具身智能展会最热的一年，肉眼难见机器人的进化？

机器人已经量产智能还没落地8月的北京亦庄机器人又一次挤满了展馆。世界机器人大会现场WRC人形机器人跳舞、格斗、抓取、分拣机械臂在模拟产线上插接、码垛另一边的机器人忙着叠衣服、整理房间、给冰箱补饮料。如果连续看过这两年的机器人展这些画面会带来一种奇怪的熟悉感机器人明显更多了但它们做的事情似乎没有发生与产业热度匹配的跃迁。去年抓杯子今年还在抓杯子去年叠衣服今年还在叠衣服去年所有人都在说进汽车工厂今年最重要的话题之一依然是进厂。就在WRC26举行期间Counterpoint Research发布最新统计2026年上半年全球人形机器人出货量突破2.2万台同比增长接近300%全年预计超过5万台。智元上半年出货约9700台宇树超过7000台银河通用超过1100台前五家厂商合计占到全球市场的86%。从应用结构来看文娱表演占33.6%数据生产与科研占27%两项合计超过六成服务与导览约19%智能制造12.8%仓储物流4.9%。真正进入智能制造和仓储物流的还不到两成。来源conterpoint’s Robot Research火爆的展会背后过去一年具身智能究竟进步在了哪里真正剧烈的变化可能已经难靠肉眼识别同样是抓起一个杯子它需要多少训练数据动作有没有提前编排换一个杯子还能不能抓机器人去了另一家工厂需要几个工程师重新调一次失败以后它能不能判断自己做错了同一个“大脑”换进另一副身体还剩多少能力。机器人展台正在变得没那么好看了。用户对跳舞、抓取、奔跑的画面开始审美疲劳但产业真正重要的变化反而发生在这些画面之外。01 “换个地方还能不能干”今年WRC宇树创始人王兴兴花了不少时间回顾宇树过去十年的变化。但在那些奔跑速度、新本体和模型之外他反复谈到的是同一个问题泛化。“为什么我们现在没有大规模推广最主要的原因是目前的效率和泛化能力还不够。”现在的机器人已经能够做简单装配。在一个固定场景里采集足够多的数据成功率甚至可以接近100%操作物品稍微换一下环境稍微发生变化成功率就可能迅速下降。这几乎解释了机器人展会上最容易产生的错觉。过去两年行业越来越擅长证明“这件事机器人能做”。拿药盒、整理会议室、抓取异形物体、上下料、叠衣服只要任务边界足够明确再给模型足够的数据和工程资源越来越多公司可以把任务做到很高的完成度。银河通用创始人王鹤给出了一个很有代表性的判断今天如果有一个明确任务并且愿意投入资源进行后训练“几乎都能把这个任务做好”。真正的问题在于背后仍然需要专业人员参与后训练这笔研发投入很难立即复制到成千上万个行业。于是2026年机器人行业真正的分水岭开始发生变化关键的问题是这个任务做会以后能不能少采数据、少派工程师把能力复制到100家工厂、1000家门店王兴兴给通用机器人划过一条很具体的临界线把机器人带进一个此前从没见过的陌生环境只通过语言告诉它要做什么它能够完成80%左右的任务。达到这一水平他认为才接近产业真正的爆发点。时间上他给出的区间快则两三年慢则五年乃至十年。王鹤给出的坐标还要早一些。他把今天的具身基础模型类比成数字AI时代的GPT-2模型已经表现出通用性的雏形但距离在各行业零样本直接工作还有一段距离。他预计到2028年前后具身基模才可能接近数字世界GPT-3.5至GPT-4附近的阶段。02 宇树“补大脑”银河通用“长出双腿”如果要从今天中国具身智能市场找两个标签足够鲜明的样本宇树和银河通用很有代表性。宇树让市场记住的首先是机器人的身体。从四足机器人到H1、G1它过去十年的优势非常具体运动控制、本体工程、成本和量产。今年4月宇树用H1改制机型跑出超过10米/秒的速度王兴兴在WRC又预览了一台研发三个多月的新机器人最高速度已经达到12.65米/秒。Counterpoint统计显示今年上半年宇树人形机器人出货超过7000台占全球市场31%。不过这7000多台机器人现在主要去了科研教育市场。 宇树已经证明高性能人形本体可以从几十台、几百台走到数千台规模甚至成为很多研究团队和开发者使用的标准平台。接下来需要证明的是这些身体里有多少最终能够从研究设备、数采工具和展示机器人转化成真正工作的机器人。