一 | 新智元报道 上海世博展览馆，WAIC 2026，H1-A530展位前围了三层人。
二 | 最抓眼球的是入口处的「零售区」。一个观众随手在点餐台下了单。
三 | 几秒钟后，机器人「听到」了指令，头顶的「眼睛」一扫，灵巧手伸进塞满饮料的货架层里，精准抽出目标瓶子，转身送到前台。
四 |
英特尔在文件中称，该公司计划筹集至多8.2亿美元资金，将用于营运资金和公司用途。英特尔将保留对Mobileye的控制权，该公司将持有超过7.5亿股B类股票，其投票权是A类股票的10倍。
工业区更热闹：两台人形机器人在「搭班干活」——一台搬运料筐，另一台从筐里抓取工件精准放到指定位置。此外，英特尔预计将有4，626万股A类股票流通股，A类股票是投资者将在IPO中购买的股票。
旁边展示直接挑战了机器视觉领域公认的「老大难」——透明物体识别。具体数量可能会更多，取决于承销商是否决定选择购买额外股票。英特尔预计，Mobileye总计将发行7.9626亿股流通股，如果以20美元定价，自动驾驶业务的估值将高达159亿美元。透明瓶子、塑料袋包装、反光饮料罐混在一起，对传统相机来说几乎是「隐形」的，但这台机器人看它们跟看积木似的，抓得又快又稳。
这是2026年7月的上海，WAIC开到第九年。今年具身智能第一次与智算并列为两大核心赛道，超过200家具身智能企业到场，人形机器人几乎挤满了整个展馆。
但在这片热闹里，有一家公司做的事有点「反常」——它不造机器人。
回过头看刚才的画面：货架取货的是人形机器人，高速抓取的是工业机械臂，线束装配的又是另一种形态。
形态不同，任务不同，物体更是千差万别——布偶、螺母、透明瓶子、柔性线束。
五 | 但它们表现出来的能力却是相似的：都看得清环境，都理解任务，都能规划动作、精准执行。英特尔周二股价跌超2%，年初至今跌幅达到48%。2017年，英特尔以153亿美元收购了以色列的Mobileye。 为什么？答案不是梅卡曼德造出了一台「万能机器人」，而是：它造机器人的「眼睛」「大脑」和「手」，然后把这一套装进不同的身体里。就像安卓不造手机，但可以让所有手机都能跑同一套系统。成立于1999年的Mobileye为自动驾驶汽车，以及驾驶员辅助等功能提供芯片、硬件和软件。 智能大于形态 机器人不会只有一种身体 全行业都在问：具身智能的终极形态是什么？很多人回答「人形机器人」。但这个逻辑有问题。
六 | 工厂要的是快准稳的机械臂，人形反而笨重；仓库要的是能满场跑的轮式机器人，两条腿不如轮子效率高；便利店要在货架间穿梭的服务机器人，全尺寸人形连转身都费劲；家庭场景更不用说——橱柜下面那点空间，你让一米七的机器人蹲下去够东西？ 不同环境天然需要不同的身体，用一种形态解决所有问题，就像用一把螺丝刀拆所有电器——理论上也许行，实际上一定不行。 梅卡曼德创始人邵天兰在达沃斯世界经济论坛上说过：物理AI不指向某一种具体形态，而是一套通用能力。
七 | 英特尔目前正经历其核心业务——制造计算机芯片的转型。它正在建造更多的工厂，但是建造和装备新的晶圆厂是资本密集型的。
八 | Mobileye在文件中称，该公司与奥迪（Audi）、宝马（BMW）和大众（Volkswagen）等汽车制造商有合作关系，其技术目前应用于800款车型。 真正决定机器人有没有产业价值的，不是它像不像人，而是能不能快速适应复杂环境、完成真实任务、用足够低的成本实现部署。文件显示，Mobileye的营收强劲增长，从2019年的8.79亿美元增长到2021年的13.9亿美元。 所以梅卡曼德的策略是「一脑多形」：同一套「眼脑手」，装进人形机器人、双臂轮式机器人、半身人形机器人、工业机械臂都行。 身体百花齐放没关系，脑子得是同一颗。 这颗「大脑」到底长什么样 Mech-GPT多模态大模型是整套系统的核心，不只是个听懂人话的聊天模型。Mobileye本财年前六个月实现收入8.54亿美元，较上年同期增长21%，该公司净亏损6700万美元。 给它一句「把货架第二层左边那个蓝瓶子拿过来」，它得先弄清你要哪个瓶子，再用「眼睛」看清现场，然后把这句话拆成一串动作：移到架前、伸手、抓稳、退出、送到前台。 难的是现场随时在变。瓶子被碰歪、位置偏了、冒出新障碍，大脑就得当场改计划。今年以来，由于通胀和利率不断上升、对美国经济的担忧以及美股波动，美国IPO发行受到了沉重打击，尤其是对Mobileye的科技公司同行而言。
