这几天，科技圈的最大盛事当属WAIC大会。今年，人气最旺的是上海世博展览馆H3馆，具身智能首次独立成馆，与智算并列为大会两大核心赛道，从整机到灵巧手、关节模组、传感器，一条产业链完整铺开。

「定焦One」连续两天走访，在现场最直接的感受是“人多”。宇树展台被围得挤不进去，加速进化把展位改成小型足球场，一群不到1米高的机器人自己踢球、抢断，还会假动作。根据官方披露的信息，今年参展的具身智能企业从去年的80多家增加到200多家，真机超过300台，且几乎全部动态运行，而去年这里还以静态展示为主。

除了观众们的热情之外，还有一个明显的变化是机器人可以干的事情变了。去年是150台人形同台，卷的是后空翻、做咖啡这类炫技动作，今年各家的demo从炫技换成了做早餐、打蝴蝶结、进汽车产线这类更杂、更难也更贴近真实场景的任务，机器人的形态也从单一的人形变得更加丰富。

不过热闹之下，行业仍处在早期：大脑架构未定、训练机器人的数据从哪儿来还是难题。H3馆里几乎每家都在讲“我家模型最懂物理世界”，“机器人该用VLA还是世界模型”的争论被直接搬上论坛。

这些问题没有标准答案，而WAIC恰好是观察各家给出什么解法的一个窗口。本文从形态、大脑、落地三个维度切入，看看今年具身智能走到了哪一步。

01.看形态：人形不再是唯一，载人机甲、半人马也来了

进入H3场馆，科幻电影里的场景似乎没那么远了。几台机器人排成一列缓缓穿过通道，偶尔有观众侧身让路，当你饿了的时候，可以去某个展台“领”一份由机器人完成的早餐，虽然动作还有点僵硬迟缓，但至少是真的能吃。

「定焦One」在馆里逛了大半天，一个强烈的感受是，人形机器人依然是重点，但不再独占C位。去年是150台人形同台、卷自由度、卷后空翻，今年人形还在，但载人机甲、可变形本体、半人马等新形态纷纷涌现，轮式和四足这些成熟形态也找到了更明确的场景。

按落地场景看，各家大致分成了三派。

第一派是工业务实派，既有轮式，也有双足，形态让位于稳定。

智元拿下H3馆最大展区，集中发布五款产品，其中轮式的精灵G2Max主打“安规级重载”，能24小时不间断搬运码垛，无需人工轮岗、夜班值守，直接瞄准仓库“两班倒”的人力缺口。

同样瞄准工业，它石智航给出的是另一套答案，它把一条1:1复刻的汽车线束产线搬进展台，由“轮式底盘+双臂”的机器人集群现场演示产线自主作业。工业场景下，这种组合比较务实，能连续作业、能灵活调度，成本和稳定性都适合量产爬坡。

智元机器人  图源 / 智元官网

乐聚这届不再讲商超和家庭，转而聚焦工厂，其全尺寸人形机器人夸父系列（含双足版与轮式夸父5-W）与蚂蚁灵波合作实现物流全场景自动化，涵盖纸箱拆垛、搬运、上料等环节。

第二派是小人形，把人形机器人做小，用价格换入场券。

松延动力身高不到一米的小布米定价9998元，是目前市面上第一款万元以内的量产人形机器人，高约94厘米、约12公斤，已正式开售。作为参照，一台全尺寸人形通常在1.7米上下、几十万元起，小布米几乎把体型和价格同时砍掉一个数量级。展台上，小布米们同步完成舞蹈，动作对齐精准，OTA3.0功能支持用户通过手机App远程更新机器人的交互界面、动作姿态和内容。

消费级小人形的玩家还有鹿明机器人，现场展示了AI迷你双足人形“鹿小明”，仅89厘米，可跟随音乐起舞。加速进化则把展台变成小型足球场，一批身高不到1米的机器人自主踢球、非遥操，射门力道猛还会假动作，走的是科研、竞技路线。

加速进化机器人踢足球   图源 / 「定焦One」摄

第三派是新形态探索派，按环境切换形态。

宇树科技依然有人形拳击赛，但站C位的是GD01，这是一款载人变形机甲，人可以坐进座舱操控，其定位为“民用交通工具”，号称全球首款量产版载人机甲，但起售价高达390万元。上纬启元T1在轮足人形和四足之间自主切换，室内走轮足，安静、零转弯半径，客厅书房都能，到户外切换四足，过草地、砂石、斜坡、台阶，对应散步、露营场景，其变换形态被网友调侃“人模狗样”。

