沒來的一定要看，來了的不看等於白來。

作者：白石、周永亮，極客公園

編輯：周永亮李源

8 月 19 日，北京亦莊的空氣裡飄著一種奇怪的興奮，這是 2026 世界機器人大會開幕的日子。300 多家企業、2000 多件展品，幾乎把具身智慧行業能拿出的東西都搬到了這裡：大模型、本體、關鍵零組件、數據，應有盡有。

開幕當天，宇樹科技敲鐘上市，盤中市值一度衝破 4000 億元，這可能是過去十年，中國機器人行業最接近「資本狂歡」的一天。過去，機器人公司更多活在實驗室、融資新聞和 Demo 影片裡；而宇樹的上市，第一次為這個仍處在早期的賽道釘下了一個資本錨點。

除此之外，雲深處科技進入交易所受理或審核環節；智元機器人則於 2026 年 7 月確認啟動赴港上市流程。一級市場的熱，正在向二級市場傳導，具身智慧不再只是技術想像，也開始被要求回答收入、交付、毛利和規模化的問題。

逛完整個展區，跟我們此前預料的一樣，今年沒有讓所有人「哇」的時刻，更多的是 demo 的展示。宇樹沒有展示剛剛發布的、原地跳高 2 公尺、奔跑速度 12.66 公尺/秒的「超人」，展台上更多是既有產品在解鎖新動作；眾擎把八角籠搬進了會場，維他動力用二次元偶像的方式整活……熱鬧是真熱鬧，但很少有人再講「顛覆性突破」這四個字了。

比起繼續追問「什麼時候會有奇蹟」，更值得追問的是幾個更樸素的問題：機器人是不是只能長成人的樣子？具身智慧的「通用性」到底走到了哪一步？數據，正在從一門演算法生意，變成一門硬體生意嗎？那些藏在指尖、關節和馬達裡的關鍵部件，又往前走了幾步？

帶著這些問題，我們在展館裡走了一圈，也和多家代表性公司深聊。它們不一定都最會製造聲量，卻分別代表了這個賽道正在發生的關鍵變化：本體形態的分化，通用模型的競爭，數據閉環的重構，以及關鍵零組件逼近「最後一公分」。

銀河通用的展台上，輪式、重載和雙足三種完全不同形態的機器人，跑的是同一套具身基礎大模型；維他動力反過來從真實使用場景出發，倒推出了它的第一款人形機器人 Vbot ATOM；自變量在物流分揀場景裡，把效率做到了每小時 1816 件、準確率超過 98%；帕西尼，則把解決「觸覺」的技術方案，擴展成了覆蓋全身的感知網路……

具身智慧仍然早期，甚至比很多人期待的更早期。它正進入一個更艱難、也更有價值的階段，誰能把模型、本體、零組件和工程能力形成一個閉環，誰才可能成為下一階段真正有價值的公司。

01、機器人是不是只能是人形？

過去兩年，具身智慧的敘事被人形機器人高度占領：跳舞、跑步、打拳、馬拉松，所有出圈事件幾乎都長著一副人的樣子。

但看完這屆 WRC，你會發現，人形機器人的概念仍舊延展，巨型、仿生、半人馬……「像人」不再只有一種標準答案。與此同時，在人形之外，愈來愈多公司開始根據真實任務重新設計機器人形態。（*註：影片可在原文連結中查看）

今年 WRC 逛下來，宇樹的人形這邊確實拚得凶，帶來了全新的格鬥動作。G1 打格鬥，組合拳、迴旋踢、飛踢一套下來，靠的是全身關節的即時協調；H2 個頭更大、關節輸出更強，出拳抬腿更有分量感。兩台機器人放在一起看，正好是「靈活」和「力量」兩種風格。

乒乓球互動也很值得一看，機器人得先「看懂」來球再決定怎麼回，這比單純耍套路更考驗感知和決策的配合。加上全身遙操作格鬥系統，操作者的動作能被精準復現，這套東西背後其實是宇樹在累積具身智慧的數據閉環。

但最顯眼的還是 GD01，那台三公尺高、能載人變形的機甲。它不是人形，也不是傳統四足，而是把機器人技術和裝備形態揉在了一起，直接衝著文旅、特種作業這類場景去的。

在本屆 WRC 上，Vbot 維他動力正式發布人形具身智慧終端 Vbot ATOM，並同步開啟預訂。ATOM 值得注意的是，它並不是從概念樣機起步，而是承接了 Vbot 在四足機器人「大頭」上已經驗證過的產品定義、量產交付和使用者營運能力。

