“VLA已死，WAM万岁。”
2026年初，英伟达机器人负责人Jim Fan的这句话，让整个具身智能行业感到了一种范式更迭的压迫感。
对于节卡机器人而言，技术的充分争论，将推动诸多可能性在真实世界中的实践检验。在这场关于“机器人应该如何理解世界并做出动作”的技术争论中，节卡机器人搭了一个台子——JAKA Evo一站式具身智能平台，也是一片让VLA与WAM两种技术路线共同生长、验证、迭代的土壤。
VLA与WAM的互补性
回到技术本身。
VLA(Vision-Language-Action)被视为具身智能普遍尝试的一种范式。它将视觉、语言与动作端到端地联结起来：让机器人看到画面、听懂指令，进而输出动作序列。从Google的RT-2到开源的OpenVLA，这个范式已经在多种操作任务中证明了其可行性。
VLA的局限，在于其本质是“条件反射式”的映射——即从视觉观测到机器人动作的复现，正如“Ctrl+C”和“Crtl+V”。但机器人并不理解其所作将对真实物理世界产生何等影响。WAM(World Action Model)则预设了物理世界的基本规律，让机器人在训练过程中能够基于物理世界的基本规律做出实际动作。
JAKA EVO
一个在产线中验证的开放框架
2025年，节卡全球首发了JAKA EVO工业具身智能平台。它提供标准化的工业具身智能工具链，覆盖数据采集、数据增强与合成、模型训练到部署的全环节。作为一个开放性框架，它既可以承载VLA模型的端到端部署(当前已验证的主要路径)，也为WAM类模块预留离线仿真与在线校验接口，推动机器人实现“从点位编程到作业能力泛化”的关键突破。
SRCI，解决了机器人之间的沟通难题。
今年年初，我们与英特尔(中国)签署战略合作备忘录，将基于英特尔® Core™ Ultra 处理器，推动算力与机器人作业力融合。JAKA EVO 工业具身智能平台，以搭载 Intel Core Ultra 异构算力的工业边缘节点为软硬件底座，结合多模态感知构建智能闭环基础设施，从算力规模上，可在工业边缘侧充分支撑 VLA(Vision-Language-Action)模型的实时推理，同时为轻量级 WAM 模块——例如基于 latent dynamics 进行动作后果预测的校验器——保留了充分的工程余量。
可以理解为，节卡提供了一个工程框架，让不同模型能力在同一个平台上可以被组合、被替换、被迭代，让“工程优先于主义”，跑起来，而不仅停留在概念层面。毕竟再好的模型和产品，也需要在产线中得到验证。
当前，JAKA EVO平台已服务12个标杆项目，在汽车、3C电子等领域展开场景验证，回答产线节拍、安全标准、良率要求的工业级交付问题。节卡机器人已与星宇股份、建霖家居等垂直行业头部企业签署战略合作协议，在具身智能机器人创新、智能制造升级、产业链协同三大领域展开深度合作。
让具身智能的模型能力最终要以“可测算的降本提质收益”作为验收标准——这正是节卡十年协作机器人经验所形成的工程纪律。
节卡的十余年：是产线不是实验室
作为一家科技企业，节卡的独特科创价值，不仅在于我们选择什么样的科研技术路线，更在于我们拥有什么样的工程底座来承接这些路线的落地。
自2014年创立至今，节卡从自动化产线制造需求出发，陆续推出Zu(工业经典)、Pro系列(IP68高防护)、S系列(智能力控)、Mini系列(轻巧交互)等协作机器人产品矩阵，覆盖从轻载到重载、从标准到特殊环境的全场景需求，产品远销全球100多个国家和地区，深入汽车、电子、精密制造、消费等领域，服务于丰田、施耐德、立讯精密、中国中车等全球制造业头部企业。根据MIR数据，2024年，节卡机器人在国内协作机器人市场占有率21.9%，居国内第一。
2025年，我们将品牌定位从“协作机器人公司”升级为“通用智能机器人公司”，并非追逐风口，而是对自身工程积累的一种自然外化。
基于对于真实作业场景的深刻理解，一方面，我们推动协作机器人AI化，开启“人机共创新范式”：基于工业具身智能，我们发布了JAKA coboΠ EI智能体平台，加入 Claude Skills 生态，实现机器人交互编程、自主任务规划;另一方面，我们在具身智能领域搭建了“多场景覆盖、全能力进阶”的具身产品矩阵。JAKA Lumi具身智能平台，集成 12自由度协同运动系统、智能升降模块与多模态传感器，开箱部署仅需5分钟，适配商业零售、科研教育、生物化学等多场景需求;JAKA Kargo轮式人形机器人凭借多模态感知能力，为智能分拣、搬运、上下料等移动作业场景提供灵活解决方案;JAKA K1双臂机器人，在数据训练后可实现带线缆插头的柔性插拔作业，破解传统刚性自动化方案中兼顾效率与稳定性之不能.....
综上，节卡积累的场景经验在具身智能语境下被重新放大：当创业者讨论“如何从零搭建遥操作数据采集系统”时，节卡已经具备了覆盖数据采集、模型训练到产线部署的全链条工程能力;当行业新秀讨论“何种形态的具身智能机器人更适配哪些场景”时，节卡基于行业Know-How已形成了多元的具身产品矩阵，持续推动机器人在真实场景的落地验证;当学术界讨论“世界模型需要多少世界动力学数据”时，节卡的机器人已经在数千条真实产线上累积了数万小时的物理交互记录。
具身智能的发展，离不开数据二字。机器人所需的“物理世界交互数据”——每一次抓取、每一次放置、每一次摩擦与碰撞——从真实或高保真仿真的物理环境中获得的数据，采集成本和标注难度较高;对于数据的统一收集、清洗、标注、质检和管理，十分重要。足够高质量、可泛化的真实场景数据，以及机器人对产线节拍、安全合规、实时性要求的工程适配，是各种模型最终能够从实验室Demo走向真实物理世界的关键。
当前，节卡机器人也打造了云边端一体化具身智能全栈服务平台，实现从数据采集 → 模型训练 → 规模化部署的全流程数据价值闭环，深度融合 MLOps 与 Sim2Real 工程能力，赋能产线智能化升级，为机器人持续进化提供高效、安全的底层基础设施支撑。
当我们在讨论VLA和WAM时，我们真正想谈论的，从来不是哪个技术名词更时髦，而是：谁能把模型变成可测算的良率提升、可复制的产线节拍、可交付的工业级稳定性。
技术路线永远在迭代，但产线不会等人。节卡的答案很简单——用工程框架承接争论，用十年数据反哺迭代，用真实落地检验一切。
（节卡机器人）
