十年前，當一臺名為“歡樂送”的配送機器人駛?cè)氩蛷d的喧囂過道，商用服務(wù)機器人時代悄然開啟。十年后，超過13萬臺的普渡機器人在全球80余個國家的餐飲、酒店、工業(yè)、倉儲等千行百業(yè)落地部署，每年累計產(chǎn)出逾3650萬小時的真實導航數(shù)據(jù)與1580萬小時的真實操作數(shù)據(jù)。這一數(shù)字，是當前公開最大機器人操作數(shù)據(jù)集的58倍。

在普渡機器人的戰(zhàn)略圖景中，不只有過去十年在商用服務(wù)機器人領(lǐng)域積累的領(lǐng)先產(chǎn)品矩陣與市場份額，在技術(shù)層面，一場關(guān)乎機器人大腦認知架構(gòu)的深層創(chuàng)新，正在成為影響具身智能商業(yè)化的關(guān)鍵所在。

近日，普渡正式對外發(fā)布兩項核心具身技術(shù)：具身智能基座大模型PuduFM 1.0與通用具身智能體平臺PuduAgent。前者是以“物理直覺”重塑機器世界認知的認知內(nèi)核，后者則是為物理世界提供統(tǒng)一智能底座的系統(tǒng)性架構(gòu)，二者共同支撐起“一腦多形”的多形態(tài)機器人具身智能技術(shù)架構(gòu)的實現(xiàn)。

如果說PuduFM是擁有物理直覺的“腦”，PuduAgent則是承載并調(diào)度這一大腦能力的“體”，最終有了腦體組合自然涌現(xiàn)的“一腦多形”終極能力。普渡用實際行動回答了一個行業(yè)性的根本命題：當機器人從單一場景的專用執(zhí)行工具，邁向跨場景、跨形態(tài)的通用物理智能體，這條通往“通用物理智能”的道路，到底該怎么走？

機器人大講堂認為，這并非純粹的技術(shù)敘事，它本質(zhì)上是一家擁有全球最多商用機器人部署網(wǎng)絡(luò)的公司，將十年積累的真實世界數(shù)據(jù)資產(chǎn)、場景理解深度和系統(tǒng)工程能力，轉(zhuǎn)化為下一個十年不可復制的核心壁壘。

01.

普渡為什么要做一腦多形？

想象這樣一個場景：一家酒店的行政酒廊里，一臺配送機器人正承載著一杯剛做好的拿鐵，平穩(wěn)地滑向餐桌旁的客人。途中，一個小朋友突然從沙發(fā)上跳下來，從機器人側(cè)面跑過。機器人輕微減速，優(yōu)雅地繞過了孩子。

就在這時，托盤上的咖啡杯因為慣性傾斜。一個人類服務(wù)員會瞬間意識到危險，杯子再斜一點，咖啡就會灑出來。但機器人“看不見”這個風險。它只知道導航路徑上出現(xiàn)了一個障礙物，已經(jīng)成功避開，任務(wù)繼續(xù)。幾秒鐘后，杯子滑落，咖啡灑了一地。

這是當前絕大多數(shù)機器人的真實寫照，它們能看見障礙物，卻看不懂“傾斜”意味著什么；它們能規(guī)劃路徑，卻無法預判下一秒會發(fā)生什么。機器人需要的不只是“看得見”，還需要“看得懂”。看得懂杯子傾斜會灑、看得懂濕滑地面要減速、看得懂一堆歪箱子要從最上面開始拿，這些在人類看來是常識的東西，對機器人來說是一座難以逾越的大山。

把時間撥回2017年。北京一家海底撈門店里，普渡初代送餐機器人“歡樂送”裝載著兩盤毛肚，穿過坐滿食客的狹窄過道。“那時候我們最怕的不是技術(shù)故障，而是它在高峰期的過道里卡住，服務(wù)員手忙腳亂，顧客舉著手機拍?！币晃黄斩晒ぷ魅藛T回憶。普渡早早認識到：真實世界的復雜性，遠超實驗室的想象。高峰期的人流密度、突然出現(xiàn)的餐車、地上的油漬、小孩的跑動，這些不是標準數(shù)據(jù)集里的干凈樣本，而是每天都在發(fā)生的真實混亂。

十年里，普渡積累的不只是數(shù)據(jù)，而是一種本能。這種在復雜場景中“練”出來的能力，后來成了普渡最核心的技術(shù)基因。

2026年，普渡交出了自己的答卷：具身智能大模型PuduFM 1.0和通用具身智能體平臺PuduAgent。這組名字背后，是一個名為“一腦多形”的通用具身智能技術(shù)架構(gòu)。簡單來說，就是將一個能理解物理世界的“通用大腦”，裝在不同形態(tài)的機器人身上，讓它們共享認知、協(xié)同工作、持續(xù)進化。

一腦多形的誕生源自普渡成熟的商業(yè)落地能力，十年里，普渡把機器人賣到了全球80多個國家和地區(qū)的成百上千個行業(yè)。但問題也隨之而來：當產(chǎn)品矩陣越來越豐富，如何使研發(fā)更加高效？

2024年，普渡在行業(yè)內(nèi)率先完成了配送、清潔、工業(yè)、通用具身智能全品類、多形態(tài)產(chǎn)品矩陣的搭建。普渡清楚的認識到，如果每個產(chǎn)品都要單獨訓練一個大腦，研發(fā)資源會被無限稀釋，各個產(chǎn)品線的數(shù)據(jù)也無法共享，最終陷入‘一機一?！南葳濉?/p>