今年 5 月，AI 載物機器狗「大頭」實現量產交付。到目前為止，這款產品已成為消費級具身智慧銷量第一，在真實世界中累計完成 126 萬次大模型互動、23,700 公里使用者伴隨里程和 131,500 小時陪伴，過去三個月還完成了 4 次 OTA。對具身智慧行業來說，這組數據的意義不只在於銷量，而在於它證明 Vbot 已經讓機器人進入真實使用者生活，並形成了從交付、使用回饋到持續迭代的產品閉環。

基於「大頭」的實踐，Vbot ATOM 沒有沿用傳統工業人形機器人的思路，而是從家庭、零售、公共空間和辦公服務等生活場景出發，反向定義產品形態。160 公分身高、180 公分臂展、95 公分腿長和 31 個本體自由度，決定了它具備接近真人尺度的服務能力；織物包覆、狀態互動設計和靜音足底，則讓它在家庭和公共環境中顯得更友善，也更容易被人接受。

技術層面，Vbot 還發布了「Vbot Embodied Genome｜具身基因組」具身模型體系及三大核心模型，用於支撐互動理解、世界模型決策、跨本體演化和真實回饋回流。

由此來看，Vbot ATOM 的到來，不只是 Vbot 從四足機器人延伸到人形機器人，更意味著其正在把已經驗證的產品化能力，帶入更大的生活空間，推動人形機器人從本體展示走向產品化時刻。

未來不遠機器人則完全圍繞家庭需求設計，能夠完成基礎的家務、兒童陪伴、老人陪護、寵物照料等場景。目前他們已經進入 500 多個付費家庭，累計服務超過 5 萬小時。

未來不遠機器人還展示了他們在家庭場景的快速迭代能力。一個月前的 WAIC，它重點展示的是洗衣、疊衣、收納等基礎家務，而在 WRC 現場，則把場景擴展到廚房：搭載了全新一代自演化 WAM 世界動作模型的第二代全棧自研機器人本體 F2 端到端自主完成義大利麵製作。

完整烹飪流程對機器人的協同能力、精準度、判斷力要求極高：需要雙臂高精度同步協同；應對不可逆流體操作，依靠視覺瞬時精準判斷用量；同時需要靈活切換、抓取、置換多種廚具，還要自主學習翻炒火候等無標準答案的「人性化分寸感」。而未來不遠機器人在現場不中斷的連續烹飪展示了他們驚人的穩定性。

未來不遠表示，他們從本體、大腦到硬體採取軟硬體協同的全棧自研，因此在新場景的迭代更快。除了從輕家務逐步向重家務擴展，未來不遠對於家庭場景需求的理解還包括覆蓋兒童、老人和寵物的剛需場景，現場他們也展示了包括五子棋、象棋等各種棋類的操作、開飲料、互動類遊戲，以及雙機協同工作等等。極強的落地場景和互動性讓他們的展位始終圍滿了人群。

自變量機器人目前的重點是家庭和物流兩個場景。其中物流場景它沒有用完整人形機器人和五指靈巧手，而是兩條機械手臂配合普通夾爪，處理形狀、重量和材質隨機的真實包裹。

它的機器人會根據包裹本身的物理特性決定怎麼處理：小件直接抓取，重箱可以推，碰到沒有面單的玩具熊等異形件，也會判斷後續流程並自主處理。此前公開直播中，這套系統連續運行一小時，分揀效率達到 1816 件/小時，準確率超過 98%。

自變量在現場採訪中強調，它的機器人已經進入實際應用：家庭機器人已經大規模服務使用者家庭；物流分揀也已經進入頭部企業。

02、具身智慧的通用性走到哪一步了？

具身智慧的通用性，或者說通用任務能力，指的是具身智慧機器人是否能跨物體、跨環境、跨指令完成複雜任務，以及是否能在新場景裡重新規劃。

從能力上，具身智慧在通用性上已經跨過「單一動作展示」階段，現在先進的機器人，能夠完成多技能串聯、狀態追蹤，甚至可以在經歷擾動後重新進行規劃。

在智慧上，具身機器人的通用性顯然與模型有關，而目前模型的技術路線遠未收斂。頭部公司們開發的路線有端到端 VLA（視覺—語言—動作模型），WAM（世界動作模型），分層具身智慧體作業系統，以及跨本體具身基礎模型等。

