光锥智能 罗镇昊 文
WAIC场馆外电闪雷鸣，恰似地球生命初生，点燃了具身智能这一新物种的希望。世博展览馆还未踏足，周边路口的人形交通机器人已开始疏导车流，仿佛在宣告：本届WAIC，具身智能将担纲主角。
具身智能赛道的参展规模，就是最直接的证明。今年参展企业数量较去年激增至200余家，较去年翻了一番，占据全部展商近五分之一。超过300台真机亮相，各式机器人吸引了众多观众驻足。
穿梭于场馆间，最直观的感受是热烈。宇树在展台中央搭建了一座擂台，两台人形机器人上演MMA对决，拳拳到肉，零件散落一地，围观者不时发出呐喊。加速进化也带来了一场迷你足球赛，机器人在世界杯的热潮中激烈角逐。松延动力更是邀请观众亲自体验“踢球”，机器人仅是微退几步，维持着令人称奇的平衡。
赛博风情的场景在场馆处处可见。一群coser牵着机器狗巡游，偶遇一只双腿短小却顶着卡通大头的“豆脚”，它不仅行走自如，还能突然劈叉，场面颇为奇幻。
喧嚣之下，光锥智能感知到，今年具身智能的发展风向已发生明显转变。尽管仍存在一些“表演”性质，但多数企业已将重心放在具体的“工作场景”上。
汽车线束产线、仓储、药房、零售货架、洗衣房乃至家庭客厅，这些真实场景被1:1搬进展馆，各类异构机器人在其中高效执行长程任务。机器人不再满足于简单的动作，而是开始在特定场景下忙碌。工作场景正在逐渐分化。
具身智能大脑的技术路线也展现出清晰的脉络。VLA与世界模型的争论在今年减少了许多。取而代之的，是Agent调度原子化技能的模式，实现“一脑控多机”，精准完成规范化任务。
然而，具身智能行业仍未攻克数据难题。真机数据短缺依旧是行业的共同痛点。很多展示依托于展会前夜采集的数据现调试模型，反映出现阶段数据量难以支撑模型在多样化场景的快速适应。因此，提升模型的泛化能力，成为当前商业化的关键。
2026 WAIC的具身智能尚需时间成长，但留给行业的时间已不多。现阶段的市场出货主要集中于教育科研和数采领域，真正的商业化尚未到来。在过渡性需求结束前，市场需要看到谁能在真实场景中创造实际价值。
2026年，机器人或有机会直接“打工”
工作，成为今年具身智能演示的核心关键词。在展馆场景中，各家机器人的“职业”分工已相当明确。
工业场景成为今年最密集的舞台，分工也愈发细化。极智嘉将小型产线搬来，人形机器人Gino 1负责从物料箱中抓取商品，无论薯片、面包还是毛绒玩具，一抓便准。Gino 1不仅能自主抓取和搬运，还能与移动机器人、专用工作站协同，完成从拣选到投递的全流程自动化作业，并具备一定的抗干扰能力。极智嘉似乎意在提供一套提升产线综合效率的系统方案。
石智航也将产线模型搬进展馆。其A1机器人专注于汽车线束的精密插接。柔软的线束易变形缠绕，A1需实时调整抓取策略，确保亚毫米级的孔位对接。若有失误，整个流程将中断。
类似的高精操作演示场内屡见不鲜。传统VLA机器人感知框架中，视频输入存在帧数限制，导致机器人可能“无法实时捕捉画面”，输出时误差可能达几毫米，但这也限制了机器人完成精细任务。如今，机器人厂商已着手解决这一问题。
重载方向同样备受关注。智元与京东物流联合推出的安规级重载具身机器人精灵G2 Max，现场单手举起重15公斤哑铃，未来将部署于京东物流“智狼仓”承担重物搬运。银河通用的重载人形机器人Galbot S1，可完成拆垛、搬运和码垛，单箱最高50公斤，每小时处理80至90箱，续航约10小时。
尽管这些任务尚不复杂，单小时效率仍不及人工，但重物搬运场景中机器人的优势已逐渐显现。它们不再只是“摆设”，而是能长时间连续作业。
工业场景被普遍视为具身智能率先实现“工作”的地方。此次WAIC上，面向消费者（To C）的零售和服务场景也释放出“准备就绪”的信号。
