这台双足人形机器人打完羽毛球又打乒乓球，「一机一训」在这届WRC成了历史

8月19日是人形机器人行业的大日子。

一边是宇树科技成功上市，股价飙升460%市值高达3417亿，人形机器人概念再一次得到资本市场用真金白银投票；另一边，有着「具身智能风向标」之称的世界机器人大会WRC2026开幕，300多家企业带来了超过2000件展品，首发新品超过150件。

宇树、傅利叶、银河通用、魔法原子、优必选、动易科技……几乎所有头部机器人厂商都带着新品绝活来到了这里：逐际动力带来全尺寸交互人形机器人LimX Luna，北京人形展示的主角是天工Omni，魔法原子的MagicBot X1强调持续作业与开放开发，宇树用G1、B2展示了足式与人形本体的工程能力，星海图直接把VLA模型搬到了现场，动易科技让之前踢过足球、打过羽毛球的PHYBOT C2，直接和现场观众打起了乒乓球比赛。

本体、大脑和应用方案塞满了WRC的展馆，场面热闹非凡。

放在两三年前，一台人形机器人能稳定走上舞台，就足够换来一阵阵喝彩。到了今天，会走路、会跑步、会跳舞都不算什么绝活了，机器人都得开始会点别的、能够干点什么，而要实现这一点的关键是它的「大脑」要能看懂环境、作出判断，再控制「本体」行动。

就拿在WRC现场打乒乓球的动易科技的C2来说：它不是被人远程遥控，也没有预设好的固定轨迹，球从球台另一边飞来，机器人要自主判断落点，移动身体，再在正手与反手之间作出选择、行动，和陌生人自主地对打起来，某种程度上，这正好对应了这届WRC大会「人机共生，产需共融」的主题。

真能干活做事，机器人还得有「大脑」

人形机器人行业这两年最明显的变化，就是本体和运动控制系统（小脑）的迅速迭代和改进，不管是跳舞、跑步还是特定的表演动作（如功夫表演）都已趋于成熟，大有成为公版方案的趋势。

但另一方面，人形机器人的「大脑」却依然在进化的早期，在产品上我们看到人形机器人在面对复杂场景特别是通用泛化场景时往往并不够聪明，这已成为人形机器人进入千行百业，实现规模化、工业化、通用化落地的关键掣肘。

所以我们看到，宇树在将硬件和运控做到一定程度后，开始推进自己的具身模型UnifoLM；银河通用的G1搭载了自研的具身多模态大模型，主要面向零售、工业、医疗等生产力场景；动易科技则率先探索应用物理智能体（PhyAgents），可让人形机器人分阶段智能学习实现能力自主习得，支持跨场景迁移。

让人形机器人拥有「大脑」模型并不难，难的是训练成本的高不可攀。过去人形机器人的能力大都建立特定任务、特定环境上。遇到新的场景或者任务时，不同身高、关节和负载的本体，会让原本有效的动作策略失灵。但当人形机器人走向规模化应用时，如果每换一台机器人、每进一个场景，都要重新采数据、重新训练、重新调参，「一机一训」的成本将会高得吓人，进而出现商业化跑不通的问题。

降低训练成本成了行业亟待解决的问题。今年6月，工信部和国务院国资委联合启动2026年度人形机器人与具身智能实景实训专项行动，推动人形机器人进入工业、服务、特种等真实环境，通过实际部署验证成功率、效率、安全可靠性和经济可行性，并提出形成「可落地、可复制的整机解决方案」。

动易科技PHYBOT C2「打乒乓球」在这届WRC上引发高度关注，不是因为它的球技多么炫酷，而是因为它基于物理智能体（PhyAgents）实现了乒乓球技的自主习得：人类示教搭建初始策略→强化学习打磨基础动作→仿真环境数亿次对抗自主进化→真实场景实战调试，进而实现移动走位与挥拍击球的全身协同。

跟跳舞、打拳、跑步等预设动作的不同在于，PHYBOT C2并不知道现场随机出现的陌生体验者会如何打球——有的可能习惯左手，有的可能习惯右手，握拍、发球、铲球、攻防等动作都截然不同。但在物理智能体PhyAgents的驱动下，PHYBOT C2在与人类自主对打时，其通过感知可持续捕捉高速运动的小球并实时预测其位置、轨迹、落点，智能系统也就是「大脑」再进实时决策判断，本体将判断快速转化成移动、转身、挥拍等动作执行，整个过程需自主选择正反手回击、控制力度、动作连贯并维持平衡。

更值得关注的是，PHYBOT C2这套能力不只是可以打乒乓球。在物理智能体PhyAgents的驱动下，PHYBOT C2此前已经在羽毛球、足球等多人竞技运动上实现了相似的验证。「会打不同的球」比「能打好乒乓球」要重要得多，这意味着PhyAgents的能力能在不同场景下快速应用，专业术语说是「跨场景迁移」，我的理解就是这套体系具备更强的「通用性」。那么，PHYBOT C2是如何做到的呢？

关节、本体和模型，具身智能的「铁三角」系统工程

过去行业发展走的是一条很自然的路：先把机器人造出来，再研究怎么让AI控制这副身体，也就是「AI for Robot」，最典型就是宇树科技等厂商，先在硬件运动性能、成本控制以及量产能力上建立优势，给开发者提供更好用的身体，并与开发者一起去构建更聪明的大脑，持续推进具身模型的应用。

