具身智能行业在2026年迎来一轮资本热潮，融资纪录屡被刷新，但商业化落地始终是难以逾越的鸿沟。工厂场景中，机器人往往只能执行单一工序，专机专用的模式让成本居高不下；家庭场景中，机器人做家务仍停留在演示视频里，距离真实需求相去甚远。行业普遍依赖仿真训练或视频生成来“刷数据”，但这些虚拟环境与真实物理世界之间存在巨大差距，导致机器人在实验室表现优异，一旦进入真实环境便频频失灵。正是在这种“资本热、落地冷”的行业背景下，成立仅四个月的具身智能公司索塔无界宣布与欧洲最大商超集团达成战略合作，计划未来三年在真实商超场景中部署超过一千台具身智能机器人，试图以真实场景验证技术价值，打破行业落地僵局。
索塔无界的核心策略并非自研硬件，而是专注打造机器人的“原生物理大脑”。公司创始人胡德波认为，跨本体、跨场景的通用大脑路径过于漫长，更务实的做法是让原生物理基模先沉入一类高复杂度场景，在垂直领域跑通通用泛化能力，再逐步反哺全场景应用。基于这一判断，索塔无界直接将实验室搬进欧洲商超，让机器人在真实货架、真实商品和真实人流中训练“场景智商”。此次合作的核心技术突破在于，公司首次将4D世界动作模型部署于真实商超货架之间，统一了4D空间表征、物理约束、时空推理、安全评测与动作输出，使机器人能够端到端地“理解并操作”物理世界，跨越了传统2D生成与仿真范式的局限，开启了物理智能的“场景收敛+通用泛化”新路径。
技术底座由索塔无界首席科学家刘哲博士领衔打造。刘哲拥有华中科技大学博士学位，师从国家杰青、IEEE/IAPR双料会士白翔教授，并在香港大学完成博士后研究，师从国家优青、MIT TR35榜单入选者赵恒爽教授。他近十年深耕3D/4D感知、自动驾驶世界模型与具身智能，曾主导十五人以上规模的研究团队，发表顶级会议及期刊论文三十五余篇，Google Scholar引用超过两千三百八十次。其代表工作包括多模态3D感知模型EPNet/EPNet++、鲁棒点云检测模型TANet、统一高效3D建模框架LION，以及物理感知4D世界模型GenieDrive、统一感知-预测-规划的DrivePI、实时流式VLA架构FASTER和通用World-Action Model架构Metis。依托与华为、长安、小米、理想、大晓机器人等头部产业伙伴的深度合作，团队沉淀出覆盖高维场景表征、可解释安全规划与物理一致评测闭环的World-Action技术底座，并由香港大学、清华大学、港科大年轻专家组成的模型团队倾力打造原生4D物理世界基模。
高质量物理操作数据的稀缺是具身智能落地的另一大瓶颈。互联网数据、仿真数据和第三方开放数据集只能满足数据金字塔的多样性需求，无法支撑真实场景的可靠运行。索塔无界的解法是自研多指多模态UMI与空间感知EGO采集系统，并与欧洲商超客户建立数据飞轮机制——以十万小时冷启动数据为基础，预计每年新增百万小时级真实场景操作数据。这些数据将不断反哺模型迭代，形成“数据采集—模型训练—场景部署—数据回流”的闭环。此次合作的意义不仅在于千台机器人的商业订单规模，更在于它验证了一条从垂直场景切入、以真实数据驱动通用泛化的可行路径。如果这一模式在欧洲商超跑通，将为具身智能行业提供可复制的商业化范本，推动行业从实验室演示走向规模化部署。
