具身智能公司索塔无界宣布，与欧洲最大商超集团施瓦茨集团（Schwarz Group）达成战略合作。根据规划，双方未来三年将在真实商超场景中部署超过千台具身智能机器人。索塔无界方面称，这也是首次将原生 4D 世界动作模型部署到真实的商超货架之间。
索塔无界由开普勒机器人前 CEO 胡德波创办，公司不生产机器人整机，而是专注为机器人打造“原生物理大脑”，以世界动作模型、多模态 VLA 和数据采集体系为核心，解决机器人在真实物理环境中理解接触、动作、空间与物理变化的问题。
胡德波此前公开表示：“跨本体、跨场景的通用大脑路径过长，但让原生物理基模先沉入一类高复杂度场景，垂类跑通通用泛化，再反哺全场景——这是当下最可能走通的路径。”
这与行业当下的处境形成对照。2026 年的具身智能赛道融资热度不减，但机器人进工厂仍面临专机专用的局限，进家庭则停留在远期设想。不少团队把重心放在视频生成或仿真训练上，而索塔无界选择把实验室“搬进”欧洲商超，在真实货架、真实商品和真实人流中训练机器人的场景能力。
技术层面，公司首席科学家刘哲博士领衔的团队正推动世界模型从视频预测、仿真生成，迈向原生物理世界模型的新阶段。刘哲在华中科技大学取得博士学位，并在香港大学完成博士后研究，长期从事 3D/4D 感知、自动驾驶世界模型与具身智能研究，已发表顶级会议及期刊论文 35 余篇，Google Scholar 引用超过 2380 次，代表性工作包括多模态 3D 感知模型 EPNet、EPNet++，鲁棒点云检测模型 TANet，以及 4D 世界模型 GenieDrive、DrivePI 等。
索塔无界构建的原生 4D 物理世界基模，把 4D 空间表征、物理约束、时空推理、安全评测与动作输出统一起来，端到端地“理解并操作”物理世界。在世界动作模型完全成熟之前，公司现阶段采用名为 Physica-Claw 的智能体架构：上层负责任务理解与调度，下层按任务类型分流到传统运动控制、多模态 VLA 或世界模型等不同模块，让机器人先在真实场景中运行起来。
数据是这一路线的基础。高质量物理操作数据稀缺，互联网数据与仿真数据难以支撑真实场景落地。索塔无界的做法是自研多指多模态 UMI 与空间感知 EGO 采集系统，并与欧洲商超客户合作进场实地采集。按照公司公布的计划，冷启动阶段即可获得约 10 万小时专有数据，覆盖货架操作、补货、拣选、人机交互等细粒度动作；正式部署后，每年可回传超过 100 万小时真实操作数据，形成“部署—数据回传—模型扩容”的正向循环。
在欧洲大规模采集真实场景数据，还面临较高的合规门槛，涉及数据脱敏、本地化存储与隐私保护等问题。胡德波早年曾在华为负责海外市场，具备与欧洲大客户开展合作谈判与合规管理的经验，这被认为是索塔无界打通海外落地链条的独特优势之一。
选择商超作为首个落地场景，也有商业与技术上的考量。商超环境比工厂更复杂，货架 SKU 更新频繁、陈列经常调整，同时又带有类似家庭的多样性与密集人机交互特征。如果能在这一“最难考场”中跑通通用泛化，后续向门店补货、货架整理、电商拣货乃至更多场景延伸的路径会更清晰。对公司而言，这条路径还串联起中国硬件供应链与海外真实场景，形成“全球客户、数据闭环、供应链协同”的早期壁垒。
从 5 月对外公开创业计划，到如今宣布与欧洲商超集团的战略合作落地，索塔无界正在把原生物理世界模型从实验室推向真实货架。至于千台部署目标能否如期兑现、模型在真实环境中的稳定性如何，仍需要后续的实际运营数据来检验。