宇树今年的资源流向因此很值得关注。王兴兴在WRC透露公司目前资金和人力投入最大的方向已经是AI模型。宇树2020年就做过基于视频生成的世界模型效果不理想后停过一段时间2025年重新大力投入。今年展示的一项变化是机器人动作开始从“事先练会”走向“现场生成”。王兴兴承认过去舞蹈、功夫等看起来很复杂的动作大量都是提前采集并训练好的近期宇树演示的另一套能力会在听到实时语音后由多模态模型生成对应动作。目前从语音识别到云端生成、验证再下发仍有数秒延迟真正的实时动作生成还在继续优化。银河通用过去几年最强的标签一直是“机器人大脑”包括具身基础模型、具身智能数据代表性产品长期采用轮式路线。药房、商超、工业搬运不需要机器人先证明自己能跑多快轮式底盘能提供更高稳定性和持续作业效率。今年WRC期间银河带来了最新双足机器人ET1产品形态从此前的轮式G1、面向工业重载的S1扩展到双足和高动态全身运动。银河在现场还展示了机器人通过视觉学习街舞。王鹤介绍这背后先训练了一个通用的全身控制“小脑”动作源头来自约10万小时人类全身运动数据经过仿真和强化学习完成Real-to-Sim、Sim-to-Real再由上层智能体安排观察、学习和执行。图银河通用推出双足机器人Galbot ET1银河今年另一项技术动作直击商业化的隐形成本。王鹤多次讲到WAM-TTT希望机器人去一个新的客户现场后客户只需要拍摄员工怎么干活不需要人工逐条标注也不需要先由遥控操作员控制机器人重新采完整轨迹就能够通过测试时训练让基础模型适应新的环境和任务。王鹤表示在宁德时代银河已经度过单台POC和单一工厂验收阶段开始在数十家工厂横向部署任务从堆垛、拆垛、搬运、分拣延伸到拧螺丝和异形物体操作与此同时目前仍需要工业垂类模型和工程人员参与后训练。03 家庭已经成为下一张考卷今年WRC还有一个变化“家”出现得越来越多。过去两年具身智能讨论商业落地最常见的答案是汽车工厂、3C、仓储物流。今年更多团队开始主动走进另一种环境。家庭是一块很特殊的试验场。机器人进入汽车工厂可以要求零件按照固定方向送到面前进入家以后杯子今天放在餐桌明天可能出现在水槽。衣服没有固定形状椅子会被挪走房门可能只开一半光线每天都不一样人、宠物随时走进机器人的路线。很多任务还无法拆成一个抓取动作整理房间、洗衣服、准备一顿饭往往持续十几分钟甚至更久中间任何一步失败都可能让后面的计划全部改变。图银河通用机器人Galbot展示叠衣服工厂可以通过标准化降低机器人面对的世界复杂度家庭几乎要求机器人直接面对复杂度本身。这也是今年不少“大脑派”公司愿意在家庭场景里展示模型的原因。它并不一定意味着这些机器人很快就会进入千家万户反而说明家庭正在成为检验长程规划、记忆、泛化、柔性操作和失败恢复的一块高难度考场。同样是进入家庭另一条路线已经开始分化出来。优必选旗下“优世界”推出的U1超仿生机器人关注人的面孔、眼神、嘴部动作、表情和情感交互U1在WRC2026现场热度很高。价格跨度也足够大。U1 Lite售价11.98万元U1 Pro为16.98万元U1 Ultra男版99万元、女版88万元产品定位集中在家庭情感陪伴6月底公司披露全系列订单超过1.3万台。图优必选在WRC2026现场展出的U1 Ultra这批订单最终有多少转化成实际交付和持续使用还需要时间检验。但U1让家庭机器人出现了一条和“自动叠衣服”完全不同的商业路线机器人进入家庭可以卖劳动力也可以卖情绪价值。这两条路线以后也可能重新合流。一个真正成熟的家庭机器人大概率既需要帮人做事也需要懂得如何和人长期相处。但行业还远没有走到那一步。王鹤提到家庭场景时把最先要解决的问题放在了安全上。普通用户不会像工厂工程师一样知道机器人出现异常时该如何处置家里还有老人、孩子和宠物。对工业设备而言一次错误可能导致停机对进入家庭的人形机器人而言安全容错空间还要更小。所以今年“家庭场景变多”不能简单理解成家庭机器人马上要爆发。它至少说明具身模型的竞争开始从结构化环境向更开放的环境延伸。工厂测试的是生产效率家庭测试的已经越来越接近通用能力。