WAIC 2026見證中國具身智能的大分流：干活、分化與數據之困

7月17日，2026世界人工智能大會（WAIC）在上海世博展覽館開幕。本屆大會展覽面積首次突破10萬平方米，參展企業超1100家，首發首展產品349款，均創歷年之最。

但比數字更直觀的是現場的“熱”——H3具身智能展館入口排起回字形長龍，館內摩肩接踵，站在通道中央幾乎無法停留超過三秒。

逛完H3展館，一個鮮明的感受是：機器人展，變了。

去年翻跟頭、跳舞的人形機器人表演，今年退到了角落——熱鬧，但不再是主菜。占據C位的，是模擬出來的工廠產線、藥房貨架、餐廳吧臺、家庭客廳。展商們不再問“你看我酷不酷”，而是說“看我能干這個活，能幫你省多少錢”。

WAIC 2026的機器人展臺，見證了中國具身智能的大分流，給出了產業最直觀的注腳：干活、分化、筑基——三個關鍵詞，對應著產業正在發生的三重深刻變化。以下，是我們從展館帶回來的一手觀察。

一、B端岔路口：進工廠，還是進門店？

“干活”是主旋律，分化是主要特征，細看下來，同樣是B端，路徑截然不同。一派扎進工廠，干最枯燥的臟活累活；另一派涌向商超、藥房、餐廳，在離人最近的地方找位置。

工廠派的打法很直接，把真實產線1：1復刻到展臺，讓機器人當眾“上崗”，完成重復性高、枯燥的任務。

倉儲物流機器人龍頭極智嘉，首發通用人形機器人Gino1，搭載手腳協同的全身并行控制能力，可與移動機器人、揀選工作站編隊完成揀選全流程，據悉單任務作業時間縮短約30%。

智元集中發布遠征A3 Ultra、精靈G2 Max、靈犀X2 EDU、臨界點OmniHand 3 Ultra-M和酷拓騎行機器人等五款新品，并將精靈G2 Max與京東物流合作的倉儲搬運、碼垛場景搬進展臺，還原料盤上下料產線部署態；現場還聯合均普智能搭建整條芯片加工產線，連續完成上料、裝盒、轉運等超長流程作業，驗證了無需人工干預的穩定性能。

它石智航將汽車線束環形流水線搬進展臺，其A1線束智能機器人解決方案專為線束全流程自動化打造，搭載自研具身大模型，可模擬人工柔性操作，無縫融入現有產線。據悉，該方案已于今年6月在天海電子實現規模化部署。

樂聚機器人再現了拆垛、搬運、上料等場景全自動、多工位柔性作業能力，全程不用人工插手，在展會現場不間斷工作，與真實工業產線實際運行效果無異。

工業場景結構化程度高、任務邊界清晰、ROI可量化，這是工廠派共同的判斷。機器人不需要“全能”，在特定工位上把一件事做到極致就夠了。

商業服務派面臨的則完全是另一套考題，環境更開放、干擾更隨機、容錯空間更小。

銀河通用此次展示了兩款定位明確的機器人，主打交互服務的通用機器人Galbot G1和面向工業場景的重載機器人Galbot S1，兩款產品的所有動作均由自研的“銀河星腦”（AstraBrain）具身大模型實時驅動。

G1在C端和B端服務場景中展現了通用性，覆蓋做早餐、智慧零售、迎賓等多場景應用；S1則聚焦于更“重”的工業場景，完整展示了從拆垛、搬運到碼放的物流作業鏈條。

智平方全新進化的AlphaBot 2（愛寶）則換了一種打法。它化身店主在現場制作咖啡、雞尾酒和冰淇淋，在“干活”之外，提供的是B端商業服務中不可忽視的情緒價值與消費體驗。

這兩家企業的路徑雖有差異，卻共享同一套商業邏輯——場景越開放，技術難度越大，但市場需求越迫切，付費意愿也越強。只要在特定場景中證明可靠性，商業閉環就能跑通。這也是多數企業在B端選擇同時布局工業和商業服務場景的原因所在。

值得一提的是，傅利葉首發高負載輪式雙臂機器人GRW，最高16公斤穩定負載能力、2米級超大作業空間及靈活移動能力，聚焦倉儲物流、工業制造、康養照護等高負載人機協同場景，據悉該款機器人搭載了傅利葉零代碼開發平臺，進一步降低了操作門檻。

