从仓库到道路：Agility 与 Wayve 的具身智能扩张路径 (2026)

先看结论

Agility Robotics 和 Wayve 正好呈现两条不同的具身智能扩张路径。Agility 先把人形机器人放进仓库和工厂，靠运行时间、搬运量、安全机制和制造能力证明产品能否重复交付；Wayve 则把自动驾驶车辆当作具身 AI 的规模化试验场，用世界模型做安全评估，再借 OEM、车队和出行平台把软件推向更多车型和市场。两家公司都在追求「真实环境反馈 → 模型与安全系统改进 → 更多部署」的闭环，但 Agility 的最小复制单元是一台机器人加一个工作场景，Wayve 更接近一套软件栈加车辆与运营网络。

这个区别也解释了两家公司最近的资本和合作动作：Agility 把钱投向协作安全、RoboFab 和供应链，Wayve 把组织扩展到世界模型、3D 场景理解和 OEM 集成。对判断一家公司的下一步，公开运营数据和合作结构比单次 Demo 更有用。

重点公司一：Agility Robotics

先有运营数据，再谈人形机器人的规模化

Agility 披露，Digit 已在 9 个以上客户现场累计运行超过 65,000 小时；在 GXO 位于美国佐治亚州的 Flowery Branch 仓库，Digit 自 2024 年中以来搬运了超过 100,000 个料箱。公司还列出了 Schaeffler、Toyota Motor Manufacturing Canada 和 Mercado Libre 等部署客户。1 2

这些数字不能直接证明 Digit 已经形成高利润业务，收入和复购规模仍未公开。但它们至少让「部署」变成了可检查的运营事实，而不只是发布会里的动作片段。对人形机器人来说，65,000 小时和 100,000 个料箱的价值在于，它们把模型表现放回了持续运行、故障处理和客户流程里。

技术路线：三层软件栈，底层先解决物理控制

Agility 对 Digit 的软件栈分成三层：Cognition 负责语义理解和任务规划，Skills 负责把示范转成可执行行为，Controls 负责毫秒级的物理控制。公司在不同层使用大语言模型或 VLA 类模型、Learning from Demonstration、强化学习和仿真，并把「全身控制基础模型」放在上层技能之下。训练数据来自遥操作、仿真和真实部署经验。3

这条路线的重点不是用一个大模型替代整个机器人栈，而是把不同时间尺度的问题拆开：高层模型决定做什么，中层技能决定怎么完成，控制层要在毫秒级应对身体和环境。Agility 还使用 NVIDIA Isaac Lab、Jetson Thor 和 Google DeepMind 的 MuJoCo 进行训练与仿真。3

因此，客户现场同时是交付场所和数据来源。部署越多，能收集到的遥操作、失败动作和环境变化越多，模型才有机会减少对手工规则的依赖。这个闭环目前由公司技术博客和部署披露支持，但能否转化为更低的单位部署成本，还需要后续财务与运营数据。

产品进展：Digit V5 把「能工作」推进到「能和人一起工作」

Digit V5 的产品定位是协作安全人形机器人。Agility 在 6 月的交易公告中称，V5 已有超过 3 亿美元的多年期订单承诺，客户管线超过 30 家；公告同时披露了板载安全 PLC、Category 1 停止功能和基于 NVIDIA IGX Thor 的人体检测。GeekWire 报道称，V5 计划支持可更换末端执行器和 50 磅举重能力。订单兑现仍取决于约定的里程碑，不能等同于已实现收入。1 4

这里的产品变化有一个容易被忽略的边界：Agility 的现有商业部署仍主要在物理隔离的工作单元中运行，V5 要解决的是机器人进入人与机器人共享的工作空间。公司把板载感知、停止机制、第三方评估和标准工作放在同一条安全路线里。5 6

所以，V5 的关键指标不只是负载和速度，还包括安全边界能否从「围起来的工作单元」扩展到「共享空间」。如果这一步做不到，仓储试点可以继续增加，但可进入的工作岗位和场景会被物理隔离成本卡住。

融资与供应链：SPAC 让行业第一次面对公开财务标尺

2026 年 6 月 24 日，Agility 宣布拟通过与 Churchill Capital Corp XI 合并，以约 25 亿美元估值进入公开市场，预计交易为公司带来超过 6.2 亿美元现金。GeekWire 根据交易文件整理出，Agility 2025 年运营费用约 1.11 亿美元、现金消耗约 1 亿美元，尚未盈利，收入数字当时尚未披露。交易尚未完成，不能写成公司已经上市。1 4

