2026 WRC：人形机器人告别跳舞炫技，进入「真干活」，谁跑通了落地？

编辑｜陈陈

今年的 WRC 格外热闹。

机器人会跑、会跳、会翻跟头，已经不算稀奇；能端咖啡、叠衣服、打拳、跳舞的人形机器人，更是挤满了展馆。放在几年前，这些 Demo 足以让人驻足很久。

但到了今天，炫技之外，一个更现实的问题绕不开：这些机器人到底什么时候才能真正去「上班」？

进了工厂，机器人面对的是同一件事要稳定重复上万次；工件会有偏差，箱子尺寸各不相同，任务也会随时变化。机器人不仅要连续工作数小时，还要接受成功率、故障率、维护成本等一整套生产指标的检验。

说到底，Demo 再漂亮，也绕不开最后一道关：客户愿不愿意为它买单。

在 WRC 展会上，我们看到，最早进厂打工的优必选把客户真实作业产线几乎 1:1 搬到了现场，用真机全程干活取代 demo 演示。

全新轮式人形机器人Cruzr Y1首次亮相即面向搬运、拆码垛等高频刚需场景。

视频链接：https://mp.weixin.qq.com/s/3cIpWlwF0D3tXuqRj_l3cA

全尺寸通用轮式人形机器人 Cruzr S2则面向汽车钣金件上下料、汽车机加件上下料、物流电商小件分拣等重复、枯燥的场景。

视频链接：https://mp.weixin.qq.com/s/3cIpWlwF0D3tXuqRj_l3cA

除了工业场景，优必选最新发布的商用人形机器人 Walker C1和超仿生人形机器人也首次在 WRC 展示，吸引了不少观众驻足观看，成为展区人气颇高的产品。

Walker C1

超仿生人形机器人

谈到为何同时布局工业、商用和家庭消费三大场景，优必选副总裁、具身智能与人形机器人研究院院长焦继超表示，这并非一次简单的战略选择，而是随着具身智能技术进步、产品成熟度提升以及满足市场需求的自然结果。

在工业领域，优必选已经围绕搬运、上下料、分拣等任务形成较为完整的解决方案。焦继超认为，当前行业正从过去的 POC（概念验证）阶段，逐步进入真实场景的小规模应用阶段。通过进入客户现场，让机器人在实际生产环境中持续运行和验证，进一步打磨产品能力，预计未来一段时间内会迎来更大规模的落地。

基于在工业场景的具身智能技术积累，优必选能够快速拓展面向商业服务的人形机器人产品。

而在家庭消费领域，焦继超提到，优必选围绕优世界 U1 系列产品已经进行了多年技术积累。在产品正式发布后，市场对于情感陪伴、家庭交互等方向展现出较强需求，这也推动公司进一步加大在相关领域的投入。

能打工、会送花、懂陪伴

优必选让人形机器人在三大场景落地

工业是这一轮人形机器人商业化最重要的试验场。

过去几十年，工业自动化解决的是固定任务。机械臂可以高速完成标准动作，但面对频繁换产、物料变化和非结构化环境，柔性仍然有限。这正是人形机器人试图切入的空间。

同时焦继超认为，人形机器人并不是简单替代现有自动化设备，而是未来制造体系中的一种补充能力。包括轮式和双足人形机器人在内，与现有机器人设备之间会形成协同关系，共同提升制造业自动化水平。

他表示，实际生产中，工厂更关注的是机器人的任务成功率、运行稳定性、维护成本以及整体 ROI。通过多台机器人协同调度，也可以满足连续生产需求。只要具备足够的抗干扰能力，任务成功率可以达到 99% 以上，甚至 99.5%。

在 WRC 2026 现场，Cruzr Y1 面对料箱、纸箱的不同材质、尺寸与垛型，独立完成 "感知 — 决策 — 抓取 — 投放" 的完整流程。

面对无序混放、异形物料等情况，机器人还要实时调整自己的操作策略。从现场来看，Cruzr Y1 完成的非常好。

视频链接：https://mp.weixin.qq.com/s/3cIpWlwF0D3tXuqRj_l3cA

而全尺寸通用轮式人形机器人 Cruzr S2 则进一步深入制造环节。

在汽车钣金件上下料场景中，两台机器人协同工作：一台机器人从货架上抓取超过 1 米的大尺寸钣金件，移动到机台，再将工件精准放置于工装治具并完成定位孔与定位销的高精度对齐；另一台负责下料和转运。从而实现取料 — 上料 — 下料连续作业。