逐际动力TRON2走模块化路线，像拼乐高一样组合成双足、双轮足、双臂，现场甚至还用双足加双臂拼出一只“半人马”形态，不仅能背负30KG稳步走，还能在地毯上拖轮胎，对应商用服务场景的复杂地形。

逐际动力半人马  图源 / 逐际动力官网

整体看下来，今年机器人的形态比去年更加丰富，但逻辑一致，即按场景反推本体。一位具身智能从业者表示，凭借一款本体打天下的幻觉被订单砸碎了，“工业要轮式、家庭要人形、消费要小巧、特种要载重机甲，每家都在按场景反推本体，形态自然就被打散了。”

不过，形态变多说明厂商们把场景想清楚了，不代表活儿真干好了。展会上看到的搬运、踢球、舞蹈，多数还是在可控的环境里“演”出来的。选对形态只是拿到了入场券，能不能把活儿干利索，还得看大脑和手脚跟不跟得上。

02.看大脑：VLA之外，世界模型探路

形态是肉眼能看到的变化，更大的比拼发生在看不见的地方——机器人的大脑。

先简单科普下背景。具身智能这两年主要用VLA（视觉-语言-动作）模型，它擅长看懂场景、听懂指令，但对物理世界缺乏真正理解，一遇到没见过的场景，泛化能力（把学过的本事迁移到新场景的能力）就明显打折，往往在实验室里表现很好，一进真实家庭就崩。于是各家开始探索新的方向，“世界模型”成为今年最热的选项。通俗来说，世界模型是让机器人先在“脑内”预测“这么做世界会变成什么样”，再决定动作，而不是死记硬背动作顺序。

从现场来看，各家的押注集中在两个方向：长程任务和复杂操作。

长程任务方面，银河通用的星脑模型把任务长度从去年的短动作延长到了3–5分钟。现场演示中，机器人连续完成烤面包、倒饮料、取盘装盘，即使工作人员临时挪动杯子或餐盘，它也会重新扫描桌面寻找目标，而不是按固定点位执行。

更为极限的是原力灵机联合阶跃星辰发起的挑战，6台机器人用原力灵机的通用具身基础模型DM0.5，连续协同拼装一座8万余块积木的长城，实现了15小时的持续作业。

复杂操作方面，星尘智能一口气放出22项真机家庭任务，包括煎蛋颠锅、称小米、打蝴蝶结等高难度操作，是本届WAIC家庭场景demo最全面的一家。在这些能力提升的背后，各家在世界模型上走出了不同解法。

银河通用在大会期间发布的WAM-TTT，解决的是“进场快”。TTT即“测试时训练”，可大致理解为，基础技能先预训练好，机器人进了客户现场，只需看一批人类操作视频，就能适应新环境干活，不需要动作标注，预训练参数也完全冻结。

按其论文中的对照实验，100条机器人轨迹搭配100条人类视频，成功率74.1%，与200条纯机器人轨迹的73.7%基本持平，这意味着便宜易得的人类视频，大致能替代同等数量的真机数据，比如原本需要100小时数据训练的新任务，现在可能只要2小时就能跑起来。创始人王鹤打了个比方，“厨师换厨房，厨艺不变。”

但一位从业者指出，这一方式想冲到99%的落地标准，仍离不开大量领域专用数据，想“干得好”还要训练。

星尘智能在WAIC前夜发布的Lumo-2，解答的是“怎么想”。它号称业界首个“家庭隐式世界动作模型”。

星尘智能副总裁王佳楠用煎蛋的动作，来解释这条“隐式”路线具体如何工作。模型接到指令后，不会直接调用现成的动作，而是在内部先“想象”一遍，“蛋在锅中间不好颠，状态应该变成靠近锅边”；再推理动作，“手往下压一点，让蛋滑过去”。这和传统的VLA模型不同，VLA更像是“背动作”，记住以前做过什么，遇到类似情况就照着来，Lumo-2是“为了达到某个效果，自己想办法生成动作”，所以环境一变，它也能灵活调整。

但该路线也有两大难点。第一，它不生成画面，你看不到它脑子里在想什么，就像一台黑盒子，只能看它最后干得好不好，没法中途检查它想得对不对。第二，摄像头拍到的东西可能不足以区分当前状况，比如同样是桌上一只杯子，里面有没有水、水是满的还是半满的，从画面看几乎一样，但机器人该用的动作完全不同。这种隐式路线的优点是省算力、能自主运行、能切换场景，代价是内部过程看不见，出了问题不好排查，训练也更费劲。

腾讯则在WAIC期间发布了RxBrain，解决的是“推理和想象怎么统一”。它是腾讯Hy-Embodied系列里的“大脑”模型，腾讯首席科学家张正友用“裂脑”比喻来解释其架构：去年左右脑之间仅通过语言连接，今年RxBrain在左右脑之间增加了视觉信息通道，一边用文字描述子任务，一边用图像展示完成子任务后世界会变成什么样。

他并没有直接给这个模型贴上“世界模型”的标签，但他认为，这已经踩进了世界模型的方向，既能够做推理，同时有想象力。在他看来，世界模型目前还没有一个统一的技术方案，各家都在摸索，腾讯也不例外。

把这几条路线摆在一起，会发现VLA和世界模型并非二选一的关系。VLA在持续进化，世界模型也在吸收VLA的经验，两条路线同步往前走。

03.看落地：数据采集和灵巧手成下一轮竞争焦点

在WAIC现场，大家问得最多的问题是：机器人为什么还进不了家、进不了厂？卡点集中在两处，喂给大脑的数据不够多，以及执行动作的那只手还不够灵。

先说数据。世界模型虽然缓解了部分数据压力，把“理解世界”这部分从遥操转移到了视频，但行业才刚起步，各家路线五花八门，无论走哪条路，高质量的真实数据都是绕不开的共同刚需。

图源 /  「定焦One」摄

本届WAIC上，数据采集第一次成了一个独立品类，多家公司带着专门的数采设备和方案出现。目前能看到三种思路并存。

第一种是本体厂自采，数据长在自家机器人本体上，宇树、乐聚都在做，好处是“采什么练什么”，但数据多封闭在自家体系内。

第二种是出售数采设备，相当于“卖铲子”。

觅蜂科技（智元孵化）的MEgo系列走的就是这条路，核心是“不绑机器人”，用轻便的硬件就能采数据。它的客户主要是两类，一类是缺乏本体或不想绑本体的具身初创公司，另一类是本体厂想补一套更灵活的数采手段。

其操作也不需要机器人工程师，普通数据采集员戴上就能开始采集数据。MEgo Gripper是一个手持设备，重量为560克，像拿个加大号游戏手柄，能记录毫米级的空间轨迹，MEgo View是穿戴套装，头上戴全景相机、手腕上绑摄像头，7路画面同步录制，一个人可把“如何操作”的全过程采下来。

第三种是“数采+世界模型”打包卖。大晓机器人在WAIC上同时发布了ACE数采设备和开悟世界模型KAIROS。ACE采回来的数据格式直接和KAIROS对接，客户不用再转格式、清洗数据，拿来就能用。当然，也可以只买模型或只买采集设备，不强制捆绑。

三种思路背后是竞争的白热化，2026年被反复称作“具身数据元年”，谁把标准化、低成本的数据供给跑通，谁就占住了产业链上最难替代的位置。

说完大脑，再来看“手”。 如果说数据是“大脑的食物”，那灵巧手就是“大脑的手”，末端不够灵活，再好的模型也发挥不出作用。

前两年，行业的目光大多在跑、跳、翻这些大动作上，今年重点从“腿”转到了“手”。背后也有行业背景，直驱关节的单指成本大幅下降，触觉传感的精度和价格双双跨过量产临界点，把灵巧手从过去的工业夹爪，推到了具身智能的核心终端位置。但怎么做一只好手，行业还没有共识，今年WAIC上，灵巧手的路线也是多种多样。

灵心巧手一次性把连杆、腱绳、直驱三种技术路线的灵巧手都摆了出来，其中最受关注的O30是全直驱方案，即电机转子直接连接关节负载，中间没有任何减速装置，好处是力控更直接、更精准，代价是电机发热更大。O30有20个关节独立活动，重量740克，定位精度亚毫米级，额定负载30公斤，对应汽车精密装配这类高精度场景。

超维动力的KAIHand追求的是手指灵活度，有37个关节，尺寸和真人手一样大，指尖力气超过30牛，整只手80%的面积覆盖了触觉皮肤，能感知0.1牛的微小力度。现场还演示了用KAIHand砸木板，证明它既结实又有韧性。

整体来看，今年WAIC的具身智能确实往前走了一大步，本体根据场景划分成不同形态，任务时长从秒级拉到分钟甚至小时级；操作也从简单抓取，升级为复杂的打结、进产线，各家都在从“能演”转向“能干”。

不过，这个行业还处在探索期。正如现场一位具身智能创业者对「定焦One」感叹，今年技能层面的进化并没有超过他的想象，真正丝滑的还是跳舞、迎宾这类简单场景；零售、物流、工业离可用还很远，离家庭服务更远。

WAIC的热闹总会散场，聚光灯之外，具身智能这个新兴赛道，还得继续打拼很多年。（定焦One）