WorkBuddy“长”出了Body：启元机器人，让 AI Agent 第一次走进物理世界

产业家 2026-10-30 12:07

产业互联网第一媒体。产业家

Agent要走进物理世界，用谁的身体？

作者|木人

出品|产业家

数字世界的竞赛已近尾声，问题只剩一个：然后呢？

就在10月29日2026腾讯全球数字生态大会在深圳国际会展中心开幕。主旨演讲环节里，一段不算长的发言引起了最多的讨论——上纬新材、启元机器人CEO田华登台，讲的不是大模型，也不是云服务，而是一台机器人如何给AI Agent当"身体"。

当天，启元机器人与腾讯云正式签署战略合作协议，双方以个人机器人+WorkBuddy为核心开放载体，联合打造云边端协同的消费级个人机器人生态，共同推进物理AI产业的规模化落地。

用田华在演讲中的话说，从这一天起，"启元机器人让WorkBuddy跳出了屏幕"。

2026年，桌面AI Agent赛道的头部格局已经清晰，但所有头部都共享同一个天花板——屏幕。Agent的能力再强，执行半径也止于键盘、鼠标和屏幕。而当WorkBuddy站上启元机器人的本体，这个赛道的边界第一次被推到了屏幕之外。

在今天，物理AI不再只是一个概念，它有了一扇可以走进现实世界的门。

一

Agent撞上"屏幕墙"

WorkBuddy在2026年的位置，不需要太多铺垫。

9月20日，全球权威研究机构弗若斯特沙利文发布《2026年全球桌面AI智能体市场研究报告》，WorkBuddy同时位列中国个人端桌面智能体榜单与企业级桌面智能体榜单第一。再往前数两周：9月15日，IDC《中国企业级通用Agent产品技术评估》给出综合得分第一，9项评估维度中6项满分；9月14日，Omdia《全球企业级智能体工作者——2026年中国市场》报告显示，其在五大维度全部显著高于市场平均水平（三项排名信息据央广网2026年9月20日报道）。

头部位置背后，是一条被资本反复确认的赛道逻辑。中信建投8月末判断，AI办公有望成为新一轮B端平台级产品与新流量入口，潜在用户是10亿泛白领人群（据人民财讯2026年8月28日报道）。今年3月初发布的WorkBuddy，上线以来，已累计迭代100个大版本，已在政务、金融、零售、教育等50多个行业落地。

腾讯云副总裁、腾讯CodeBuddy & WorkBuddy负责人刘毅给它的定位不止于工具："我们希望把WorkBuddy打造成面向Agent时代的操作系统——不是做一个更强的工具，而是做一个能承载所有工具的平台。"

操作系统，就需要硬件载体。安卓之于手机，大抵如此。WorkBuddy其实早已开始连接硬件——智能眼镜、录音卡片、耳机等十余个品类、超30个品牌相继接入其开放平台。但这些设备解决的是"听、看、记"，它们延伸的是Agent的感官，而不是手脚。

这就是Agent厂商们心照不宣的那堵墙：Agent的能力边界，被锁死在它所在设备的形态里。它能帮你写文档、排日程、做数据分析，却不能在会议开始前走到工位提醒你，不能给孩子讲一个配着动作和表情的睡前故事。数字世界的红利已经吃完，物理世界还在门外。

行业对门后世界的判断已经足够明确。10月21日，英伟达CEO黄仁勋在GTC柏林站表示，物理AI是人工智能的下一波浪潮，人形机器人的"ChatGPT时刻"正在逼近；弗若斯特沙利文预测，物理AI产业正以47.2%的年复合增速成长，到2040年全球关联产业规模有望达3.25万亿美元。

问题只剩入口：Agent要走进物理世界，用谁的身体？

二

第一副身体，为什么是启元

答案在9月20日浮出水面。

那天，启元机器人在上海举行全球产品发布会，启元Q1、T1两款个人机器人正式发售。同一天的消息是：两款机器人正式接入WorkBuddy——据科创板日报当日报道，启元由此成为首个接入WorkBuddy的具身智能企业。而在此前不到三周的WorkBuddy生态大会上，一台机身顶部装着WorkBuddy"大脑"模块的启元机器人已经出现在现场，当时工作人员的口径还相当谨慎，只说"双方尚在探讨合作可能"。

从探讨到落地，速度快；但比速度更值得拆解的，是分工。在这段关系里，WorkBuddy是"大脑"，负责语义理解、任务推理与按需调用云端庞大的Skill生态；启元机器人是"身体"，承担真实环境中的交互与操作。

这个分工恰好回答了前面的问题——给Agent当身体，要过三道关，而启元的答卷早就写好了。

第一关：造得出，且造得起规模。身体首先是一门制造的学问。依托上纬新材的制造积累，启元把汽车工业的制造节拍与质量管理方式引入机器人产线，每2.5分钟下线一台，每台产品的装配数据可长期追溯。10月25日，启元昆山工厂第5000台机器人下线，从0到5000台的制造爬坡只用了约一个月，日产能从10余台提升至200余台。对追求"持续在线服务"的Agent而言，一副能稳定、规模制造的身体，是一切的前提。

