WRC2026观察：机器人从表演走向实用的关键拐点

从跳舞到干活：机器人展会的风向变了

刚从WRC2026（世界机器人大会）现场回来，作为一名普通观众，最直观的感受是：今年的机器人展会明显更"务实"了。

过去几届展会上，人形机器人大多在舞台上跳舞、挥手，象征意义大于实用价值。而这一次，越来越多的机器人开始尝试真正的工作——整理房间、冲咖啡、零售分拣、仓储作业，以及长时序的操作任务。这些能力背后，大多由VLA（视觉-语言-动作模型）或世界模型（World Model）驱动，软件正在越来越深地牵引硬件的进化。

有意思的是，现场不少机器人会"卡壳"、会出错——这反而让人感到欣慰。因为这意味着它们大概率不是遥操作（teleoperation）的演示，而是在真实自主运行。更关键的是，一些机器人能够理解当前情境，并据此调整策略，这才是智能的体现。

数据采集成为具身智能的新主战场

如果说去年的关键词是"硬件"，那么今年展会上另一个绕不开的主题就是"数据"。

物理世界的数据采集正变得异常火热。UMI（通用操作接口）、第一视角（ego-centric）数据、遥操作采集，几乎成了每家厂商的标配展示。这背后的逻辑很清晰：如果机器人想要真正实现泛化能力，真实世界的数据正变得和硬件本身一样重要，甚至更重要。

这与大语言模型的发展路径异曲同工——当模型架构逐渐趋同，数据的质量与规模就成了决定性的竞争壁垒。具身智能领域正在经历类似的转折点。

距离可靠量产仍有明显差距

尽管进步明显，但大多数实用型演示给人的感觉还是"能用"，而非"能在规模化场景下稳定可靠地工作"。

以灵巧手为例，一只灵巧手的BOM（物料清单）可能包含1500多个零部件，制造的一致性是一个巨大的挑战。任何一个环节的偏差，都可能影响整体的可靠性和良率。这也是当前具身智能从实验室走向产业化必须跨越的鸿沟。

不过，相比过去只会"上台跳舞"的机器人，如今能真正尝试完成任务，已经是实质性的飞跃。

值得关注的具身智能新兴玩家

这次我把大部分时间花在了那些相对小众的厂商和初创公司上，其中几家给我留下了深刻印象：

SynapX

少数能现场演示的EMG（肌电）腕带厂商之一，同时展示了世界模型驱动的机械臂，可完成叠衣服等任务。EMG技术在人机交互和数据采集上潜力巨大。

Galaxea（银河通用）

观众可以现场下单，机器人自主识别并抓取商品，且在不同SKU之间实现了泛化，无需针对每个品类单独适配。这种泛化能力正是零售、仓储场景落地的关键。

Morphi Robot

采用世界模型 + VLA的混合架构，能够支撑长达15分钟的长时序完整任务。长时序任务的稳定完成，是衡量机器人"智能程度"的重要指标。

AgileX Robotics（松灵机器人）

现场有多家模型公司在使用它的机械臂，同时提供"一对多"遥操作 + 第一视角数据采集方案，切中了当前数据采集的痛点。

Dexforce

世界模型 + 人形机器人的组合，能够冲咖啡等，展示了通用操作的可能性。

从这些玩家的技术路线可以看出，"世界模型 + VLA"正在成为具身智能的主流架构共识。

割裂的行业何时走向标准化？

然而，一个不容忽视的问题是：整个行业依然高度割裂。

每家公司都在构建自己的硬件、定义自己的数据格式。这种各自为战的状态，短期内有利于快速试错，但长期来看会造成大量重复投入和资源浪费。人们不禁要问：具身智能领域什么时候才能迎来真正的标准化与技术收敛？

参考PC和智能手机产业的发展史，标准化往往是产业规模化爆发的前提。谁能率先在数据格式、接口协议或硬件模块上建立起被广泛接受的标准，谁就可能在下一阶段占据主导地位。

"摔倒"反而让人更有信心

当然，现场依然有不少"翻车"的场面——一些人形机器人摔倒后爬不起来，工作人员在旁边手忙脚乱地排查问题。

但坦率地说，我很高兴看到这些调试过程。相比精心编排、滴水不漏的表演，真实的出错和现场排障，恰恰说明这些机器人是在真实运行、真实迭代。这种"不完美"，反而给了我更多信心。

具身智能正处在从"演示"走向"实用"的关键拐点。它还不够完美，还有制造一致性、可靠性、行业标准化等诸多难题待解，但方向已经越来越清晰。