這個“陷阱”，其實是整個行業(yè)的縮影。一個由三大斷層構(gòu)成的“認知牢籠”，它們分別對應(yīng)著機器人在時間維度、架構(gòu)維度和認知維度上的根本性局限。

1. 首先是超長程任務(wù)中的目標漂移與時間維度的失效問題?，F(xiàn)實商業(yè)場景中的機器人任務(wù)，絕非孤立、短促的“分鐘級”動作序列，而是由多階段決策、動態(tài)環(huán)境變遷及人機交互共同編織的“小時級”超長程任務(wù)鏈條。一臺酒店配送機器人從接單到送物，期間需穿越電梯、規(guī)避動態(tài)行人、精準定位目標房門，每一步微小偏差的積累都可能導致任務(wù)徹底偏離初始目標。

然而，當前主流機器人系統(tǒng)的決策窗口，普遍被限制在狹窄的分鐘級時間尺度。根據(jù)普渡在真實部署中積累的數(shù)據(jù)，在執(zhí)行30分鐘以上的連續(xù)任務(wù)時，傳統(tǒng)系統(tǒng)的失敗率可高達40%，且隨著時間延長呈指數(shù)級上升。其根本癥結(jié)在于，系統(tǒng)缺乏長期記憶與目標糾偏機制。AI Agent的“思維鏈”式任務(wù)分解，在靜態(tài)問答中表現(xiàn)尚可，但面對真實物理世界環(huán)環(huán)相扣的復雜依賴關(guān)系時，暴露出結(jié)構(gòu)性脆弱。簡單來說，它往往顧此失彼，無法在時間維度上維持連貫的任務(wù)表征。

2. 其次是周而復始的“重造輪子”與架構(gòu)維度的失序。導航、操作、交互這三大核心能力雖已各自形成一定的技術(shù)模塊，但在行業(yè)實踐中，它們長期缺乏統(tǒng)一的抽象定義與調(diào)度接口。這意味著，每一個新項目、每一次場景變更，都需要大量的定制化開發(fā)來進行能力串聯(lián)與適配。看似簡單的場景遷移，比如餐廳送餐到酒店配送仍需深入底層算法進行調(diào)整，不同項目之間積累的Skill難以復用，知識經(jīng)驗在不同構(gòu)型機器人之間近乎為零的可遷移性。

這導致了非底層算法專家?guī)缀鯚o法參與機器人應(yīng)用開發(fā)，開發(fā)門檻居高不下，而每一次“重新造輪子”都在消耗本應(yīng)投入到前沿創(chuàng)新的研發(fā)資源。以工業(yè)AMR的部署為例，傳統(tǒng)工業(yè)AMR需要現(xiàn)場勘測、建圖、調(diào)試，整個流程下來至少要幾個月。這種架構(gòu)維度的失序，使得本應(yīng)蓬勃生長的應(yīng)用生態(tài)始終未能出現(xiàn)。

3. 第三點則是物理直覺的集體空白與認知維度的盲區(qū)。AI Agent在數(shù)字世界表現(xiàn)卓越，它們理解語言、生成代碼、分析報表，但當它們嘗試進入物理世界時，立即遭遇根本性的障礙，能力類型的不匹配?，F(xiàn)有Agent主要基于語言與符號系統(tǒng)，擅長任務(wù)理解與信息處理，卻對物理過程的建模能力嚴重缺失。

以機器人“拿起一個傾斜的杯子”這個看似簡單的動作為例，語言模型可以生成完美的任務(wù)序列，但實際的物理執(zhí)行涉及抓取位置選擇、力度控制、姿態(tài)調(diào)整、接觸穩(wěn)定性預判等多重物理約束。機器人看得見物體，卻看不懂物理因果；動得了關(guān)節(jié)，卻算不準接觸后果。 也就是現(xiàn)有范式尚未建立對三維環(huán)境結(jié)構(gòu)的認知，無法理解‘可達性’、‘可操作性’等物理約束關(guān)系，更不理解接觸物體會帶來怎樣的狀態(tài)變化，讓機器人在真實世界的每一次動作都難以預測，而在真實場景中，每一次試錯都可能意味著設(shè)備損壞甚至安全隱患。

這三重困境共同指向一個根源：機器人行業(yè)缺少一個能整合感知、預判物理、在時間維度上維持目標一致性、并跨形態(tài)共享的統(tǒng)一認知系統(tǒng)?！艾F(xiàn)實環(huán)境和任務(wù)差異，不同機器人，多套大腦，多個數(shù)據(jù)庫。這不是具身智能，而是數(shù)字時代的巴別塔?！边@個認知，成了普渡下決心推倒重來的導火索。

02.

“一腦多形”如何駕馭千形百態(tài)的機器人？

針對上述結(jié)構(gòu)性困局，普渡提出了“一腦多形”技術(shù)戰(zhàn)略——讓不同形態(tài)（專用、類人形、人形）、不同品類（配送、清潔、工業(yè)、通用具身智能）的機器人，共享一套統(tǒng)一的、基于Transformer架構(gòu)的端到端底層模型與軟件架構(gòu)，實現(xiàn)“一個模型解決所有問題”。這種數(shù)據(jù)驅(qū)動的端到端算法，使得在配送場景中積累的核心能力，能夠高效遷移并適配至清潔、工業(yè)等新領(lǐng)域，只需少量針對性訓練，即可實現(xiàn)新產(chǎn)品的快速開發(fā)與體驗的一致性。

