在2026世界人工智能大会（WAIC）上，普渡机器人展示了其创新的“本体+系统+技能”Physical Agent架构，引发行业高度关注。这一架构的核心在于构建一个由机器人本体、智能系统与可复用技能共同组成的物理智能体，通过“一脑多形”模式实现不同形态机器人的能力共享与协同。
根据普渡的规划，机器人产品将分为专用机器人、类人形机器人和人形机器人三大类。专用机器人专注于高频标准化任务，如餐饮配送、地面清洁等；类人形机器人则针对复杂工业和商业环境设计，能够适应非结构化空间作业；人形机器人则聚焦通用人机协作场景，探索更广泛的交互可能性。三类产品虽形态各异，但均基于同一底层模型和软件架构开发，可通过调用不同技能组合完成特定任务。
支撑这一架构的是普渡自主研发的Pudu Agent OS系统。该系统作为机器人的“统一大脑”，允许不同本体共享核心能力，实现跨场景迁移。例如，配送机器人积累的环境感知与导航技能，可快速适配至类人形机器人；工业场景中训练的操作技能，也能通过系统调整部署到其他机型。这种设计大幅降低了单一技能的开发成本，提升了整体技术复用效率。
在技能层，普渡正从基础服务向复杂操作延伸。目前其机器人已覆盖全球大量商业场景，累计出货超13万台，每年产生超5000万小时真实运行数据。这些数据主要来自配送和清洁任务，但公司已将目光投向零售商超、工业制造和仓储物流等领域，计划让机器人具备拿取、搬运、分拣、补货和装配等操作能力。普渡具身智能业务线总经理吴翔透露，下一阶段将重点突破“到达后完成任务”的关键环节，推动机器人从“可移动”向“可操作”进化。
数据积累被视为普渡的核心优势。与传统机器人企业依赖仿真数据不同，普渡通过长期商业化部署构建了真实世界数据闭环。其机器人在执行任务过程中，会持续采集空间变化、运动轨迹、物体交互等物理环境信息，并记录执行反馈与失败纠正过程。这些高价值数据不仅用于训练统一模型，还通过“数据飞轮”机制形成良性循环：真实场景产生数据→数据优化模型→模型生成新技能→技能部署至更多机器人→覆盖更广泛场景。
尽管“一脑多形”与数据飞轮的设想颇具前瞻性，但其商业化落地仍面临挑战。行业观察人士指出，不同场景对机器人精度、力度和交互方式的要求差异显著，如何确保技能迁移后的适配性与稳定性，将是普渡需要解决的关键问题。真实数据采集的成本与效率，也可能影响技术迭代速度。目前，普渡的架构已进入实测阶段，其能否在复杂商业环境中验证可行性，正成为市场关注的焦点。
