到2026年预计的1.09万亿元，年均复合增长率达22%—23%。其中，工业机器人占据最大份额约45%，人形机器人增速最快。

资本端亦呈现高活跃度。IT桔子数据显示，2026年上半年，国内具身智能赛道融资金额达935亿元，同比增长5倍；融资事件322笔，同比增长137%。具身智能百亿估值俱乐部已扩容至近20家。

然而，产业链层面存在显著的商业化成熟度落差。机器人执行看似基础的“抓取”动作，实际涉及视觉感知、路径规划、碰撞预测、力控执行等一系列复杂环节的耦合。况且，工业现场的环境光变化、工件形变、油污遮挡、来料堆叠等变量，远超实验室可控范围，这一现实对技术栈的深度和场景数据的广度提出了极高要求。

在此背景下，行业围绕人形是否终极形态的讨论之外，更为冷静的研判指向一个基础性问题：无论机器人形态如何演变，本质上都可以拆解为移动、手部操作、视觉感知、复杂任务理解和规划等通用模块，这些模块能否由独立的技术供应商以标准化方式提供？

梅卡曼德基于过去九年多的积累，给出的回应是：不造本体，只专注“眼脑手”。它把感知、规划、执行这三层最难啃的骨头标准化，让不同形态、不同品牌的机器人装上同一套智能系统后，就能在真实产线上“干活”。

而这条路恰好切中了行业商业落地必须跨越的那道门槛。

2、把物理AI做成“标准件”

梅卡曼德由清华海归团队创立于2016年，核心产品是“眼脑手”一体化的物理AI解决方案。

仿生分层机器人大脑是该体系的核心。它将任务处理拆解为三个层级：高层“低速大脑”接收自然语言指令和环境感知输入，进行意图理解、空间推理、步骤拆解；中层“高速大脑”持续构建环境状态表征，实时进行抓取点选择、路径规划、碰撞预测；底层“小脑”驱动机器人本体、末端执行器、灵巧手完成物理动作，并实时监测执行结果。

视觉层面，梅卡曼德自研的工业级3D视觉系统融合高精度三维感知与AI算法，可在透明、反光、暗光等极端条件下稳定识别目标物体，将物理世界信息转化为机器人可计算的空间数据。

本次WAIC首次亮相的新一代Mech-Hand多指灵巧手，动作寿命超百万次，兼顾灵巧性与速度，支持多样物体操作，并能与机器人大脑深度协同，实现从能抓取到会操作的跨越。

在规划与执行之间，世界动作模型则承担着“桥梁”作用：大脑做出规划后，预判不同执行方式的结果，从中选择更稳、更准、更安全的方案，让机器人具备“事前判断”的能力。

通过“眼脑手”协同，机器人从会识别走向会规划、会纠错、能交付。

梅卡曼德创始人邵天兰在WAIC现场对「创业最前线」说到：“传统机器人和人工智能机器人，主要差别不在于机器人形态，而在于它能否做到‘减少定制、快速部署、简单应用’。传统的工业自动化，往往需要机械、电气、编程等很多工程师去进行几个月的定制化开发，所以更像是一个定制化的方案；而今天的机器人，它更像是一个标准化的产品，它要处理各种各样的事情。”

当然，不同任务场景需要不同形态的机器人，但感知、理解、规划和执行等核心能力具有复用性。邵天兰强调：“我们讲叫‘智能大于形态’。人工智能机器人不一定是人形，只要能够有很好的感知、推理、任务理解、异常应对能力，它就是智能机器人。我们关注的是智能，而不是一个形态。”

梅卡曼德已将“眼脑手”能力沉淀为标准化的物理AI产品体系，并在四个维度上验证了其产品级通用性：

物体泛化：面对不同形状、材质乃至透明反光属性的物体，系统即便从未见过也能稳定识别和抓取；

执行器泛化：面对平行爪、三指爪、吸盘甚至临时工具等不同执行末端，系统都能直接适配；

任务通用性：面对拆垛、装配、质检等跨度极大的任务指令，系统能自主理解并执行；

本体泛化：同一套智能系统能够驱动不同构型、自由度、品牌的机器人本体，实现即插即用。

邵天兰透露：“我们今年增长很快，背后主要有两方面原因，一是技术成熟度的提升，二是需求侧客户的认可。曾经我们要调试几个月的事情，现在可能几个小时就能完成，我们的传感器、算法在应对各种复杂的场景时，技术成熟度都达到了客户所需。加之经过几年了解，许多客户对机器人产品已经产生认知，我们的技术和产品在很多头部客户里都有应用。”

基于可复用的标准化能力，梅卡曼德已服务全球超过100家《财富》500强企业，客户涵盖丰田、大众、上汽等头部车企，宁德时代、比亚迪等新能源龙头，五粮液、伊利等消费企业，富士康、联想等3C巨头，以及三一重工、徐工等重工企业。

尽管各行业工艺要求不尽相同，但底层架构保持统一。此类客户还有一个共同特点，即评估周期极长、标准极为苛刻。通常来说，ToB行业的决策逻辑是理性的、分析性的，一旦标准化后就不易再变。

因此，这种高门槛、高黏性的客户结构，也在一定程度上构成了梅卡曼德的护城河。

3、基座模型与数据飞轮，构成物理AI的“双引擎”

如果说“眼脑手”一体化构成梅卡曼德硬件和系统层面的基础，那支撑这套体系在千行百业跑通的，则是其底层技术路径：面向物理世界的具身原生通用基座模型，以及由真实场景持续驱动的数据飞轮。

先看基座模型。行业里普遍做法是，将VLM或视频生成模型进行嫁接和后训练，再移植到机器人上。但梅卡曼德从一开始就选择了一条更底层、更艰难的道路，它要做面向物理世界原生设计的具身模型。

所谓“原生”，是指模型结构、数据格式、训练目标、工具栈，全部为机器人在物理世界的交互而设计，而非从其他模态的模型改造而来。梅卡曼德推出的Mech-GPT机器人多模态大模型，基于数百万真机数据训练而成，具备空间推理、物理常识和任务拆解能力。它不仅能“看懂”眼前是什么物体，还能判断这个物体有多重、表面光滑还是粗糙、从哪里抓最稳、抓起来之后往哪放。

再看数据飞轮。基座模型决定了技术的天花板，数据飞轮则决定了企业能在这条路上走多远。随着技术路线逐步收敛，算法层面的差异正快速缩小，产业长期竞争的核心壁垒必然转向基础设施和数据。这正是梅卡曼德最大的隐性优势。

截至目前，梅卡曼德在全球工业现场拥有超过27000台系统运行。这意味着每天都有大量搭载其“眼脑手”系统的机器人在真实工厂里工作。这些场景持续产生真实、多样的长尾问题，经过脱敏处理后全部回流到算法训练和模型迭代中，形成“场景反馈-AI模型迭代－产品优化”的完整闭环。

这种飞轮效应一旦启动，将形成不可逆的先发优势，即部署量增加暴露更多实际问题，促进迭代加速与产品增强，进而带动更大规模落地。

所以，基座模型和数据飞轮共同构成了梅卡曼德物理AI体系的“双引擎”，也是其在万亿赛道中保持长期竞争力的底层逻辑。

4、出海不只是卖产品，更是建能力

在国内市场加速推进的同时，梅卡曼德也在积极拓展全球化业务。

截至目前，其业务已覆盖近50个国家和地区，海外业务占比超过一半。其物理AI解决方案正在不同语言、标准和工况的产线上稳定运行。

公司还在慕尼黑、首尔、芝加哥、东京等地设立子公司，构建覆盖产品、销售、交付、培训及售后服务的全球网络。这一布局也正是基于其对工程交付与本地化服务壁垒高于产品本身的预判。

与此同时，梅卡曼德的全球化进程也反映了中国制造业智能化升级的溢出效应。依托国内完整的制造业产业链和丰富的工业场景，公司积累了大量的工业现场数据与工程经验。通过高质量产品与服务，它正在打破“中国制造=低端”的刻板印象，在高端工业自动化领域树立起新的形象。

而梅卡曼德的目标，远不止于此。

邵天兰表示：“我们现在讲叫销售一代、改进一代、研发一代，它是一个管道，是一个不断迭代的过程。梅卡曼德把商业化落地分为三阶段梯度渗透，不跨越阶段推进。”

第一阶段是当前至2028年，聚焦制造业与物流，覆盖装配、上下料、分拣、码垛、包装等场景，环境相对结构化、ROI可量化，梅卡曼德已在此实现规模化部署；

第二阶段是2029至2032年，进入大型商业服务场景；

第三阶段是2032年以后，家用场景逐步打开。梅卡曼德的策略是先夯实工业现场的可靠性，再沿成熟度阶梯逐段延伸、不冒进。

从汽车产线的工件抓取，到货架前的商品拣选，再到未来家庭中的日常服务，场景与形态虽持续变化，但“眼脑手”协同的底层逻辑贯穿始终。梅卡曼德要做的，正是为物理世界的每一次看懂、想清、做成，提供通用的技术底座。

WAIC的展馆里，会空翻的机器人固然能赢得不少掌声。但散场之后，订单或许只会流向能干活的机器人。