蚂蚁灵波的展位宛如一家真实药房。线上订单不到一分钟，机器人便完成接单、取货、将药品放置到台面等一系列动作。该方案已落地国大药房上海门店，并接入外卖平台。更有趣的是，展位内三台不同构型的机器人分别来自乐聚、星尘智能与蚂蚁灵波，形态各异，但共用LingBot-VLA 2.0大脑。类似架构已成为今年主流选择。
在一家仿超市的展台，银河通用的Galbot G1机器人正在烤面包片、倒咖啡。现场工作人员的干扰，如临时搬动杯子、遮挡杯口，机器人都能重新定位目标或暂停动作。据光锥智能了解，其自研大模型“银河星脑”已在三类机器人上搭载，能完成3至5分钟的长程任务。
能自主执行长程任务，已成为此次WAIC展示的核心能力。智平方的AlphaBot 2能现场调制鸡尾酒，优理奇的保姆机器人可手磨咖啡、烤披萨，这些都不是单一短动作，而是由多步骤组成的复杂任务。长程任务的核心价值在于，机器人对任务的理解和执行能力得到显著提升。
种种迹象表明，具身智能行业已发生明显变化。2025年，机器人在工业场景完成的是“拧螺丝”和分拣，在To C场景不过是“做咖啡”或“取物”。今年，机器人能处理更多物品，应对更复杂的场景，一个大脑开始控制不同形态的多台机器人，长程任务不再局限于个别展台。工作场景正从“执行几个动作”向“承担一类工种”迈进，工业、零售、服务之间的分工也日益清晰。
这一切都指向一个目标——让机器人深入具体场景，提升实用性。具身智能行业已叩响商业兑现的大门，但“动起来”到“用起来”之间，仍需跨越巨大鸿沟。
泛化能力是模型的最高追求
参观过程中不难发觉，今年机器人在行走、跑步、抓取、搬运等动作上已极为熟练。但决定它们能否真正派上用场的，是如何感知物理世界、自主决策。这些能力仍囿于数据和算法的瓶颈。
今年，光锥智能观察到，具身智能大脑模型的端到端叙事正逐渐淡化。前两年行业热衷谈论端到端，描绘出一个机器人从感知画面到输出动作的完美模型，无需中间环节。但在今年WAIC现场，长程任务几乎全部转变为Agent-based的分层架构。上层Agent负责任务调度和理解，下层则由被拆解的原子能力构成。
所谓原子能力，即将抓、放、插、堆、折等任务抽象为标准化技能。大模型先理解指令和上下文，再由Agent根据任务需求调用不同的技能组合。
这一模式兴起的主要原因是，业内发现端到端虽然出现Scaling Law的迹象，但仍不实用。换到新环境就需要大量专家重新训练和调试，耗时数月。原子能力基于既有技能进行适配，无需从头开始训练，部署周期大幅缩短。更重要的是，同一模型可通过不同本体复用这些技能。
现场，石智航、普渡、原力灵机等厂商均采用类似思路。例如原力灵机的机器人堆叠出“积木长城”，过程即机器人不断执行由多个特定工序组成的循环工作——识别积木颜色形状，规划抓取姿态与放置位置，逐层堆叠成型。
光锥智能觉得，新的方案某种意义上是回归本源。具身领域普遍认可的思路仍是“大脑小脑”架构，大脑负责提升智力上限，小脑负责调度执行。Agent-based更像是回归规则时代的路径，机器人感知到物体后输出操作能力。它确实提升了场景和能力的泛化性，但无需重训且无视机器人本体差异。
然而，该逻辑清晰，更像是在数据和模型能力限制下的折中。它不太可能通向“通用具身智能”的终点。
关于具身模型训练，真机数据难题依旧。截至2026年初，全球高质量真实物理交互数据总量仅50万小时，不及大语言模型训练数据的两万分之一。“在数据上需要大量积累，这是大家今年很强的共识。”智元合伙人、高级副总裁、具身业务总裁姚卯青强调，要达到高阶智能，真实物理世界的数据需求需达亿小时级别。
为解决数据问题，行业主要探索两条路径。其一是降低真实数据成本。智元通过拓展无本体数据采集体系解决，人与穿戴设备在真实场景中操作并记录数据，再迁移至机器人模型训练。为此推出轻量化作业和数据采集平台G2Air，其7自由度机械臂与采集设备原生同构，旨在最大程度复用无本体采集数据，实现数据与模型训练的无缝衔接。
