2026WRC，具身智能的非共識時刻

錢微鏡2026.08.21 17:16 · 來自海外全文3374字00:00 / 09:22在這種“能力進化”的敘事之下，不同參與者的路線分歧正悄然撕裂行業共識。八月的北京亦莊，暑氣未消，而比熱浪更早抵達的，是由世界機器人大會（WRC 2026）吸聚的人潮。超6萬平方米的展館內，超300傢俱身智能產業鏈上下游企業上演了一場“工業協奏”。人們穿梭於展臺之間，聽到的盡是機械臂的伺服嗡鳴與人形機器人的演示聲，空氣中瀰漫著一股技術加速落地的急迫感。

與往屆更偏向“秀動作、炫技巧”不同，2026年的WRC展臺上，企業不約而同地在論證同一件事：具身智能或已行至商業化前夜，不論人形還是四足等形態的機器人都在學著幹活。然而，在這種“能力進化”的敘事之下，不同參與者的路線分歧正悄然撕裂行業共識。關於終局構想、技術底座與場景優先級，各家選手給出的答案截然不同。路線分化：家庭場景VS工業與零售 展會上最直觀的對峙，始於一道選擇題：機器人該先去哪裡幹活？一方堅定錨定工業、B端及新零售等規則可控場景。來自深圳的樂聚機器人在展臺上重點展示了面向汽車製造的垂直作業能力——進車間“擰螺絲”、搬運零部件，動作乾脆利落。

越疆科技、瑞為技術、智平方等亦齊齊鎖定車間與物流倉。這些企業的邏輯是，B端客戶看重的無非是ROI與穩定性，在規則相對閉環的環境中打磨產品，是商業化的必經之路。與之相對的，是以墨奇智能為代表的企業，直奔家庭或類家庭場景（酒店、商務公寓）。8月20日下午，墨奇聯合創始人兼CTO黃青虯對直言：終局的具身智能需要一套通用基礎模型，而模型的泛化能力，恰恰依賴高複雜度場景迴流的數據。唯有家庭這種極度非結構化、交互高頻的環境，才能訓練出足夠強健的大腦，日後降維切入工業，反而遊刃有餘。但機器人進家的節奏，業內同樣分歧明顯。

銀河通用創始人王鶴告訴我們，具身行業正在為家庭場景做技術儲備，但“絕對安全”是一條無法妥協的硬紅線。“家中老人、小孩、寵物交錯互動，任何一次物理碰撞或算法失控都難以承受。”王鶴理解多數企業寧願先在車間與貨倉裡扎穩腳跟，背後的安全圍欄與規則管控，是具身企業商業化不可或缺的緩衝地帶。星海圖創始人高繼揚則從另一維度回應了落地場景的選擇。他在WRC期間告訴我們，具身智能不是純軟件的互聯網生意，而是軟硬結合的產業形態，其真正的市場在於“生產力”——工廠、倉庫等真實作業環境，其規模是情緒價值或表演型市場的千倍萬倍。在高繼揚看來，機器人能否真正進入生產力場景，才是行業價值的試金石。

訓練範式之爭：物理真實路線VS仿真泛化路線場景關乎“賣給誰”，而數據訓練的非共識，直指“大模型如何進化”。通用模型成熟往往需要超1000萬小時的訓練數據，但數據從哪來、怎麼用，技術路線的撕裂尤為尖銳。星海圖高繼揚與墨奇黃青虯，均為“真實數據”的忠實擁躉。星海圖聯合北京亦莊共建“亦數智能”，推進“100萬小時超高質量真實數據計劃”，試圖構築物理數據的基礎設施。高繼揚向進一步闡述了這一選擇背後的成本邏輯：在數據、算力與人才三要素中，算力成本最為昂貴，人才最為稀缺，而數據成本“相對可控，是一個可以被解決的工程問題”。

高繼揚表示，星海圖幾乎全部採用真實數據，不太使用仿真數據，也因而無需面對虛實遷移的校準難題。黃青虯則進一步提出“三個真實”標準——真實的人，在真實的環境，幹真實的活，反對數採場地的擺拍式錄製，主張依靠保潔等真實角色的日常軌跡，輔以AutoLabel與數據挖掘系統做篩選提純。而“仿真與泛化派”則試圖掙脫對海量真實數據的強依賴。銀河通用王鶴指出，僅靠遙操作或實機採集，效率低下且成本高昂，行業必須走通Sim2Real路線。銀河通用團隊研發的“通用小腦”，基於10萬小時人類全身運動數據，以高精度動捕與視頻提取為起點，疊加仿真器與強化學習，賦予機器人模仿並跟蹤人類動作的能力。