第二关：动得了，且动得安全。作为"身体"，启元已积累百余种具身智能原子能力，Agent的每条指令最终都要拆解成这些可控的原子动作。双方为此设计了三种低门槛接入方式——A2A主动调用、连接器绑定与插件化动态组合；又叠加四层安全防线：连接权限管控、动作能力白名单校验、仿真预览与现场二次确认。指令先在仿真里预演、在现场复核，才轮到机器人动手——这是进入物理世界的基本礼仪。

第三关：学得快，且持续学。身体不只执行，还要积累经验。今年1月，北京大学长聘副教授董豪出任启元机器人首席科学家，牵头具身智能模型研发；其团队联合启元机器人、西安交通大学提出的HIL-UMI后训练范式，把数据采集效率做到传统方案的5.63倍，任务成功评分（TPS）从基线水平提升至94.8。团队与北京大学联合发布的空间智能研究NavSpace被机器人顶会ICRA 2026收录，让机器人能听懂"去二楼最近的沙发旁"这类复杂空间指令。发售前，启元机器人已进入1200多个家庭内测，回收超过3.5万条用户建议；已收货用户日均使用超1小时，重度用户超3小时。

制造决定身体有没有，原子能力决定身体好不好用，后训练决定身体能不能持续成长。这三项能力不属于任何一家云厂商，也不是任何Agent厂商可以短期补齐的。这也正是这段合作最值得玩味的地方：它不是"云巨头赋能机器人公司"的单向故事，而是Agent赛道的头部玩家与机器人赛道的头部玩家各自掏出最强的资产，完成了一次对等的能力交换。

所以田华在生态大会上的表述不是WorkBuddy"帮助"启元，而是反过来："启元机器人也让WorkBuddy跳出了屏幕。"

三

从Skill到技能：

入口是这样长出来的

身体长出来之后，变化是双向的。

WorkBuddy生态拥有10万余项Skill（腾讯方数据，田华在大会演讲中引用）。过去，这些Skill住在数字世界里——订会议、写文档、查资料、生成图片。接入之后，Skill的调用链路第一次延伸进了物理空间：用户一句话下达指令，WorkBuddy理解意图、拆解任务，启元机器人感知环境、落地执行。

大会现场给出了一串场景。田华在演讲中演示了机器人协助购买咖啡、完成支付的过程；据双方披露的信息，启元Q1、T1已打通腾讯会议、微信读书、QQ音乐、绘本生成等技能——办公场景里，WorkBuddy可以调度机器人在会议开始前到工位物理提醒、领路去会议室，后台生成的文档与数据分析结果自动推送到企业微信；家庭场景里，一句"给我的宝宝讲一个恐龙故事"，WorkBuddy在云端生成内容，机器人配合手势与表情讲出来。

田华把这种变化概括为四个字：感、思、随、行。感，是感知真实环境；思，是理解并推理现实场景；随，让AI能力如影跟随；行，调用十万级Skill在物理世界落地做事。他进而判断，借助WorkBuddy的Skill生态，普通人只用自然语言就能编排、创作机器人Skills——"人人都是开发者的时代已经到来"。

这句话有生态基础。9月的发布会上，启元同步上线了PrimeHub元创工坊、PrimeStore技能商店与PrimeFLOW机器人外观创造平台：前者汇聚的开发者已超过1000名，Skill以每月100个以上的速度新增；PrimeFLOW把机器人个性化外壳的创作收敛为"生成、编辑、输出"三步，让外观不再只有一种标准答案。启元还开放了100多个原子能力，支持自然语言开发与仿真、真机双重验证。

这套组合意味着，"物理技能"的生产正在被降到与"数字技能"相同的门槛。过去，让机器人学会一个新动作，需要专业团队、专门数据和漫长训练；现在，开发者在PrimeHub上编排一个Skill，仿真里验证，真机上部署。Agent在数字世界攒下的技能生态，与机器人在物理世界攒下的原子能力，第一次接上了同一根传动轴。

这才是入口应有的样子——它不是一件单品，而是一条让一个世界的能力流向另一个世界的通道。

写在最后：

物理AI的门已经开了

田华在大会上为这次合作给出了更大的框架：从数字AI走向物理AI，要过三道关——本体量产难、大脑智能难、生态应用开发难。没有任何一类玩家能独自跨过全部三道关，破局的方式，是让本体、AI与生态协同进化。

行业数据支持这种紧迫感。TrendForce集邦咨询预测，今年中国人形机器人市场规模将突破百亿元（据界面新闻2026年9月报道）；高盛则把全球人形机器人出货量预期从2026年的约7.5万台上调至2030年的约89万台。政策端也在同步铺路：2025年《政府工作报告》首次将"具身智能"纳入国家未来产业重点培育，今年工信部与国务院国资委又联合启动人形机器人与具身智能实景实训专项行动。