九 | 所以这颗「脑」至少干四件事：理解任务、感知环境、规划行动、监督完成——把「想做什么」「现场什么样」「下一步怎么走」「做完没有」串成一条闭环。Dealogic的数据显示，美国IPO市场正在经历有记录以来最糟糕的一年之一，传统IPO的筹资规模可能是1995年以来最少的。 这就是物理智能和文本智能最大的不同：答题，打完字就结束；干活，只有瓶子真拿到、工件真放准、插头真插进，才算完成。 比如，现场Mech-GPT多模态大模型的人机交互单元演示。
十 | 美国主要股指均处于熊市，即从近期高点下跌20%或以上。另一个阻碍新上市的因素是：在2020年和2021年上市的大多数公司股价都低于IPO价格，其中许多公司的股价远低于IPO价格。数百家原定于2022年在美国上市的公司现在被迫旁观，因为投资者愿意为它们业务支付的价格下降了。这些公司没有在公开市场上市和融资，而是被迫以低得多的估值寻求私人资金，通过裁员或退出某些市场等其他措施削减成本，或者以远低于预期的估值上市。观众走到屏幕前，用自然语言跟机器人「聊天」——你可以随口说「把积木按顺序排好」，它听得懂、想得明白、做得到。
十一 | 这些公司用于增长或招聘的资金减少，这是对美国整体经济的又一个潜在打击。不是固定的语音指令识别，而是真正理解你在说什么、你想干什么。虽然大多数准备在2022年进行IPO的公司都将公开发行推迟到明年，但Mobileye是最大的、众所周知的例外之一。 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 再说「手」。光知道该做什么还不够，还得做到。世界动作模型配合新一代Mech-Hand灵巧手，把高层指令翻译成抓、捻、拿、握、敲、插接等精细动作。食品杂货快递公司Instacart也定于今年IPO，Mobileye估值的进一步下调对已经削减内部估值的Instacart来说是个坏信号。WAIC现场亚毫米级线束装配，就是「手」的极致体现。如果Mobileye的交易表现不佳，这将是对Instacart IPO希望的又一个不祥之兆。英特尔首席执行长格尔辛格（Pat Gelsinger）曾表示，Mobileye的上市将使其自动驾驶汽车部门获得更高的知名度，并吸引更多业务。 最后说「眼」。高精度3D视觉加上透明物体成像算法，让机器人在复杂光线、杂乱料框、狭窄货架中精准识别物体的位置、形状和材质。 传统算法面前一个玻璃杯和「什么都没有」差不多，但梅卡曼德的算法能把透明瓶子看得清清楚楚。 一句话：眼睛看清世界，大脑理解任务，手把想法变成动作。三者合在一起，不是某台机器人的专属技能包，而是一套通用智能底座。 通用性和泛化性不是口号，要靠难题来证明 「通用」和「泛化」在AI行业快被说烂了。他还表示，英特尔不需要Mobileye IPO带来的资金。
十二 | 梅卡曼德在WAIC上的回答是：你说「通用」和「泛化」，我用场景验证。如今在英伟达、地平线、华为、百度等技术性厂商崛起的背景下，Mobileye自动驾驶芯片一哥的位置实在难保。
