WAIC，機器人變了

人形不再獨占C位，大腦內卷，數據為王。

定焦One（dingjiaoone）原創

作者 | 王璐

編輯 | 魏佳

這幾天，科技圈的最大盛事當屬WAIC大會。今年，人氣最旺的是上海世博展覽館H3館，具身智能首次獨立成館，與智算并列為大會兩大核心賽道，從整機到靈巧手、關節模組、傳感器，一條產業鏈完整鋪開。

「定焦One」連續兩天走訪，在現場最直接的感受是“人多”。宇樹展臺被圍得擠不進去，加速進化把展位改成小型足球場，一群不到1米高的機器人自己踢球、搶斷，還會假動作。根據官方披露的信息，今年參展的具身智能企業從去年的80多家增加到200多家，真機超過300臺，且幾乎全部動態運行，而去年這里還以靜態展示為主。

除了觀眾們的熱情之外，還有一個明顯的變化是機器人可以干的事情變了。去年是150臺人形同臺，卷的是后空翻、做咖啡這類炫技動作，今年各家的demo從炫技換成了做早餐、打蝴蝶結、進汽車產線這類更雜、更難也更貼近真實場景的任務，機器人的形態也從單一的人形變得更加豐富。

不過熱鬧之下，行業仍處在早期：大腦架構未定、訓練機器人的數據從哪兒來還是難題。H3館里幾乎每家都在講“我家模型最懂物理世界”，“機器人該用VLA還是世界模型”的爭論被直接搬上論壇。

這些問題沒有標準答案，而WAIC恰好是觀察各家給出什么解法的一個窗口。本文從形態、大腦、落地三個維度切入，看看今年具身智能走到了哪一步。

01.看形態：人形不再是唯一，載人機甲、半人馬也來了

進入H3場館，科幻電影里的場景似乎沒那么遠了。幾臺機器人排成一列緩緩穿過通道，偶爾有觀眾側身讓路，當你餓了的時候，可以去某個展臺“領”一份由機器人完成的早餐，雖然動作還有點僵硬遲緩，但至少是真的能吃。

「定焦One」在館里逛了大半天，一個強烈的感受是，人形機器人依然是重點，但不再獨占C位。去年是150臺人形同臺、卷自由度、卷后空翻，今年人形還在，但載人機甲、可變形本體、半人馬等新形態紛紛涌現，輪式和四足這些成熟形態也找到了更明確的場景。

按落地場景看，各家大致分成了三派。

第一派是工業務實派，既有輪式，也有雙足，形態讓位于穩定。

智元拿下H3館最大展區，集中發布五款產品，其中輪式的精靈G2Max主打“安規級重載”，能24小時不間斷搬運碼垛，無需人工輪崗、夜班值守，直接瞄準倉庫“兩班倒”的人力缺口。

同樣瞄準工業，它石智航給出的是另一套答案，它把一條1:1復刻的汽車線束產線搬進展臺，由“輪式底盤+雙臂”的機器人集群現場演示產線自主作業。工業場景下，這種組合比較務實，能連續作業、能靈活調度，成本和穩定性都適合量產爬坡。

智元機器人 圖源 / 智元官網

樂聚這屆不再講商超和家庭，轉而聚焦工廠，其全尺寸人形機器人夸父系列（含雙足版與輪式夸父5-W）與螞蟻靈波合作實現物流全場景自動化，涵蓋紙箱拆垛、搬運、上料等環節。

第二派是小人形，把人形機器人做小，用價格換入場券。

松延動力身高不到一米的小布米定價9998元，是目前市面上第一款萬元以內的量產人形機器人，高約94厘米、約12公斤，已正式開售。作為參照，一臺全尺寸人形通常在1.7米上下、幾十萬元起，小布米幾乎把體型和價格同時砍掉一個數量級。展臺上，小布米們同步完成舞蹈，動作對齊精準，OTA3.0功能支持用戶通過手機App遠程更新機器人的交互界面、動作姿態和內容。

消費級小人形的玩家還有鹿明機器人，現場展示了AI迷你雙足人形“鹿小明”，僅89厘米，可跟隨音樂起舞。加速進化則把展臺變成小型足球場，一批身高不到1米的機器人自主踢球、非遙操，射門力道猛還會假動作，走的是科研、競技路線。

加速進化機器人踢足球 圖源 / 「定焦One」攝

第三派是新形態探索派，按環境切換形態。

宇樹科技依然有人形拳擊賽，但站C位的是GD01，這是一款載人變形機甲，人可以坐進座艙操控，其定位為“民用交通工具”，號稱全球首款量產版載人機甲，但起售價高達390萬元。上緯啟元T1在輪足人形和四足之間自主切換，室內走輪足，安靜、零轉彎半徑，客廳書房都能，到戶外切換四足，過草地、砂石、斜坡、臺階，對應散步、露營場景，其變換形態被網友調侃“人模狗樣”。