這一戰(zhàn)略將產(chǎn)品矩陣從垂類限制中解放出來。從配送機器人歡樂送、貝拉系列，到清潔機器人CC1、MT1系列，再到工業(yè)配送T系列、機器狗D5和半人形機器人，這些形態(tài)各異的產(chǎn)品背后，共享的是同一套技術(shù)底座。移動、操作、交互三大核心能力在統(tǒng)一架構(gòu)下實現(xiàn)了前所未有的深度融合：移動維度，從自研激光SLAM與VSLAM融合算法，到率先引入VLA+WM的導航算法，普渡完成了從模塊化到數(shù)據(jù)驅(qū)動的范式躍遷；操作維度，從帶機械臂的配送機器人，到為海外酒店場景研發(fā)的類人形機器人閃電匣Arm，再到人形機器人D9，操作邊界不斷拓展；交互維度，從貝拉開創(chuàng)性的觸摸與表情交互，到如今基于大模型實現(xiàn)的自然語言交互，機器人正變得既有“IQ”又有“EQ”。

更重要的是，這套架構(gòu)天然內(nèi)置了數(shù)據(jù)驅(qū)動的正向循環(huán)：部署規(guī)模越大，采集的真實場景數(shù)據(jù)越多；數(shù)據(jù)量越大，模型越智能；模型越智能，產(chǎn)品越好用，進而帶動更大規(guī)模的部署。知識與能力在不同機器人形態(tài)之間持續(xù)流轉(zhuǎn)、復用和進化。

03.

PuduFM如何賦予機器人AI大腦

那么，這個大腦究竟該怎么做？2019年，普渡在深圳寶安機場做配送試點。一個現(xiàn)象讓工程師們很困惑：機器人經(jīng)過一段反光強烈的玻璃幕墻時，會突然減速甚至停下來?！八詾樽约嚎吹搅苏系K物，其實是玻璃反射了自己的影子。”帶隊的工程師回憶，“在數(shù)以萬計的酒店、餐廳場景里，機器人會遇到各種各樣‘我認不出這是什么’的時刻。這對商用落地是致命的?！比绻麢C器人只能用傳統(tǒng)的“匹配”的方式處理環(huán)境信息，它永遠無法應(yīng)對所有未知場景，因為它缺乏“理解”的能力。

這正是PuduFM要解決的核心問題，從“匹配”到“理解”，從“看見”到“預見”。它是第一個真正以物理直覺為驅(qū)動核心的具身智能基座模型。其本質(zhì)，是大腦從“感知智能”到“認知與物理智能”的范式躍遷。

當前業(yè)界在具身智能大模型領(lǐng)域的探索，大多陷入一個結(jié)構(gòu)性誤區(qū)，要么將世界模型與VLA模型簡單拼接，利用世界模型輸出中間軌跡或狀態(tài)價值來指導VLA執(zhí)行；要么試圖用一個龐大臃腫的端到端模型覆蓋全部功能。前者丟棄了大量隱式表達的物理信息，認知與執(zhí)行之間存在不可彌合的信息斷層；后者則因計算冗余而難以保證實時控制所需的輕量級響應(yīng)。

PuduFM 1.0的選擇，是構(gòu)建一套業(yè)內(nèi)首創(chuàng)的輕量級物理直覺驅(qū)動基座模型，由兩大核心模塊在神經(jīng)層級實現(xiàn)表征協(xié)同：物理直覺模型（Physical Intuition Model，PIM） 與 視覺-語言-動作模型（Vision-Language-Action，VLA） 。這是認知層與執(zhí)行層的深度對齊。如果說PIM是系統(tǒng)的“物理預言家”，VLA便是系統(tǒng)的“多模態(tài)軀干”。

（1）物理直覺模型（PIM） 如何運轉(zhuǎn)？

PIM的根本使命，是賦予機器人“預見未來”的能力，它采用因果注意力Transformer（Causal-Attention Transformer）架構(gòu)，通過在編碼器中融入槽注意力（Slot Attention）與圖神經(jīng)網(wǎng)絡(luò)（Graph Neural Network，GNN），PIM能夠聚焦場景中的關(guān)鍵物體，并顯式建模物體之間的物理交互關(guān)系，例如桌面對杯子的支撐力、夾爪對物體的摩擦力、物體形變導致的重心偏移。

為什么物理直覺如此關(guān)鍵？因為它讓機器人不再是簡單模仿訓練數(shù)據(jù)的“復讀機”。這種直覺不是在像素空間中的隨機猜測，而是在潛空間中習得的動力學規(guī)律，隱性地包含了對空間結(jié)構(gòu)、物理定律的深刻理解。當模型能夠基于當前狀態(tài)與擬執(zhí)行動作，精準預測下一秒物理世界會如何變化，它就具備了牽引動作執(zhí)行的智能體能力。這種對物理因果的理解，正是突破泛化瓶頸的關(guān)鍵。面對從未見過的物體形態(tài)，只要理解其物理屬性，就能預判交互后果。

回到文章開頭的酒店行政酒廊場景里，當小朋友跑過導致咖啡杯傾斜時，新的機器人不會只在“檢測到杯子掉落后”報警，而是在“杯子傾斜”的那個瞬間，就預判到了風險，并自動調(diào)整姿態(tài)穩(wěn)定托盤。

這里有一個關(guān)鍵的技術(shù)判斷：PIM堅決摒棄了當前業(yè)界許多方案直接復制World Model的像素級未來預測，即試圖生成下一幀的每一個RGB值。這在普渡看來不僅是對算力的巨大浪費，更是對控制任務(wù)的無關(guān)信息過載。