其中，端到端 VLA/WAM 的代表是銀河通用、千尋智能和未來不遠。這一思路的共同點是盡量將視覺、語言、動作和部分狀態預測放入統一模型或表徵中。

銀河通用在 WRC 發布的雙足人形機器人 Galbot ET1「銀河·星仔」，它利用 Agent 互動自學習技能可以直接觀察人的動作，再即時模仿舞蹈和高動態動作，它還整合了銀河通用「LATENT」高動態網球對抗規控運動學習框架，可實現真人感網球陪練。

支援 ET1 即時模仿舞蹈和打網球等連續擬人動作的，是 AstraBrain WBC，即銀河星腦體系中負責全身即時運動控制的小腦基座模型。

具體來說，舞蹈演員給出新的動作，ET1 透過視覺識別並提取人的即時運動軌跡，再把動作映射到自己的身體上。它是真的在即時模仿，不是從預先編排的動作庫裡挑出一條軌跡重新播放。

銀河通用目前有雙足人形機器人 Galbot ET1，還有 Galbot G1、S1 等不同形態的機器人。它強調用「一顆大腦跨本體、跨任務、跨場景」。這些機器人在家庭、零售和工業這些場景都有各自的應用，但它們共享同一套具身智能基礎模型，不同形態的機器人，擁有各自的運動控制系統，感知、任務理解、世界建模和行動規劃能力卻是可重用的。

銀河通用在接受採訪時提到，過去機器人進入一個新場景，往往需要圍繞這個場景重新採集數據、重新訓練；現在同一套基礎模型已經開始在不同本體和任務之間重用。透過少量數據進行適配，輪式機器人能用，重載機器人能用，換到雙足機器人上，大腦也不需要重新從頭訓練。

未來不遠此前基於 AVLA 建構視覺、語言與動作的端到端閉環，並在此基礎上進一步推出 Self-Evolving WAM（自進化世界動作模型），讓機器人不僅能夠理解並執行任務，還能預測動作結果，並利用真實家庭中的執行數據持續迭代模型。

未來不遠表示，以洗衣場景為例，其模型基於幾十種洗衣機進行訓練後，已經可以泛化到數百種不同的機型、開門方式和按鈕類型。類似的泛化能力也用於衣物、玩具等家庭物品，讓機器人能夠在不同家庭環境中完成動態變化的任務。

自變量重點展示其模型 WALL-B 的通用性：家庭服務和物流分揀兩個差異很大的場景，運行的是同一個模型。WALL-B 將視覺、語言、觸覺、動作和物理預測融合進統一網路，讓機器人理解重力、慣性、摩擦等物理規律，並預判動作結果。

分層式具身智能架構的代表性探索包括逐際動力 COSA。

COSA 0.5 將機器人大腦分為三層：System 2 負責場景理解、記憶、推理和任務調度，System 1 調用 VLA 等操作技能，System 0 以最高 1000Hz 進行全身運動控制。

跨本體具身基礎模型的代表之一是星海圖 G0.5。WRC 現場，搭載 G0.5 的 R1 Lite 在移動過程中完成任務整理需要的環境理解、任務拆解、雙臂操作和異常恢復。G0.5 透過統一的動作編碼，讓同一套模型適配不同機器人本體。

千尋智能用它的 Moz1 挑戰長程任務，比如「整理餐廳」，機器人接到一句指令後，要連續完成環視環境、取可樂、移動到冰箱、開門放入、關門，再把髒碗送進洗碗機等一系列動作；如果目標物被移走、遮擋，或者已經整理好的環境再次被打亂，它還會重新感知並規劃。

在應用場景上，讓機器人像人一樣進入家庭和公共空間，完成複雜任務，現在的成熟度還相對不足，尤其是涉及與人直接互動，需要考慮安全性。但在工廠、在倉庫、以及其他相對封閉的場景，機器人已經能完成一些相對複雜的長程任務。