公司还披露，RoboFab 的目标年产能为 10,000 台，约 75% 零部件在美国本土采购；Foxconn 是 PIPE 领投方，NVIDIA、Amazon、软银和 Schaeffler 等也在其产业投资者或合作网络中。1

这组动作把 Agility 的增长约束说得很清楚：它需要同时解决机器人如何安全工作、如何稳定制造、如何让客户接入车队管理，以及如何用更透明的财务数据证明订单质量。上市交易本身不是商业化结果，后续真正值得看的是订单兑现、收入披露、现金消耗和 V5 是否出现共享空间部署。

重点公司二：Wayve

自动驾驶是它的具身 AI 试验场

Wayve 的 GAIA-3 是一个 15B 参数的潜在扩散世界模型。公司称，它使用约为上一代十倍的数据，覆盖三个洲九个国家，并新增安全关键场景生成、what-if 离线评估、跨车型相机迁移和可控视觉多样性等能力。GAIA-3 的角色已经从生成看起来像真的驾驶画面，推进到用合成场景检验安全决策和模型变化。7 8

这使 Wayve 和具身智能的关系比较具体：它不是把自动驾驶新闻换一个标签，而是在车辆这一真实具身上研究感知、预测、动作和安全评估。Wayve 公开的证据目前主要集中在自动驾驶，不能据此把它描述成已经推出通用机器人模型的公司。

组织信号：从驾驶模型扩展到物理世界研究

Wayve 在 2026 年 5 月成立 Wayve Labs，由首席科学家 Jamie Shotton 领导，研究议程包括 action-grounded world models、交互学习、物理不确定性泛化、空间与物理理解、安全决策和跨具身迁移。公司同时在伦敦、桑尼维尔和温哥华招聘研究科学家。9

6 月，3D 视觉研究者 Andrea Tagliasacchi 加入 Wayve Labs，负责 3D 场景理解、神经场景表示和世界模型基础研究。10 人才动作和研究议程放在一起看，Wayve 正在把自动驾驶中的数据、评估和场景建模能力提升为更一般的物理智能研究资产；但「扩展到其他机器人」仍是公司的研究方向，不是已验证的产品收入。

产品和伙伴：把软件复制到 OEM、车队与城市

Wayve 的合作结构比单一车型合作更能说明其商业路径。Nissan 已签署最终协议，把 Wayve AI Driver 集成到下一代 ProPILOT，首款车型计划于 FY2027 在日本推出；Stellantis 计划把 Wayve AI Driver 集成到 STLA AutoDrive，目标是 2028 年在北美推出 L2++ 产品。11 12

6 月，Stellantis、Wayve 和 Uber 又签署了开发全球 L4 robotaxi 的非约束性 MoU：Stellantis 提供车辆和安全冗余平台，Wayve 提供端到端 AI 驾驶软件，Uber 负责乘客连接与车队运营。它是合作框架，不是已经完成的 L4 商业部署。13

资本动作也在向平台化靠拢。Wayve 2 月宣布 12 亿美元 Series D，另有 Uber 3 亿美元的里程碑挂钩承诺，整体融资安排达 15 亿美元，投后估值 86 亿美元；7 月又出现员工通过伦敦证券交易所 Private Securities Market 出售约 8,500 万美元股份的交易。前者提供规模化研发和部署资金，后者为长期人才提供流动性，二者都比单次产品发布更接近公司基础设施建设。14 15 16

两家公司放在一起看

观察维度	Agility Robotics	Wayve
技术主线	Cognition、Skills、Controls 分层，底部是全身控制、强化学习与仿真。3	以端到端驾驶模型和 GAIA 世界模型连接感知、预测、行动与安全评估。7
产品验证	Digit 已披露客户现场运行小时数和搬运量，V5 试图突破物理隔离。2 5	GAIA-3 做安全评估，Wayve AI Driver 通过 Nissan、Stellantis 和 Uber 进入车型、车队与城市网络。11 13
资本与人才	SPAC 交易、RoboFab 和 Foxconn 关系把重点放在制造与现金可见度。4	Series D、Wayve Labs 和 3D 视觉人才把重点放在模型、研究和平台扩张。9 10
下一道门槛	V5 能否在共享空间稳定运行，并把订单承诺转为收入与复购。	伦敦 robotaxi 能否获批并稳定运营，OEM 集成能否跨市场复制。

两家公司都需要真实世界数据，但数据闭环的载体不同。Agility 的数据来自机器人身体在具体岗位上的反复失败和修正，规模化先取决于安全、制造和部署服务；Wayve 的数据来自车辆行驶、仿真评估和不同车型的集成，规模化先取决于模型能否由 OEM 和车队复用。对前者，工厂是生产瓶颈和数据来源；对后者，车辆与城市是评估环境，伙伴网络是分发渠道。