PIM轉(zhuǎn)而進行稀疏狀態(tài)預測，在技術(shù)層面實現(xiàn)了三大核心突破：其一，算力效能優(yōu)化，通過規(guī)避逐像素冗余計算，大幅降低端側(cè)算力負擔，支撐更高頻次的實時推理，確保系統(tǒng)響應(yīng)的敏捷性；其二，控制導向?qū)R，因為其預測的是狀態(tài)表征而非視覺像素，與控制決策直接相關(guān)，避免看得清卻控不準的脫節(jié)；其三，認知本質(zhì)提取。通過在潛空間內(nèi)剝離視覺紋理等表象干擾，精準捕捉物理動力學本質(zhì)，使預測機制真正服務(wù)于高層決策邏輯。

更重要的是，PIM不僅是“預言家”，更是“評估師”。它輸出的優(yōu)勢評估值，實時指導VLA生成最優(yōu)動作軌跡。當預測模型識別到預設(shè)路徑存在碰撞沖突或失穩(wěn)滑脫風險時，系統(tǒng)將主動觸發(fā)策略修正，驅(qū)動VLA擇優(yōu)選取物理魯棒性更高、更符合動力學約束的動作方案，從而確保作業(yè)執(zhí)行的高效性與絕對安全性。

（2）視覺-語言-動作模型（VLA）如何運轉(zhuǎn)？

如果說PIM解決了“物理認知”問題，VLA則要解決“模態(tài)對齊”問題。當前主流VLA架構(gòu)存在一個結(jié)構(gòu)性缺陷：語言、視覺、動作三大模態(tài)在獨立的特征空間中處理，導致機器人在推理時出現(xiàn)“模態(tài)錯位”。簡單來說，大多機器人理解指令時停留在語義抽象層，感知環(huán)境時局限于像素特征層，執(zhí)行動作時又落入低維控制層，三者難以形成統(tǒng)一的物理決策流。

PuduFM 1.0的VLA模塊首次實現(xiàn)了三大模態(tài)在統(tǒng)一特征空間內(nèi)的深度對齊。其技術(shù)實現(xiàn)通過分層注入機制和漸進式融合機制，讓語言-視覺-動作在統(tǒng)一的潛空間中實現(xiàn)深度對齊，確保了高層語義意圖能夠無損地轉(zhuǎn)化為底層動力學指令，使機器人在復雜交互中具備感知即語義、語義即執(zhí)行的全局一致性。具體而言，其信息流動呈現(xiàn)為三個層次：

第一層，物理直覺引導。作為執(zhí)行層的核心約束，PIM將物理直覺未來特征與價值評估轉(zhuǎn)化為高維先驗知識。通過分層注入機制，這些物理先驗深度融入VLA的決策流，為動作生成提供底層的物理合理性約束，確保每一個動作指令均符合動力學邏輯。

第二層，語言-視覺的層級編碼。視覺語言模型對視覺、語言及機器人狀態(tài)輸入進行多尺度編碼：低層特征捕捉紋理與幾何細節(jié)，高層特征提取任務(wù)語義與意圖理解。更具突破性的是，該模型建立了統(tǒng)一的注意力表征空間，通過交叉注意力機制，模型將PIM的輸出作為關(guān)鍵特征向量，與視覺、語言特征深度融合。這一機制確保模型生成輸出特征時，能夠協(xié)同整合物理先驗與實時感知信息，顯著提升決策魯棒性與物理一致性。

第三層，動作的漸進生成。視覺語言模型的輸出特征通過漸進式融合逐步融合到動作生成模型中。帶有噪聲的動作經(jīng)歷一個從粗到細的去噪過程：高層語義特征先確立動作的意圖框架。例如“要抓取杯子”，低層視覺特征再精化末端執(zhí)行器軌跡，如“在杯體中部閉合”，物理直覺特征則持續(xù)監(jiān)督動作的物理可行性。例如“夾持力度需超過滑脫閾值”。在訓練階段，系統(tǒng)保留離散的動作輸出，用于約束多模態(tài)潛空間的一致性。

這種“語義定方向、視覺精細節(jié)、物理守約束”的層級化信息流動，使生成的動作不再是模態(tài)間的生硬拼接，而是在統(tǒng)一潛空間中涌現(xiàn)的合理決策。機器人真正實現(xiàn)了看懂場景上下文、理解任務(wù)意圖、生成符合物理直覺的流暢動作。

設(shè)想一個場景：在一家酒店里，你對一臺普渡機器人說：“幫我倒一杯溫水，不加冰。”這個過程背后，是復雜的信息協(xié)同。需要語言模塊理解“溫水”、“不加冰”的含義，并轉(zhuǎn)化為任務(wù)目標；視覺模塊掃描場景，從背景中精準識別飲水機、一次性杯子、溫水按鈕，并感知杯子當前的狀態(tài)；物理直覺模塊在倒水過程中，實時預判水流速度、杯子重心變化，預防溢出。動作模塊將以上所有分析結(jié)果，轉(zhuǎn)化為從路徑規(guī)劃到機械臂操作的流暢動作序列。這就是“感知即語義，語義即執(zhí)行”的全局一致性體驗。

