编辑：前沿在线 编辑部
在第140届广交会第一期，服务机器人专区入口的队伍拐了几道弯。
走到D区广交会堂二层通道，最先传过来的不是人声，是球台上一声接一声的“啪、啪”——动易科技和双鱼体育联手搭的一张人机乒乓台，成为了展区里实打实的人气焦点。
第140届广交会动易科技人机乒乓球对打体验区(来源:动易科技)
球台这边站着PHYBOT C系列双足人形机器人，对面是排队上场的全球客商。来自北美、欧洲、澳洲、东南亚等各地的境外客商举着手机拍对打画面，有人边体验、边让工作人员拿手机拍，下场后立马将体验片段发在了海外社交平台上。
乒乓外交55周年和广交会70周年两个节点叠在一起，让这张球台天然带了一层“社交货币”的底色。
但热闹只是入口。对逛展的客商来说，这是能上手体验的互动项目；对具身智能行业来说，高速对打里藏着的东西比表面热闹更值得观察：一颗从离拍到抵达击球点不足一秒的球，机器人要在几十毫秒里接住，这件事到底检验了什么。
一颗小球，考验整套系统的协同
这颗小球值得被当成行业样本观察，不是因为机器人会挥拍，而是因为它把机器人在高动态交互的真实场景下的工程约束，压缩到了几十毫秒里。
球从离开对方球拍到抵达击球点，不足一秒。机器人要在几十毫秒内完成观察、判断、跨步、引拍、击球这一整套动作，拼的不是某一个算法多先进，而是物理智能、实时运控、本体稳定和工程闭环能不能在段时间内，迅速协同形成合力。综合来看，这是一个需要层层递进的过程。
第140届广交会动易科技人机乒乓球对打体验区(来源:动易科技)
第一层是感知预判，也就是轨迹预测环节。
不同于简单的图像识别，机器人要靠连续几帧画面实时解算球速、旋转和落点，甚至预判对手下一拍的线路，提前把身体姿态调整到位。
这是对物理世界运动规律的实时计算，差十几毫秒，球就会错过可回击窗口。
第二层是全身协同，也就是身体控制环节。
乒乓球不是机械臂伸出去击球那么简单，双足机器人要脚下调站位、腰胯转体发力、手臂控制挥拍角度，全身几十个关节在同一个时间窗口里对齐节奏。
击球动作和身体平衡互相牵制，重心偏一点，出球质量就塌下去。
第三层是毫秒级闭环，也就是系统控制环节。
感知、决策、控制、执行，打完这一拍还要根据结果，立刻做出决定、调整下一拍。整条链路必须把延迟压在几十毫秒以内跑通，任何一环卡顿，动作就变形。
三层摞在一起，指向同一个事实：具身智能想在物理世界里持续工作，单靠某一种能力解决不了问题，毫秒级的判断与稳定的控制闭环才是决定成败的命门。
换个场景，不必样样从头再来
既然要实现人工智能在开放环境中真正地、自如地动起来这么难，那过去两年，行业把大量注意力押在“大脑”的进化上，就变得不难理解。
9月之前，从Physical Intelligence的π系列到Figure的Helix，再到Google DeepMind的Gemini Robotics，全球被寄予厚望的模型大多沿着诸如世界模型、VLA等具身大脑的研究方向走，希望做出一个全能的大脑指挥具身智能在物理世界中执行任务。
国内创业公司也密集涌入，“大脑—小脑—本体”三层架构一度被认为是标准答案。
这条路线有它的逻辑：认知泛化是具身智能走向规模化的前置条件，行业把资源押向大脑，是在啃那块最难啃的骨头。
但走了两年，落地时暴露的问题不是“大脑不够聪明”，而是相对这条路有些难度，还需要解决很多问题、收集很多数据才能推进。
在这过程中，业内多采用“一个场景、一个本体”的训练方案，每换一次则需要：重新采数据、重新训练、重新调参，随之而来的是高昂的成本与超长的时间周期，这让“一机一训”的成了具身智能规模化落地的核心阻力。
这条路线并没有因此而退场。在今年的行业表态中，它石智航的AWE仍然坚持用一个统一模型完成感知、决策与动作生成；自变量机器人的WALL-A也把端到端当作长期路线，理由很直接：分层链路里一个微小错误会被级联放大，层数越多放大越快。
端到端和分层，在2026年仍然是两条并行的路线，不是谁替代谁的关系。
2026年9月3日，GPT-6 Astra发布，改变了分工的条件。
来源：《出乎意料的机器人政策： GPT-6 Astra 在 RoboDojo 及其他平台上的早期评估》
