普渡13 万台商用机器人喂出的具身大脑，性能全面超越主流模型，为何业内争议不断？

普渡13 万台商用机器人喂出的具身大脑，性能全面超越主流模型，为何业内争议不断？

作者：Hunterson

编辑：晋芳博

百万级数据堆出的具身大脑，是商用天花板还是通用起点？

2026 年 5 月 12 日，商用服务机器人厂商普渡机器人发布 PuduFM 具身基础模型与 PuduAgent 通用智能体。官方数据显示，这套模型依托 13 万台轮式商用机器人在餐厅、商场、酒店等线下真实场景沉淀的海量交互数据训练，在导航避障、人机交互、简易物体操作四大标准化任务中，综合表现全面超越 RT-1、PaLM-E 等行业主流开源具身模型。

消息一经发布，迅速在具身智能赛道掀起两极分化的讨论。商用服务机器人赛道从业者普遍认为，这是行业首个依托百万级真机数据完整训练成型的基础模型，有望批量拉升服务机器人的智能化下限；但与此同时，大量深耕人形、工业通用机器人的研究者与企业抛出核心质疑：这套在高度结构化商用场景中跑通的能力，能否迁移至家庭、工厂等动态、无规则的非标准化环境？完全基于轮式底盘训练的模型，缺失双足平衡、精细灵巧操作相关数据，又该如何适配人形机器人的复杂运动需求？

这场行业争论的本质，不在于评判 PuduFM 单项性能的强弱，而是所有人都在追问一个核心悖论：依靠 13 万台商用机器人积累、数十亿次结构化场景交互形成的独家数据富矿，所训练出的具身大脑，究竟只是适配餐饮零售场景的专用模型，还是能够为人形通用机器人铺路、具备跨场景迁移价值的通用基础底座？商用轮式机器人沉淀的场景智能，能否突破场景与硬件边界，成为通向通用具身智能的前置基石，正是本次成果背后，整个行业亟待解答的关键命题。

要回答这些问题，首先需要穿透技术术语的表象，读懂PuduFM与PuduAgent的底层逻辑与设计思路。

PuduFM的核心定位，是商用服务机器人专属的具身基础模型，采用多模态Transformer架构，以普渡自研的视觉-语言-动作（VLA）框架为基础，重点优化了轮式机器人的环境感知与运动控制链路。

模型的设计逻辑，完全围绕商用服务机器人的核心需求展开：输入层融合机器人摄像头图像、激光雷达点云、IMU数据与用户语音指令；中间层通过多模态注意力机制，实现场景理解、路径规划、交互意图识别；输出层则直接生成导航路径、避障动作与交互话术，实现端到端的任务闭环。

而PuduAgent则是基于PuduFM打造的通用智能体，相当于为商用机器人装上了“任务大脑”。它以PuduFM为底层基座，构建了分层任务规划系统：高层负责理解用户指令、拆解复杂任务（如“把餐送到3号桌”）；中层负责动态路径规划与避障决策；底层负责直接输出电机控制指令，实现“指令-执行”的无缝衔接。这种设计，让机器人无需预设脚本，就能在动态变化的商用场景中自主完成任务。

支撑这套模型的，是普渡机器人独一份的“数据护城河”——13万台商用服务机器人的真实场景数据。这些机器人遍布全球超60个国家和地区，覆盖餐厅、酒店、商场、医院等10余种场景，累计运行时长超100亿小时，形成了规模惊人的场景数据池。

与实验室仿真数据或小规模试点数据不同，这些数据来自真实商业环境：餐厅里人来人往的走廊、酒店里随时开关的房门、商场里临时堆放的货物，这些动态、随机、非理想化的场景，为模型提供了最贴近真实世界的训练样本。

数据的优势，直接转化为模型在商用场景的能力：在导航任务中，PuduFM能精准识别动态障碍物，提前规划最优路径，面对餐厅高峰期的人流，避障成功率比传统SLAM算法提升超30%；在人机交互中，模型能理解口语化指令，识别用户的情绪与意图，交互准确率提升超40%；在简单操作任务中，如开关柜门、取放物品，也能稳定完成，打破了传统商用服务机器人“只会动、不会工作”的局限。

但这份“数据红利”，也暗藏局限。13万台机器人均为轮式商用服务机器人，场景高度结构化：路径规整、障碍物类型固定、交互模式简单。数据的分布特性，决定了模型学到的更多是“商用场景的运动与交互规律”，而非通用物理世界的底层逻辑，这也为后续的泛化迁移埋下了隐患。

PuduFM宣称在四大任务上超越主流开源模型，这份性能优势，到底是算法突破带来的通用提升，还是数据量带来的场景适配优化？我们可以通过横向对比，一探究竟。

在导航与避障任务上，PuduFM表现亮眼。在普渡内部的商用场景测试集上，其路径规划效率、动态避障成功率均显著优于RT-1与PaLM-E。但在通用机器人导航benchmark上，面对未见过的陌生场景，PuduFM的性能下降幅度远大于RT-1，说明其优势更多来自商用场景数据的针对性优化，而非通用导航能力的突破。