PuduFM這種“語義定方向、視覺精細節(jié)、物理守約束”的層級化信息流動，使生成的動作不再是模態(tài)間的生硬拼接，而是在統(tǒng)一潛空間中涌現(xiàn)的合理決策。更為根本的意義在于，這套架構(gòu)徹底打通了導航與操作的認知壁壘。無論是穿越長廊的路徑規(guī)劃，還是抓取異形包裹的力控執(zhí)行，背后運行的是同一套物理規(guī)律。最終，PIM輸出的稀疏未來預測，為長達數(shù)小時的導航任務(wù)提供前瞻視野；VLA則在此基礎(chǔ)上，統(tǒng)一輸出底盤移動與末端操作的融合控制量，讓普渡的機器人“走到哪”與“怎么做”實現(xiàn)無縫銜接。這也是其各類型機器人持續(xù)進化的底座。

這套架構(gòu)將成為一腦多形的核心AI大腦。因為PIM與VLA的協(xié)同機制具備對異構(gòu)本體的泛化能力，無論是配送、清潔、工業(yè)還是具身智能機器人，不同構(gòu)型不再是模型能力的邊界，而是同一大腦在不同物理載體上的具身投射。所有機器人在真實場景中產(chǎn)生的海量交互數(shù)據(jù)，將匯聚至統(tǒng)一架構(gòu)下形成正向循環(huán)：數(shù)據(jù)協(xié)同反哺模型進化，模型進化賦能更多形態(tài)，最終實現(xiàn)一腦多形的規(guī)模化落地。

04.

PuduAgent：為物理世界構(gòu)建通用智能體平臺

如果說PuduFM 1.0回答的是“機器人如何理解物理世界”這一認知層面的問題，那么PuduAgent要回答的，則是“如何讓這種理解力在真實商業(yè)場景中規(guī)模化釋放”這一系統(tǒng)工程層面的命題。如果說PuduFM是認知內(nèi)核，那么PuduAgent就是將認知能力系統(tǒng)化輸出、面向物理世界執(zhí)行復雜任務(wù)的完整運行框架。作為內(nèi)嵌于PuduFM大模型之中的通用具身智能體平臺，PuduAgent的定位是一個面向全球開發(fā)者的、為物理世界而生的通用具身智能體平臺，一個有望成為“機器人界的iOS/Android”的具身智能基礎(chǔ)設(shè)施。

PuduAgent的設(shè)計起于一個根本判斷：單點算法優(yōu)化或簡單引入AI Agent系統(tǒng)，無法從根本上解決行業(yè)三大困局；必須從系統(tǒng)層面，包含大模型層面，重構(gòu)機器人能力體系。回顧移動互聯(lián)網(wǎng)的爆發(fā)，關(guān)鍵拐點并非硬件性能提升，而是iOS和Android將復雜硬件能力抽象為標準API，使開發(fā)者專注于應(yīng)用層創(chuàng)新。普渡的判斷是，機器人要實現(xiàn)真正的規(guī)?；涞兀仨毺峁┮粋€統(tǒng)一的物理智能體體系，讓開發(fā)者可以像組合標準模塊一樣靈活搭建已有能力，快速構(gòu)建應(yīng)用，而非每次重新造輪子。

PuduAgent由三層架構(gòu)構(gòu)成：系統(tǒng)層、能力層、安全層。

（1）系統(tǒng)層的核心在哪？

系統(tǒng)層主要是讓機器人擁有“不遺忘”的認知基座。其核心能力Agent Core使各類機器人都能像人類領(lǐng)班一樣思考。

以酒店配送機器人為例，其需要完成從迎賓引導、行李搬運到客房配送的復合任務(wù)。傳統(tǒng)機器人在此場景中最多只能執(zhí)行單段指令，譬如“從大堂吧取一杯咖啡送到電梯口”，一旦客人臨時改變需求，或者電梯滿載需要繞行，它就會陷入困惑。

PuduAgent的Agent Core則不同。它構(gòu)建了多尺度任務(wù)規(guī)劃框架：首先進行宏觀戰(zhàn)略拆解，將“為32層客人送一杯拿鐵”拆解為“前往大堂吧取餐→呼叫電梯→抵達32層→識別房號→交付客人”；再逐步細化為微觀戰(zhàn)術(shù)執(zhí)行。例如“繞過正在清潔走廊的CC1機器人”、“等待電梯開門后確認無人再進入”、“在客人開門時調(diào)整托盤高度以便取用”。這種從粗到細的分層規(guī)劃，有效解耦了復雜任務(wù)間的耦合依賴。

傳統(tǒng)基于思維鏈的視覺語言任務(wù)分解，在靜態(tài)問答中表現(xiàn)尚可，但在真實物理世界中暴露出結(jié)構(gòu)性脆弱，面對環(huán)環(huán)相扣的復雜依賴關(guān)系時往往顧此失彼。而Agent Core則突破了傳統(tǒng)一次性規(guī)劃、機械執(zhí)行的靜態(tài)模式：當機器人在前往大堂吧途中發(fā)現(xiàn)通道被臨時封閉，它并非僵化地停在原地報錯，而是即時重構(gòu)后續(xù)步驟，改走備用通道，重新計算時間，并在必要時通知后臺調(diào)整客人等待預期。

Agent Memory則讓機器人成為一個不會遺忘的“老員工”。如今普渡的配送機器人已在全球諸多醫(yī)院落地，配送機器人每天需要為不同樓層、不同病區(qū)配送藥品和標本。這個任務(wù)看似簡單，但中間可能會經(jīng)歷多次換電梯、穿過多段連廊、避讓早高峰時段密集的醫(yī)護人員和病床等復雜場景。傳統(tǒng)系統(tǒng)在執(zhí)行這類超過30分鐘的長程任務(wù)時，失敗率高達40%。根本原因在于，系統(tǒng)缺乏長期記憶，每一步微小偏差不斷累積：第一次換梯時多等了10秒，第二次經(jīng)過連廊時遇到臨時停放的推床，第三次接近檢驗科時發(fā)現(xiàn)門禁換了位置……每一次微小偏離，都可能讓任務(wù)徹底脫軌。

