WRC 2026：机器人在找工位，人类在找风口

撰文 | 雁 秋
编辑 | 李信马
题图 | DoNews摄

继7月 的 WAIC后， 8月 北京亦庄 的 北人亦创国际会展中心 ， 约 5万平方米 的 展区再次被机器人填满。据官方信息，今年机器人大会 参展企业 达到 300余家，同比增长36% ， 展品超 2000件，首发新品突破150件。

DoNews走进展会，直观感受到一个明显的变化：虽说做咖啡、跳舞、跑步、格斗的机器人流量不小，但真正的焦点已经转向搬运、分拣、巡检、出餐这些枯燥却实干的场景，且不同的能力环节正在逐步串联。

与此同时，机器人的商业化速度正在加快。8 月 20 日，2026 世界机器人大会进入第二天，主题从“发布”换成了“采购”，重点从产品展示转向产需订单对接。不少参展企业的负责人反复强调投资回报率：demo了这么久，必须要抓紧落地。能干活、能交付、能成交，成了在行业里能活下去的唯一标准。

然而，开始谈论投资回报率、分拣速度和复购率，是否意味着行业真正走向成熟？市场方面会给出最理性的估值。宇树上市开盘价1100元，一小时就回落到880元，投资者们对于商业化场景能否按时兑现仍持观望态度。而创始人们的预言也为资本狂热提供了冷思考，他们共同指向了2028年，声称那时高质量的数据和扎实的泛化能力就会出现。

2026年的夏天，机器人的故事终于翻开了新的一页。

01.

机器人扎堆干活

全新落成的智创馆是“必看区”，宇树、优必选、银河通用、傅利叶、星海图等你所听说过的、了解过的机器人公司，几乎都在这2万平方米的展厅里。

宇树科技今年依旧设置了格斗展台，有意思的是，宇树在WRC开幕当天上市，线上飚涨的股价和线下围观者的热情，让这家公司赚足了风头。

优必选的U1系列仿生机器人依旧吸引了不少围观者的驻足，这些机器人表情灵动，皮肤细节、神态几乎与真人无异。不过U1Lite由于网络问题，表情时不时会卡顿，与观众来一次长时间的眼神对峙。

这类机器人走的是情感陪伴赛道，优势并不在「干活」。

优必选也亮出了“老本行”优势，十几台工业机器人Walker S2 同场协同，依托群脑网络 2.0可以自主完成物料搬运、分拣、流转的全流程集群作业，不再是单机单干。

越来越多机器人开始在展台上干活。星海图展出了全球首个全自主机器人前置仓——与京东合作，从货物拣选抓取到打包全流程100%自主。笔者注意到一个细节，机器人在抓取物品放入袋子后，会有一个整理收纳的动作。

工作人员透露，这款机器人目前分拣速度能达到每小时1200件，内部极限测试可达每小时2000件。“昨天（19日）一天时间就接单完成了100多单的执行，整个过程没有任何人工干预。”目前这套方案已携手顺丰、中国邮政，在全国十余个物流中心实现常态化运营。

跨维智能围绕工业制造、零售和商业服务展示了三类具身智能任务：手机装机流水线质检、商超自主扫码分拣，以及冰淇淋与爆米花连续出餐。不同任务对操作精度、环境感知和连续执行能力提出了不同要求。

工作人员告诉DoNews，手机装机流水线质检是跨维智能与蓝思科技联合展出的场景方案，直接复现蓝思科技生产线上的实际工位与流程：两台机器人打配合，一边追着传送带跑，一边麻利地装盒、拆盒、上下料，全程不停机、不卡顿。

W1 PRO人形机器人承担了冰淇淋和爆米花连续出餐任务，当工具位置变动或物料不足时，系统可动态调整操作策略或暂停作业并发出提醒。工作人员介绍，该方案已经面向商场、展馆、文旅等无人零售场景铺开。

蚂蚁灵波科技的展位上，一台机器人正在药房货架间来回穿梭，它接到下单指令后，开始在药房内找药，并从货架上取出药品，送到收银台，完整呈现了从指令接收到执行的全套动作。据了解，它已经在上海国大药房正式上岗，承担夜班分拣任务，几乎无需对门店做任何硬件改造。

还有一些厂商们在努力证明，机器人不止可以进入工厂流水线，还可以进入真实生活。擎朗智能这次在展会上打造了覆盖咖啡亭、甜品屋、零售店、洗衣房四个场景的「具身社区」。在现场演示中笔者看到，搭载擎朗大模型KOM 3.0的机器人在娴熟地叠衣服，工作人员介绍，这台机器人可以完成取衣、洗衣、叠衣的全流程任务，无需人工干预。

02.

