图片来源：视觉中国
界面新闻记者 | 徐美慧
界面新闻编辑 | 文姝琪
今年WAIC展馆里的机器人，多了一重身份，打工人。
7月17日至20日，2026世界人工智能大会（WAIC）在上海开幕。本届大会展览面积首次突破10万平方米，首次联动世博、张江、西岸三地四馆同步开展，共计1100余家企业参展，近4486项展品亮相，349款产品全球首发，规模创历年新高。
机器人无疑是其中最火热和拥挤的板块。今年，具身智能首次被列为大会核心赛道，参展的相关企业超过200家，数量创历史之最。就在几天前，工信部相关负责人在新闻发布会上曾预计，2026年全年人形机器人整机产量有望突破10万台。
不过，比数量更值得注意的是今年展台上各家厂商展示内容的变化。在往年的WAIC上，机器人展区的常见画面是跳舞、跑步、翻跟头等炫技，观众看的是本体的运动能力。今年这类表演虽然还在，但不再是主角。
变化首先体现在本体厂商的参展方式上。智元把工厂、地铁物流仓库的部署场景搬到现场，擎朗则在展台上搭出咖啡亭、洗衣房和零售店，穹彻智能演示药房抓药，云深处展示防汛救援方案……展台的重心，从单台机器人的能力展示转向了具体的作业场景。
图片来源：擎天租
智元联合创始人、总裁兼CTO彭志辉在接受界面新闻等媒体采访时表示，行业最明显的转变，是具身智能从过去两年的炫技式展示转向部署态和生产力，衡量的标准也变得务实起来。
“大家不再只是看机器人能不能跑、能不能跳舞、能不能表演，而是更关注它能不能真正进入工厂、进入商业服务的环境，能不能长时间稳定地工作，跨任务的泛化能力怎么样。”在他看来，部署之后能不能持续跑出可供迭代的数据，同样是务实的指标之一。
另一个明显的变化发生在产业链上，专门做数据、做世界模型、做具身芯片和传感器的公司，今年成规模地设立了独立展台。
展台主角的切换与产业链的分化，实际上是具身智能发展到新阶段的必然结果。
机器人一旦离开展台上的预设流程，进入真实的工厂和门店，甚至走进家庭，就要应对大量没见过的情况，而这种泛化能力依赖大规模的真实世界数据，单靠本体厂商自己很难补齐。数据、模型、感知等环节由此成为独立的生意。
智元合伙人、高级副总裁、具身业务总裁姚卯青在接受界面新闻等媒体采访时进一步解释，要实现物理世界的GPT时刻，数据总量需要远大于目前全行业的存量规模，并且这些数据必须非常贴近真实世界，才能让机器人精准描述物理状态并判断物理规律。
大晓机器人董事长、商汤科技联合创始人王晓刚向界面新闻给出更具体的时间表，要在2027年前后迎来具身智能的智能涌现时刻，前提是未来两年积累千万小时量级、以人为中心的数据。
那么，对于走向真实的物理世界这道必答题，各家厂商在今年的WAIC上交出了怎样的实际方案？
带着场景参展
今年WAIC最直观的感受是，厂商们不再空谈技术参数，而是把真实的打工场景直接搬到了展会现场。
智元把2026年定义为部署态元年。在今年的WAIC展区里，精灵G2 Max与京东物流合作的仓储部署场景落地呈现，这是人形机器人首次在真实仓储作业生产场景中部署，机器人单臂负载18公斤，可24小时完成搬运、码垛，现场同时还原了半导体料盘上下料产线。
会场之外，智元联合机器人租赁平台擎天租，部署了60台机器人，在主会场和分会场的公共区域承担指路引导服务，这也是行业内首次实现具身智能“部署态”公共服务。
彭志辉在采访中表示，具身智能会优先在技术成熟度匹配的业务场景落地，其中工厂是智元最先切入的领域。“我们现在已经在江西的一些制造业企业，包括大型3C电子工厂里，让机器人并线到了真实的流水线上进行常态化的干活了。”他补充表示，除了工厂，导购、导览等商业服务环境是另一个重要落脚点。
如果说智元把工厂这类的具体场景搬进了展台，擎朗选择的则是服务业。它以具身社区的形式参展，人形机器人在咖啡亭、甜品屋、零售店和洗衣房四个场景中全程零遥操、纯自主运行。
擎朗智能COO万彬在接受界面新闻采访时表示，相比于演示性的产品，在真实场景中干活面临着巨大的工程化难度和挑战，但行业进步的标志正是越来越多的同行开始朝干活实用的方向投入。
零售门店是另一类正在被验证的场景。穹彻智能在WAIC现场演示了药房抓药，搭载穹彻具身大模型的机器人面向超过3000个SKU完成识别与抓取，约2.5平方米即可部署，无需改造门店。目前，该方案已在沈阳等地的连锁药房完成部署验证。
除了标准化的工厂和零售门店，那些环境恶劣、危险系数高的特种作业地带，成为天然适合机器人的工作场景。