在人机交互任务上，依托海量真实对话数据，PuduFM的意图识别准确率、口语指令理解能力表现突出，远超基于仿真数据训练的模型。但在多轮复杂对话、跨场景指令理解等通用交互测试中，其表现与主流VLM模型仍有差距，说明交互能力仍局限于商用服务场景的固定话术与需求。

在简单操作任务上，如抓取、放置物品，PuduFM的表现仅达到行业中等水平，远不如智元远征A3、Pelican-Unify等聚焦操作能力的模型。这也不难理解：商用服务机器人的操作任务本身就较为简单，且缺乏力控反馈数据支撑，模型难以学到精细操作的底层逻辑。

综合来看，PuduFM的核心优势，集中在结构化商用场景的“熟门熟路”——它熟悉餐厅的走廊布局、酒店的服务流程、顾客的常见需求，因此能在这些场景中高效完成任务。但一旦脱离这些熟悉的环境，其性能就会大幅下滑，这与通用具身模型“跨场景、跨形态泛化”的目标，仍有较大差距。

PuduFM的发布，也让行业产生了一个关键疑问：13万台轮式机器人喂出来的具身大脑，能不能直接复制到人形机器人上？答案，恐怕并不乐观。

首先，是场景本质差异带来的鸿沟。商用服务机器人面对的是结构化环境：路径固定、障碍物可预测、任务流程标准化；而人形机器人需要面对的家庭、工业场景，是非结构化、高动态、充满不确定性的：地面可能不平整、物品位置不固定、环境随时可能变化。PuduFM在商用场景学到的“固定路径导航”“规则化避障”逻辑，在非结构化场景中几乎失效，这不是简单的模型微调就能解决的问题。

其次，是机器人形态差异带来的技术断层。轮式服务机器人与双足人形机器人，在运动控制上的核心需求完全不同：轮式机器人只需考虑路径规划与避障，无需动态平衡；而人形机器人的核心挑战，正是双足行走的动态平衡、全身协调控制，这是完全不同的技术体系。PuduFM没有任何双足运动数据的支撑，无法学习平衡控制的底层逻辑，直接移植只会导致机器人摔倒失控。

更关键的是，数据分布的本质差异，导致模型学到的“世界知识”不通用。商用场景数据集中，机器人的运动模式、交互方式、环境变化都高度同质化，模型学到的是“在餐厅里该怎么动”，而非“在物理世界里该怎么动”。这种“场景特定知识”，无法迁移到其他场景，更无法迁移到不同形态的机器人上。

这也意味着，PuduFM虽然证明了“大规模商用数据训练具身模型”的可行性，但要复制到人形机器人上，几乎需要从零开始：收集人形机器人的双足行走、动态平衡、精细操作数据，重构模型的运动控制与感知链路，重新学习通用物理世界的底层规律。这不是简单的模型移植，而是一次全新的技术研发。

尽管迁移到人形机器人的路还很长，但PuduFM+PuduAgent的发布，对普渡自身的商业化落地而言，无疑是一次重要的里程碑。

目前，PuduAgent已全面适配普渡旗下所有商用服务机器人型号，包括配送机器人、清洁机器人、导引机器人等。在餐厅场景中，搭载PuduAgent的机器人，送餐效率提升20%，避障失误率下降40%；在酒店场景中，机器人能自主完成送物、导引、叫醒服务，用户满意度显著提升。这些真实场景的反馈，也在持续回流到数据池，推动模型不断迭代优化，形成“数据-模型-产品-数据”的正向飞轮。

在商业化合作上，普渡已与多家餐饮、酒店连锁品牌达成深度合作，计划在2026年下半年，将搭载PuduAgent的新一代商用机器人推向市场，预计覆盖超10万家门店。同时，普渡也在探索将PuduFM的技术能力开放给第三方硬件厂商，打造商用服务机器人的智能体生态。

从短期来看，PuduFM的核心价值，是提升普渡自身商用机器人的智能化水平，巩固其在服务机器人赛道的领先地位。但从长期来看，它的意义不止于此——虽然PuduFM无法直接复制到人形机器人上，但它的部分技术经验，仍值得借鉴。

比如，大规模场景数据训练出的环境感知与交互能力，可为人形机器人的导航与交互模块提供参考；端到端的任务闭环设计，也能为通用智能体的架构设计提供思路。更重要的是，普渡的数据飞轮模式，证明了“数据驱动-产品迭代-更多数据”的闭环，能持续推动模型能力提升，这对人形机器人赛道同样适用。

回望PuduFM+PuduAgent的发布，我们看到的，不是一款能复制到人形机器人上的通用模型，而是商用服务机器人赛道的一次重要技术突破，更是具身智能行业“由易到难、由点及面”发展路径的一次验证。

普渡的探索，是商用服务机器人的里程碑，也是通用具身智能的起点。未来，无论是商用服务机器人还是人形机器人，都需要在真实场景中持续打磨、迭代、进化，才能真正走向通用智能的终极目标。