站在这些新机器人旁边WRC里还有另一群已经在工厂工作二十多年的老玩家。新松成立于2000年工业机器人、移动机器人和自动化产线早已进入汽车、半导体、物流等制造场景。今年WRC它带来的松羿-Power轮式人形机器人产品定义里写着高频搬运、大跨度作业和“长时连续运行”公司近期的另一条重点仍然是汽车焊装、智能焊接等成熟工业需求。把新松和今天最热的人形公司放在一个展馆里会形成一种很有意思的错位。新一代人形机器人还在证明“我也能进工厂”传统工业机器人已经在工厂接受几十万、几百万次重复工作的检验。资本市场给两类公司的想象空间却完全不同。老牌工业机器人公司按照制造业公司的收入、利润和订单定价新一代人形公司获得的估值里包含了大量“未来通用机器人市场”尚未发生的价值。04 大厂的位置科技大厂也在找自己的位置。小米今年带来了新一代人形机器人这也是这款产品第一次面向公众亮相。机器人身高约1.7米、体重66公斤全身66个自由度目前仍处于样机阶段。在WRC的“具身花园”里它扮演一名“花艺师”完成抓取香片、撒花和递送等互动。图小米新一代人形机器人在2026世界机器人大会的“具身花园”展台上单看这些动作很难说出它的特点。小米的特殊之处在于它本身同时拥有手机、汽车、IoT、智能家居和制造体系。卢伟冰谈到机器人时也把它放进了“人车家全生态”应用范围指向智能工厂、智能出行和家庭。对一家机器人创业公司来说最大的难题之一是去哪里找到真实场景和用户对小米而言工厂、汽车和家庭设备本来就在自己的业务体系里。今年WRC京东成为大会全球战略合作伙伴搭出600平方米展区把机器人放进研发数采、仓储物流、零售和未来家庭等不同场景。公司宣布未来将在机器人领域投入百亿级资源目前已经与200余家机器人品牌展开合作。京东未必需要自己造出最好的人形机器人。它拥有仓库、物流、门店、渠道和售后体系这些都是机器人从Demo走向规模部署时非常稀缺的基础设施。大厂入场带来的是另一种时间差。产业已经按照“机器人会成为下一代重要终端”的未来配置资源技术本身仍在解决换个物品还能不能抓、去了另一家工厂是否要重新训练这些很基础的问题。这种时间差也是这轮热潮最需要警惕的部分。05 最后的几毫米以及第一个千万小时机器人没有复制ChatGPT的进化速度一个原因是物理世界容错率更低。王兴兴在WRC提到机器人真正难的地方常常发生在“最后几厘米、最后几毫米”。模型已经知道该拿起哪个物体机械臂也知道大致该往哪里伸但视觉、关节、摩擦力、物体形变都会带来误差。语言模型答错一个词还能继续生成机器人手偏几厘米杯子可能已经掉了。到了工厂评价标准还会进一步变成节拍、良率、连续运行和维修频率。模型的另一道限制来自数据。大语言模型有互联网机器人没有天然存在的“动作互联网”。人类每天开门、洗衣服、搬箱子却不会自动留下包含三维位置、触觉和作用力的训练数据。昆仑万维董事长方汉曾表示目前头部具身世界模型的数据大多还在十万小时量级2026年底可能有人进入百万小时如果具身模型也存在Scaling拐点可能要到1000万小时甚至1亿小时才会出现明显变化。更现实的是成本。高质量UMI和真机数据每小时往往仍需数百元千万小时意味着巨大的投入。于是第一视角视频、遥操作、仿真、合成数据、数据清洗开始同时升温。过去一年很多看起来不像机器人的东西反而可能决定下一代机器人进化的速度。具身智能正在寻找它自己的“互联网”。06 写在最后高估了短期也低估了变化过去三年ChatGPT让市场习惯了软件式的进化速度模型能力突破以后可以在几个月内覆盖全球用户。机器人很难复制这条曲线。很长一段时间里人类造机器人像是在重复皮格马利翁的故事先把身体塑造得越来越像人再期待某一天它真的“活”起来。过去几年我们已经让机器人站起来、跑起来、跳起来也让它们学会抓杯子、叠衣服、搬箱子。真正困难的部分现在才开始出现。一个生命之所以被认为理解世界并不在于它能重复一个练熟的动作而在于面对陌生的房间、意外被挪走的椅子、突然出现的人它仍然知道下一步该怎么办。机器人离开雕塑台的那一刻也许才是具身智能真正的开始。原文链接具身智能展会最热的一年肉眼难见机器人的进化-36氪