云深处这次展示的重点场景之一就是应急救援。云深处解决方案负责人乔鑫向界面新闻记者介绍，应对山体滑坡或台风等恶劣环境下的救援，目前已经可以通过机器狗组合来解决。例如，机器狗可以前出3到5公里进行危险探查与视频回传，在救援人员抵达前完成现场勘察与数据通信。
展会期间，云深处科技集中展出了围绕电力、应急、公安、消防、林草、教育六大行业的标准化解决方案。
针对复杂的应急救援需求，乔鑫认为未来将是“组合作业”的模式，探查危险和人员搜救是机器狗的强项，而倒塌房屋清障等重载工作则会由大型机器人来承担，产品形态将加速走向多元化组合。
在宇树展台，C位则留给了首次展出的全球首款载人变形机甲GD01。宇树科技市场经理夏耕接受界面新闻记者采访时介绍，GD01身高约3米，载人后约500公斤，可在双足和四足形态间切换，定位是代替人进入危险场景作业。这款机甲今年5月发布时定价为390万元起。
北京人形则瞄准脏污、繁重、高危的特种作业需求，依托自研的具身天工人形机器人整机技术体系与慧思开物通用具身智能平台，推出覆盖商业服务、物流分拣、泛电子工业、能源巡检和计量检测的成套解决方案。
傅利叶则首次带来面向居家陪伴服务的具身智能全链路技术Demo——傅利叶“具身之家”技术解决方案，GR-3成为智能管家助手，完成从居家安防、物品取送，到生活陪伴、访客接待等一系列任务。
与此同时，随着技术泛化和成本的逐步下探，机器人进入个人与家庭消费市场也初露苗头，只是与工厂和零售门店相比，各家在消费市场选择的切口明显不同。
图片来源：上纬新材
上纬新材旗下启元机器人T1在WAIC期间完成首秀，主打的是形态。这款个人机器人可在轮足人形与四足形态间自主切换，室内安静移动，户外应对草地和台阶，还能联动运动相机完成跟拍。
松延动力押的则是价格和情感，万元级的Bumi小布米在展台上多机群舞，新品仿生机器人小月靠眼神跟随和表情回应与观众互动。
不过，要让机器人真正胜任这些多种多样的场景，仅靠硬件还远远不够。无论是进厂打螺丝，还是在家做管家，各家厂商都面临着一个共同的瓶颈：机器人必须适应未知的真实环境，这极度依赖模型的泛化能力，而泛化能力的基石则是海量数据。
解决这一痛点，正是本届WAIC展馆中另一群新兴玩家的使命。
数据和世界模型成为独立生意
今年的WAIC上，除了热闹的本体厂商，专门从事世界模型研发、数据采集以及核心零部件供应等领域的企业也开始成规模地设立独立展台，标志着具身智能产业链正加速细分与聚集。
王晓刚在接受界面新闻等媒体采访时表示，当前行业真正欠缺的是机器人在未知场景中的泛化能力，很多惊艳的Demo仍是在预先设置好的特定任务中完成的，一旦进入真实生产生活场景，机器人就会遇到大量从未见过的情况。
地瓜机器人CEO王丛在接受界面新闻等媒体采访时指出，今年算法泛化能力的提升，并非源于某项颠覆性的技术突破，而是因为行业在数据积累、对齐和治理等基础工作上做得更扎实了。
他以自动驾驶类比，行业起步做数据采集时也没有成熟的量产车，摄像头怎么装、配几个雷达都没有标准，第一批采集的数据很多都废掉了。在他看来，具身智能同样会经历这个阶段，“废掉几波数据、走几次弯路，自然会形成可行的落地路径”。
换句话说，算力和算法的上限目前很大程度上是由高质量数据的规模决定的。
姚卯青表示，目前，行业都在等待GPT时刻，但这需要一个全社会动员的系统化工程。他透露，今年其数据积累目标接近1000万小时，并希望把各行各业各种技能的数据收集起来为AI所用，“只有真实世界的数据，才能最好地描述物理规律”。
图片来源：智元
VLA与世界模型两种技术路线之争仍被业内关注。
在王晓刚看来，VLA与世界模型短期会协同存在。世界模型尚未完全成熟时，VLA对于确定性较高的任务学习速度更快、执行确定性更强，是世界模型的有效补充；世界模型则更擅长长程复杂任务的理解与分解。
不过，他认为，随着数据规模扩大，世界模型将逐步吸收VLA的能力，最终走向大一统的基座模型。
这种路线的演进，直接关系到机器人大脑的“逻辑推理”上限。
香港科技大学计算机科学与工程系副系主任郭嵩在接受界面新闻记者采访时指出，相比于自动驾驶，人形机器人需要跟复杂的物理世界交互，不仅要有小脑的控制闭环，更需要大脑具备长程的逻辑推理能力，能理解人的意图并完成清理桌面等连续性任务。
他认为，未来的方向是模拟器（指世界模型）与规划器（指VLA）二者合一，将仿真能力纳入到VLA动作能力中打通智能传递链路。
