机器人开始打工了，可量产才是生死线｜2026 WAIC

量产大关，既分高下，也决生死。

文｜罗镇昊

编｜刘俊宏

WAIC场馆外的电闪雷鸣，仿佛地球生命创生一样，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导车流，好像在预示：本届WAIC，具身智能绝对站C位。

从参展数量上即可证实这一点。今年具身智能赛道的参展企业从去年的80多家猛增到200多家，占全部展商近五分之一，摆出来的真机超过300台。各式各样的机器人把无数观展者“硬控”在台前。

穿行在场馆间，最大的感受是热闹。

宇树在展台中间直接搭了擂台，两台人形机器人现场打起MMA，拳拳到肉，零件撒了一地，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。松延动力更直接，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。

更赛博的场景在场馆比比皆是。一群coser牵着机器狗在展馆里溜达，过道上突然撞见一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一些“表演”性质，但更大一部分企业已经把重点放在了具体的“打工场景”。

汽车线束产线、仓库、药房、零售货架、洗衣房、家庭客厅……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“一脑控多机”、精准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最直接的门槛。

2026WAIC的具身智能依然需要时间成长，但留给行业玩家的时间却不多了。

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

2026，机器人最有希望 直接“打工”的一年

工作，是今年具身智能演示的核心主题。按场景在展馆走一圈，会发现各家机器人的“工种”已经分得相当清晰。

工业是今年密度极高的场景，分工也更细化。

针对分拣环节，极智嘉直接把一个小型产线搬进展台，人形机器人Gino 1负责从物料箱里抓取商品，无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，都能一抓一个准。

Gino 1除了自己能抓取货物、搬物料箱外，把它和移动机器人、专用工作站放在一起，就能组成一个自动化编组，自主完成从拣选、搬运到投递全流程作业，并具备一定的抗干扰能力。从交付逻辑看，极智嘉似乎不只想证明单个机器人的能力有多强，更是试图提供一套提升整条产线OEE（设备综合效率）的系统方案。

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。柔软的线束一碰就变形，而且容易缠绕，A1必须根据线束状态实时调整抓取策略，然后完成亚毫米级的孔位插接。一旦失误，整个流程都得中断。

这类高精操作在场馆内有不少类似的演示，还挺有意思的。

在传统VLA机器人感知框架里，视频部分的输入其实会有帧数限制。机器人“可能看到的不是最实时的画面”，导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，这也导致机器人干不了“精细活”。现在机器人厂商把这个问题搞定了。

除了分拣和高精度操作，重载方向同样有人押注。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，现场单手举起一只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，单箱最高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，单小时效率还比不上人工。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最先实现“干活”的地方。但这次WAIC上，To C的零售和服务场景，同样释放出了“Ready”的信号。

蚂蚁灵波的展位就是一个真实药房的样子，有人在线上下单，不到一分钟，机器人就完成了接单、取货、把药放到台上一系列动作。在现实中，下一步肯定就是等骑手来取。这套方案已经在国大药房上海门店落地，并打通了外卖平台。

更有意思的是，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，构型完全不同，但它们都共用LingBot-VLA 2.0这一个大脑。类似这种“一脑控多形”、“一脑控多手”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。

在一个酷似超市的展台，银河通用的Galbot G1机器人正在帮人烤面包片、倒咖啡。现场无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。

智平方的AlphaBot 2，能现场调一杯鸡尾酒，制作各种饮料，优理奇的保姆机器人做手磨咖啡、烤披萨，这些都不是单一的短动作，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”，执行一个长任务才算是真正“办了一件事”。这意味着，未来人可以把更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“打螺丝”和分拣，在ToC场景无非就是“做咖啡”和“零售店拿个东西”。今年机器人能抓取的东西更多了，能处理的场景更杂了，一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。打工场景正在从“能做几个动作”走向“能承担一类工种”，工业、零售、服务之间的分工也开始清晰起来。

这一切都指向一个目的，那就是让机器人深入到具体场景，变得更加实用。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。

泛化是模型最重要的目标

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，依然被困在数据和算法的瓶颈里。

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。

前两年具身行业言必称端到端，描述得非常美妙。类比汽车自动驾驶，机器人也能一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，长程任务几乎清一色变成了Agent-based的分层架构——上层用一个Agent负责调度和任务理解，下层则是一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、折等任务抽象成一个个标准化技能。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合。

这一模式兴起的前提在于，业内发现，端到端虽然出现Scaling Law的信号，但并不代表马上能用。一旦换到新环境，需要大量专家重新训练，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。更重要的是，当同一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一段“由几个特定工序组成，能循环”的工作——从识别每一块积木的颜色与形状，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，新的方案在某种程度上可能算是一种“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，机器人看到一个物体，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性，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，它更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，全球高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一。“在数据上需要很多量，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量级需达到亿小时级别。

为解决数据难题，行业的解法大致分为两条路径。

第一个是把真实数据的成本打下来。智元的方式是拓展无本体数据采集体系，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，智元推出了一款轻量化作业和数据采集平台G2Air，这是一款拥有7个自由度的机械臂，和自家的采集设备原生同构，就是为了最大程度复用无本体环境采集到的数据，也让这些数据能更好地和模型训练无缝衔接。

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。除了卖采集设备、卖方案，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。

第二条路是仿真先行，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、打磨模型。

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，现在基本都是混合路线了。

各家都在探索其他可能。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+世界模型的融合架构，智平方走“皮层-小脑-脊髓”的类脑路线。机器科学则推出了一个新的架构——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，扩展出了二维视频预测能力，据称可实现在预判风险后再生成稳妥的连续动作序列。这显然也是融合了世界模型的特征。

当谁都无法确信机器人的最终形态时，把智能与硬件解耦、让同一套能力跨本体复用，正是行业不被数据卡死、进入下一阶段的通行证。

量产角逐之际 既分高下，也决生死

真实世界的门票并不好拿。

去年，具身行业的玩家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，科研教育仍是第一大需求场景，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家，将在这一阶段被淘汰出局。

要跻身真实的应用市场，光证明能干活儿并不够，更关键的是规模化量产能力。2026年作为具身智能的“量产元年”，产能已经成为一道分水岭。

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台量级位居第一梯队，其中智元在2026年3月底迎来第10000台机器人下线；乐聚、加速进化、松延动力处于千台级的第二梯队。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、让机器人动一动就算合格。今年，越来越多厂商把实现大规模量产当作最重要的目标之一。宇树的年产能规划目标已达19万台；优必选将2026年出货目标上调至5000台；刚拿下某前置仓大客户，号称3亿订单在手的零次方，一边联系外部代工厂、一边寻找可靠供应商，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。量产不只是把货卖出去，还要看卖到哪，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。从卖给实验室和展厅到抵达真正该用起来的地方，各家都在试图完成这关键一跃。

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”，与以零售、服务、家庭为主的“日常派”，各自划出了清晰的落地方向。

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。也有玩家从中发现机会，当起了“卖铲人”，试图用一套标准化算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，就推出了一套基于具身智能大脑平台的量产方案，算法上适配近10款主流VLA模型，并结合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“卖铲人”，让整机厂专注场景落地。

机器人必须走进真实世界挣取自己的经验，行业必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，今年方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，后面还要算一笔关于稳定性和ROI更精细的账。

接下来的竞争，既分高下，也决生死。