逐際動力TRON2走模塊化路線，像拼樂高一樣組合成雙足、雙輪足、雙臂，現場甚至還用雙足加雙臂拼出一只“半人馬”形態，不僅能背負30KG穩步走，還能在地毯上拖輪胎，對應商用服務場景的復雜地形。

逐際動力半人馬 圖源 / 逐際動力官網

整體看下來，今年機器人的形態比去年更加豐富，但邏輯一致，即按場景反推本體。一位具身智能從業者表示，憑借一款本體打天下的幻覺被訂單砸碎了，“工業要輪式、家庭要人形、消費要小巧、特種要載重機甲，每家都在按場景反推本體，形態自然就被打散了?！?/p>

不過，形態變多說明廠商們把場景想清楚了，不代表活兒真干好了。展會上看到的搬運、踢球、舞蹈，多數還是在可控的環境里“演”出來的。選對形態只是拿到了入場券，能不能把活兒干利索，還得看大腦和手腳跟不跟得上。

02.看大腦：VLA之外，世界模型探路

形態是肉眼能看到的變化，更大的比拼發生在看不見的地方——機器人的大腦。

先簡單科普下背景。具身智能這兩年主要用VLA（視覺-語言-動作）模型，它擅長看懂場景、聽懂指令，但對物理世界缺乏真正理解，一遇到沒見過的場景，泛化能力（把學過的本事遷移到新場景的能力）就明顯打折，往往在實驗室里表現很好，一進真實家庭就崩。于是各家開始探索新的方向，“世界模型”成為今年最熱的選項。通俗來說，世界模型是讓機器人先在“腦內”預測“這么做世界會變成什么樣”，再決定動作，而不是死記硬背動作順序。

從現場來看，各家的押注集中在兩個方向：長程任務和復雜操作。

長程任務方面，銀河通用的星腦模型把任務長度從去年的短動作延長到了3–5分鐘?，F場演示中，機器人連續完成烤面包、倒飲料、取盤裝盤，即使工作人員臨時挪動杯子或餐盤，它也會重新掃描桌面尋找目標，而不是按固定點位執行。

更為極限的是原力靈機聯合階躍星辰發起的挑戰，6臺機器人用原力靈機的通用具身基礎模型DM0.5，連續協同拼裝一座8萬余塊積木的長城，實現了15小時的持續作業。

復雜操作方面，星塵智能一口氣放出22項真機家庭任務，包括煎蛋顛鍋、稱小米、打蝴蝶結等高難度操作，是本屆WAIC家庭場景demo最全面的一家。

星塵智能機器人協作疊紙箱 圖源 / 星塵智能官網

在這些能力提升的背后，各家在世界模型上走出了不同解法。

銀河通用在大會期間發布的WAM-TTT，解決的是“進場快”。TTT即“測試時訓練”，可大致理解為，基礎技能先預訓練好，機器人進了客戶現場，只需看一批人類操作視頻，就能適應新環境干活，不需要動作標注，預訓練參數也完全凍結。

按其論文中的對照實驗，100條機器人軌跡搭配100條人類視頻，成功率74.1%，與200條純機器人軌跡的73.7%基本持平，這意味著便宜易得的人類視頻，大致能替代同等數量的真機數據，比如原本需要100小時數據訓練的新任務，現在可能只要2小時就能跑起來。創始人王鶴打了個比方，“廚師換廚房，廚藝不變。”

但一位從業者指出，這一方式想沖到99%的落地標準，仍離不開大量領域專用數據，想“干得好”還要訓練。

星塵智能在WAIC前夜發布的Lumo-2，解答的是“怎么想”。它號稱業界首個“家庭隱式世界動作模型”。

星塵智能副總裁王佳楠用煎蛋的動作，來解釋這條“隱式”路線具體如何工作。模型接到指令后，不會直接調用現成的動作，而是在內部先“想象”一遍，“蛋在鍋中間不好顛，狀態應該變成靠近鍋邊”；再推理動作，“手往下壓一點，讓蛋滑過去”。這和傳統的VLA模型不同，VLA更像是“背動作”，記住以前做過什么，遇到類似情況就照著來，Lumo-2是“為了達到某個效果，自己想辦法生成動作”，所以環境一變，它也能靈活調整。

但該路線也有兩大難點。第一，它不生成畫面，你看不到它腦子里在想什么，就像一臺黑盒子，只能看它最后干得好不好，沒法中途檢查它想得對不對。第二，攝像頭拍到的東西可能不足以區分當前狀況，比如同樣是桌上一只杯子，里面有沒有水、水是滿的還是半滿的，從畫面看幾乎一樣，但機器人該用的動作完全不同。這種隱式路線的優點是省算力、能自主運行、能切換場景，代價是內部過程看不見，出了問題不好排查，訓練也更費勁。