安谋科技市场及生态副总裁梁泉从芯片部署落地的角度补充表示，VLA模型目前结构相对稳固，在特定场景下已经跑通了闭环，是当前最能直接落地到国产芯片上的务实选择。这也是其与香港科技大学围绕VLA模型开发与部署展开进一步深化合作的初衷。
他的观点是，相比于还在快速演进中的世界模型，VLA能够帮助产业链更快地建立生态和商业正循环。
此外，姚卯青认为，目前行业里的营销词汇偏多，大家都喜欢给自己的技术贴上新颖的标签，VLA和世界模型其实都只是产品形态的描述，而非技术本质。剥开名词，机器人真正需要的是一个物理世界里的多模态大模型，能接收文本、图像、视频和力学信息，输出动作、规划以及对未来画面的预测。
他认为，真正的分水岭在于，这个模型的结构和训练必须围绕千万小时量级的具身原生数据从头设计，而不是在娱乐性质的视频生成模型或图文问答模型的基础上改造而来。
对高质量空间数据的渴求，直接催生了全新的基础设施生态。为了弥补数据缺口，从前端的数据采集硬件到后端的模型训练架构，围绕着这套全新的数据基础设施，行业内的玩家们已经开始跑马圈地。新玩家们卡位的，是数据链条上各不相同的环节。
模型端的X-Era Lab在本届展会上展示了一台会系鞋带的机器人，来呈现其原生世界动作基础大模型应对柔性物体和长程任务的能力。该公司透露，其已积累千万小时级的4D数据，通过海量真实交互数据对模型进行预训练，赋予机器人更强的通用操作泛化能力。
在采集端，京东则从数据基建入手，展示其自研的JoyEgoCam头戴式数据采集设备以获取第一视角作业数据，同时开源了行业最大的人类第一视角数据集EgoLive，试图构建覆盖全链路的具身数据基础设施。
硬件供应商则把传感器本身变成数据入口。速腾聚创发布了第二代全固态感知平台E2，试图通过高精度的数字化激光雷达，在机器人移动和操作过程中同步生成高质量的三维空间数据，直接将底层传感器打造成物理AI的数据入口。
感知的拼图也不止视觉。今年首次参展的一目科技则专注于视触觉（Vision-based Tactile）技术。一目科技创始人兼CEO李智强在接受界面新闻记者采访时表示，目前，触觉数据稀缺、模态对齐能力弱仍是行业当前的主要卡点，但过去半年从业者对触觉价值的共识正在快速形成。
在他看来，真正的突破依然需要依靠具体场景驱动，在实际落地中积累高质量的数据闭环，从而补齐具身智能的“最后一块拼图”。
图片来源：一目科技
细化的分工同样延伸到了交互层。今年首次参展的模思智能，展出了可在视频持续输入时作答的实时视频理解模型MOSS-VL-Realtime，以及多说话人长音频转写模型；心言机器人巴布Bubbo 1通过多传感器融合感知用户的声音、动作和距离，结合持续互动的记忆，判断是否回应、以怎样的方式参与。
也有公司试图把细分出来的能力重新拼成通用底座。已在汽车、3C电子等工业场景规模化部署的梅卡曼德，以“一脑多形”的思路将感知、理解、规划和执行能力配置到人形机器人、工业机械臂、移动机器人等不同构型上，并首次公开展示了新一代Mech-Hand多指灵巧手。据其披露，相关产品已在全球累计部署超过2.7万套。
随着产业链的精细化拆解，本体厂商与这些深耕数据、模型、感知等领域新玩家之间，正形成一种微妙的共生与竞合关系。
万彬则向界面新闻记者判断，有的公司能自己形成数据和模型的闭环，有的需要用生态方式补齐，分工会让更多参与者以更低门槛进入行业，未来既会有软硬一体的路径，也会有开放集成的路径，但最终的检验标准只有三条，产品有没有用、能不能可靠运行、能不能算得过来账。
乔鑫认为，未来的行业格局将是“术业有专攻”，数据采集与模型训练交由专业公司负责，本体厂商则专注打磨本体与行业应用，最终形成繁荣的上下游生态链。
对于这套生态何时能酝酿出真正的技术爆发，乔鑫表示，行业目前正处于大小脑协同的临界点，虽然捅破这层“窗户纸”可能需要3到10年，但以中国目前的产业迭代速度，“3到5年内就可能会有一个非常成熟的答案”。
归根结底，无论是深挖场景还是死磕数据模型，具身智能发展到当下，其最终目的已经不再只是单纯的技术验证。
彭志辉在接受界面新闻等媒体采访时表示，具身智能从业者既要保持饱和式的科技前沿研发投入，更要坚持科技向善、以人为本。
“我们要把产品和算法应用到真实为社会服务的场景中，既要仰望星空勇闯无人区，也要脚踏实地干活，”彭志辉说，“技术最终的归宿，始终是服务社会。”
声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢
