WAIC看了一圈，这家公司的机器人在认真打工

林方舟 发自 凹非寺
量子位 | 公众号 QbitAI

WAIC 2026现场，人形机器人是最引人注目的主角。

跳舞、格斗、跑步、打乒乓球……过去只能在实验室里看到的各种动作，如今已经成了展台上的固定节目。

但有个展台，却有点不一样。

一台人形机器人站在狭小的货架前，听完观众下的单，从一排商品里精准挑出目标，稳稳递到取货台。

一支机械臂装配大小不同、形状各异的超薄钣金件，速度快，效率高，足以走出实验室，应对真实复杂的工况。

场面看起来并不酷炫，但演示的却是机器人最重要、最实用的能力——落地干活。

机器人不仅具备复杂场景和复杂任务的操作能力，还有不错的泛化性，并且能在不同形态的机器人本体上通用。

这些能力，得益于机器人装的同一套“眼脑手”组件，由梅卡曼德机器人开发。

看完这些Demo，我感觉离工厂、商超由机器人主导的那一天，可能真的不远了。

难的不是表演，而是上班

机器人真正进厂打工，究竟有多复杂？

场景先给它出一道难题。错综复杂的流水线布局，强烈且不断变化的环境光，各种各样的料筐形态，再加上不同规格、不同材质的原料和工件，每一样都在考验机器人的感知。

机器人面对的任务也在时刻变化。

上一分钟，它可能还在抓取零件。下一分钟就要调整工件姿态、完成装配，再把空料筐搬走。

传统自动化设备擅长在固定位置重复固定动作，但只要物体、位置或工序发生变化，整套系统往往需要重新调试。

梅卡曼德在WAIC展示的Demo，啃的就是这些硬骨头。

来看一个场景：人形机器人工件上下料和料筐搬运。

两台人形机器人协同作业，组装、抓取零件、搬运料筐，多种任务连续完成。

抓零件考验指尖的精细操作，搬料筐考验移动中的稳定作业，而把这些任务串成一条流水线跑通，考验的就是“眼脑手”的协同配合。

再来看一个场景：线束插头柔性抓取和精密装配。

一支机械臂精准地插接柔软的线束，精度达到了亚毫米级。

还有一个场景：机器人快速抓取五角螺母工件。

堆得乱七八糟的五角螺母，机器人抓一件用时不到2.4秒，速度飞快，精度和效率完全对得上产线的节拍。

这套能力不只停留在展台上，它已经在汽车等典型制造业得到大规模落地。

除了工业场景，零售和家庭服务，同样是具身智能落地的典型场景，而且更考验机器人的泛化性。

真实生活里的物体太多了，食品、饮料、文具、家具、玩具、工具，认全它们只算达到及格线。机器人还得理解并执行各种任务，开关、拿取、放置、堆叠……

来看看梅卡曼德Demo在零售和家庭场景中的表现。

第一个场景：人形机器人对海量物体进行分类。

面对很多种日常物品，机器人不光认得出来，还能按类别实时分好。物体层面的泛化能力，在这个Demo里体现得最直接。

第二个场景：机器人分拣多样透明物体。

透明材质光学属性复杂，历来算机器人视觉的硬骨头。这个Demo里，各种透明瓶、透明盒被逐一识别、精准分拣。

四个Demo，四种场景，指向同一个目标：在真实世界中工作。

看得清、想得明白、下得去手

这些不同形态的机器人，能在不同场景下丝滑工作，靠的都是背后同一套“眼脑手”。

先说眼。机器人的“眼”，指的不只是拍张照片，而是获取真实世界的信息：物体在哪、长什么样、离多远等等。

梅卡曼德自主研发的工业级3D视觉系统，能识别薄壁工件，还能看清透明物体，高速成像，跟得上产线的快速节奏。

与眼协同配合的，是机器人的“脑”。

梅卡曼德展示了自研的Mech-GPT多模态大模型，可以接受自然语言、图像等多模态指令。

它让机器人具备类人的理解、推理与规划能力，听得懂人话，理解常识，遇到没见过的物体、环境和新指令，也能举一反三。

展台的观众用一句大白话下指令，机器人当场理解、准确执行。

梅卡曼德对“脑”的判断是“一脑多形”，未来机器人形态不会统一，但具身智能“大脑”将会通用。

光看得清、想得明白还不够，机器人还得下得去手。

梅卡曼德发布了自研的Mech-Hand灵巧手，以世界动作模型为核心。

世界模型最近大热，代表着从预测“下一帧画面”走到预测“下一步动作”，世界动作模型承担的正是从理解环境到执行动作的后半程。

得益于海量真实数据喂出来的精细操作能力，这只灵巧手可以完成抓、捻、拿、握、敲等多种动作，抓取海量常见物体。

眼看清，脑想明白，手落地执行，三件套凑齐，机器人真正具备了干活的完整能力。

智能大于形态

看完了这套“眼脑手”产品，再来聊聊梅卡曼德机器人这家公司。

2016年创立的梅卡曼德，在具身智能行业里算得上“老兵”。成立以来，公司一直在迭代机器人的眼睛和大脑，之后基于对操作能力的积累，产品线又增加了灵巧手。

为什么十年只打磨“眼脑手”？

这背后体现了梅卡曼德对行业的理解，可以概括为六个字：智能大于形态。

看看展台上那些Demo就明白了，机器人形态各不相同，单臂、双臂、双足、轮式……

不同任务需要不同身体。强行让所有机器人长成同一个样子，未必是最高效的选择。

但所有机器人都需要看得清、想明白、做准确，因此“眼脑手”是可以跨本体使用的标准组件。

做好这些关键组件，其实并不容易。

梅卡曼德机器人的创始人邵天兰曾说，机器人属于“易做难精”的行业，没有“黑科技”“银子弹”和独门秘籍，要做的就是耐心解决一个个超级复杂、不断迭代、充满大量技术模块和细节的工程问题。

恰恰这些细致的工作，才真正决定了产品好不好，决定了机器人能否走出实验室、进入物理世界干活。

邵天兰还有个流传很广的判断：制造业远看是个万亿市场，近看是一万个一亿的市场。服务制造业最大的挑战，从来不在满足特定客户的特定需求，而在如何高效满足成千上万用户的各种需求。

按这把尺子量，梅卡曼德交出的成绩单相当亮眼。

它的“眼脑手”产品已在工业场景大规模落地，全球累计部署27000余台产品，服务100余家《财富》500强客户，在国内细分领域连续6年（2020-2025）保持市占率第一。

全球化的步子也在加快。梅卡曼德在美国、日本、韩国、德国多地设有子公司和团队，在欧美日韩等主流市场市占率领先。

现实大规模应用还带来一件宝贵的副产品：数据飞轮。随着产品在多个行业和应用场景中高效部署，海量真实数据不断反哺模型，产品能力也持续增强。

前沿技术能力、产品开发量产能力、全球大规模应用落地能力，具备其中一项或两项能力的公司不少，而三者兼具的公司，在今天的具身智能市场上，绝对是一股不容忽视的力量。

WAIC的展馆里，会空翻的机器人会赢得掌声。

但展会散场之后，订单只会流向能干活的机器人。