PuduAgent的Agent Memory體系引入了三層記憶結(jié)構(gòu)。工作記憶類似機器人的“短期注意力”，實時維護當前所處的樓層、最近的避障記錄、即將到達的關(guān)鍵節(jié)點；情景記憶則類似“經(jīng)驗檔案庫”——上個月這層樓的護士站曾經(jīng)臨時堆放耗材導致通道變窄，這條信息被存儲下來，下一次經(jīng)過時自動提前減速；記憶壓縮與抽象系統(tǒng)則負責將連續(xù)感知數(shù)據(jù)轉(zhuǎn)化為離散結(jié)構(gòu)化經(jīng)驗——比如將“每周三上午檢驗科門口排隊較長”這條規(guī)律編碼為可調(diào)用的調(diào)度參數(shù)。正是這套系統(tǒng)，使機器人在長達一小時的連續(xù)任務(wù)中始終保持目標清醒，不會因為一次臨時繞行就忘記了最終目的地在哪里。

（2）能力層：像搭積木一樣復用能力

PuduAgent賦予了機器人跨形態(tài)的技能復用能力。想象在一家同時配備了三種普渡機器人的酒店里：大堂里的“貝拉”負責迎賓引導，走廊里的CC1負責地面清潔，餐廳的“歡樂送”負責菜品配送。曾經(jīng)這三臺機器人各自獨立開發(fā)、獨立部署，但在PuduAgent的能力層架構(gòu)下，原子技能被抽象為標準化模塊：導航、避障、路徑規(guī)劃、電梯交互、語音應(yīng)答……這些技能不再是某個機型專屬的“硬編碼”，而是掛在能力庫中可供任意授權(quán)的機器調(diào)用的標準化組件。當清潔機器人CC1首次進入一個新樓層，它不需要重新建圖，直接從云端調(diào)用“歡樂送”上周在同一樓層積累的地圖和避障數(shù)據(jù)即可。當酒店新引入一臺T300用于布草運輸，它也不需要重新學習如何乘梯，而是可以直接調(diào)用已有電梯交互技能模塊，僅需針對自身尺寸做參數(shù)適配。

對于確定性環(huán)境中的重復任務(wù)，比如每天固定路線的地面清潔，PuduAgent調(diào)用穩(wěn)定、高效的經(jīng)典導航技能；而對于復雜多變的操作任務(wù)，比如在人流高峰期為客人送餐，則調(diào)用具備泛化能力的基礎(chǔ)模型來應(yīng)對動態(tài)變化，這樣減少了算力的高通量要求。

更值得關(guān)注的是，能力層對所有底層模型保持透明。當一個任務(wù)被下達，PuduAgent會根據(jù)場景特征自動選擇最合適的技能方案：在已知的固定場景中調(diào)用經(jīng)過充分驗證的端到端導航算法，在未知或高度動態(tài)的場景中切換到具備零樣本泛化能力的VLA模型。開發(fā)者不需要關(guān)心底層用的是哪個模型，只需要定義任務(wù)目標，系統(tǒng)自動完成技能匹配與調(diào)度。

（3）安全層：物理世界不可逾越的紅線

安全層則主要是系統(tǒng)層面對行為進行約束、可行性判斷，在執(zhí)行前評估動作是否滿足物理約束；風險預判，識別潛在碰撞、過載、不穩(wěn)定等風險；異常干預，在檢測到異常時主動調(diào)整或中止任務(wù)。這一機制有效降低了試錯成本，使機器人在復雜環(huán)境中具備更高的可用性與安全性。

這就是PuduAgent安全層的核心價值，它在每一個動作執(zhí)行前進行可行性判斷。這個動作是否滿足物理約束？它主動識別潛在碰撞、過載、不穩(wěn)定等風險；在檢測到異常時主動調(diào)整或中止任務(wù)，而非僵化地繼續(xù)執(zhí)行既定指令。將安全約束從應(yīng)用層上提至平臺層，有效降低了真實環(huán)境中的試錯成本。

（4）從單機智能到群體智能

筆者認為，PuduAgent的核心價值主張之一，是將異構(gòu)多機器人協(xié)同從理論推向可用。因為在一腦多形層面，PuduAgent通過構(gòu)建統(tǒng)一的Agent OS架構(gòu)，將感知、記憶、規(guī)劃與執(zhí)行解耦，并在Skill層實現(xiàn)標準化抽象，使能力從具體硬件形態(tài)中獨立出來。無論是配送、清潔、工業(yè)還是人形或四足形態(tài)，均可共享同一套Agent Core與Agent Memory，并通過參數(shù)化Skill與設(shè)備適配層完成快速遷移。這種從綁定形態(tài)到能力解耦的轉(zhuǎn)變，使基于統(tǒng)一大腦持續(xù)演進的通用智能體真正實現(xiàn)跨形態(tài)、跨場景的規(guī)?；瘡椭婆c能力復用。