全行业快讯｜7 月 13 日至 20 日

人形机器人与头部公司

现代汽车拟全资控股 Boston Dynamics。 现代汽车集团 7 月 16 日披露，计划以约 5,000 亿韩元收购软银持有的 Boston Dynamics 剩余约 10% 股份。现代称，计划从 2028 年起在佐治亚州工厂部署 Atlas，先做零件排序，2030 年扩展到部件装配。17 18
小鹏把 Iron 的量产节奏前置到全球推广之前。 CnEVPost 7 月 16 日报道，小鹏计划在 2026 年底把 Iron 月产能提高到 1,000 台以上，2027 年第一季度先在中国门店部署销售助理，再扩展到海外门店。报道还提到，何小鹏自 6 月起亲自负责机器人业务。19
智元机器人把新品、现场运行和工厂部署放在同一场展示里。 AGIBOT 在 WAIC 2026 发布 A3 Ultra、X2 Edu、G2 Max 和 OmniHand 3 Ultra-M，并称超过 60 台机器人在会场提供导览和演示；其官方文章还披露，G2 已在龙旗科技平板质检产线部署，36 小时完成集成，连续运行超过 64 小时。20

工业、服务机器人与具身模型

安川和软银验证 VLA 处理柔性线束。 双方用安川 MOTOMAN NEXT 操作不同形状、不同位置的线束，视觉信息和任务指令共同生成动作；训练与评估平台接入 NVIDIA Cosmos 和 Omniverse。线束是典型的变形物体，这条信号的意义在于工业操作从固定治具向更难建模的对象移动。21
ACE ROBOTICS 发布 Kairos 3.1 和三类商业方案。 公司在 WAIC 2026 发布动作导向世界模型 Kairos 3.1、数据采集系统 Ambient Capture Engine 2.0，以及即时零售、酒店洗衣和户外服务方案。公司称，8B 模型在 Jetson Thor 上以 BF16 精度实现 125 毫秒推理，并规划一年内扩展到 1,000 个零售点。22

自动驾驶与具身交叉

字节跳动被报道正在探索自动驾驶，但公司回应收窄了结论。 CnEVPost 7 月 13 日援引媒体和匿名信源称，项目由 Seed 世界模型团队牵头，方向包括无人配送；字节跳动回应称，前沿大模型探索包括物理 AI，但没有建立智能驾驶业务的计划。当前可以确认的是研究与人才接触线索，不能写成字节跳动已经正式进入自动驾驶。23
Apollo Go 将进入哈萨克斯坦。 百度 Apollo Go 与 Turlov Private Holding 签署战略合作协议，探索在哈萨克斯坦引入自动驾驶出行服务。CnEVPost 报道称，这是 Apollo Go 进入中亚的第一步；截至 2026 年 4 月，Apollo Go 累计提供超过 2,200 万次公众出行服务。24
Waymo 的重大活动运营问题转化为监管压力。 旧金山市长 Daniel Lurie 致函加州交通部门，要求 Robotaxi 具备及时移除堵塞车辆、实时调整路线、共享运营数据以及应对大型活动人流的能力。导火索是 7 月 4 日烟花活动期间部分 Waymo 车辆在拥堵中停滞。25

融资与人才

中国人形机器人公司继续把 IPO 当作扩产工具。 CNBC 7 月 13 日报道，逐际动力完成 2 亿美元 Pre-IPO 轮融资，投后估值约 150 亿元人民币，并准备 IPO；报道同时称，宇树科技已获得科创板 IPO 注册批复，计划募资约 42.02 亿元。融资并不等于产品成熟，但在供应链和量产投入都需要现金的阶段，上市安排会直接改变公司扩产速度与信息透明度。26

接下来该盯什么

对 Agility，最值得核对的是三件事：SPAC 交易何时完成，公开财务中收入和现金消耗如何变化，Digit V5 是否真正进入人与机器人共享的工作空间。对 Wayve，观察点是伦敦 robotaxi 的审批与实际运营、Nissan 和 Stellantis 的车型集成，以及 Wayve Labs 的研究是否出现跨自动驾驶之外的可复现实验。

这两条线共同指向一个更实用的判断标准：具身智能公司的进展，最终要落到真实环境里的运行时间、失败处理、安全边界、制造或部署成本，以及这些数据能否被下一批客户复用。Demo 仍然重要，但它只能说明系统在某个时刻完成过一次动作。

从仓库到道路：Agility 与 Wayve 的具身智能扩张路径