电闪雷鸣的夜幕下，WAIC的场馆宛如新生的地球，具身智能科幻般降临。
步入世博展览馆前，路口处的人形交通机器人正忙碌地指挥车流，这已预示，今年的WAIC，具身智能将占据舞台中央。
具身智能赛道的参展商数量验证了这一点。从去年的80多家，一举跃升至200多家，几乎占据了所有展商的五分之一。展出的真机更超过了300台。形形色色的机器人将无数观众吸引了过来。
穿梭于各个展馆之间，最直观的感受便是人潮涌动。
宇树的展台中央，两台人形机器人上演激烈的MMA，拳拳到肉，零件散落一地，场外呐喊声不绝于耳。加速进化搭建了个小型足球场，红蓝两队的机器人在世界杯的氛围中踢球。松延动力更进一步，邀请观众上台试踢，只见机器人微微退让，平衡却出奇地稳。
赛博朋克风格也比比皆是。一群coser牵着机器狗四处闲逛，偶遇一只短腿顶着卡通头颅的“豆脚”，竟还来了个劈叉，颇具奇幻色彩。
但热闹之下，光锥智能敏锐地察觉到，今年的具身智能发展已悄然转向。
虽然表演性质依然存在，但更多企业已将重心放在了具体的“工作场景”上。
汽车线束产线、仓库、药房、零售货架、洗衣房、家庭客厅……这些真实场景被1:1地复刻出来，各种异构机器人在其中流畅地执行长程任务。机器人不再满足于简单动作，工作场景也开始细化。
具身智能大脑的技术路线也出现了变化。
此前反复强调的端到端路线、VLA与世界模型之争，在今年现场似乎已平息。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模式。
但具身智能行业依然面临数据难题。
真机数据依旧是行业普遍的困境。不少展示依赖于提前到现场采集数据、现调试模型。这意味着当前的数据量尚不足以让模型快速适应不同场景。提升模型泛化能力，仍是商业化的直接门槛。
2026年的WAIC具身智能仍需时间成长，留给行业玩家的窗口却越发紧迫。
现阶段具身智能行业的出货多集中在教育科研、数据采集等领域，根本算不上成功商业化。过渡性需求尚未结束，市场亟需看到谁能在真实场景里创造真正价值。
2026，机器人或迎来“直接打工”的一年
工作，是今年具身智能演示的核心。按场景巡馆，能清晰看到各家机器人“职业”的分野。
工业场景最为密集，分工也更为细致。
针对分拣环节，极智嘉将小型产线搬进展台，人形机器人Gino 1负责从物料箱里抓取商品，无论袋装薯片（不同充气量）、面包（透明包装），还是毛绒玩具（非规则外形），均能精准抓取。
Gino 1不仅能自己抓取货物、搬动物料箱，与移动机器人、专用工作站组合后，还能构成自动化编组，自主完成拣选、搬运至投递的全流程作业，且具抗干扰能力。交付逻辑看，极智嘉似在论证不仅是单个机器人性能强大，更在提供提升整线OEE的系统方案。
把产线复刻进展馆的还有英伟达。其A1机器人专攻汽车线束插接的精细作业。柔软线束稍一触碰便易变形且易缠绕，A1必须实时调整抓取策略，完成亚毫米级孔位插接，失误即中断整个流程。
类似高精操作在馆内比比皆是，颇具看点。
传统VLA机器人感知框架中，视频输入有帧数限制。机器人“所见非实时画面”，输出可能存在几毫米误差，此属常态。但这也导致机器人难以胜任精细活。而今，厂商已攻克这一难题。
除分拣和高精度操作，重载领域亦有人布局。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15公斤哑铃。未来将部署于京东物流“智狼仓”完成重物搬运。银河通用的重载人形机器人Galbot S1，可执行拆垛、搬运和码垛，单箱最高50公斤，时速可达80-90箱，续航约10小时。
尽管这些机器人执行的任务不复杂，单小时效率尚不及人工。但重物搬运场景中，机器人优势已初显，不再仅是“摆设”，且能长时间连续作业。
工业场景被视为具身智能率先实现“工作”的领域。本次WAIC上，To C的零售与服务场景同样释放出就绪信号。
蚂蚁灵波的展位仿照真实药房，有人线上下单，不足一分钟，机器人便完成接单、取货、上药等一系列动作。现实中，下一步便是骑手取货。该方案已落地国大药房上海门店，并对接外卖平台。