视频链接：https://mp.weixin.qq.com/s/3cIpWlwF0D3tXuqRj_l3cA

这个过程真正困难的地方，是对准。工业现场的工件可能存在变形，摆放位置也并非每次完全一致，长期运行后甚至还会出现标定漂移。因此机器人需要在运动过程中不断修正，最终把定位精度控制在 1mm 以内。

汽车机加件上下料同样如此。

机器人从皮带线末端抓取零部件，并精准放置于机台定位治具，然后触发工业相机拍照检测并同步呈现结果，再将工件取下放回皮带线回流至取料位，整个循环要求长时间持续运行，并不断面对来料位置变化。

视频链接：https://mp.weixin.qq.com/s/3cIpWlwF0D3tXuqRj_l3cA

在这一过程中，Thinker-VLA 直接参与机器人动作决策，根据视觉输入实时感知工件位置变化，并动态调整抓取与放置轨迹，最终实现小于 1mm 的定位精度。同时，通过端侧部署，Thinker-VLA 无需高度依赖云端算力和网络连接，进一步降低推理延迟，保障工业场景下连续、稳定的作业。

再到物流电商场景，仓库里的商品种类、尺寸、颜色和包装不断变化，很难为每一种商品单独写一套程序。

优必选采用双台机器人协同方案实现搬运 — 分拣自动化闭环：一台将满料箱从料架搬运至皮带线；另一台基于视觉识别从料箱中抓取不同规格化妆品盒子，逐一投入德马科技的自动播种墙供包台完成播种分拣，空箱经皮带线回流由搬运机器人搬回料架。

视频链接：https://mp.weixin.qq.com/s/3cIpWlwF0D3tXuqRj_l3cA

端侧部署进一步提升了作业效率，平均抓取能力接近1100 件 / 小时。面对不同货品，机器人只需少量样本即可快速适应并保持稳定抓取，能够应对小批量、多品种、频繁换产等柔性生产需求。

在焦继超看来，目前工业场景的价值不仅在于完成当前任务，更在于机器人进入真实环境后持续产生数据。不同工位产生的成功、失败和异常数据，会进一步用于优化模型能力，让机器人在下一次任务中具备更强泛化能力。

在工业场景的打磨，也为优必选机器人走进商业和家庭消费场景打下了基础。

今年 6 月份，优必选接连发布了商用服务人形机器人 Walker C1 和超仿生人形机器人 U1。

Walker C1 聚焦城市服务、产教融合、科研创新三大场景，大会现场，它既是迎宾接待、主持讲解、娱乐表演和互动的全能服务搭子，也是全球开发者的开发实操平台，Walker C1 EDU Tutor 搭载 UIRO 优诺智能助教系统，还能实现自主授课、拍题讲解、智能问答和多模态课堂互动的全流程教学应用。

超仿生人形机器人 U1 搭载自研的 Resonanc-LM 情感大模型，凭借更接近真人的外形、表情和互动方式，可以应用于情绪支持、养老陪伴，到迎宾接待、文旅展览与心理关怀等多元化的场景。

视频链接：https://mp.weixin.qq.com/s/3cIpWlwF0D3tXuqRj_l3cA

从理解世界到行动决策，优必选具身智能全栈技术让人形机器人真正能用起来

不过，工业、商业和家庭消费并不是三条完全独立的技术路线。

焦继超表示，三个场景底层共享着相当一部分软硬件能力。比如视觉传感器和感知算法，工业端和商业端可以直接复用；舵机等核心零部件在设计、制造层面也有较强共通性，这使得消费端能够在既有能力基础上，进一步做小型化和紧凑化。

模型和数据同样如此。

工业场景更强调操作能力，优必选会围绕搬运、分拣、上下料等任务训练对应的 VLA 模型；商业和家庭消费场景则更看重交互，对话、表情、眼神、记忆等能力。继续往底层看，视觉、语言、多模态理解，以及相当一部分训练数据，依然可以共享。

软件层面也采用同一套基础设施，包括通信中间件、ROS 操作系统等，都可以在不同机器人产品之间复用。

「我们采用的是‘1+N’的方式。」焦继超介绍，其中 1 提供通用技术能力，N 则对应工业、商业、家庭消费等不同业务场景。业务部门提出具体需求，底层技术团队再进行针对性优化。

在这一体系下，一个场景中验证成熟的技术能力，也能够更快迁移到其他产品和应用领域，从而推动人形机器人更快走向规模化应用。

具体到模型层面，优必选已经形成Thinker、Thinker-WM（Thinker-World Model）和 Thinker-VLA 完整技术栈，三者共同构成从感知、推理到行动的具身智能链路。

