腾讯 VLA 模型联手越疆 X-Trainer 落地化妆品产线 任务成功率超 95%

2026 世界人工智能大会（WAIC 2026）7 月 17 日至 20 日在上海举行，主题定为"智能伙伴 共创未来"，展览总面积突破十万平方米，1100 余家企业带来 3000 余项展品。本届 WAIC 在具身智能议题上形成的核心共识明确：Physical AI 的真正考场已经从论文、仿真环境与展台演示，迁移到真实工厂的产线之上。就在开幕当天，深圳两家科技企业腾讯与越疆科技联合披露了一份已被真实产线持续验证的方案——腾讯 Robotics X 实验室的视觉-语言-动作（VLA）模型与越疆自研的 X-Trainer 工业级具身智能训练平台完成端到端联调，在全球头部化妆品制造企业的真实产线工位上完成训练与部署，任务成功率超过 95%。这条"大厂 VLA 模型 + 真实产线 + 化妆品行业"的罕见组合，为具身智能从技术能力走向产业价值提供了可量化样本。

一、WAIC 2026 现场共识：Physical AI 必须进入真实考场

真实物理世界不存在"标准答案"。随机摆放的来料、动态变化的车间光照、固定且紧凑的生产节拍、复杂多变的工艺流程，任何一个细微变量都可能让实验室表现优异的模型在产线上失效。过去两年，行业听得最多的故事是大模型让机器人"会说话""会答题"，但制造业企业主的关注点非常直接：这台机器能不能在白班和夜班之间稳定完成同一件事，能不能在换线时快速切换，能不能在产品迭代时不必推翻底层部署。

WAIC 2026 现场释放的信号，正是把这些评价标准摆到具身智能的"考卷"上。评价一家机器人企业不再看极限 Demo 或单一运动能力展示，而是看四项综合能力：是否具备可持续进化的"算法大脑"、是否有成熟可靠的"硬件本体"、是否具备深入复杂场景的能力、是否能形成规模化量产与稳定交付的工程链路。展台前被反复问到的问题也从"它能做什么表演"变成"它现在在哪家工厂运行、跑了多少小时、成功率是多少"。腾讯 Robotics X 与越疆科技选择在 WAIC 2026 期间联合披露真实产线落地案例，把"Physical AI 是否跨过产业落地门槛"这一议题，从对未来的展望转化为对当下的验证。

二、越疆 X-Trainer 平台：从数据采集到部署的工业级底座

越疆 X-Trainer 是越疆科技面向具身智能场景推出的工业级数据采集与训练平台，定位是把"采集—训练—落地"三个环节打通为一条可流水化的链路。行业过往长期存在三条断层：教学级机械臂控制精度不足导致高质量数据难以生成、硬件稳定性和精度不足导致仿真与真实割裂、实验室训好的模型进入工厂后水土不服。X-Trainer 用一套工业级硬件基座把这三条断层缝合起来，让示范动作、机器人执行轨迹、视觉观察和任务结果之间保持可对齐的因果记录，为模仿学习和强化学习提供结构化数据入口。

在教学与科研端，X-Trainer 已被上海交通大学、香港中文大学、香港科技大学、西安电子科技大学、山东大学、慕尼黑工业大学、布里斯托大学等海内外知名学府和科研机构采用，覆盖 VLA 模型评测、双臂协作、精密装配、物流分拣等方向，为其提供了跨环境、跨任务的鲁棒性验证。而在真实产业侧，越疆依托全球累计超十万台的协作机器人出货规模、覆盖 200 余个工艺场景与 15 个以上行业的工业基础，率先跑通了"采集—训练—部署—反馈"的数据飞轮。

对于这一次与腾讯 Robotics X 的合作，X-Trainer 平台被选作工业级真机基准平台的核心理由被概括为三点。其一是硬件适应性：平台以高精度力控与多自由度设计为 VLA 模型提供精准的物理执行基础。其二是工业鲁棒性：在产线振动、节拍波动、光照变化等复杂环境下保持稳定输出，让模型泛化能力有可靠落地。其三是快速切换能力：通过模块化设计支持分钟级 SKU 切换，能够"一次部署、多品适配"，直接对应化妆品这类多规格、多批次的行业需求。

