一、一个反直觉的现象：会卖机器人解决方案的公司，自己不造机器人
2026年10月，当宇树科技还在A股以120倍+市销率、超2500亿元+市值享受着”人形机器人第一股”的聚光灯时，另一家港股公司量化派（02685.HK） 签下了一笔框架协议：向战略合作伙伴车无界提供不超过2000套具身智能解决方案，投放到数千家线下汽车展厅及4S门店，提供迎宾接待、车型讲解、客户互动和线索采集等服务。
这笔订单最耐人寻味的地方在于——量化派并不生产任何机器人硬件。
这家公司给自己的定位是”物理AI基础模型提供商”。说人话就是：宇树们负责造”身体”，量化派负责造”脑子”。机器人本体从哪儿来？由合作伙伴提供。场景适配怎么做？由量化派的WAM世界模型和Store Agent来调度。门店运营怎么管？由AI系统来自动排班、巡检、优化和管理。
“传统门店的机器人本质是移动播放器，只能念预设话术，用户问深一点就答不上来。”车无界的CEO任建杰先生在接受采访时直言行业痛点。在他看来，门店未来需要的不是一台能动的机器，而是一个”能听懂客户需求、能回答专业问题、能自主完成销售流程”的智能体。这正是量化派在做的事，所以车无界才选择和量化派合作。
二、2000台机器人订单的背后：从”技术Demo”到”商业订单”的质变
对具身智能行业来说，2026年是一个微妙的分水岭。
上半年，国内人形机器人整机突破400款、产量超4万台，全年有望冲击10万台。工信部、国务院国资委联合开展的2026年度人形机器人与具身智能实景实训专项行动明确要求，年底形成百个以上高价值应用场景。十五五规划首次将具身智能作为独立方向写入。政策、资本、产能三线齐发，赛道热得发烫。
但热归热，一个尴尬的事实是：绝大多数具身智能公司还在”炫技”阶段。
翻一番行业新闻，会发现各类机器人炫技的Demo满天飞——机器人翻跟头、机器人跳舞、机器人做咖啡。但当被追问”这台机器人在真实门店里一天能稳定工作几小时”“遇到突发状况怎么处理”“门店愿意为它付多少钱”时，答案往往沉默。
量化派与车无界的这笔框架协议，之所以值得行业关注，恰恰因为它回答了上述所有问题。
第一，它是真实商业场景的大规模订单，不是实验室Demo。车无界有数千家线下汽车展厅和4S门店的渠道，是一个真实存在、每天都在产生交易和服务的商业网络。2000台的框架上限意味着，一旦首批门店跑通ROI，后续复制有明确的商业路径。
第二，它验证了一套可量化的成本模型。此前，量化派在北京联合餐厅品牌参与的试验店，其运营数据显示：部署”智能店长+人形机器人+自动化设备”三层架构后，单店月人工成本从3.5万元降至2.05万元，假设上述具身智能解决方案的成本在20万元左右，设备回收期仅13-14个月。
“量化派的具身智能解决方案如果从餐饮场景泛化这种能力到线下汽车4S店，证明了其具身智能解决方案的商业化的能力。“我们服务的这些门店每年能节省至少12万元的人工支出。”任建杰先生说道。
第三，它跑通了”框架上限、分批验证、逐笔落地”的商业化节奏。2000台是合同的上限而非承诺，实际交付取决于试点效果。这种谨慎恰恰说明双方在认真做生意，️供需双方的磨合测试，符合商业的底层逻辑和市场的运行规律。
三、技术拆解：一套”大脑”如何同时学会做柠檬茶和卖汽车？
要理解量化派的核心壁垒，需要先理解具身智能行业的一个底层矛盾：机器人本体的通用性和场景需求的特异性之间的冲突。
造一台能在工厂里搬箱子的机器人，和造一台能在4S店里卖车的机器人，本质上不是同一回事。前者的任务环境相对封闭、标准化；后者面对的是开放空间、非标对话、实时变化的客户需求。如果每换一个场景就要从零搭建一套模型体系，商业化成本将高到不可承受。
量化派的解法，是把问题拆成两层：
1.底层是统一的”物理AI大脑”——WAM世界模型+Store Agent。
这套系统负责感知理解、任务规划、运动控制和持续学习。它不care 自己接的是一只机械臂还是一个人形机器人，也不 care 服务的是奶茶店还是汽车展厅。它只负责一件事：把”目标”翻译成”动作序列”。
2.上层是场景化的”知识库+工作流”——注入行业数据就能快速适配。
当这个”大脑”进入餐饮场景，它学会了12步手打柠檬茶的完整流程、22步手抓饼的复杂操作、11步清炒土豆丝的中式烹饪技巧。当它进入汽车展厅，它注入的是车型参数库、销售话术库、客户画像标签。底层模型的泛化能力保证了”学得够快”，场景数据的持续注入保证了”越用越准”。
“和市面上的硬件厂商有所不同，量化派走的是’统一大脑+场景适配’的路线，不需要从零开始搭建模型，注入场景数据就能快速落地。”量化派具身智能解决方案业务负责人说出了量化派和其他机器人公司的关键差异。对车无界来说，这意味着他们不需要等待某个硬件厂商专门为4S店开发一款机器人——只要量化派的”大脑”接入合适的本体和知识库，就能快速上岗。