王鶴認為，10萬小時足以完成運動控制與泛化能力的初步驗證，虛擬仿真才是規模化擴展的真正鑰匙。能力解構：長程任務VS工業實操展會上另一處爭議焦點，是如何評判機器人現場展現的“長程任務”能力。墨奇在WRC現場演示了MORPHI KINO輪式機器人連續完成清理茶几、收納托盤、移步冰箱核查庫存並補貨的完整流程。黃青虯認為，長程任務是機器人從孤立“原子動作”邁向綜合能力組合的關鍵一躍。其難點在於系統連貫可靠性：如果機器人要完成一個長程任務，它可能是連續30個動作的集合，哪怕每個模塊做到99%，失敗率也極高。因此，能順暢跑通長程任務，恰是硬件、算法與軟件可靠性質變的有力證明。

但來自工業一線的玩家對此態度審慎。樂聚機器人助理副總裁張大鵬在WRC現場直言，必須區分“同指令多線程作業的長程任務”與“工業現場長時間連續工作”的本質差異，避免展臺上過度演示。“大家需要的是一臺能直接賣給工廠批量幹活的量產機器人。”張大鵬強調，工業場景目前不需要長程任務的華麗堆砌，需要的是24小時不停機、單臺成本控制在三四十萬元、現場展示與交付毫無二致的硬核穩定性。

至於具身智能何時迎來“ChatGPT時刻”，黃青虯給出了雙重分化定義：若以1000臺機器真實進入商用/工業場景規模化作業為標誌，未來3年內可期；但若按宇樹王興興的定義——機器人能自主進入80%的陌生場景並完成80%的任務，則高度依賴具身大腦的泛化性，至少還需5年以上長跑。高繼揚則從公眾感知的角度補充了一個獨特的觀察：他認為GPT時刻之所以能瞬間引爆認知，是因為每個人都能通過手機或電腦直接體驗，而具身智能最先落地的場景在工廠和倉庫，普通公眾無法直觀觸及，因此行業性的技術突破很可能“潤物細無聲”，直到某天人們發現機器人已無處不在。

在高繼揚看來，具身智能行業的拐點已在發生，“只是呈現方式不同於大語言模型。”本體形態迷思：終局全人形VS場景驅動去人形化“具身智能的終局，必須是雙足人形嗎？”這或許是本屆WRC上最具張力的硬件之問。黃青虯代表了“全人形終局派”。他認為，物理世界是為人類量身打造的，全人形能最大程度適配現有環境，無需改造長週期的社會基建。但黃青虯也承認，現階段必須進行“形態裁剪”：為避開雙足穩定性與五指靈巧手的控制難題，短期內採用“輪式底盤+夾爪”是兼顧實用與數據複用的務實選擇。“只要是在人形基礎上裁剪，採集的數據便可複用；但若搞‘三頭六臂’的異形，人類示範數據將無法遷移。”黃青虯說。

智平方副總裁莫磊也有自己的見解，他認為，不同場景的最優形態有差異，具身智能不應與雙足人形直接畫等號。目前來看，在高端製造領域如汽車，面板等，輪式雙臂人形在穩定性、能耗上相對雙足人形更有優勢。除此之外，像星源智就在展臺展示了人形與四足的“異構協同”，以及瑞為技術採取的“80%專用自動化機器人+10%柔性人形+10%人工兜底”策略，均在試圖撕下“非雙足不可”的標籤。具身智能產業從早期的集體技術炫技到2026年WRC上湧現的種種非共識，恰好是技術邁入真實商業世界後必然經歷的過程狀態。當這些非共識在2026年的夏末激烈碰撞，具身智能行業也將迎來一個紮實的追問：誰能夠穿越週期？

答案一定不會是高聲量者，而是在安全性、數據質量與成本商業化ROI中找到微妙平衡的那個。（作者/錢玉娟 編輯/楊林）