它在RoboDojo评测中以明显优势空降榜首，证明通用大模型可以承担过去“具身大脑”里最难的那部分——长程任务规划、多任务拆解、人类意图理解。
但同一批评测也暴露出另一面：大模型可以“想”得很远，但从“想完”到“打准”，中间隔着的仍然是毫秒级的控制、本体的响应和工程闭环的可靠性。
这个变化的关键不在于“押注大脑错了”，而在于分工变得可行了。当深度思考可以被通用大模型承接，机器人公司就不必再自己造一个包办一切的全能大脑，而应该把资源集中在通用模型拿不到的物理交互上。
前段时间，被广泛讨论的动易科技Embodied PhyStack，就是在这个节点上给出的应对思路。
Embodied PhyStack(来源:动易科技)
它不追求一个包办一切的全能大脑，而是采用分层解耦、协同演进的方式，回应这个行业痛点：通用大模型负责深度思考和长程规划，物理智能体PhyAgents负责实时判断和临场决策，运控模型PhyCore管平衡控制和底层运控，本体PHYBOT承担物理执行与反馈。
这种分工带来的直接结果，体现在场景的适配成本上。据动易科技公开的测试数据，在新场景的部署环节，通用大模型可以直接生成并训练智能体，较过去效率提升数十倍；
而整套Embodied PhyStack的协作应用，让具身智能较好地执行长程任务与多任务成为可能，更实现了机器人在工作过程中完成自我校正执行结果，直至任务准确完成。这对于算法工程师来说，十分惊喜。
从已公开的信息，我们还发现，这套分层设计的关键：PhyAgents还有利于能力复用。
乒乓对打项目并非从零搭建，而是从动易科技已成熟的羽毛球场景迁移而来，从开发到调试、再到落地体验，整个周期不足一个月。
之所以能跑出这样的效率，核心在于该智能体经过强化学习训练，具备强泛化、高鲁棒性等特点；同时，模型参数小、算力需求低，在迁移过程中能将智能体关键能力快速复制应用到本体当中。
而基于已经迁移的智能体核心能力，新场景只需要在中间策略层针对乒乓球的轨迹特征、击球节奏做针对性适配，底层在既有框架内完成参数级调优，就能跑通完整的交互链路。
这套架构到底能不能跳出“一场景一返工”的困境，单乒乓球场景的快速迁移只是拿到了入场券。
从单一互动到多类服务，能力复用打开新空间
单一场景的快速落地，是机器人核心能力高效复用的一次单点验证。而这套能力能不能持续复制、支撑更多场景稳步拓展，从动易科技两届参展广交会的变化，就能看得很清楚。
第 139 届广交会，是动易科技第一次参展，完成双足人形机器人与人自主对打羽毛球的首次公开亮相。在这里，PHYBOT C系列完成了为期5天的交互验证。
第139届广交会动易科技人机羽毛球对打体验区(来源:动易科技)
据动易科技官方数据，展期累计接待千人次境外客商体验，收集了真实的市场反馈，为后续的场景拓展打下了扎实基础。
而到了第 140 届，动易科技场景拓展和运营的节奏明显加快。公共互动区和公司展位双线并行，其中，公域展期从5天拉长到覆盖全部三期，将近一个月；场景也从羽毛球扩到乒乓球、拳击，再加上展馆智能导览；
第140届广交会动易科技多场景展示(来源:动易科技)
展位则带来了 PHYBOT D系列的动态重载运输与特种巡检场景展示以及具备23个自由度的 PhyHand系列灵巧手，动易科技在工业及服务应用场景的落地能力也得到了进一步展现。
第140届广交会动易科技展区展示(来源:动易科技)
运动交互拼的是高速动态反应，智能导览拼的是信息传递和服务连续性，两类任务能并行落地，说明底层能力的复用边界正在从同类运动场景往跨类服务场景延伸。
放到本届广交会服务机器人专区的整体图景里看，这个节奏更有参照意义。
专区里做垂直工业场景的企业，大多仍然在端到端路线上深耕，聚焦分拣、搬运、装配等确定性作业，围绕自身主力产品做定向呈现；而面向多场景落地的企业，已经开始往分层解耦的架构走，并在可感知、能触碰的真实环境中服务作业。
这不是路线优劣的简单判断，是场景要求不同：工业作业追求单点极致稳定，多场景服务追求迁移效率和部署速度。
动易科技两届广交会的变化，恰好落在后一条逻辑上：从单一场景验证到多品类连续部署，从展台演示到嵌入展馆公共服务，复用效率不是一句判断，是展期长度、场景数量和任务类型同时拉长之后还能稳住的直接证据。