這就意味著在群體協(xié)同層面，PuduAgent基于Agent OS調(diào)度機制，可以將不同形態(tài)、不同能力邊界的機器人抽象為標準化的可調(diào)度資源，通過任務(wù)與多機器人協(xié)同框架進行統(tǒng)一編排。系統(tǒng)能夠根據(jù)任務(wù)類型、環(huán)境狀態(tài)與設(shè)備實時能力，動態(tài)完成任務(wù)拆解、分配與重調(diào)度，引導不同類型機器人形成協(xié)同作業(yè)閉環(huán)。同時，通過共享Memory，不同機器人之間可以對環(huán)境狀態(tài)與任務(wù)進度達成一致認知，避免信息割裂與重復執(zhí)行。這種從單機優(yōu)化走向群體智能調(diào)度的能力躍遷，使PuduAgent能夠在復雜場景中實現(xiàn)更高效率、更強魯棒性的多機協(xié)同運行。

（5）SkillHub與具身基礎(chǔ)設(shè)施帶來的開放生態(tài)

PuduAgent不僅僅解決當前的部署效率問題，更是一個面向全球開發(fā)者的開放平臺。普渡提供完善的SDK，包括標準化的技能開發(fā)與調(diào)用接口、仿真環(huán)境，支持在數(shù)字世界中快速驗證與迭代、以及SkillHub技能市場。

PuduAgent的生態(tài)愿景，可以用一個簡單的類比來理解：在智能手機時代之前，每個應(yīng)用開發(fā)者都需要自己寫相機驅(qū)動、寫網(wǎng)絡(luò)協(xié)議棧、寫內(nèi)存管理。Android和iOS出現(xiàn)后，這些底層復雜性被封裝為標準API，開發(fā)者只需要關(guān)心“我要解決什么問題”。這是移動互聯(lián)網(wǎng)應(yīng)用生態(tài)得以爆發(fā)的關(guān)鍵。

當前，任何一家公司想要開發(fā)一個“機器人巡檢”應(yīng)用，都需要從底層導航算法、傳感器融合、路徑規(guī)劃開始搭建，耗時數(shù)月甚至數(shù)年。PuduAgent試圖改變這一現(xiàn)狀。

一個第三方開發(fā)者可以這樣開始工作：在仿真環(huán)境中搭建目標場景，比如一個藥品倉庫，從SkillHub下載已有的“倉庫導航”原子技能，組合“溫濕度傳感器讀取”模塊，再編寫自己的“藥品效期識別”邏輯，最后打包為一個完整的“藥品巡檢”應(yīng)用，發(fā)布至SkillHub供其他倉庫客戶調(diào)用。這個開發(fā)者不需要理解SLAM算法的數(shù)學原理，不需要調(diào)試激光雷達的驅(qū)動參數(shù)，甚至不需要擁有一臺實體機器人，他在仿真環(huán)境中的完整驗證，可以直接遷移到普渡的硬件上運行。

因為SkillHub允許開發(fā)者貢獻并商業(yè)化自己的技能模塊。這一設(shè)計構(gòu)建了正向飛輪：技能越多，場景覆蓋越廣，吸引的開發(fā)者越多，技能供給進一步豐富。一旦飛輪啟動，將形成難以復制的生態(tài)壁壘。從更宏觀的視角看，PuduAgent構(gòu)建了一個可擴展的具身智能基礎(chǔ)設(shè)施，原子技能一旦開發(fā)，可在不同場景、不同機器人形態(tài)間復用，使能力積累具有復利效應(yīng)，每解決一個新問題，都在強化整個平臺；平臺架構(gòu)天然適配家庭服務(wù)、特種作業(yè)、醫(yī)療輔助等更多領(lǐng)域，技能庫的持續(xù)豐富將驅(qū)動平臺向千億級市場延伸；隨著部署規(guī)模擴大，平臺積累的真實物理世界交互數(shù)據(jù)將反哺Agent Core等核心模型，形成持續(xù)的技術(shù)領(lǐng)先優(yōu)勢。

這正是PuduAgent所追求的范式轉(zhuǎn)變，讓能力從硬件形態(tài)中解耦，讓智能從單機節(jié)點走向群體協(xié)同，讓具身智能在真實世界中更快地實現(xiàn)大規(guī)模落地。原子技能一旦開發(fā)完成，可在不同場景、不同機器人形態(tài)間復用，普渡的能力積累便具有了“復利效應(yīng)”——每解決一個新問題，都在強化整個平臺。

在此意義上，可以發(fā)現(xiàn)，PuduAgent為物理世界而生，為具身智能而立。它所提供的，不只是一個平臺，更是一種范式：讓能力從硬件形態(tài)中解耦，讓智能從單機節(jié)點走向群體協(xié)同，讓具身智能在真實世界中更快地實現(xiàn)大規(guī)模落地。

05.

數(shù)據(jù)與飛輪轉(zhuǎn)起來

技術(shù)架構(gòu)再精妙，沒有高質(zhì)量數(shù)據(jù)的持續(xù)哺育也終將成為空中樓閣，任何偉大的大腦都需要豐富的閱歷。PuduFM的“常識”，不是憑空頓悟，而是來自普渡十年遍布全球的真實部署所積累的海量真實數(shù)據(jù)，以及一個能讓它在虛實之間不斷進化的飛輪系統(tǒng)。