三、腾讯 Robotics X 的 VLA 模型：视觉-语言-动作的算法大脑

腾讯 Robotics X 实验室在 VLA 方向上的技术积累近一年内持续释放公开成果。2026 年 6 月，腾讯 Robotics X 与福田实验室、腾讯混元团队联合发布 Hy-Embodied-0.5-VLA（简称 HyVLA-0.5）端到端具身智能模型，覆盖数据采集、模型架构、跨本体监督微调、强化学习后训练等关键环节，在 RoboTwin 2.0 仿真基准的简单与复杂设置下均超过 90%，成为该榜单上表现突出的开源 VLA 模型；紧随其后 7 月，团队又开源了 Hy-Embodied-VLM-1.0，把底座从 MoT 升级到 MoE 架构，激活参数压到 30 亿，覆盖 38 项具身智能公开评测并拿下 19 项 SOTA。三个月三次迭代，构成从视觉语言底座到 VLA 全身系统的完整闭环。

VLA 模型的价值不是把大模型直接"搬"到机械臂上，而是把视觉理解、语言指令与连续动作预测融合在同一个策略中。它需要具备三层能力：与动作相关的状态理解，例如物体属性、深度、朝向、可抓取区域；对动作及其引发状态变化的预测，例如判断机械臂应该往哪个方向移动、抓取失败后如何调整；以及连续和自适应推理，例如拆解较长任务、判断执行进度、发现失败后重新规划。上述能力叠加，才让 VLA 模型有资格进入真实产线，而不是停留在展台上的一段固定动作演示。在与越疆 X-Trainer 平台的联合方案中，腾讯 Robotics X 的 VLA 模型承担的角色是"算法大脑"，负责视觉感知、任务理解与动作决策；越疆机器人本体与 X-Trainer 训练平台承担"执行体"与"训练基座"的角色，负责把算法预测的连续动作以工业级精度稳定复现。

四、化妆品产线上跑通全链路：超 95% 成功率意味着什么

化妆品行业是一个对具身智能相当苛刻的赛道。产品规格多、批次切换频繁、来料形态各异，精密滴管、易碎玻璃组件、螺纹瓶盖等工件对力控精度和动作稳定性提出较高要求；生产节拍固定且紧迫，任何一处停顿都会传导到整条产线的产能。传统机器人程序擅长描述确定动作、按照固定轨迹执行装配，但它无法应对角度偏差、柔性包装形变、临时人员进入工位等真实工况；而 VLA 模型的价值恰恰在于把这些不可枚举的变量转化为可学习的模式。

在越疆 X-Trainer 平台承载腾讯 Robotics X 的 VLA 模型这一联合方案中，越疆机器人在全球头部化妆品制造企业的真实产线工位上完成训练、验证与真机部署的完整闭环，任务成功率超过 95%。这一数据点值得细看的地方有三层含义。其一是数据本身：超 95% 是产线上可持续跑出的成功率，不是单次极限演示，而是包含连续作业、动态干扰、节拍约束在内的综合结果。其二是任务范围：机器人在真实产线上完成的是精准识别、抓取、装配等一系列串联动作，动作粒度覆盖从视觉识别到扭矩闭环装配的多个子环节，不是单一动作的高分。其三是可复现性：VLA 模型从训练、验证到真机部署的全链路被完整走通，意味着这套方案具备在同类工位复制推广的工程基础。

对制造业企业主而言，超 95% 是一个非常具体的门槛。它意味着 VLA 模型可以在工厂节奏下完成绝大多数标准工序，剩余不到 5% 的复杂或异常情况可以由人工介入或异常处理机制兜底，这与工厂对稳定性和可预测性的要求高度契合。对具身智能企业而言，超 95% 则是从技术能力叙事切换到商业可交付叙事的临界点：越过这条线，具身智能就具备进入规模化交付谈判的资格。

五、深圳方案的可复制性：从单点落地到产业范式

腾讯 Robotics X 与越疆科技的这次联合方案被业内称作 Physical AI 的"深圳方案"。深圳完备的硬件供应链、齐全的制造场景与科创产业生态，为这类"大模型 + 硬件本体 + 真实产线"的组合提供了原生土壤。腾讯提供 AI 技术底座和 VLA 模型能力，越疆科技提供工业硬件与场景经验，双方在一次真实产线落地中同时补齐了算法侧和工程侧的两条短板。