这种”轻资产、重能力”的技术路线，在具…智能赛道正在形成一股新的势力。
四、赛道分岔：当”造身体”的遇到”造脑子”的
如果把2026年的具身智能赛道画一张势力图，你会看到两条正在清晰分化的路线：
路线A：硬件整机派。
以特斯拉Optimus、宇树科技、优必选为代表。核心逻辑是”先把本体做到极致”——自研关节电机、传感器、控制器，追求运动控制的精度和稳定性，再逐步向场景端渗透。特斯拉已明确Optimus的百万级产能规划，预计2027年底优先向工业场景交付；宇树科技2025年人形机器人出货量超5500台，全球四足机器人市占率接近70%。
路线B：能力方案派。
以量化派为代表。核心逻辑是”场景定义能力”——不碰硬件制造，专注打磨物理AI基础模型与场景适配能力，通过与硬件厂商、场景方合作快速落地。通过自身的物理AI大模型能力，和提供机器人本体的合作伙伴一起，用具身智能解决方案服务类似车无界这样的场景方与渠道方，量化派提供”大脑”与运营系统。
两条路线没有高下之分，但商业逻辑截然不同。
硬件整机派的竞争焦点是”参数”——扭矩、自由度、续航、成本。这是一场典型的制造业竞争，规模效应和供应链管控能力决定胜负。
能力方案派的竞争焦点是”泛化”——一套模型能覆盖多少场景、跨场景迁移的成本有多低、场景数据反哺模型的效率有多高。
这是一场AI公司擅长的战争。
宇树科技创始人王兴兴在2025世界机器人大会上有一个判断：“当前限制人形机器人大规模应用的最大卡点已经不是本体，而是具身智能AI模型不够用。”
背后的潜台词：当硬件产能逐步释放，“大脑”的供给将成为新的瓶颈。而量化派选择押注的，正是这个瓶颈。
五、场景泛化：汽车展厅和4S店只是起点？
对量化派来说，车无界的2000台订单真正的价值，远不止收入本身。
它验证了一个关键假设：底层模型的跨场景复用能力。
从餐饮到汽车零售，任务形态差异极大。前者面对的是物料处理、标准化作业、后厨环境；后者面对的是人际交互、非标准化对话、展厅开放空间。如果量化派的WAM世界模型能够在这两个场景之间快速迁移，理论上它就能迁移到任何线下零售场景——家电卖场、3C体验店、家居展厅、美妆柜台。
它启动了一个数据飞轮。
每一台部署在4S店里的机器人，每天都在产生大量真实交互数据：客户问了什么问题、对哪些车型感兴趣、在什么环节犹豫了、最终是否留下了线索。这些数据回流到量化派的模型训练系统中，会不断优化机器人的语言理解能力、意图识别能力和销售转化能力。机器人用得越多，数据越多；数据越多，模型越强；模型越强，机器人越好用——这是典型的AI正向循环。
“我们要的不是一次性交付的固定程序，而是一套能跟着门店一起成长的方案。我们的最终目标是和量化派一起开发和迭代一种自进化机器人，逐步让机器人迭代至可以自主完成在线下销售场景内的各项任务，尤其是一些长程的复杂任务。”任建杰的这番话，本质上描述的就是这个数据飞轮及其可能产生的终局目标。
它打开了一个规模化复制的想象空间。
中国汽车行业的4S门店数量超过3.2万家，还不算各类型的线下混合销售门店。如果2000台的试点证明ROI成立，车无界自身的网络就有足够的复制空间。更重要的是，汽车零售场景跑通后，底层能力可以快速复用到其他高客单价、高服务密度的线下零售场景。量化派具身智能解决方案业务负责人也对合作前景表达了乐观预期：“汽车零售场景跑通了，很多线下销售场景的逻辑都是相通的。”
六、物理AI的ChatGPT时刻，或许比想象中更近
2023年，ChatGPT的爆火让全世界看到了大语言模型的威力。但少有人注意到的是，ChatGPT真正的护城河不是参数规模，而是RLHF（人类反馈强化学习）带来的对齐能力——让它知道什么该说、什么不该说、怎么把回答调整到人类最满意的形态。
物理AI正在经历类似的阶段。
WAM世界模型、运动控制算法、多模态感知——这些”基础能力”各家都在做，差距并没有想象中大。真正拉开差距的，是模型在真实物理环境中与人类交互的”对齐能力”——怎么理解客户的模糊表达、怎么在嘈杂展厅里定位声源、怎么在客户犹豫时给出恰到好处的推荐。
这些能力无法通过仿真环境训练获得，只能在真实场景中反复试错、积累数据、迭代优化。这也是为什么量化派如此重视场景落地：每多一个真实门店，就多了一个”数据矿场”。
从手打柠檬茶的12步精确操作，到汽车展厅里应对千差万别的客户提问，量化派正在用一个个真实场景，训练它的”物理AI大脑”理解这个世界。当这个“大脑”理解得足够深、覆盖得足够广，它将不再局限于某个特定场景，而是成为所有具身智能设备的”通用操作系统”。
到那一天，量化派卖的将不再是2000台解决方案，可能是200万台、也可能是2000万台设备背后的”能力层”。
今天，2000台订单，不过是这个故事的第一章。
（本文基于公开信息整理，采访内容来自车无界CEO任建杰，量化派具身智能解决方案业务负责人。文中技术细节及商业数据均源自企业公开披露及行业研究资料。）