日冕开物×远图发布"超级工站"：物理AI半小时换线，服务器制造先跑万台级

WAIC 2026期间，一家成立仅4个月的具身智能公司与全球服务器制造龙头签署战略合作，目标万台级部署。物理AI的商业化闭环，正在从"造模型"转向"造产品"。

一、半小时适配新环境：超级工站在WAIC现场跑通了

2026年7月，WAIC 2026开幕当天，日冕开物在展区演示了一套让现场观众驻足的场景——一台搭载自研世界模型的机械臂，在断电数小时后重新通电，仅用30分钟就完成了对新环境的完全适配，自主完成服务器主板上精密元件的识别、抓取和装配。

这不是一次实验室里的受控演示。展馆的光照、温度、空间布局在当天频繁变化，设备本质上进入了"全新场景"。当天下午4点半通电，5点完成全部适配——这就是日冕与远图联合发布的"超级工站"的实战表现。

超级工站的定位很明确：搭载日冕自研LaMPA世界模型的软硬一体工业智能系统，不是替代某个工序的自动化设备，而是能理解物理环境、自主规划任务、持续学习进化的标准化能力单元。

二、从LaMPA到超级工站：一条不一样的技术路线

日冕的技术底座是LaMPA（Latent Masked Predictive Architecture）——一套具身原生的隐式掩码预测架构世界模型。与当前主流的VLA（视觉-语言-动作）路线不同，LaMPA的核心思路是让机器人"理解"物理规律，而不是学习表象映射。

具体而言，LaMPA构建了三重表征体系：

• Environment环境表征：让模型理解所处空间的位置、关系和结构
• Ego自我表征：统一抽象导航移动、机械操作、本体控制三大能力
• Experience先验表征：积累物体属性、可供性和专家知识

三类信息共同构成机器人理解物理世界的隐空间，模型在此基础上学习因果关系、预测未来状态、生成控制策略。用日冕创始人肖中阳的话说："大语言模型把自然语言转成Token，机器人也需要一套描述物理世界的'语言'。"

超级工站之所以能半小时换线，正是因为强化学习所需的奖励函数和专家策略全部由LaMPA直接生成——不是人工调参，而是模型基于物理理解自动生成适配方案。

三、为什么是服务器制造？

超级工站的第一个落地场景选择了服务器装配与测试。这不是随机选择，而是经过产业判断后的精准切入。

服务器制造是当前工业领域最具代表性的复杂装配场景之一。一块服务器主板上密集排列着芯片、接口和大量精密元件，机器人需要识别不同型号零件、保证抓取位置与力度、完成精密装配和线缆连接。传统自动化设备面对多型号、小批量、高变化的生产环境时柔性能力不足，而人工操作又面临效率瓶颈和一致性风险。

合作方远图是全球服务器制造龙头，总部位于东莞，依托"算、网、存、管"全栈产品体系，覆盖AI服务器、通用服务器、交换机、超节点、液冷机柜五大品类。远图制造高级总监晏飞龙此前接受媒体采访时透露，其AI服务器整机交付周期已压缩至48小时，远快于行业平均的两周。

日冕提供物理世界基础模型和机器人系统，远图提供真实制造场景和产业经验——一端是技术，一端是场景。双方计划2027年率先完成百台级超级工站部署，后续向万台级推进。

四、不只是替代人工，而是建立数据闭环

超级工站的价值不只是"替代某个工位的人"。更关键的突破在于工业级数据体系的构建。

工业具身智能数据不同于互联网数据——它不仅包含视觉信息，还涵盖机器人操作轨迹、力觉反馈、触觉信息、工艺经验和质量结果等多维数据。双方将共同建设覆盖服务器制造全流程的工业级具身数据体系，包括：

1. 生产伴随式数据采集：在不影响生产节拍的前提下持续采集多模态数据
2. 工业具身数据治理平台：清洗、对齐、标注、评估与权限管理
3. 精细操作数据资产库：沉淀装配、插接、线缆操作等典型任务数据
4. 仿真数据生成管线：基于世界模型驱动的数据增强

远图CEO邓治国表示："真实产线产出高质量数据，数据反哺具身智能算法和模型的迭代，模型升级进一步驱动生产效率提升——这是一条正向循环路径。"