这条路线的局限是：负责强大身体的厂商不会过多关注场景的泛化，而分散在千行百业的开发者们自然也是各干各的，「一机一训」，这中间势必会出现大量的重复开发与训练。

动易科技走的是一条相反的路：「Robot for AI」，它假设人形机器人一定「头脑发达」，首先思考AI到底需要怎样的感知、决策和行动，再去设计适合这套智能的身体和控制系统。在这样的逻辑下，人形机器人将可以适配更通用的泛化场景。

为了适配这样的产品设计思路，动易科技还在底层搭建了ABC工程体系：

A对应PhyArc核心关节模组；B是PHYBOT机器人本体，包括了M（面向工业和特种场景）、C（聚焦服务和陪伴场景）、D（面向复杂地形和重载场景）三条产品线；C则是PhyCore运动控制模型。A、B、C分别对应关节、本体和模型，构成具身智能的「铁三角」系统工程。

以在WRC2026上与陌生人打乒乓球的Case为例，PHYBOT C2搭载的物理智能体（PhyAgents）判断下一拍要打反手，关节会跟着及时发力，本体则会扛住转身带来的重心变化，运控还要让双腿、躯干和手臂别各忙各的。其中任何一环慢半拍，球都接不住；任何一环不够精细，都会打歪。

所以说动易科技的ABC（核心关节、本体、运动控制模型）是一环接一环的强耦合关系。物理智能体PhyAgents则负责让这副基于ABC体系的身体底座「动起来」，将PhyCore的运动控制能力与上层决策、训练能力整合起来，让机器人能感知变化、判断任务，再把判断落到关节的动作上，形成一套闭环。

当然，「Robot for AI」意味着全栈自研的路线会更重一些，因为核心零部件、本体、模型和场景训练都要投入，任何一环不够强都会拖住整套系统的进化速度，这对企业来说挑战很大，毕竟「全面发展」需要巨大的资源投入和强大的综合能力。

另一方面，面向不同场景设计的机器人产品，面对的任务并不一样，但底层工程能力却能相互反馈。不管是关节暴露出来的问题、本体在真实任务中的性能极限，还是模型存在的幻觉等等，软硬件团队之间均可互通有无、快速响应、持续迭代。

人形机器人是物理AI应用的终极场景，也是软硬件结合的集大成者。在这场系统工程中，动易科技给行业贡献的其实是一套换了身体、换了任务、换了场景也不用每次从零练起的方法，真正将同一套能力用到更多机器人上，将「一机一训」变为「一套能力，多处复用」。

到羽球馆「打工」，PhyAgent Hub探索商业场景验证

到这里，还有一个问题没有回答：如何将机器人学会的技能变成一门能复制的生意？或者说，如何才能让机器人将「打球」这样的爱好变为赚钱的本领？

很容易想到的答案是：做机器人教练或者陪练搭子，与球馆合作一起赚用户的钱。

但一个实验室里的机器人能打羽毛球，和一家商场愿意「雇佣」它并且长期给它留出几十平方米的场地，完全是两件事，后者需要考虑场地布置、机器人部署与维护、用户体验的打磨以及现场运营人员的管理。

这些正是机器人走向商业场景面临的共性问题，具体又繁琐。所以动易科技又提出了PhyAgent Hub——一套商业化思路。简单来说，PhyAgent Hub直接将环境布置、机器人硬件、模型、运营和维护一起打包提供，让合作伙伴不必从买一台机器人开始「从0到1」自己摸索，而是能直接部署一套可运营的物理智能体场景，就像「外挂U盘」一样简单直接。

「够C羽球馆」，就是这套思路下的一次成功的市场探索。

今年7月，笔者所在的广州凯德乐峰广场开出了一家「够C羽球馆」。球馆里没有职业教练或者专职陪练，站在球网另一边的是C2，它负责陪人打羽毛球，在不到一个月的运营中已累计与近万名消费者进行了互动，单日最高接待上千人次体验。

接受C2陪练服务的用户堪称最自然的多样化样本：有人第一次摸羽毛球拍发球都不大会，有人会故意把球打到边角来为难C2；小孩的击球方式和成年人不同，羽毛球爱好者和普通消费者的速度完全不一样。还有，灯光、人流等环境也一直在变化，这一切对机器人来说都是真实的物理世界训练场景。即便是在如此复杂的环境下，C2依然做到了稳定的与人自主对打。

「够C羽球馆」不仅初步证明了物理智能体PhyAgents的真实商业化价值，也实实在在从关节、本体到大小脑，全面验证了PHYBOT C2在物理世界的可靠性。

这或许是具身智能商业化比较现实的一条路：先让机器人进入现实世界非结构化但有特定边界的场景，在这个场景去迭代产品技术、打磨用户体验、跑通商业模式，再慢慢扩大能力边界，最终进入更通用的场景，这跟自动驾驶技术L1-L5落地的循序渐进思路是一致的。

从羽毛球场到足球场，从广州商场到WRC乒乓球桌，动易科技正在将同一套体系「ABC铁三角」和同一个大脑「PhyAgents」，放进不同的真实环境里反复验证。WRC舞台上不缺更加炫酷的机器人，但动易科技这套理念，非常值得关注。