例如，星動紀元的星動 M7 在現場連續完成隨機包裹識別、抓取、翻轉面單和送入傳送鏈路等動作；這套能力已經在中國郵政等物流中心落地，最高達到每小時 1200 件。

具身智能的通用能力和垂直場景能力並不互斥，機器人在真實世界的垂直場景中，適應各種非標操作，並且能穩定運行，其實可以反哺通用能力的提升。

而且，各家公司在模型進化上的努力，都是從單項技能向跨本體、長程任務和動態環境泛化等方向進步。

03、具身數據正在變成一門硬體生意嗎？

無論具身智能的通用性能，還是垂直場景性能，模型都需要大量高品質的數據。

機器人的數據採集，目前主流的方式有遙操作、無本體 UMI 與數據手套、第一視角採集與動捕、真機本體採集等，幾乎每一種，都涉及硬體，有人笑稱，具身智能的數據採集，是不是變成了一門硬體生意？

其實數據的重要性不在數據本身，而在於模型，在於智能。只有當數據足夠多，足夠高品質，能夠反哺模型進化，並且在場景中形成數據閉環和數據飛輪，它的意義才真正體現。

光輪智能是獨立具身智能數據領域的頭部公司之一，圍繞人類第一視角數據、物理仿真、規模化評測和真機回饋，建構 Real2Sim2Real 數據閉環。

此次 WRC，光輪智能重點展示了 SimFoundry 仿真和 RoboFinals 評測體系。SimFoundry 透過真實物體參數測量和自研物理求解器，提高衣物、線纜等柔性物體的仿真精度；RoboFinals 則用於機器人模型的大規模測試和評估，讓模型在進入真實場景前先經過系統驗證。

遙操、UMI、動捕，是以人為中心的高品質數據獲取方式，但它們的成本還是太高，較難滿足模型對數據量的需求。

具身數據的獲取方式還有很多，比如靠視訊數據，靠遊戲數據，以及最近 1-2 年興起的世界模型。

極佳視界走的是世界模型路線，將世界模型作為「數據放大器」。GigaWorld 根據機器人動作推演環境變化，批量生成訓練和測試所需的互動數據；GigaWorld-1 進一步加入動作建模和物理參數估計，提高抓取、碰撞等操作模擬的可信度。

所以數據並不是一門單純的硬體生意，而是有多種類型，多種形式的。並且，相比單純數據採集，為模型提供數據，對於具身智能模型提升更大的，可能是形成數據飛輪，而這是專注在具身數據採集的單一企業很難完成。

要形成數據閉環和數據飛輪，必須進入具體場景，和機器人一起協作，用真實產生的數據去迭代和優化模型。

例如，銀河通用建構了「銀河星數（AstraData）」數據基座，將網際網路數據、人類行為數據、仿真合成數據、真機遙操和真實場景回流數據統一用於模型訓練，並接入場景驗證和回流優化的閉環。其通用小腦模型 AstraBrain-WBC 0.5 使用約 2 萬小時、20 億幀人類動作數據訓練，工程優化後推理延遲低於 1.5 毫秒，整條動捕鏈路延遲小於 20 毫秒。

智元機器人的數採 2.0 體系，基於 430 餘個真實場景搭建真機、無本體和多源數據金字塔，並把模型評測、場景落地、實景適配測試和運行數據回流放在同一體系中。

更進一步，還有海外新創公司在工廠環境中讓現場工人現場糾正機器人，然後把新的行為繼續接入流程，並且收集數據對具身模型進行 Post-Training。

銀河通用、智平方、智元機器人等中國公司也已經在往這個方向進步，未來具身數據的共同趨勢可能是：數據採集將從「集中式數採工廠」走向「機器人部署現場」。

04、關鍵部件往前走了幾步？

靈巧手、觸覺感知、視覺感知、電機、關節，關鍵零組件的進步，往往更能展示行業真正往前走了幾步。而具身智能關鍵零組件領域，最重要的精細操作和感知，感知裡最重要的又是觸覺感知、視覺感知。

靈巧手是機器人執行精細操作的關鍵。以靈心巧手為例，它展示了「靈巧手組裝靈巧手」的案例：機器人透過視覺識別、雙手協同和精準力控，在狹小空間內完成零部件抓取和裝配，把靈巧手從抓取進一步推進到精細工業操作。

同時，靈心巧手也在持續提升模型能力。它告訴我們，目前在商超、工廠和物流等相對明確的場景內，已經可以對多種工具和工序實現一定程度的泛化，但跨到完全不同的場景仍需要繼續學習。