作為全球范圍內(nèi)出貨量最高的商用服務(wù)機器人公司，普渡的數(shù)據(jù)版圖橫跨全球80多個國家和地區(qū)，覆蓋餐飲、酒店、工業(yè)、倉儲、商超、醫(yī)療等海量的行業(yè)場景，沉淀了100余種不同任務(wù)類型的復雜環(huán)境交互數(shù)據(jù)。依托部署在全球的超13萬臺商用機器人，普渡每年累計生產(chǎn)3650萬小時真實、有效、多樣的導航數(shù)據(jù)。以自動駕駛行業(yè)作為參照系，NVIDIA最新公開的Physical AV Dataset包含約1727小時真實駕駛時長，普渡年數(shù)據(jù)產(chǎn)量是其兩萬倍以上。按機器人平均運行時速0.8m/s計算，普渡單年生產(chǎn)約1億公里運行數(shù)據(jù)。隨著每年60％的部署增速，年新增機器人預計可增加842萬小時數(shù)據(jù)。

數(shù)量之外，更具戰(zhàn)略價值的是數(shù)據(jù)的“純度”。這里有一個被行業(yè)普遍忽視的關(guān)鍵概念：領(lǐng)域鴻溝?；ヂ?lián)網(wǎng)視頻本質(zhì)上是人類視角的旁觀者記錄——由人手持拍攝，視角、畸變、深度信息均與機器人傳感器存在根本差異。而普渡的導航數(shù)據(jù)完全來自機器人本體的第一視角采集，意味著這些數(shù)據(jù)從機器人的“第一視角”記錄了整個物理世界：真實的運動畸變、反光的玻璃、昏暗的角落、空曠的大廳和擁堵的過道。這種原生機器人視角的數(shù)據(jù)，對于訓練具備物理一致性的世界模型而言，是不可替代的黃金資產(chǎn)，相當于讓機器人看了一本專屬于自己世界的“百科全書”。

有了數(shù)據(jù)，還需要一個讓模型高效利用數(shù)據(jù)的訓練體系。普渡構(gòu)建了“虛實雙空間”進化飛輪。在數(shù)字世界，有一個極其逼真的仿真引擎。機器人會在這里面經(jīng)歷數(shù)百萬次“極限生存挑戰(zhàn)”：在突然沖出行人的狹窄走廊里避障、在燈光閃爍的故障區(qū)找路。通過在這些極端場景中反復“淬煉”，機器人積累了寶貴的應(yīng)急經(jīng)驗。

這些在虛擬世界學到的經(jīng)驗，最終會在真實世界中接受檢驗。當機器人真正上崗后，如果遇到搞不定的狀況，后臺的人類專家會通過遠程遙控快速介入并糾正。而每一次人工介入，都會變成高質(zhì)量的訓練數(shù)據(jù)，去反哺模型，讓World Simulator更逼真，讓PuduFM更聰明。

“我們已經(jīng)成功驗證，僅需不足50條專家軌跡，就能讓機器人快速學會一個新任務(wù)?！边@意味著，普渡的機器人面對新場景時，不再需要從頭學起，而是像一個有經(jīng)驗的老手，稍加點撥就能上手。

06.

結(jié)語：十年磨一劍，一腦通萬形

從2016年的第一臺歡樂送，到2026年P(guān)uduFM與PuduAgent的正式發(fā)布，普渡用十年時間完成了一次戰(zhàn)略維度的躍遷，從全球市占率第一的商用服務(wù)機器人領(lǐng)導者，升維為具身智能基礎(chǔ)設(shè)施的建設(shè)者。它回答了一個產(chǎn)業(yè)級的根本問題：當機器人從單一場景的專用工具，邁向跨場景、跨形態(tài)的通用物理智能體，這條路到底該怎么走？

普渡的答案是：造一個會思考的“通用大腦”，并把它裝在不同形態(tài)的身體上，讓它們能看懂世界、預判風險、團隊協(xié)作、持續(xù)進化。三層架構(gòu)的層層遞進構(gòu)成了這一戰(zhàn)略的完整骨架：“一腦多形”是頂層架構(gòu)，定義了統(tǒng)一底層與軟件設(shè)計的整體框架；PuduFM 1.0是核心引擎，以物理直覺驅(qū)動的基座模型讓機器人真正“看懂”世界；PuduAgent是執(zhí)行平臺，將認知能力轉(zhuǎn)化為可調(diào)度、可協(xié)同、可擴展的任務(wù)系統(tǒng)。三者層層遞進，構(gòu)成了一套完整的具身智能藍圖。

13萬臺機器人、3650萬小時導航數(shù)據(jù)、1580萬小時操作數(shù)據(jù)、80多個國家和地區(qū)——這些數(shù)字背后，是普渡十年如一日的技術(shù)積累與產(chǎn)業(yè)深耕。而這些積累，正在通過三層架構(gòu)轉(zhuǎn)化為下一個十年不可撼動的核心競爭力。

對于普通大眾而言，這意味著未來你在酒店、醫(yī)院、工廠、商場里遇到的機器人，將不再是那些只會照章辦事、橫沖直撞的鐵盒子。它們會像訓練有素的同事一樣，理解你的意圖，預判潛在的風險，在你需要時默契配合，在你經(jīng)過時自然地讓路，優(yōu)雅地完成一杯咖啡的配送，或在工地上安全地完成一次高難度的搬運。

普渡相信，通用物理智能的未來不是某一個單一形態(tài)的機器人統(tǒng)治世界，而是多種形態(tài)的機器人協(xié)同工作、共同服務(wù)人類。而要實現(xiàn)這個未來，需要的不是多個孤立的‘腦’，而是一個能夠理解物理世界、能夠持續(xù)進化、能夠適配多種形態(tài)的統(tǒng)一的‘腦’。

為物理世界立心，為具身智能立法。這場由普渡引領(lǐng)的具身智能商業(yè)化，才剛剛開始。