01 WAIC新考题：当机器人学会冲咖啡
人头攒动的WAIC世界人工智能大会，是前沿技术的竞技场，今年超百台人形机器人同场竞技、各展所长，而观众的阈值已然不仅限于去年的“十八金刚”。如何让机器人更好地理解人类意图、更灵巧地与物理世界交互，真正摆脱 “遥控玩具”和“Demo”，尽早走入日常生活中，成为了大众关注的新焦点。
在喧嚣的展会一角，一家名为「跨维智能」的公司，用一杯从容不迫的咖啡，给出了一份令人信服的答卷。这不仅是一场技惊四座的演示，也清晰地解释了，为何这支低调的团队能获得数亿元融资，并能在ICRA 2025 WBCD双臂操作大赛上，凭借全程自主的VLA模型，从全球88支顶尖队伍中脱颖而出，摘得世界冠军。
02 黑马背后：世界冠军团队的“造脑”哲学
「跨维智能」这匹黑马，究竟是何来历？
跨维智能（DexForce）由世界知名的机器人与计算机视觉专家、香港中文大学（深圳）教授贾奎于2021年创立。其核心团队汇聚了来自麻省理工学院、德国不来梅大学、清华大学等顶尖学府的科研人才，基因里就刻着深厚的技术烙印。
与许多从硬件或单一场景切入的公司不同，跨维智能从一开始就瞄准了具身智能的“终极命题”：为机器人打造一个通用的“大脑”。他们的核心，是构建一个由物理引擎、大模型与多模态感知三位一体驱动的智能基座。换言之，他们不只是在教机器人“做什么”，而是在教它“如何学”，目标是让智能系统能够低成本地自我进化，并赋能给各类机器人硬件。这一前瞻性布局也获得了资本市场的高度认可，公司近日宣布完成数亿元A1&A2轮融资，投资方包括领投方成都科创投、洪泰基金，以及天鹰资本、联想创投等一众新老股东。
03 一杯“临场不乱”的咖啡：智能的试金石
在跨维智能展台，我们见证的不仅是技术，更是一种“智能的韧性”。
观众通过语音下达指令，机器人便开始了行云流水般的操作。它精准地从一堆胶囊中识别并抓取目标，一次优雅的空中换手后，稳稳将胶囊放入咖啡机。整个过程流畅连贯，展现了高度的协调性与精细操作能力。
然而，真正的考验来自一次故意的“发难”。
就在机器人准备放置胶囊时，工作人员突然上前，拿走了它手中的胶囊。面对这突如其来的干扰，机器人并未宕机或陷入混乱。它只是短暂地停顿，双眼摄像头重新扫描桌面，仿佛在思考对策。几秒后，它重新定位目标，规划出新的动作路径，再次精准取回胶囊，从容地完成了后续任务。
智能的试金石，并非从不出错，而是在于面对错误和意外时，如何自主解决问题。 这种强大的实时纠错与动态适应能力，正是其“真智能”的体现。
在等待咖啡制作的间隙，机器人还会主动与观众进行语音对话，介绍一些咖啡相关的小知识，将科技的冰冷瞬间转化为温暖的陪伴。最后，机器人会以一个合适的姿态从杯架上取下杯子，接取基本装满液体的咖啡，再将制作好的咖啡稳稳地递送到观众面前，完成整个服务闭环。
那么，这行云流水般的操作背后，究竟隐藏着怎样的技术秘密？
04 技术解码：跳出“数据飞轮”，打造具身智能的“引擎”
这场演示的背后，是跨维智能一套与行业主流不尽相同的技术哲学。
当前具身智能领域最大的痛点是什么？ 跨维的技术专家坦言：是那个昂贵且低效的“数据飞轮”。
主流的Real2Real范式，极度依赖在真实世界中采集海量数据来训练模型。但每一次数据采集，都意味着高昂的成本。更重要的是，真实世界的场景组合近乎无穷，你永远无法穷尽所有可能，数据的多样性和质量都难以保证。这个沉重的“数据飞轮”，正拖慢整个行业前进的脚步。
跨维的破局之道，在于角色的转换：从“数据的消费者”，变为“数据的生产者”。
他们将这套体系命名为“引擎驱动的Sim2Real VLA”，核心是打造一个能自动化、低成本、大规模生产高质量训练数据的“数据工厂”。通过在高度仿真的虚拟世界（Sim）中，让模型经历亿万次的训练，掌握物理世界的规律和通用技能，再以极高的效率迁移到现实世界（Real）中。
所以，WAIC上的咖啡机器人，更像是那座强大“数据工厂”所产出的一个标杆产品。它证明了，掌握了低成本、高质量自我生产数据的能力，才是通往通用具身智能的康庄大道。
05 未来图景：从专用到通用的范式革命
跨维智能的人形机器人咖啡制作现场展示，本质上是具身智能从实验室走向现实世界的缩影。其技术突破不仅体现在人形机器人本体操作精度的提升，更在于通过物理引擎 + 大模型 + 传感器的三位一体架构，构建了可泛化的智能基座。正如创始人贾奎教授所言：“当机器人能够理解咖啡杯的物理属性、实时规划动作路径，并在突发情况下自主调整策略时，我们才真正触及了具身智能的本质 ——让机器拥有与人类对等的物理世界认知能力”。
从ICRA 2025 WBCD一举夺冠，再到WAIC超百杯咖啡的自主连续操作，跨维智能用最极致的坚持，证明了以Sim2Real的方式驱动VLA成为高效、可行的路径，并在现场获得了大量意向订单，走出了一条“为真实场景而生，具身价值赋能”的特色路径。
未来，这种技术范式或将重构商业服务、康养服务、工业生产、家庭服务等领域的底层逻辑，最终实现“迈向通用具身智能” 的普惠愿景。在这场智能革命中，跨维智能的探索揭示了人类与机器协同进化的终极方向 —— 当机器人能够像人类一样理解、感知、决策时，物理世界的操作边界将被彻底重构。
（文：Z Potentials）