更有趣的是，展位内三台构型各异的机器人分别来自乐聚、星尘智能与蚂蚁灵波，但均共用LingBot-VLA 2.0这一大脑。类似“一脑控多形”、“一脑控多手”的架构，普渡和机器科学等也在展示，似已成为今年主流。
酷似超市的展台里，银河通用的Galbot G1机器人正在烤面包片、倒咖啡。现场无论工作人员如何干扰，例如临时挪移杯子或用手遮挡杯口，机器人都能重新定位目标或暂缓动作。据光锥智能了解，其自研大模型“银河星脑”已装机于三类机器人，能完成3-5分钟长程任务。
能自主执行长程任务，已不再是此次WAIC的特例。
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，这些皆由多个步骤组成的复杂任务。长任务的核心价值在于，机器人任务理解与执行能力实现质的飞跃。相比短任务“公式化”、“僵化”，执行长任务才算是真正“办事”。这意味着未来人可将更多完整任务交予机器人。
种种迹象表明，今年具身智能的变迁已相当显著。
2025年，机器人在工业场景执行的任务多为“拧螺丝”和分拣，To C场景不过“做咖啡”和“拿取商品”。今年机器人能抓取之物更多，处理场景更杂，大脑开始控制不同形态的多台机器人，长程任务也非个别展台专利。打工场景正从“完成几个动作”转向“承担一类工种”，工业、零售、服务间的分工也渐趋清晰。
这一切都指向一个目标：让机器人深入真实场景，提升实用性。具身智能行业已临近商业兑现门槛。但从“动起来”到“用起来”，仍存巨大鸿沟。
泛化是模型关键目标
观展时容易察觉，今年机器人在行走、奔跑、抓取、搬运等动作上已相当娴熟。但决定它们能否真正派上用场的关键，是如何理解物理世界、如何自主决策。这些能力仍受数据和算法制约。
今年，光锥智能发现，具身智能大脑模型的端到端叙事正逐渐退隐。
前两年行业盛谈端到端，描绘得极为理想。类比汽车自动驾驶，机器人能从视觉画面直接输出动作，无需中间环节。但今年WAIC现场，长程任务几乎清一色采用Agent-based的分层架构——上层用Agent负责调度与任务理解，下层则由被拆解的原子能力组成。
所谓原子能力，即将抓、放、插、堆、折等任务抽象成标准化技能。大模型先理解指令与上下文，再由Agent根据当前任务调用不同技能组合。
这一模式兴起的背景是，业内意识到端到端虽显规模效应，但并非即插即用。一旦换至新环境，需大量专家重训、验证，耗费数月调试。而原子能力基于既有技能适配，无需从头训练，部署周期得以极大压缩。更重要的是，同一模型换到其他本体上，这些技能仍可复用。
现场英伟达、普渡、原力灵机等厂商均采用类似思路。例如原力灵机机器人搭建“积木长城”，过程即机器人执行一连串特定工序——从识别积木颜色、形状，到规划抓取姿态、放置位置，再到逐层堆叠成型。
但光锥智能觉得，新方案或可视为一种“放下执念”。
当前具身普遍认可的思路仍是“大脑小脑”架构，大脑负责“智力上限”，小脑负责具体调度。Agent-based有点像回归规则时代的智驾，机器人见物即输出背后应操作的能力。从表现看，它提升了场景与能力的泛化性，无需场景重训，能“忽略”机器人本体差异。
但这条路逻辑清晰，更像是在数据与模型能力限制下的选择，未必导向“通用具身智能”终点。
关于具身模型训练环节，真机数据仍是共同困境。
截至2026年初，全球高质量真实物理交互数据总量约50万小时，仅及大语言模型训练数据的两万分之一。“在数据上需大量积累，这是今年共识。”智元合伙人姚卯青强调，要达高阶智能，真实物理世界的数据量需达亿小时级别。
为解数据难题，行业探索两条路径。
第一条是降低真实数据成本。智元拓展无本体数据采集体系，人通过手持、穿戴设备在真实场景操作，记录动作轨迹、视觉与交互，再迁移至机器人模型训练。为此推出轻量化作业与采集平台G2Air，此为拥有7个自由度的机械臂，与采集设备原生同构，旨在最大程度复用无本体环境数据，并使其与模型训练无缝衔接。
多个灵巧手展台可见同构采集手套。戴上后，灵巧手同步执行相同动作。除卖设备、卖方案，也在降低开发者采集难度，建立数据回流通道。
