量产大关，既分下，也决生死。

文｜罗镇昊

编｜刘俊宏

WAIC 场馆外的电闪雷鸣，仿佛地球生命创生样，激发着具身智能这个新物种。

还没走进世博展览馆，周边路口上就能看见人形交通机器人在疏车流，好像在预示：本届 WAIC，具身智能对站 C 位。

从参展数量上即可证实这点。今年具身智能赛道的参展企业从去年的 80 多猛增到 200 多，占全部展商近五分之，摆出来的真机过 300 台。各式各样的机器人把数观展者"硬控"在台前。

穿行在场馆间，大的感受是热闹。

宇树在展台中间直接搭了擂台，两台人形机器人现场起 MMA，拳拳到肉，件撒了地，场外喊声此起彼伏。加速进化搭了个迷你足球场，红蓝两队机器人趁着世界杯热度踢球。松延动力直接，拉着观众上去"试踹"，机器人只是微微后退几步，平衡稳得让人有点意外。

赛博的场景在场馆比比皆是。群 coser 牵着机器狗在展馆里溜达，过道上突然撞见只两条短腿顶着卡通大头的"豆脚"，走着走着突然劈了个叉，甚至有点魔幻。

但热闹之下，光锥智能明确感受到，今年具身智能的风向已经明显变了。

虽然今年具身智能还存在些"表演"质，但大部分企业已经把放在了具体的"工场景"。

汽车线束产线、仓库、药房、售货架、洗衣房、庭客厅 …… 这些真实场景，很多都被 1:1 搬进展馆，各类异构机器人在其中流畅地执行长程任务。机器人不仅开始被要求"干活"，而且干活的场景正在分化。

与此同时，具身智能大脑技术路线也出现了清晰的变化。

之前被反复强调端到端路线所代表的 VLA 与世界模型之争，在今年现场的纷争似乎少了许多。取而代之的，是通过 Agent 调度原子化技能、实现"脑控多机"、完成规范化任务的路径模式。

但具身智能行业还是没有解决数据难题。

真机数据依旧是行业的共同困境。这次 WAIC 上很多展示，其实都依托于提前到现场连夜采集数据、现调试模型。这意味着，现阶段的数据量还没法达到让模型快速适应不同的场景的程度。因此，提升模型的泛化能力，仍然是当前商业兑现直接的门槛。

2026WAIC 的具身智能依然需要时间成长，但留给行业玩的时间却不多了。

当前具身智能行业的出货，大部分还是教育科研和数据采集这些根本不成功商业化的域。过渡需求还没结束之前，市场需要看到的，是谁能在真实场景里创造真正的价值。

2026，机器人有希望

直接"工"的年

工作，是今年具身智能演示的核心主题。按场景在展馆走圈，会发现各机器人的"工种"已经分得相当清晰。

工业是今年密度的场景，分工也细化。

针对分拣环节，智嘉直接把个小型产线搬进展台，人形机器人 Gi 负责从物料箱里抓取商品，论是充气量不同的袋装薯片、透明包装的面包，还是外形不规则的毛绒玩具，都能抓个准。

Gi 除了自己能抓取货物、搬物料箱外，把它和移动机器人、用工作站放在起，就能组成个自动化编组，自主完成从拣选、搬运到投递全流程作业，并具备定的抗干扰能力。从交付逻辑看，智嘉似乎不只想证明单个机器人的能力有多强，是试图提供套提升整条产线 OEE（设备综率）的系统案。

把产线复刻进展馆的还有它石智航。在这里，A1 机器人处理的是汽车线束插接的精细活。柔软的线束碰就变形，而且容易缠绕，A1 须根据线束状态实时调整抓取策略，然后完成亚毫米的孔位插接。旦失误，整个流程都得中断。

这类精操作在场馆内有不少类似的演示鹰潭PVC管道管件粘接胶，还挺有意思的。

在传统 VLA 机器人感知框架里，部分的输入其实会有帧数限制。机器人"可能看到的不是实时的画面"，致输出可能连带着存在几毫米的误差，这是很正常的。但同时，这也致机器人干不了"精细活"。现在机器人厂商把这个问题搞定了。

除了分拣和精度操作，重载向同样有人押注。智元与京东物流联出的安规重载具身机器人 G2 Max，现场单手举起只 15 公斤哑铃，未来计划部署进京东物流"智狼仓"承担重物搬运。银河通用的重载人形机器人 Galbot S1，能完成拆垛、搬运和码垛，单箱 50 公斤，每小时处理 80 至 90 箱，续航约 10 小时。

虽然这些机器人执行的任务并不复杂，单小时率还比不上人工。但重物搬运场景使用机器人的优势已经开始显现，机器人不再只是"花瓶"，而且还能长时间连续作业。

工业场景被普遍认为是具身智能先实现"干活"的地。但这次 WAIC 上，To C 的售和服务场景，同样释放出了" Ready "的信号。

蚂蚁灵波的展位就是个真实药房的样子，有人在线上下单，不到分钟，机器人就完成了接单、取货、把药放到台上系列动作。在现实中，下步肯定就是等骑手来取。这套案已经在国大药房上海门店落地，并通了外平台。