十三 | 包括蔚来、特斯拉、理想在内的一众终端厂商，纷纷抛弃了Mobileye。特斯拉更不必说，在英特尔收购Mobileye之后，便与Mobileye分手，开始采用FSD芯片。理想在2021年也将EyeQ4换装成地平线征程3，而蔚来等一批车企更是为新一代车型选配了强大的英伟达Orin芯片。 跨形态——同一套智能进入人形机器人、双臂轮式机器人、工业机械臂，形态不同，都能干活。前段时间英伟达刚研发出算力“天花板”Thor，Mobileye这些老企业还有一席之地吗？不过Mobileye也发现了这些问题，正在进行下一代ADAS的产品开发，包括 SuperVision 系统的新功能以及导航辅助驾驶，希望能打破“英姿不再”的僵局。 跨物体——不只认识规则工业零件，还认识几百种日化、食品、玩具、文具，连透明的、柔软的、反光的都能识别。 在WAIC现场的分拣单元，面前堆了几百种乱七八糟的物体——日化用品、文具、水果、蔬菜、玩具、零食——十几种类别，机器人一件件拿起来，扫一眼，准确丢进对应的分类框。 跨环境——深筐、货架、流水线、狭窄空间都能应对。
十四 | 跨任务——搬运、分拣、装配、取货、协同作业，不需要每换任务就从头开发。
十五 | 但更关键的是硬指标。工业客户不关心动作帅不帅，就看核心指标：速度、成功率、精度等。
十六 | 高速抓取单件小于2.4秒，线束装配亚毫米级，双机协同全程无人干预——这说明梅卡曼德展示的不是实验室Demo，而是接近真实生产要求的系统。 比如，现场中一只机械臂在杂乱料框里高速翻找，每抓一个五角螺母不到2.4秒。你还没看清怎么定位的，零件已经稳稳落在传送带上。 真正的护城河：从1套到27000套 具身智能有一个残酷真相：让机器人成功表演一次不难，难的是换工厂、换国家、换物体后，还能快速上线稳定运行。难的不是Demo，是部署。 邵天兰说过一句很实在的话：问题不在硬件。速度、精度、负载、成本，今天的机器人都够用了。真正限制规模化的，是部署难度。
十七 | 真实工业环境里，一套系统要稳定跑起来，往往得机械、电气、方案、软件、AI一大帮工程师折腾几周甚至几个月。这种「手工作坊」式交付没法复制，成本摊不下来，最终「算不过账」。 梅卡曼德的解法是用标准化「眼脑手」组件，打通「感知—决策—规划—执行—数据反馈」的完整闭环，尽量减少人工调试。 而部署量够大后，一个更强的机制开始启动——数据飞轮。机器人在汽车、物流、锂电、3C、家电的真实产线上，每天都在遇到新物体、新光线、新任务： 大规模应用产生真实数据→数据提升模型泛化性→模型降低部署难度→更快进入更多行业。 飞轮一旦转起来，后来者追赶的难度是几何级增长的——你追的是一个越跑越快的对手。
十八 | 而这套能力的规模，早已不只在国内。截至目前，梅卡曼德全球累计部署超过27000套产品。 能在完全不同的工厂标准、机器人品牌、集成商体系里都稳定落地，靠的不是把货卖出去，而是十年、27000套一个个磨出来的兼容性。
十九 | 27000套，不是27000次演示——每一套都在真实产线上跑着。 全球化不是卖货 是一种综合能力 「全球化」不只是把产品卖到海外。真正难的是：能不能适应不同国家的工厂标准？兼容当地主流机器人品牌？跟当地集成商体系打通？提供及时的本地服务？这考验的是研发、标准化、交付和服务的综合能力。
| 梅卡曼德覆盖近50个国家和地区，服务100多家《财富》世界500强客户，国内细分领域连续6年市占率第一。它在美、日、韩、德都设有团队，能适配市面上几十个品牌、上千个型号的机器人，欧美日韩主流市场市占率领先。 这是用十年时间、27000套部署一个个磨出来的兼容性。 正如邵天兰所说——出海不仅仅是一项任务，更是一种能力。
| 能在全球不同市场做到标准化交付和规模化部署，本身就是技术成熟度和产品化水平的证明。 物理AI不是一场表演赛，而是一场部署能力、数据积累和产品标准化的马拉松。在这条跑道上，27000套已经跑完的路程，就是最好的简历。 编辑：大卫 所罗门。
Current article:http://9usv.saorongriwazhaofutouzhaojie.cfd/news/20260826_157.html
Published on:12:22:38