央企入场“出考题”

本届大会最具标志性的事件之一，是央企展团首次集中亮相。49 家央企首次组团参展，带着 12 个应用场景集体进场。

“央企力量，共创未来”的蓝色广告牌被挂在特别醒目的位置，下方展区设立“全力投入、全链布局、全景应用、全面携手”四大板块，以“十二时辰”为时间轴，展现了央企机器人广泛应用于太空深海探索、电力能源保供、智能制造、矿山冶金、民生服务等高危复杂实景工况。

央企做机器人，与一般市场主体有明显的区别。首先是全链路布局更加系统，比如“乾坤双链”架构覆盖从传感器到灵巧手的硬件全链条，坤链涵盖数据底座到中试验证的能力体系；其次是场景更加深度，与一般进入B端、C端的商业机器人不同，央企机器人可以深入在核岛内部、万米深海、特高压线路、高温熔炉等极限环境中，执行不可替代的关键任务。

值得注意的是，今年这49家央企是带着“采买单”来参展的，这在往年从未有过。一批企业已经用实打实的订单和交付数据，证明了能交易不是空话。采购日当天最重的数字来自国家电网：68 亿元具身智能设备采购计划进入对接阶段，敲定 8500 台具身设备的供应商选型，其中包含 500 台人形带电作业机器人。

03.

市场依旧处于初期

今年被谈论最多的就是落地，企业不能空谈技术，需要加速商业化。擎朗智能CEO李通的判断很直接：“现在可以说已经到了商业化落地元年，机器人是不是真能干活是人形商业化的本质。”

就在大会举行期间，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，同比增长210%。中国厂商包揽了全球97%的份额，智元以约9700台位列全球第一，宇树超过7000台，银河通用超过1100台，前五家合计占到全球市场的86%。

亮眼数字之下，应用结构透露了行业的真实状态：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%，仓储物流仅4.9%。真正进入智能制造和仓储物流的，还不到两成。

虽然WRC 2026上出现了历史第一次的“采购日”，不过，签约不等于交付，交付不等于稳定运营，稳定运营不等于复购。

坦率地说，一路看下来，实干的机器人不少，大家也实实在在落地了一些场景。但真要进驻流水线，还有一些问题要解决。比如DoNews看到，有的机器臂抓取动作并不灵敏，方向感也略有不足，有的机器人反应迟钝（或许是因为网速），看它干活像看一个0.5倍速的电影镜头。尽管它可以全天无休，但效率想超越真人还得花一段时间。更重要的是，不出错、不伤物、不伤人，这样的要求比任何展会演示都苛刻得多。

当然，每家企业的技术路径不同，操作和训练方法也有区别。一位参展商告诉笔者，每天早、中、晚的自然光线、环境变化、位置摆放等都会影响机器人的动作，“所以大家才看到为什么到了一个公开展区或者体育馆，工程师们会疯狂测试自己的机器人。”

04.

三位创始人共同的“预言”

8月20日上午的“应用牵引”主论坛上，几位嘉宾反复提及到一个年份：2028年。

宇树的王兴兴给出了一个很具体的判断标准：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。“快则两到三年，慢则五到十年，如果机器人能够在任意陌生环境中依靠语音指令自主完成80%左右的日常任务，就基本实现了具身智能的实质性突破”。

他把当前最大的瓶颈归结为“AI模型的输入和输出与机器人的对齐程度不够”，机器人每一次输入输出都有偏差和损失，导致泛化能力和成功率偏低。

银河通用创始人王鹤把今天的具身基础模型类比成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。“到2028年前后，模型能力或将有望对标ChatGPT3.5-4，具备多数任务零样本作业能力”。他同时强调，达到“ChatGPT时刻”之后，人形机器人要实现大规模商业化，还要接受场景适配、硬件可靠性的考验。