有意思的是，里面的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，构型不同，但它们都共用 LingBot-VLA 2.0 这个大脑。类似这种"脑控多形"、"脑控多手"的架构，普渡和机器科学等也都在展示，似乎已经成为今年的主流选择。

在个酷似市的展台，银河通用的 Galbot G1 机器人正在帮人烤面包片、倒咖啡。现场论工作人员如何干扰，例如—临时把杯子挪位置、用手挡住杯口，机器人都能重新寻找目标或先暂停动作。据光锥智能了解，其自研大模型"银河星脑"已经在三类机器人上装机，能完成 3 到 5 分钟的长程任务。

能自主执行长程任务，已经成了这次 WAIC 上展示干活能力的标配。

智平的 AlphaBot 2，能现场调杯鸡尾酒，制作各种饮料，优理奇的保姆机器人做手磨咖啡、烤披萨，这些都不是单的短动作，而是由多个步骤组成的复杂任务。长任务的核心价值在于，机器人对任务的理解能力和执行能力都有了质的提升。相比短任务的"公式化"、"呆板"，执行个长任务才是真正"办了件事"。这意味着，未来人可以把多完整的任务交给机器人来做了。

种种迹象表明，今年具身智能的变化已经相当明显。

2025 年，机器人在工业场景执行的任务只是"螺丝"和分拣，在 ToC 场景非就是"做咖啡"和"售店拿个东西"。今年机器人能抓取的东西多了，能处理的场景杂了，个大脑开始控制不同形态的多台机器人，长程任务也不再是个别展台的特例。工场景正在从"能做几个动作"走向"能承担类工种"，工业、售、服务之间的分工也开始清晰起来。

这切都指向个目的，那就是让机器人入到具体场景，变得加实用。可以看出，具身智能行业已经到了商业兑现的门口。但从"动起来"到"用起来"，仍然存在巨大的鸿沟。

泛化是模型重要的目标

逛展时很容易感受到，今年机器人在走、跑、抓、搬等动作上，已经变得很利索了。但真正决定它们能用起来的，是如何理解物理世界、如何自主决策。这些能力，依然被困在数据和法的瓶颈里。

今年，光锥智能发现，过去具身智能大脑模型的端到端叙事正在逐渐让位。

前两年具身行业言称端到端，描述得非常美妙。类比汽车自动驾驶，机器人也能个模型从看到画面到输出动作，中间什么都不要。但在今年 WAIC 现场，长程任务几乎清变成了 Agent-based 的分层架构——上层用个 Agent 负责调度和任务理解，下层则是个个被拆解出来的原子能力。

所谓原子能力，就是把抓、放、插、堆、折等任务抽象成个个标准化技能。大模型先理解指令和上下文，再由 Agent 根据当前任务去调取不同的技能组。

这模式兴起的前提在于，业内发现，保温护角专用胶端到端虽然出现 Scaling Law 的信号，但并不代表马上能用。旦换到新环境，需要大量重新训练，验证，花几个月来调试。而原子能力是基于已有技能做适配，不用从头训练，部署周期能实现大幅压缩。重要的是，当同个模型换到其他本体上，这些技能也有机会复用。

在现场，光锥智能看到它石智航、普渡、原力灵机等厂商都在采用类似思路。例如原力灵机的机器人摆了个"积木长城"，过程就是让机器人不停执行段"由几个特定工序组成，能循环"的工作——从识别每块积木的颜与形状，到规划抓取姿态与放置位置，再到逐层堆叠建造成型。

但光锥智能感觉，新的案在某种程度上可能是种"放下执念"。

当下具身普遍认可的思路，还是"大脑小脑"的架构，大脑负责"智力上限"，小脑负责具体调度执行。Agent-based 有点像是回归到规则时代的智驾，机器人看到个物体，然后输出背后要操作的能力。从表现上看，它确实提升了场景和能力的泛化，能够不需要场景重训，能"忽视"机器人构型层面的差异。

但同时，这条路的逻辑也比较清晰，它像是在当前数据与模型能力约束下的选择，不太可能走到"通用具身智能"的终点。

关于具身模型训练环节，真机数据依然是行业共同的困境。

截至 2026 年初，全球质量真实物理交互数据总量仅约 50 万小时，不足大语言模型训练数据的两万分之。"在数据上需要很多量，这是大今年很强的共识。"智元伙人、总裁、具身业务总裁姚卯青强调，要达到阶智能，真实物理世界的数据量需达到亿小时别。

为解决数据难题，行业的解法大致分为两条路径。

个是把真实数据的成本下来。智元的式是拓展本体数据采集体系，也就是人通过手持、穿戴采集设备，在真实场景中操作，同时记录动作轨迹、视觉和交互，再迁移到机器人模型的训练。为此，智元出了款轻量化作业和数据采集平台 G2Air，这是款拥有 7 个自由度的机械臂，和自的采集设备原生同构，就是为了大程度复用本体环境采集到的数据，也让这些数据能好地和模型训练缝衔接。

