越疆科技以全球机器人霸主地位为基,撬动具身智能革命与营收飙升

越疆科技2025年的财务与运营业绩,为机器人行业的战略演进提供了一个极具说服力的案例研究。公司实现了一个重要里程碑:成为全球协作机器人(cobot)出货量的领导者。这一地位不仅带来了可观的收入,更重要的是,提供了一个用于收集操作数据的庞大现实世界部署基础。这一工业立足点并非终点,而是战略跳板。公司将研发投资大幅增加——约60%——重新导向其具身AI平台的开发,从而形成了其所谓的“一脑多体”(one-brain-multiple-bodies)产品矩阵。该架构旨在创建一个统一的AI“大脑”,能够控制多样化的机器人“身体”,包括其核心的协作机械臂、正在开发的人形机器人原型以及移动平台。

这一战略转变已初见成效。报告显示,其具身AI相关收入在上一财年增长了数倍,尽管基数相对较小,但增长势头迅猛。公司利用其遍布全球工厂的数千台协作机器人作为“数据飞轮”,持续收集真实世界的操作数据,用于训练和微调其AI模型。这种从硬件部署到数据收集,再到AI能力增强,最终反哺硬件销售与价值提升的闭环,构成了越疆区别于纯软件AI公司或传统机器人巨头的核心优势。公司正从一家硬件设备制造商,转型为一个以数据和AI为核心的机器人平台公司。

技术深度解析

越疆科技的“一脑多体”(OBMB)平台代表了其在具身AI领域一次重大的架构押注。其解决的核心痛点是机器人开发中低效的碎片化问题——即针对每种新的机器人形态,感知、规划与控制栈往往需要从头重建。越疆的方法是将智能集中在一个统一的AI“大脑”中——这是一套软件模型和中间件——能够与各种标准化的“身体”模块对接。

从技术角度看,该“大脑”围绕多模态基础模型架构构建。它从标准化传感器套件(RGB-D相机、力扭矩传感器、本体感受编码器)摄取数据,并输出低级电机命令或更高级别的任务基元。一项关键创新在于他们在形态无关表征学习(morphology-agnostic representation learning)上的工作。他们并非针对一个6自由度机械臂或人形机器人的腿训练特定模型,而是基于状态、动作和奖励的抽象表征进行训练,这些表征可以映射到不同的运动链。这得到了大量从仿真到现实(Sim2Real)迁移学习的支持,使用了如NVIDIA Isaac Sim等平台,但关键之处在于,利用从其数千台已部署协作机器人源源不断产生的PB级遥操作和自主运行数据进行微调。

该技术栈中一个关键的开源组件是`robosuite`框架(由斯坦福大学、加州大学伯克利分校等研究人员维护),它为机器人学习提供了一个模块化仿真环境。越疆对其`Dobot-Env`模块贡献显著,该模块包含了其CR和MG系列机械臂的高保真模型。公司还发布了`Dobot-Gym`,一套基于从客户现场记录的真实世界包装、装配和检测任务构建的强化学习环境。这些代码库已获得广泛关注,`Dobot-Env`在GitHub上的星标数已超过2.3k,表明社区和研究界对基于真实工业硬件进行基准测试有浓厚兴趣。

其OBMB系统的性能指标,特别是延迟和任务泛化率,颇具说服力。

| 指标 | 越疆OBMB(协作机械臂) | 越疆OBMB(人形原型机) | 传统任务专用模型 |
|---|---|---|---|
| 任务规划延迟 | 120-250 毫秒 | 300-500 毫秒 | 50-100 毫秒 |
| 零样本泛化率 | 68% | 41% | <5% |
| Sim2Real性能落差 | 性能下降12% | 性能下降25% | 性能下降30-50% |
| 所需训练数据(小时) | ~100(微调) | ~500(基础+微调) | ~1000+(从头开始) |

数据解读: OBMB平台以牺牲部分原始规划速度为代价,换来了泛化能力和数据效率的显著提升。人形机器人更高的延迟反映了全身控制的复杂性增加。协作机械臂的Sim2Real落差显著更小,这直接得益于使用来自已部署单元的真实世界数据进行训练,这是越疆独有的优势。

关键参与者与案例研究

具身AI领域正分化为两大阵营:AI原生初创公司行业在位者平台。越疆科技明确代表了后者,其策略通过与同行对比最能被理解。

AI原生挑战者:Figure AI1X TechnologiesSanctuary AI这样的公司,主要围绕人形或新型仿生形态构建具身智能。它们的起点是一个通用AI智能体,然后开发(或合作获取)承载它的硬件。Figure AI与OpenAI和宝马的合作就是典型例子。它们的优势在于激进、从零开始的AI研究,但它们缺乏越疆所拥有的即时、规模化的部署渠道以及十年的机电一体化专业经验。

行业在位者平台: 在这方面,越疆最直接的比较对象是丹麦协作机器人先驱Universal Robots (UR)。UR现属泰瑞达(Teradyne),拥有更大的装机量,但在AI整合上更为谨慎,专注于易用性和安全性的渐进式改进。ABB发那科(Fanuc)拥有庞大的工业机器人部署,并且也在投资AI,但它们的努力往往局限于大型企业研发结构内部。越疆激进的、集中化的平台方法与众不同。

技术赋能者: 越疆的战略依赖于与芯片制造商的合作,如NVIDIA(用于Jetson和GPU集群)和高通(Qualcomm)(用于下一代控制器中的设备端AI处理)。其AI研究负责人的选择也颇具意味。虽然未披露所有招聘信息,但其深圳和上海实验室据悉已从上海人工智能实验室、字节跳动AI研究部门等国内顶尖AI实验室招募了高级研究员,专注于强化学习和3D视觉。

| 公司 | 主要形态 | AI路径 | 关键优势 | 商业化阶段 |
|---|---|---|---|---|
| 越疆科技 (Dobot) | 协作机器人,延伸至人形/移动机器人 | “一脑多体”平台 | 规模化真实世界数据、成熟的机电一体化平台、已盈利的硬件业务 | 协作机器人市场领先,具身AI平台进入早期客户部署 |
| Figure AI | 人形机器人 | 通用AI智能体驱动,与OpenAI等合作 | 顶尖AI研究伙伴关系,专注通用性 | 原型阶段,与宝马进行试点 |
| Universal Robots | 协作机器人 | 渐进式集成,侧重易用性与安全性 | 最大的协作机器人装机量,强大的品牌与渠道 | 市场领导者,AI功能作为附加模块 |
| ABB / 发那科 | 传统工业机器人 | 企业内部分散式AI研发,与特定应用结合 | 无与伦比的工业自动化经验与客户基础 | 在特定垂直领域(如汽车)集成AI解决方案 |

常见问题

这次公司发布“Dobot's Global Robotics Dominance Fuels Embodied AI Breakthrough and Revenue Surge”主要讲了什么?

Dobot's 2025 financial and operational results present a compelling case study in strategic evolution within the robotics sector. The company has achieved a significant milestone b…

从“Dobot embodied AI platform vs Tesla Optimus approach”看,这家公司的这次发布为什么值得关注?

Dobot's 'one-brain-multiple-bodies' (OBMB) platform represents a significant architectural bet in embodied AI. The core challenge it addresses is the inefficient fragmentation in robotics development, where perception, p…

围绕“How does Dobot's one-brain-multiple-bodies architecture work technically”,这次发布可能带来哪些后续影响?

后续通常要继续观察用户增长、产品渗透率、生态合作、竞品应对以及资本市场和开发者社区的反馈。