靈心巧手也涉足了具身數據，Open TeleDex 系統可以同步採集視覺、觸覺和本體感知數據，用於訓練靈巧操作模型。它把理想的靈巧手概括為「既要有人的手，也要有人的小腦」：最終不僅要能抓不同物體，還要能夠理解並使用不同工具。

帕西尼感知的核心能力是觸覺。它採用自研的 6D 觸覺感知晶片，這次帕西尼還展示了足底多維觸覺感測器 PX-FOOTRIX，以及基於 GEN4 FUSE 晶片的第四代多維觸覺產品，覆蓋夾爪、全身電子皮膚等形態，進一步把感知擴展到全身。

這背後是帕西尼在結構設計、硬體系統和演算法模型上的全棧自研。在這個基礎上，帕西尼打通了從觸覺感知訊號採集，到三維力、六維力輸出的完整鏈路，使機器人能夠獲得更穩定、可重複、可量化的力觸覺資訊。

觸覺的應用還是要回到操作，帕西尼現場展示了人形機器人在視覺和觸覺共同參與下自主拼裝小馬：先識別不同形狀的零件，再根據接觸狀態判斷抓取是否穩定、插裝是否到位，並動態調整力度。

帕西尼也把觸覺延伸到了數據採集，PXCap Pro 五指數採手套可以同步採集視覺、觸覺和手部姿態，並將同一套人類示範重映射到不同靈巧手，實現「一次採集、多機複用」。

帕西尼還把觸覺數據納入 OmniSharing DB 百億級全模態數據集，與視覺、軌跡、姿態、語音和文本等數據一起用於具身模型訓練。其中比較特別的是多維觸覺數據，它能記錄人與物體接觸時的受力和狀態變化。

在視覺感知方面，奧比中光展示了面向具身智慧的 Gemini 330 系列雙目 3D 相機，搭載自研 MX6800 深度引擎晶片；最新的機器人視覺新品 Physis，專為人形機器人、協作機械臂等需要長時運行的具身智慧應用設計，提供貼近人類的視覺感知能力，在大視野、高品質成像、真實空間感知與高可靠性之間實現極致平衡。

同時，奧比中光也把視覺能力延伸到具身數據採集，推出無本體數據採集平台，將 EGO、UMi、Wrsicam、Hub 等四種形態納入同一體系：EGO 記錄第一視角，WristCam 採集腕部近場視角，UMI 補充手與物體的互動動作，形成多視角數據鏈路，用於模仿學習和世界模型訓練。

靈巧手、視覺感知以及其他感知能力，其重要性在於它們是具身智慧真正落地的最後一釐米。哪怕模型再聰明，沒有好的靈巧手，機器人也無法像人一樣完成精細操作，沒有感知，機器人就變成瞎子，根本不知道該怎麼幹。

我們同時觀察到，靈巧手和感知領域的公司，都在跨界搞具身智慧數據，可見具身智慧整個行業，對於數據的飢渴程度。

05、行業整體發展到什麼階段？

具身智慧的熱潮讓人想到十年前的電腦視覺和自動駕駛。當時市場同樣相信技術會在幾年內迅速普及，但實驗室能力與穩定、低成本、可規模部署的產品之間，存在很長的距離。

自動駕駛用了十多年，才開始在少數城市和區域進入 Robotaxi 商業營運。這雖然不能證明具身智慧會重複相同過程，但說明了一種規律：

技術熱潮往往會讓人們高估近期落地速度，卻可能低估長期產業影響。

具身智慧目前仍處於從原型驗證走向產品驗證的早期階段。未來幾年可能先在工廠、物流、巡檢和商業服務等結構化場景中落地，真正進入家庭和日常生活還需要更長時間。因為具身智慧是軟硬體結合的，而且是長產業鏈的系統工程，單個領域的突破，很難讓行業整體快速向前。

但另一方面，中國擁有較完整的機器人供應鏈、製造能力、工程人才和大量真實場景，能夠縮短整機試製、成本下降、場景部署、數據獲取和產品迭代的週期。

這些條件不能保證某家公司或者某條路線一定成功，但能讓中國持續把機器人推入真實場景，完成技術、工程和商業驗證。

熱潮終會退去，具身智慧進入普通人的生活，可能比市場期待的更久，但當機器人真正開始在工廠、倉庫和家庭裡工作，具身智慧的故事才剛剛開始。

pension-usdt.eth平倉6萬枚ETH空單，獲利580萬美元

熱門文章