在很多灵巧手展台上，几乎都能看见同构的采集手套。戴上之后，灵巧手会同步做相同的动作。除了采集设备、案，某种程度上，这也是在降低开发者的采集难度，以便建立数据回流的通道。

二条路是仿真先行，再用真机数据微调。像苏度科技就比较偏向这个做法，用物理仿真引擎在虚拟世界批量生成数据，先把机器人的基础操作能力提起来。但仿真和真实世界之间存在迁移差距，所以模型训好之后，还要用真机在不同场景和任务中跑，用真实数据持续修正、磨模型。

数据路线分野之后，光锥智能还发现，今年行业在单纯 VLA 还是世界模型上的争吵已经少了许多，现在基本都是混路线了。

各都在探索其他可能。例如蚂蚁灵波的 LingBot 2.0 模型系列，就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；千寻智能采用的是 VLA+ 世界模型的融架构，智平走"皮层 - 小脑 - 脊髓"的类脑路线。机器科学则出了个新的架构—— VLOA，中间的" O "是指物体连续运动的 3D 点云轨迹，可以描述物体在任务中的位置、姿态、形变和接触关系等变化。

而智嘉的双脑协同架构中，负责行动的小脑 Gravity 4D 具身模型，扩展出了二维预测能力，据称可实现在预判风险后再生成稳妥的连续动作序列。这显然也是融了世界模型的特征。

当谁都法确信机器人的终形态时，把智能与硬件解耦、让同套能力跨本体复用，正是行业不被数据卡死、进入下阶段的通行证。

量产角逐之际

既分下，也决生死

真实世界的门票并不好拿。

去年，具身行业的玩们就在喊量产和商业化。但实际表现，其实挺难看的。

据新战略咨询数据，2025 年国内具身智能机器人的出货中，科研教育仍是大需求场景，占比 42，数据采集占 19，而真正用于产生商用价值的工业及物流，只占 4。

这意味着，撑不到真实应用市场爆发的玩，将在这阶段被淘汰出局。

要跻身真实的应用市场，光证明能干活儿并不够，关键的是规模化量产能力。2026 年作为具身智能的"量产元年"，产能已经成为道分水岭。

IDC 数据显示，2025 年全球人形机器人出货量接近 1.8 万台，智元、宇树以 5000 台量位居梯队，其中智元在 2026 年 3 月底迎来 10000 台机器人下线；乐聚、加速进化、松延动力处于千台的二梯队。其余厂商大多还在百台水平，或者干脆只有样机。

但今年，没法再这么糊弄了。

去年厂商只要拿得出 Demo、让机器人动动就格。今年，越来越多厂商把实现大规模量产当作重要的目标之。宇树的年产能规划目标已达 19 万台；优选将 2026 年出货目标上调至 5000 台；刚拿下某前置仓大客户，号称 3 亿订单在手的次，边联系外部代工厂、边寻找可靠供应商，借 WAIC 为扩产搭桥。

需要承认的是，当前阶段，科研教育、数采中心这样的过渡需求依旧存在，但这毕竟不是终局场景。量产不只是把货出去，还要看到哪，是不是有价值的出货空间，能不能成功商业化。

今年 WAIC 上被反复提起的名字，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 进了电池厂和汽车工厂，灵初的设备进了长飞，蚂蚁灵波的智慧药房已经在上海真实门店投入运营。从给实验室和展厅到抵达真正该用起来的地，各都在试图完成这关键跃。

场景也在这个过程中越加分化，以物流、巡检、搬运为主的"工厂派"，与以售、服务、庭为主的"日常派"，各自划出了清晰的落地向。

通过这次 WAIC 的展示可以看到，"量产"的含义不只有整机的出货，还包括数据的量产和模型的装机量。也有玩从中发现机会，当起了"铲人"，试图用套标准化力平台帮行业跨过量产门槛。

例如地平线孵化的公司地瓜机器人，就出了套基于具身智能大脑平台的量产案，法上适配近 10 款主流 VLA 模型，并结开发工具和生态伙伴，把机器人从样机到万台交付，拆解成"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。自己只做全行业的"铲人"，让整机厂注场景落地。

机器人须走进真实世界挣取自己的经验，行业须走进真实市场挣取自己的收入。WAIC 办了八年，前几年还在吵路线、比参数、猜时间表，今年向感前所未有地清晰。

从百模大战式的混乱，到场景、数据、量产三条主线的收敛，具身智能在 2026 年的上海完成了自己的成人礼。但现阶段的机器人进厂，主要目的还是建立试点，并不是真用于工作的规模化采购。要让工厂复购，后面还要笔关于稳定和 ROI 精细的账。

接下来的竞争，既分下，也决生死。相关词条:离心玻璃棉     塑料挤出机     钢绞线厂家    铝皮保温    pvc管道管件胶

奥力斯    pvc管道管件胶批发    联系人：王经理    手机：15226765735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定鹰潭PVC管道管件粘接胶，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。