第二条是仿真先行，再用真机微调。苏度科技较倾向此法，用物理仿真引擎在虚拟世界批量生成数据，先提升基础操作能力。但仿真与现实存在迁移差距，模型训好后还需用真机在不同场景任务中跑，用真实数据持续修正打磨。
数据路线分化后，光锥智能还发现，今年行业在单纯VLA与世界模型上的争论已减少，多数采用混合路线。
各家都在探索其他可能。例如蚂蚁灵波的LingBot 2.0系列包含具身原生世界动作模型LingBot-VA 2.0与具身基座模型LingBot-VLA 2.0；千寻智能采用VLA+世界模型融合架构，智平方走“皮层-小脑-脊髓”类脑路线。机器科学推出新架构VLOA，“O”指物体连续运动的3D点云轨迹，可描述物体位置、姿态、形变、接触等变化。
而极智嘉双脑协同架构中，负责行动的小脑Gravity 4D具身模型扩展出二维视频预测能力，据称可预判风险后生成稳妥动作序列。这显然也融合了世界模型特征。
当谁都无法确定机器人的最终形态时，将智能与硬件解耦、让同一套能力跨本体复用，正成为行业破数据困境、推进下一阶段的通行证。
量产竞争时局，高下已分，生死待决
真实世界的门票并不易求。
去年，具身智能玩家们高喊量产与商业化，实际表现却并不尽如人意。
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19%，真正产生商用价值的工业及物流仅占4%。
这意味着，撑不到真实应用市场的玩家将在现阶段被淘汰。
要进入真实应用市场，仅证明能干活不够关键，规模化量产能力更不容忽视。2026年或为具身智能“量产元年”，产能已成为分水岭。
IDC数据显示，2025年全球人形机器人出货近1.8万台，智元、宇树以5000台量级居首，智元2026年3月底迎来第10000台下线；乐聚、加速进化、松延动力在千台级居次；其余厂商多在百台或样机阶段。
但今年，已不能再敷衍了。
去年厂商只要拿出Demo、让机器人动弹便算达标。今年，越来越多厂商将实现规模化量产视为核心目标之一。宇树年产能规划达19万台；优必选2026年出货目标调至5000台；刚获某前置仓大客户，号称3亿订单在手的零次方，正联络外部代工厂、寻找可靠供应商，借WAIC为扩产搭桥。
需要承认，现阶段科研教育、数采中心等过渡需求依然存在，但这终究非终局场景。量产不只是把货卖出去，更要看卖往何处，是否为有价值的市场空间，能否实现商业化。
今年WAIC反复提及的名字，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进了电池厂和汽车厂，灵初设备进入长飞，蚂蚁灵波的智慧药房已在上海门店运营。从实验室和展厅走向真正应用场景，各家都在尝试完成关键一跃。
场景在此过程中愈发分化，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”，各自主场已渐清晰。
通过本次WAIC展示可见，“量产”不仅指整机出货，也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”，试图提供标准化算力平台帮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平台的量产方案，算法适配近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。自己专注全行业的“卖铲”，让整机厂专注场景应用。
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获取收益。WAIC办了八年，前些年还在争论路线、比拼参数、猜测时间表，今年方向感前所未有地清晰。
从百模大战的混乱，到场景、数据、量产三条主线的收敛，具身智能在2026上海完成了自己的成人礼。但现阶段机器人进厂，主要目的仍是建立试点，而非规模化采购。要让工厂复购，还须算好稳定性和ROI的精细账。
接下来的竞争，既分高下，也决生死。
