双 11 结束后的物流仓，是检验机器人能不能真干活的考场。今年考场里多了一批新面孔：昆腾动力的具身机器人首次进入菜鸟供应链的双 11 真实作业现场，在称重量方、分拣供包、固定拣选等岗位连续运行。公司同期宣布，已在多个场景完成产品与市场匹配（PMF）验证，累计获得近 5000 台机器人的批量订单，进入规模化获客与交付阶段。
先交代一下这家公司。昆腾动力做的是面向仓储场景的具身机器人，创始人兼 CEO 李强是原菜鸟集团 CTO，在阿里体系十余年，参与建设了国内规模最大的电商物流技术体系。团队另一块履历是千台级 L4 无人车的规模化运营经验。这两个背景决定了它的路径选择：不追求通用人形，而是先把仓库里最耗人的几个工位吃透。
为什么是物流仓先跑通？答案在任务结构。输送线每秒前进 0.3 米，包裹的外形、包装材质、摆放姿态每一项都不同；称重、量方、换单、供包这些动作必须与输送线和业务系统衔接，做完还要跟住节拍，遇到异形件、堆叠和遮挡要能自己停下来重试。这些条件对机器人是压力，但也提供了迭代条件——单次动作失败不会停掉整条产线，可以快速获得反馈、重试、核验或转人工。仓库运营方的验收标准也很硬：成功率、节拍、异常恢复、持续运营，四项都要过。
跨境物流是最先突破的场景，节奏可以还原成一条时间线：今年 7 月启动前期沟通与现场考察，随后在华东、华南推进试点，9 月机器人进仓，10 月开始签署批量采购合同。采购方的判断依据是三点——技术准备度、对物流行业的理解、以及愿不愿意共同投入试点。目前通用双臂机器人已完成称重、供包等岗位的部署验证，供包效率达到每小时 1200 件以上，成功率 99%。
技术上有三处值得记下来。其一是感知与动作策略的联合学习，让机器人适应不同包装、材质、姿态与遮挡条件，不必为每个新件型单独编程调试——这项迁移能力直接决定下一个仓库能否更快上线。其二是异步输入模型：相机、触觉与本体状态各有自己的时序与频率，模型学习其中的时序关系，而不强求对齐，这是应对高动态环境的工程取舍。其三是数据闭环，现场的失败、人工介入与恢复过程全部进入数据集，团队针对高频问题做分析、后训练与回归评测，迭代以天计，并在此基础上搭 Fleet Learning 体系，未来把问题发现与迭代自动化，复用到整个机器人集群。
商业化方面有两条主线。9 月公司与科捷集团签署全面战略合作，联合打造物流具身智能解决方案，首个试点已签约进入实施。有意思的是场景的重新识别：双方最初讨论的是正向拣选，现场梳理后发现鞋服退货上架更痛——商品检查由人工完成，机器人可以在夜间非作业时段处理后续上架，缓解集中退货带来的用工压力。另一条是与菜鸟的战略合作，方向是把菜鸟积累的仓储场景、作业经验与技术基础用于具身模型训练，并共同推进仓内机器人落地。此外与顺丰也在探讨分拨中心供包、仓库移动拣选等试点。
海外节奏同步在推。机器人已进入菜鸟香港 eHub，向全球媒体与跨境客户展示物流场景应用；北美子公司成立，正与多家北美大型零售企业签署合作协议；在韩国，公司与一家上市机器人企业拟推进设立合资公司、联合开发产品；欧洲与拉美区域则分别与本地伙伴签署合作及试点协议，建立实施、运维与客户服务能力。
产品迭代的下一步已经给出时间。公司计划于 2026 年 12 月底发布一款全新构型机器人，把真实现场积累的任务需求带进设计，围绕实际工位的作业约束展开，重点提升适用性、连续作业能力与经济性。李强的说法是，希望每一次现场交付都推动模型和产品再往前走一步。
对具身智能行业而言，这条消息的分量不在订单数字，而在验收口径的变化。过去两年行业习惯用演示视频证明能力，现在有客户按「每小时多少件、成功率多少、异常怎么恢复」来签合同。从「能演示」到「能按台交付、按岗位验收」，这一步比参数更能说明产业走到了哪一格。