直击WRC2026｜具身智能的真正主场，不在展台

8月的北京亦庄，2026世界机器人大会（WRC2026）现场人头攒动，与往年"炫技派"机器人扎堆不同，今年展馆里少了些舞蹈和空翻，多了几分务实的气息，从物流分拣、精密装配到做咖啡、弹钢琴，人形机器人们正在努力"上岗"。

但在与多位行业领军者的交流中，一个清晰的共识是：从"能干活"到"长期稳定打工"，还有好几道硬坎要迈，具身智能的主场正在从展会上的demo变为真实场景中的落地诉求。

从"能动"到"能干细活"

今年WRC最直观的变化，是机器人的本体正在变得更强、更灵巧。

走进B馆，星动纪元的展台前，一台双足人形机器人正在真实传送带上进行包裹分拣——抓取、翻面、识别条码、放置，动作行云流水，这是星动纪元的全尺寸半身人形机器人M7，共43个自由度，搭配了全直驱灵巧手XHAND 1。据现场工作人员介绍，该方案已在顺丰，中国邮政的十余个物流中心常态运营，工作效率已经达到人类分拣员的85%左右。

乐聚机器人则直接把"计时计件"模式搬上展台，携行业首发全栈国产化「3+N」批量部署行业解决方案亮相，是本届展会唯一实现全场景全自主全天候机器人不停机作业的展台，夸父作为展会"主理人"，现场展示了包括商服导览、零售服务、纸箱拆垛、小件上料、多规格塑料箱拆垛等场景解决方案。

"去年我们开始做工业的时候，大部分做的还都是poc，也就是概念验证，到今年能够真正的干活，这个过程对我们的硬件本体提出了更高的要求，特别是在稳定性方面。"乐聚助理副总裁任广杰表示。

从单一产品到完整技术栈，珞石认为，下一阶段的竞争将不只是"谁的机器人更像人"，更在于谁能够为机器人进入真实物理世界提供更完整、更可靠、更开放的技术底座。在WRC现场，珞石展示了玄玑HSA系列集成力控关节和太白AR系列人形力控臂，其中，HSA系列覆盖HSA11/14/17/20/25/32多个规格，通过高精度力矩传感器实现关节级力感知，扭矩传感器分辨率≤0.05N·m，并结合高性能无框力矩电机、高精度谐波减速器等，实现了高扭矩密度与轻量化、高集成兼顾。

对此，珞石机器人相关负责人表示："对于具身智能机器人而言，要真正进入物理世界，仅仅‘看得见、动得起来’还不够，还需要知道自己正在接触什么、施加了多大力量，并能够根据环境变化及时调整动作。"

从"单一技能"到"一脑多形"

机器人一旦进入真实世界，面对的就不再是固定脚本，真服务背后，是越来越"类脑"的机器人大脑。

制作同样一杯咖啡，杯子换了位置怎么办？同样一块PCB，型号变了怎么办？工作中突然出现障碍，又该怎么办？在智平方展台，搭载最新类脑架构具身模型的AlphaBot 2（爱宝）亮相，对这些问题给出了答案。

今年，智平方推出并开源原创类脑架构具身模型NeuroVLA，将人脑"皮层—小脑—脊髓"的协同机制引入机器人控制体系：皮层负责语义理解和任务规划，小脑负责高频运动协调与动态修正，脊髓负责毫秒级动作执行与安全反射，机器人开始拥有不同层次、不同速度的智能协同，从"会思考"进一步走向"会反应、会修正、会适应"。

"我们借鉴脑科学，将人脑的高能效机制转化为具身大模型的架构创新，在时间尺度上协同规划、在线学习与安全反射，让机器人像人一样拥有直觉反应与场景记忆，从而实现更自然、更安全的智能交互。"智平方创始人兼CEO郭彦东博士在WRC期间的演讲中指出。

如果说单一场景的演示是"点"，那么多家企业展示的跨场景能力，则预示着机器人走向通用的"面"。魔法原子在展台上搭建了一个"魔法小镇"，展示了"一脑多形"的核心理念——同一个通用大脑驱动人形机器人、轮式机器人、分拣机器人等多形态硬件，在不同岗位协同作业。其自研的Magic-VLA K02通用具身大模型，在非遗雕版拓印、柔性衣物整理、叠盒贴胶三个任务中展现了惊人的泛化能力，特别是叠衣展示区，面对从未见过的新品Polo衫，机器人能将已有技能模块零样本重新组合，独立摸索出叠衣策略。

晨昏线科技提出的"1×N+1"概念同样引人注目——用同一个具身大脑，连接不同形态的身体，适应不同场景，在现场，其同一套智能系统分别驱动了工业上下料、钢琴演奏和零售服务三款截然不同的机器人。

为什么一个大脑能够进入不同场景？晨昏线科技创始人兼CEO刘佳解释说，关键在于机器人是否具备跨场景理解和迁移的能力。今年4月，晨昏线科技发布基于任务目标与动作执行因果关系的目标因果世界模型GCWM，在此基础上，晨昏线科技进一步研发GCWM-TermiVLM基于世界模型的理解规划模型、GCWM-TCAM基于世界模型的任务与动作执行模型，将视觉、语言、触觉等多模态信息与任务目标、机器人动作执行进行连接，推动机器人从"感知环境"走向"理解任务"。

"我们并不是让机器人简单地学习100个动作，而是让机器人理解不同环境、不同任务背后的共通规律，这样，即使面对第101个新动作，机器人也能够基于已有的认知能力快速适应。"刘佳说。

泛化、数据与最后一厘米

透过热闹的展台，行业也需要一些冷思考。

宇树科技创始人王兴兴在大会演讲中直言目前的最大瓶颈，具身智能的泛化能力不足，固定场景训练成功率接近100%的模型，环境稍有变化，成功率就暴跌。他认为，当具身智能根据指令能够完成80%的任务时，才是产业真正的爆发。

"除了大小脑和泛化能力需要进一步突破外，工程上的突破也需要整个行业一起努力。"任广杰举了个例子，"比如在工业场景的实验室里成功率可以达到99%，但把它放到工厂内，受到不同的光照、温度等影响，它可能就到不了99%；再比如，一台机器人可以调制到最佳状态，但如何能保证出厂的1万台都达到同样标准，是目前行业共同努力的方向。"

对于下一阶段的落地场景，星动纪元联合创始人席悦给出了务实判断。他认为物流和工业场景会率先规模化，因为这里有清晰的效率标尺和付费意愿，至于家庭场景，他给出的时间表是"五到十年内"，这与王兴兴的判断呼应："快的话两到三年，慢的话五年或十年"。

刘佳也持有类似的观点，他认为，具身智能目前已经在工业、物流等场景逐步落地，而从工业场景到家庭场景，会像拼拼图一样被"逐个击破"，最终打通所有落地场景。