Kawasaki Robotics 与 Dexterity 扩大合作，围绕 RL030N 8 自由度机械臂平台和 Mech 超级人形仓储机器人推进仓内自动化，组合中同时包含 Dexterity 的 Foresight World Model、Mech 硬件和生产级软件栈，显示仓储 Physical AI 正从单机设备采购转向整套能力打包。 仓储自动化这几年一直在升级，但真正难啃的部分始终是高吞吐、变量多、接触不可避免的复杂工况。Kawasaki Robotics 和 Dexterity 6 月 23 日宣布扩大合作，核心就是把 Kawasaki 的 RL030N 8 自由度机械臂平台，与 Dexterity 的 Mech 机器人硬件、Foresight World Model 以及生产软件栈组合到一起，直接面向仓储物流场景。这个组合的看点在于，它卖的已经不是某一个零部件… 从产品结构看，RL030N 不是普通工业臂。公告强调，它多出的关节轴是为了应对狭窄和变化频繁的工作流，并开放 KRNX 实时控制 API，支持外部 AI 软件、ROS 环境和第三方编排系统。Dexterity 则把这套硬件和自己的 Foresight World Model 及 Mech 平台整合，用来解决传统自动化难以规模化覆盖的动态包裹处理任务。换句话说，仓储里最难自动化的那部分工作，正被重新打包成一套“硬件接口更开放、模型更能感… 双方高管给出的措辞也很直白。Kawasaki 说 Physical AI 需要兼顾工业可靠性、灵巧性、长臂展、轻量化和实时编排；Dexterity 则强调仓库里的箱子会移动、包裹形态不统一、接触不可避免，因此需要世界模型和生产软件去实时处理不确定性。这种表述其实已经把行业重点说清楚了：传统仓储自动化擅长的是规则稳定的流线，而下一阶段最有价值的增长空间，在于那些规则不稳定、但业务规模足够大的半结构化任务。 从产业趋势看，这条新闻的重要性在于它把“世界模型”从实验室词汇推向了明确的商业组合。以后客户采购仓储机器人，问的可能不再只是载重和节拍，而会越来越关心接口开放度、实时控制能力、对非标包裹的适应性，以及模型在现场持续优化的效率。谁能把机器人本体、控制接口和世界模型一起卖成稳定产品，谁就更有机会吃到仓储 Physical AI 的下一波扩张红利。