走进体育产业，探索球台之外的应用
两届广交会看下来，动易科技的多样化场景连续部署，无疑证明了其场景复制的能力。但展会终究有撤展的一天。场景边界拓宽的同时，落地深度需要真实产业资源承接。
广交会开展前夕，动易科技与中华老字号双鱼体育已达成战略合作，PHYBOT C系列机器人在签约现场亮相，开启“机器人+体育”的产业协同。
动易科技与双鱼体育签约仪式(来源:动易科技)
这件事放在乒乓外交55周年的节点上，容易被读成借势；但看合作的结构，它要解决的是具身智能落地里一个很实际的问题：实验室环境再干净，也替代不了真实产业场景里的数据、节奏和运营压力。
对具身智能企业来说，落地的一大挑战是缺真实产业场景与成熟渠道，实验室环境与真实应用场景之间往往存在差距；对传统体育产业，智能化升级需求明确，却缺对应的技术能力与产品方案，两侧需求恰好互补。
据悉，动易科技与双鱼体育的产业协同，将沿三层逐步推进：
第一层，共建机器人运动交互实验室。
这一实验室定位为运动交互技术研发、产品测试、成果展示与体验交流的联合平台。
动易科技将提供机器人设备、算法研发与运维支持，双鱼体育则提供场地与基础器材配套等。这一层把研发从实验室放进真实场景打磨，获取更多真实运动数据与场景标准，让研发、产品、体验在同一空间形成数据闭环，反哺技术迭代。
第二层，赛事联动。
实验室是常规测试环境，赛事则是更苛刻的压力测试场：观众多、变数大，对稳定性与临场应变要求更高，能反向倒逼技术成熟。
在双鱼体育主办、承办或协办的赛事开闭幕式及周边活动中，双方将协同开展机器人互动表演、人机对战体验、智能发球与裁判辅助演示，为技术找到面向公众的场景入口，借助成熟赛事体系完成落地验证与用户对接。
第三层，也是最贴近商业化的一层，市场协同。
它直接切入成熟应用场景，是技术走向大众生活的初步探索，也对标准化方案的复制能力与运营能力提出更高要求。
双方将一起进校园和青少年培训体系，联合开发“体育+机器人”特色课程与活动，后续围绕机器人辅助教学、智能训练体验课、校园科技体育活动等形式展开，探索落地路径。
三个方向目前还是框架性规划，落地成效有待项目验证。但方向本身是清楚的：从展会上的技术演示，向产业端的实际运营延伸；从单一场景的技术可行性，走向跨场景的商业可持续性。
落地有多深，还要看展会之后
广交会办了七十年，本身就是中国外贸升级的一面镜子。
从早年的农副土特、手工艺品，到后来的机电产品，再到近些年的高端装备和智能解决方案，中国出口的核心已经从商品输出，逐步转向产能输出、能力输出。
参加广交会的各国企业也正向全方位合作伙伴：创新伙伴、投资伙伴、产供链伙伴逐步升级。具身智能当属这条线上最新的一段。
动易科技的人机乒乓放在这个脉络里，值得看的不是“机器人会打球”这个结论，而是它把一道原本抽象的行业命题变成了可以上场检验的东西：会想到会干之间隔着多远的距离，分层解耦能不能把迁移成本压下来，连续部署能不能在更长的展期和更多的场景里稳住，产业合作能不能把展会上的回合接进真实的使用里。
乒乓外交用一颗小球推开了国民交往的门，广交会用一方展馆联通了全球贸易的桥。
今天这张球台上的人机对打，是窗口，也是标尺。但窗口里看到的技术不等于商业成功，标尺量出的深浅也不等于终局。
真正的考题在聚光灯之外：能不能走进更广泛的真实场景，能不能在成本、交付、运营的约束下持续存在。
落地，才是这场长跑真正的终点。
参考资料：
[1] Open X-Embodiment：https://deepmind.google/blog/scaling-up-learning-across-many-different-robot-types/
[2] Gemini Robotics-ER：https://deepmind.google/blog/gemini-robotics-brings-ai-into-the-physical-world/
[3] GPT-6 Astra：https://arxiv.org/html/2609.24170v1
END –