这也是日冕选择服务器制造作为首发场景的深层逻辑：足够复杂、足够标准化、数据密度足够高，一旦跑通，复制空间巨大。

五、成立4个月就谈商业化Scaling

值得注意的是，日冕开物成立于2026年3月，到WAIC亮相时仅4个月。但其团队并非新手——创始团队均为清华自动驾驶背景，曾主导行业首批智驾世界模型的研发和落地。

创始人肖中阳博士曾主导交付智驾行业首个复杂交互场景世界模型，已搭载超过70万辆蔚来汽车；基座模型负责人钟元鑫博士是"华为天才少年"，主导了华为新一代智驾世界模型基模设计；后训练负责人王云龙博士曾在智元机器人推动行业首批进厂打工项目落地。

公司已完成连续两轮种子轮融资，合计金额达数亿元，投资方包括鼎峰科创、远图未来、百度风投、沃岳峰科创、万林国际。远图不仅是合作方，也是投资方——这种"场景+资本"双重绑定的合作模式，在具身智能领域并不常见。

六、对智造行业的启示

日冕×远图的超级工站案例，折射出物理AI商业化的几个关键转向：

从"造模型"到"造产品"：超级工站不是卖模型API，而是交付标准化的软硬一体系统。工业客户需要的是能直接嵌入产线的解决方案，不是需要大量集成的技术组件。

从"demo驱动"到"场景驱动"：半小时换线的核心不是参数好看，而是解决了工业客户最痛的柔性制造问题——换型号、换产线、换环境，机器人能不能快速适应。

从"替代人工"到"数据闭环"：真正的壁垒不在于某一次操作的精度，而在于数据飞轮的转速。谁先建立起高质量的工业操作数据库，谁就能在后续的场景扩展中占据先发优势。

当具身智能行业还在讨论Scaling Law时，日冕已经开始讨论产品和商业化如何Scaling了。万台级部署目标能否实现尚需时间验证，但至少，物理AI从实验室走向产线的第一步，已经有人在跑了。

---

常见问题

一、超级工站是什么？跟传统自动化设备有什么区别？

超级工站是日冕开物与远图联合打造的软硬一体工业智能系统，核心是搭载LaMPA世界模型的机器人工作站。与传统自动化设备相比，最大区别在于"自适应能力"——传统设备换型号需要重新编程和调试，超级工站通过物理世界理解能力，可以在30分钟内完成新环境适配，无需工程师长期驻场。

二、LaMPA世界模型跟VLA路线有什么本质不同？

VLA（Vision-Language-Action）路线本质是通过视觉+语言指令映射到动作，学习的仍然是表象关联。LaMPA构建了三重物理表征（环境、自我、经验），让模型理解物理世界的因果关系而非表面模式，目标是让机器人真正"理解"物理规律，从而具备跨场景泛化能力。

三、为什么选择服务器制造作为首发场景？

服务器制造是工业领域最复杂的装配和测试场景之一——精密元件密集、多型号小批量、装配精度要求极高。这个场景一旦跑通，能力可以复制到更多泛制造业场景。同时，远图作为全球服务器制造龙头提供了真实的产线条件和规模化部署空间。

四、万台级部署目标现实吗？时间表是怎样的？

双方计划分阶段推进：2027年率先完成百台级超级工站部署，验证商业模型和技术稳定性；后续逐步向万台级推进。考虑到服务器产业的庞大体量和远图的制造规模，如果单站验证成功，规模化复制的天花板确实很高。

五、日冕成立才4个月，团队背景靠谱吗？

创始团队均为清华自动驾驶博士，曾主导蔚来70万辆级智驾世界模型交付、华为新一代智驾基模设计。已完成数亿元种子轮融资，投资方包括百度风投、远图未来等。团队有从模型到量产的完整经验，不是纯实验室团队。

六、超级工站的商业模式是什么？

日冕交付的不是单一模型或硬件，而是包含模型、硬件、训练系统和Workflow Agent的标准化产品。Workflow Agent负责连接模型与工厂生产流程，让机器人与现有设备、人员协同工作。目标是客户不需要日冕工程师长期驻场，通过少量后训练即可完成部署。