騰訊則在WAIC期間發布了RxBrain，解決的是“推理和想象怎么統一”。它是騰訊Hy-Embodied系列里的“大腦”模型，騰訊首席科學家張正友用“裂腦”比喻來解釋其架構：去年左右腦之間僅通過語言連接，今年RxBrain在左右腦之間增加了視覺信息通道，一邊用文字描述子任務，一邊用圖像展示完成子任務后世界會變成什么樣。

他并沒有直接給這個模型貼上“世界模型”的標簽，但他認為，這已經踩進了世界模型的方向，既能夠做推理，同時有想象力。在他看來，世界模型目前還沒有一個統一的技術方案，各家都在摸索，騰訊也不例外。

把這幾條路線擺在一起，會發現VLA和世界模型并非二選一的關系。VLA在持續進化，世界模型也在吸收VLA的經驗，兩條路線同步往前走。

03.看落地：數據采集和靈巧手成下一輪競爭焦點

在WAIC現場，大家問得最多的問題是：機器人為什么還進不了家、進不了廠？卡點集中在兩處，喂給大腦的數據不夠多，以及執行動作的那只手還不夠靈。

先說數據。世界模型雖然緩解了部分數據壓力，把“理解世界”這部分從遙操轉移到了視頻，但行業才剛起步，各家路線五花八門，無論走哪條路，高質量的真實數據都是繞不開的共同剛需。

圖源 / 「定焦One」攝

本屆WAIC上，數據采集第一次成了一個獨立品類，多家公司帶著專門的數采設備和方案出現。目前能看到三種思路并存。

第一種是本體廠自采，數據長在自家機器人本體上，宇樹、樂聚都在做，好處是“采什么練什么”，但數據多封閉在自家體系內。

第二種是出售數采設備，相當于“賣鏟子”。

覓蜂科技（智元孵化）的MEgo系列走的就是這條路，核心是“不綁機器人”，用輕便的硬件就能采數據。它的客戶主要是兩類，一類是缺乏本體或不想綁本體的具身初創公司，另一類是本體廠想補一套更靈活的數采手段。

其操作也不需要機器人工程師，普通數據采集員戴上就能開始采集數據。MEgo Gripper是一個手持設備，重量為560克，像拿個加大號游戲手柄，能記錄毫米級的空間軌跡，MEgo View是穿戴套裝，頭上戴全景相機、手腕上綁攝像頭，7路畫面同步錄制，一個人可把“如何操作”的全過程采下來。

第三種是“數采+世界模型”打包賣。大曉機器人在WAIC上同時發布了ACE數采設備和開悟世界模型KAIROS。ACE采回來的數據格式直接和KAIROS對接，客戶不用再轉格式、清洗數據，拿來就能用。當然，也可以只買模型或只買采集設備，不強制捆綁。

三種思路背后是競爭的白熱化，2026年被反復稱作“具身數據元年”，誰把標準化、低成本的數據供給跑通，誰就占住了產業鏈上最難替代的位置。

說完大腦，再來看“手”。如果說數據是“大腦的食物”，那靈巧手就是“大腦的手”，末端不夠靈活，再好的模型也發揮不出作用。

前兩年，行業的目光大多在跑、跳、翻這些大動作上，今年重點從“腿”轉到了“手”。背后也有行業背景，直驅關節的單指成本大幅下降，觸覺傳感的精度和價格雙雙跨過量產臨界點，把靈巧手從過去的工業夾爪，推到了具身智能的核心終端位置。但怎么做一只好手，行業還沒有共識，今年WAIC上，靈巧手的路線也是多種多樣。

靈心巧手一次性把連桿、腱繩、直驅三種技術路線的靈巧手都擺了出來，其中最受關注的O30是全直驅方案，即電機轉子直接連接關節負載，中間沒有任何減速裝置，好處是力控更直接、更精準，代價是電機發熱更大。O30有20個關節獨立活動，重量740克，定位精度亞毫米級，額定負載30公斤，對應汽車精密裝配這類高精度場景。

超維動力的KAIHand追求的是手指靈活度，有37個關節，尺寸和真人手一樣大，指尖力氣超過30牛，整只手80%的面積覆蓋了觸覺皮膚，能感知0.1牛的微小力度?，F場還演示了用KAIHand砸木板，證明它既結實又有韌性。

整體來看，今年WAIC的具身智能確實往前走了一大步，本體根據場景劃分成不同形態，任務時長從秒級拉到分鐘甚至小時級；操作也從簡單抓取，升級為復雜的打結、進產線，各家都在從“能演”轉向“能干”。

不過，這個行業還處在探索期。正如現場一位具身智能創業者對「定焦One」感嘆，今年技能層面的進化并沒有超過他的想象，真正絲滑的還是跳舞、迎賓這類簡單場景；零售、物流、工業離可用還很遠，離家庭服務更遠。

WAIC的熱鬧總會散場，聚光燈之外，具身智能這個新興賽道，還得繼續打拼很多年。

*題圖由「定焦One」拍攝。