此外，文娛導覽服務已是一條相對成熟的細分賽道。智元在WAIC期間聯合擎天租，在主會場和兩個分會場投放了六十臺各類型具身智能機器人，在核心公共區域承擔指路引路等服務。A3和靈犀X2等機型除了引導服務，還現場展示了高難度動作和群控舞蹈，引來觀眾陣陣圍觀與喝彩。

智元聯合創始人彭志輝在采訪中表示，行業最明顯的轉變是從炫技式展示轉向部署態和生產力，“大家更關注它能不能真正進入工廠、進入商業服務的環境”。

工廠還是門店，路徑各異，但考題相通——如何在商業化進程中率先拿到生存的船票。每個企業都在以自己的方式作答，等待市場的驗證。

二、賣在當下，還是賭在未來？C端玩家的不同時間觀

C端的分化遠不如B端那樣目標明確。工廠采購機器人，算的是ROI、回本周期、替代多少人工。個人消費者的決策則復雜得多，有人沖著“好玩”下單，有人盯著“能干”比價，還有人對陪伴感和實用性抱有雙重期待，多數時候三者兼有。

從現場看，同樣是面向家庭和個人消費者，有的公司讓機器人當“玩伴”或“學伴”，陪人下棋、陪人聊天，賣的是情緒價值；有的則定位“保姆”專攻家務，賣的是“干活”的價值；還有的試圖在陪伴與干活之間找到平衡。

傅利葉的“貓貓頭”機器人家族把“情緒價值”往前推了一步：桌面級GR Nano專注個人情感陪伴，觸摸時會產生微妙的情緒變化，用戶還可為其塑造專屬人格。GR Mini則憑萌系外觀與擬人化舞蹈，賦能展廳導覽、養老陪伴等場景。GRNano尚未面市，但傅利葉在C端押注“情感連接”的方向，已經清晰可見。

啟元T1與Q1主打家庭陪伴與科教體驗。T1是全球首款可變形個人機器人，可在輪足人形與四足形態間自由切換；Q1以輕量化設計主打家庭陪伴與科教體驗。展臺由機器人主導互動節奏，據悉已在商圈開設線下旗艦店。

節卡推出的小型人形機器人JAKA π（“π仔”），身高僅1.22米，是同級別最小巧的人形機器人之一，搭載“大腦+小腦”融合架構，在展臺駐場表演、與觀眾互動。雖然節卡的主戰場在工業，但“π仔”的出現說明即便是工業派選手，也無法忽視“賣萌”路線的吸引力。

逐際動力女版Luna人形機器人令人眼前一亮，以柔性織物設計和流暢舞蹈表現力吸引大批觀眾，靈動自然、步態優雅，配套iPad操控終端支持視頻一鍵學舞、拖拽編排動作。

維他動力則在京東展區帶來一款無需遙控即可自主陪玩陪聊的機器狗。

細看這些“陪玩”選手，任務邊界清晰、交互可控、技術相對成熟，不需要理解復雜的物理世界，只需在有限規則內做出正確反應。這類場景本質上是“封閉題”，不要求干重活，足夠有趣、有陪伴感就有人愿意買單。

干活派的路子則完全不同。他們要進入家庭，做疊衣服、收拾玩具、整理房間等家務。這對機器人堪稱“地獄難度”，布料是軟的、褶皺是隨機的，同一件T恤每次擺放的形態都不一樣。

傅利葉的“具身之家”是干活派中技術路徑走得較遠的一個。展臺搭建了完整的居家模擬空間“機器人管家的一天”。當用戶說出“我渴了”這樣的模糊指令，GR-3無需明確目標位置，即可自主理解需求、定位目標并完成取物遞送。現場大屏幕實時可視化機器人的決策全過程。

未來不遠F2定位“專屬家庭管家”，外觀軟萌可愛，既能陪玩下棋、監督學習，也能收疊衣物、補充貓糧。產品已開售，已進入數百個家庭付費使用，走的是一條“先做能做的，再逐步擴展”的務實路線。

優理奇則展示了披薩制作、糖畫繪制、房間清潔等長程任務，但仔細審視，這些場景更多是“能力驗證”，距離真正解決家庭日常痛點還有差距。

展臺上流暢的演示，改變不了一個現實：家庭場景是開放世界，而當前技術能力還停留在封閉或半封閉環境。 固定場景下完成預設任務已屬不易，真正進入“千家千面”的家庭，還有很長的路要走。