星海图创始人高继扬则从商业模式角度给出了判断，他认为，具身智能商业化将经历三个阶段：

• 第一阶段，2026年之前，以整机销售为主，毛利率40%-60%；

• 第二阶段，2026年下半年至2028年，走向“方案订阅”模式；

• 第三阶段，2028年之后，转向以“物理世界Token销售”为主体，产业价值量将从整机逐步迁移到智能层面，整机甚至可能进入负毛利状态。

高继扬明确区分了“技术拐点”与“商业化拐点”。他认为技术层面的“GPT时刻”可能在2027年到来，而商业化的真正爆发和拐点，则指向2028年。不过，他同时指出，具身智能的商业化不会像ChatGPT那样瞬间普及，而会是一个从To B场景开始，逐步渗透的渐进过程。

2028年，或许那一年就是具身智能从“展示”到“干活”的真正分水岭。

05.

VLA与世界模型：两条路，一个终点

技术路线的选择是大会另一个绕不开的话题。本届大会上，VLA（视觉-语言-动作模型）与世界模型正从“竞争”走向“共生”。

北京人形发布了全国首个统一表征具身世界模型，大一统具身智能模型Pelican-Unify，把视觉理解、动作操控、世界模型三项能力装进同一个模型，打通“理解—推理—预演—执行”的智能闭环。这是国内首个经网信办备案通过的具身大模型。

擎朗智能发布了全球首个融合潜空间世界模型的服务行业VLA架构，KOM 3.0大模型。核心突破在于为机器人增加“预演预判”能力，让机器人在执行动作前先预演物理结果，做到“先想后做”，而非传统的试错式执行。

圆桌讨论中，清华大学苏航教授提出VLA和世界模型并非二选一的关系，“二者解决的问题有所侧重，也存在明显的互补空间”，未来更可能看到的是融合式架构。跨维智能走了一条更极致的路线：生成式仿真。仿真数据可扩展、可编辑，一旦基座完成，数据量将呈几何级增长。据了解，跨维智能已在工业场景落地超1500个模型。

06.

再次提升数据的重要性

如果说技术路线是方法论，那么数据就是具身智能的“原材料”。具身智能的数据规模短期内连追上大语言模型都十分困难，而物理世界的复杂度比语言世界高出几个量级。

目前，这个原材料极度稀缺。谁掌握了高质量的真实场景数据，谁就掌握了具身智能的下一程。

京东云总裁曹鹏在主论坛上宣布了一个重磅计划：京东将启动全球最大规模的数据采集计划，两年内采集超过1000万小时高质量人类真实场景行为数据，同步收集超过100万小时机器人本体运行数据，预计动员超过10万人参与。

为什么数据这么重要？曹鹏提出：“行业公认，要训出规模化复制、泛化性好的机器人大脑，需要千万小时级别的数据量，但行业目前真正能用的只有十万小时量级。”一个数量级的差距，决定了谁能率先突破。

王兴兴也强调了同样的逻辑：“目前的机器人都是AI驱动的。基本上是有多少高质量的数据，就有多少AI。”他认为真正的AI机器人训练数据，应以海量真人数据或互联网数据作为主要的预训练数据。

尾声

笔者离开时，不少展位已经在打包设备，准备第二天的展示。从另一个视角看，今年的机器人确实可以干活了，但能干活的定义还很模糊。甚至可以说，比机器人还忙碌的，反而是那些调试的、巡检的、蹲在地上擦传感器的、捧着平板计算ROI的人。

基于探展观察也好，行业专家分析也罢，事实上所有关于模型、数据、商业模式的讨论，最后都会回到这样一个具体的问题：机器人什么时候才能真正进入大众生活？新剧本也许会在2028年展开，在此之前，展会上看得见的和展台下看不见的，都需要我们的关注。

注：文内图片均为DoNews拍摄

「创新无边界」是我们的slogan，我们不局限于对互联网行业的追踪与探索，更要向未来、向未知的方向大胆迈进。因此，「打造行业新标杆、解读商业新动向」是我们秉持的方向之一。