灵巧手展台上常见的同构采集手套，戴上后灵巧手会同步动作。厂商不仅销售采集设备、方案，也降低开发者采集难度，构建数据回流渠道。
第二条路是仿真优先，再用真机数据微调。苏度科技采用物理仿真引擎在虚拟世界生成数据，优先提升基础操作能力。但仿真与真实世界存在差距，模型训好后需用真机在不同场景和任务中修正、打磨。
数据采集路径分化后，光锥智能发现，行业在单纯VLA与世界模型上的争论已减少许多，混合路线成为主流。蚂蚁灵波的LingBot 2.0模型系列包含具身原生世界动作模型LingBot-VA 2.0和具身基座模型LingBot-VLA 2.0；千寻智能采用VLA+世界模型的融合架构；智平方走“皮层-小脑-脊髓”的类脑路线；机器科学推出新架构VLOA，中间“O”代表物体连续运动的3D点云轨迹，可描述物体位置、姿态、形变和接触关系等。
极智嘉的双脑协同架构中，负责行动的小脑Gravity 4D具身模型扩展出二维视频预测能力，可预判风险后生成稳妥的连续动作序列，融合了世界模型特征。
当机器人的最终形态尚不明确时，把智能与硬件解耦，让同一套能力跨本体复用，不失为行业突破数据瓶颈、进入下一阶段的通行证。
量产竞赛之际，高下立判，生死攸关
真实世界的门票并非轻易获得。
具身智能行业去年便喊出量产与商业化口号，但实际表现不尽人意。据新战略咨询数据，2025年国内具身智能机器人出货中，科研教育占比42%，数据采集占19%，工业及物流仅占4%。这意味着，无法在真实应用市场立足的玩家将被淘汰。
要进入真实市场，仅能完成基本任务已不够，关键在于规模化量产能力。2026年作为具身智能的“量产元年”，产能成为重要分水岭。IDC数据显示，2025年全球人形机器人出货量近1.8万台，智元、宇树以5000台量级居首，智元在2026年3月底达成第10000台下线；乐聚、加速进化、松延动力处千台级第二梯队，其余厂商多在百台水平或仅剩样机。
然而，今年已不能再敷衍了事。去年厂商只需拿出Demo、让机器人动起来即可，今年更多厂商将大规模量产作为首要目标。宇树年产能规划达19万台；优必选将2026年出货目标上调至5000台；刚获某前置仓大客户，预计订单达3亿，正积极寻找代工和供应商，借WAIC扩大产能。
必须承认，当前过渡需求仍存在，但这非终局。量产不仅是出货，更在于出货空间和价值是否能成功商业化。
今年WAIC被频繁提及的，是京东智狼仓、长飞产线、国大药房、电池厂与汽车工厂。银河通用的Galbot S1已进入电池厂和汽车工厂，灵初的设备进驻长飞，蚂蚁灵波的智慧药房已在上海门店落地并接入外卖平台。从实验室和展厅出货到真实场景，各家正努力完成关键一步。
场景也在此过程中逐渐分化为物流、巡检、搬运为主的“工厂派”，与零售、服务、家庭为主的“日常派”，各自明确落地方向。
通过此次WAIC展示可见，“量产”不仅指整机出货，还包括数据量产和模型装机量。部分玩家从中发现商机，转型为“卖铲人”，提供标准化算力平台助行业跨过量产门槛。
例如地平线孵化的地瓜机器人，推出基于具身智能大脑的量产方案，适配近10款主流VLA模型，结合开发工具和生态伙伴，将机器人从样机到万台交付，拆解为“开发套件快速搭原型、模组真实场景调试、产业链协同规模化量产”三步路径。公司仅做全行业“卖铲人”，让整机厂专注场景落地。
机器人必须走进真实世界积累经验，行业必须走进真实市场赚取收益。WAIC举办八年，前几年还在争论路线、参数、时间表，今年方向前所未有清晰。
从百模大战的混乱，到场景、数据、量产三条主线的聚拢，具身智能在2026年上海完成成人礼。但现阶段机器人进厂，主要目的是建立试点，而非规模化采购。要让工厂复购，还需考量稳定性和ROI。接下来的竞争，将决定行业高下，更关乎生死存亡。
【站点差异】本稿发布至shixianpress.com，请以不同措辞、句式、节奏呈现，避免与其他版本雷同；事实与数据仍保持一致。