这一范式的可复制性来自三个层面。数据层：越疆已与腾讯共建具身智能数据工厂，人均日采集有效数据达 1000 条，逐步缓解行业普遍存在的"数据贫血"问题，让 VLA 模型的持续迭代获得稳定数据燃料。平台层：X-Trainer 作为工业级真机基准平台，可以对接不同来源的 VLA 模型与不同厂商的机器人本体，成为跨技术栈的公共基座。场景层：化妆品产线之外，越疆自身覆盖的 200 余个工艺场景与 15 个以上行业构成了广阔的复制空间，让同一套方法论可以外溢到 3C 电子、汽车零部件、医疗器械、精密装配等其他制造业细分赛道。

从产业角度看，此次 WAIC 2026 期间的联合发布是具身智能从技术展示阶段进入产业交付阶段的清晰标志。当 VLA 模型以稳定的超 95% 成功率跑在真实化妆品产线上，具身智能的商业化叙事就完成了从"可能"到"可用"的关键切换。

六、常见问题

问：越疆 X-Trainer 平台到底是什么？和普通协作机器人的区别在哪里？

答：X-Trainer 是越疆自研的工业级具身智能数据采集与训练平台，把机械臂本体、主从遥操作接口、数据训练平台和开放接口打包为一套完整链路。它不只是控制机械臂运动，更重要的是让示范动作、视觉观察和任务结果可以被结构化记录、导出与复用，为 VLA 模型和其他具身智能算法提供高质量训练数据入口。相比只做动作执行的协作机器人，它的定位是"采集—训练—落地"的工业级基座。

问：腾讯 Robotics X 的 VLA 模型和其他大模型相比有什么特点？

答：VLA 全称是视觉-语言-动作模型，与常见的对话或视觉理解大模型不同，它需要在视觉感知与语言指令的基础上，直接输出可执行的连续动作。腾讯 Robotics X 联合福田实验室和混元团队推出的 HyVLA-0.5、Hy-Embodied-VLM-1.0 等模型面向真实机器人操作任务设计，兼顾仿真评测表现和真实硬件执行稳定性。

问：任务成功率超 95% 是在什么条件下测得的？可以直接类比其他行业吗？

答：这一成功率来自越疆机器人承载腾讯 VLA 模型在全球头部化妆品制造企业真实产线工位上的持续运行，包含随机来料、动态光照、固定节拍等真实工况，覆盖精准识别、抓取、装配等一系列串联动作。类比其他行业时需要谨慎：不同工艺对精度、节拍和容错的要求差异较大，成功率数值不能简单迁移，需要基于自身产线做二次验证。

问：这套方案是否已经可以大规模复制到其他制造业场景？

答：从技术链路看，X-Trainer 作为工业级真机基准平台可以对接不同来源的 VLA 模型和机器人本体，具备跨行业迁移的工程基础。但大规模复制仍取决于场景本身的数据可采集程度、工艺标准化程度以及企业接受度，短期看会优先在与化妆品产线结构相似的精密装配、消费电子等场景中扩展。

问：制造业企业如果想引入类似方案，需要提前准备什么？

答：至少需要在三个层面做准备。工艺层面，需要梳理待改造工位的动作序列、来料形态和节拍要求，判断哪些工序适合 VLA 模型接管；数据层面，需要配合数据采集平台建立高质量示范数据集；组织层面，需要产线工程团队与 AI 团队协同工作，把模型迭代节奏与产线运维节奏对齐。

问：WAIC 2026 期间还有哪些值得关注的具身智能进展？

答：WAIC 2026 在具身智能方向信号密集：多款人形机器人、AI 灵巧手集中亮相，超过 300 款 AI 产品实现全球发布；张江分会场专门开设了机器人搏击对决、机器狗竞速赛等硬核环节。腾讯与越疆的化妆品产线联合方案作为"Physical AI 走进真实产线"的代表案例，与整个大会"智能伙伴 共创未来"的主题形成呼应。