陪玩派與干活派的分野，表面是技術路徑的差異，實質是對“人機關系”的不同想象。前者將機器人視為陪伴者，賣的是情感連接；后者將其視為協助者，賣的是勞動解放。

封閉規則下的“簡單題”與開放世界的“地獄難度”，對應的是兩種商業化節奏：一個靠規模效應快速起量，一個靠技術突破緩慢爬坡。

目前不少陪玩派已率先走通量產閉環，干活派仍在等待技術拐點。在C端，相比“未來可期”的愿景，市場更愿意為“此刻可用”的產品買單。

三、三道墻與萬倍差，數采之勤難補智慧之缺

除了B端和C端的場景分化，展館里還有一類展臺，沒有舞蹈、沒有抓取，只有頭戴式相機、數據手套和遙操作臺，以及戴著它們重復同一個動作的人。它們做的事很簡單，在機器人學會干活之前，先教會它怎么學。

覓蜂科技展臺上擺著頭戴式采集設備MEgo View和夾爪狀的手持裝置MEgo Gripper。體驗者戴上設備，用夾爪拿起面前的物品，夾爪上的200°魚眼鏡頭、三維觸覺傳感器、九軸IMU同步采集數據，旁邊大屏以毫米級精度實時重建操作軌跡。覓蜂定位很干脆，不造機器人，只做“機器人老師”。通過眾包方式采集人類操作視頻，數據成本可降至傳統真機遙操作的三分之一甚至更低。

思靈機器人走的是高精度力反饋遙操作路線，精度極高但成本高昂。在Diana3+Diana7G2數據采集系統中，操作人員手持主臂，遠端從臂實時鏡像復刻全部運動，可實現毫秒級雙向力反饋，留存力覺、運動、視覺等多模態數據。

它石智航則展示了圍繞“Human-Centric”范式構建的數據采集體系，自主研發高精度SenseHub數據采集系統，采用五指手套完整捕捉手部空間位姿、手指姿態及操作力度。核心邏輯是：數據采集的主體是人，不是機器人，大模型吸收人類操作數據后再遷移到機器人身上。

展館里類似的數采設備遠不止這三家。穹徹智能的RoboPocket、簡智機器人的HumanData解決方案、千覺機器人的視觸覺采集夾爪、宸境科技的Looper系統，從視覺到觸覺，從全身動捕到第一視角，數采設備正在覆蓋越來越細分的維度。

展臺上那些扎進工廠、商超的機器人，表面看是在干活，實則也在采集真實場景中的有效數據。干活和數據采集，被綁在了一起。

零次方是體現這一邏輯的典型案例，圍繞“即時零售、數據筑基、場景泛化、進入家庭”四大主線展開，在展臺搭建了沉浸式空間，ZERITH-H1輪式人形機器人搭載3D多模態感知系統，在模擬便利店貨架前持續運行，識別商品、抓取、分揀、補貨，全程自主完成。每一次抓取動作成功或失敗、力度是否合適、抓取點是否準確的數據，全部回流至后臺，用于模型迭代。

這套邏輯的關鍵在于“物理抓取API化”。零次方把抓取、識別、分揀等物理操作能力做成可復用的標準化接口，優化后的接口可以被更多場景直接調用。

但這種“用數據喂出來的能力”能否真正走向泛化，仍是行業最大的未知數。

智元合伙人姚卯青在WAIC智啟具身論壇上指出，物理AI要實現規模化，必須突破三道墻：一是數據墻，真實交互數據稀缺且獲取成本高；二是表征墻，跨任務、跨場景的統一物理表征尚未形成；三是閉環墻，真實試錯代價昂貴、反饋緩慢。

他透露，具身數據規模與語言模型預訓練語料存在萬倍以上差距，要實現通用物理規律的理解，至少需要億小時級別的數據積累。

在數據供應鏈的更上游，速騰聚創解決的是數據從哪來、質量怎么保證的問題。其發布的第二代全固態感知平臺E2，精度較上代提升3倍、點頻達百萬級，支撐機器人在移動和操作中同步生成可計算、可學習的數據資產，形成“感知—數據—訓練—迭代”的閉環。

數采設備的扎堆出現，某種程度上是在用“勤勞”彌補“智慧”的不足。正如姚卯青所言，物理AI從“能演示”走向“能干活”，關鍵在于能否形成可泛化、可優化、可進化的通用系統。

展館里那些頭戴式相機、數據手套、遙操作臺，都在做同一件事：把物理世界“翻譯”成模型能理解的語言。翻譯得越快、越準，機器人學會干活的那一天就越早到來。但在那之前，整個行業還得繼續埋頭采集數據，用最笨的辦法，等一個最聰明的結果。