最底层的基座大模型 Thinker 负责建立机器人对物理世界的基础理解能力，以小参数、高性能、全开源突破行业技术瓶颈，在 10B 及以下具身智能大脑模型相关权威基准评测中获得 9 项第一，最大基座模型达 100B。Thinker 重点突破两大核心能力：一是机器人第一视角下的场景认知与任务规划能力，二是支撑物理交互的精准感知与空间理解能力。

但仅仅知道眼前有什么，还不足以完成复杂任务。机器人还需要学会对未来的预测：如果采取一个动作，接下来世界会怎样变化？

这也是Thinker-WM 世界模型承担的角色。

在优必选目前的技术体系中，Thinker-WM 已经通过两条路径进入实际机器人应用。

一条路径是知识蒸馏。

世界模型掌握的知识可以被适配到具体下游操作任务，再通过视觉 — 动作对齐数据训练更加轻量的 Thinker-VLA，以此降低真实机器人反复交互、采集数据的需求。

另一条路径则是生成训练数据。

在现实工厂里，一些极端工况出现概率很低，某些危险动作也不适合让机器人反复尝试。世界模型可以生成符合真实世界规律的多样化场景和交互轨迹，用来补充这些长尾数据。

不过，焦继超也强调，当前阶段世界模型生成数据仍然无法完全替代真实机器人数据。优必选目前生成数据占比相对较低，真实场景采集的数据依然是模型训练的重要基础。世界模型更多承担推理、预测和仿真验证的作用。

最终负责把这种理解转化为动作的是 Thinker-VLA，被部署到 Walker、Cruzr 等多个系列的机器人上。

在工业场景部署中，经过全栈优化，Thinker-VLA 端侧推理效率提升 176%，存储用量降低 60%；端侧全功能模块对 GPU 显存的需求从 64GB 降低到了 32GB。

焦继超认为，具身智能的竞争重点并不只是模型参数规模，而是模型能否在真实任务中稳定运行。对于工业场景而言，一个能够快速响应、稳定完成任务的小模型，可能比一个参数规模更大的通用模型更具实际价值。

不同工位对应不同任务，更适合通过面向具体场景的垂域模型或 Agent 能力完成，而不是单纯追求更大的模型规模。这也是优必选强调端侧推理能力的重要原因。

此外，真正决定机器人能力上限的，还有训练数据。优必选当前的数据策略是以真实场景数据为主，结合世界模型等技术进行补充。

优必选研发的机器人进入真实场景后，本身也会成为数据采集入口。

从工厂里的上下料、搬运、分拣，到商业场景中的交互服务，每一次任务执行都会产生新的数据反馈。这些数据经过整理和训练后，再反向优化模型能力，进一步提升机器人在下一轮任务中的表现。

这也是优必选强调真实场景落地的重要原因。

机器人进入越多真实环境，就能获得越丰富的物理世界反馈；这些反馈又会推动具身大脑持续迭代，最终形成场景产生数据、数据优化模型、模型反哺应用的循环。

秀的不只有机器人

还有一张越来越大的「朋友圈」

人形机器人真正走向规模化，绝非一家公司能独立完成。芯片算力、核心零部件、规模化制造、应用场景和数据反馈，缺一不可。

上游，优必选与沐曦股份合资成立曦选创智，布局具身智能端侧专用芯片，计划 2027 年流片、2028 年量产；收购 A 股上市公司锋龙股份，推进灵巧手、伺服驱动器等关键零部件研发和制造。

规模化制造层，引入西门子数字化制造体系，双方合作的万台产能人形机器人超级智慧工厂于今年 8 月份投产。

应用端，这张网络进一步延伸到汽车、半导体、3C 电子制造、物流等行业。比亚迪、富士康、本田贸易、日立中国、三一重能、东风柳汽、吉利汽车、德马科技、基本半导体、富奥股份、永茂泰等各行各业的头部企业都是他的合作伙伴。

可以看出，优必选正在把自己放在一个更大的产业坐标里：从人形机器人制造商，走向具身 AI 生态平台公司。

过去几年，人形机器人行业解决了很多 “从 0 到 1” 的问题。到了 2026 年，竞争开始进入更现实的阶段：稳定作业、跨场景泛化、成本控制，以及最终能否获得客户认可，正在成为检验产业化能力的新标准。

从这个角度看，优必选在 WRC 2026 展示的三大场景应用，只是能力落地的表层呈现。真正的竞争，正在转向谁能建立 “具身大脑 — 真实场景 — 产业生态” 的正向循环。

当机器人不再只是展示动作，而是在真实世界中持续工作、学习和进化，人形机器人产业化的大门才真正打开。