2026 年世界人工智慧大會彰顯中國具身智慧產業轉型

2026 年世界人工智慧大會將於 7 月在上海開幕，展覽面積首次突破 10 萬平方米，參展企業超過 1100 家。本屆大會見證了中國具身智慧產業的重大分化：B 端市場分化明顯，工廠派深入工業生產線，專注於繁重艱苦的工作；商業服務派則湧向超市、餐廳等場景；C 端則分為陪玩陪伴與家務勞動兩派。展商從「炫技」轉向「實幹」，關注真實場景部署與投資回報率（ROI）。資料採集成為行業基礎支撐，具身資料規模與語言模型預訓練語料之間存在萬倍以上的差距，物理 AI 從「能演示」邁向「能實幹」仍面臨資料牆、表徵牆與閉環牆三重挑戰。

文章作者、來源：36氪

實幹取代炫技，數據定義未來。

一邊賺企業的錢，一邊懷揣消費級爆款的夢。

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 3 秒。

參觀完 H3 展館，一個鮮明的感受是：機器人展，變了。

去年翻跟斗、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。佔據C位的，是模擬出來的工廠產線、藥房貨架、餐廳吧台、家庭客廳。展商們不再問「你看我酷不酷」，而是說「看我能幹這個活，能幫你省多少錢」。

WAIC 2026 的機器人展台，見證了中國具身智能的大分流，為產業提供了最直觀的註腳：幹活、分化、築基——三個關鍵詞，對應著產業正在發生的三重深刻變化。以下，是我們從展館帶回的一手觀察。

“幹活”是主旋律，分化是主要特徵，細看下來，同樣是B端，路徑截然不同。一派紮進工廠，幹最枯燥的髒活累活；另一派湧向商超、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 復刻到展台，讓機器人當眾「上崗」，完成重複性高、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並行控制能力，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%。

Zhiyuan 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，並將精靈 G2 Max 與京東物流合作的倉儲搬運、碼垛場景搬入展台，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晶片加工產線，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。

Shi Zhihang has moved the automotive wiring harness circular production line onto the booth; its A1 Wiring Harness Intelligent Robot Solution is specifically designed for full-process automation of wiring harnesses, equipped with a proprietary embodied large model capable of simulating human-like flexible operations and seamlessly integrating into existing production lines. It is reported that this solution has been deployed at scale at Tianhai Electronics since June this year.

The Leju robot demonstrated fully automated, multi-station flexible operations such as depalletizing, material handling, and feeding, with no human intervention throughout, operating continuously at the exhibition and matching the actual performance of real industrial production lines.

工業場景結構化程度高、任務邊界清晰、ROI 可量化，這是工廠派的共同判斷。機器人不需要「全能」，在特定工位上把一件事做到極致就足夠了。

The business service team faces an entirely different set of challenges, with a more open environment, more random interference, and less room for error.

Yinhe Tongyong showcased two clearly positioned robots: the general-purpose robot Galbot G1, designed for interactive services, and the heavy-duty robot Galbot S1, targeted at industrial scenarios. All movements of both products are real-time driven by the in-house developed "AstraBrain" embodied large model.

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 則聚焦於更“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，在現場製作咖啡、雞尾酒和冰淇淋，在「幹活」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，付費意願也越強。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。

Notably, Fourier's debut high-load wheeled dual-arm robot, GRW, offers a maximum stable load capacity of 16 kg, a working space of over 2 meters, and agile mobility, focusing on high-load human-robot collaboration scenarios such as warehousing and logistics, industrial manufacturing, and elderly care. The robot is equipped with Fourier's no-code development platform, further lowering the operational barrier.

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台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採訪中表示，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。

C端的分化遠不如B端那樣目標明確。工廠採購機器人，算的是ROI、回本週期、替代多少人工。個人消費者的決策則複雜得多，有人衝著“好玩“下單，有人盯著“能幹“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。

從現場來看，同樣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；有的則定位為「保姆」，專攻家務，賣的是「幹活」的價值；還有的試圖在陪伴與幹活之間找到平衡。

Futian 的「貓貓頭」機器人家族將「情緒價值」推進一步：桌面級 GR Nano 專注於個人情感陪伴，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 則憑藉萌系外觀與擬人化舞蹈，賦能展廳導覽、養老陪伴等場景。GR Nano 尚未上市，但傅利葉在 C 端押注「情感連接」的方向，已清晰可見。

啟元 T1 與 Q1 專注於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 則以輕量化設計主打家庭陪伴與科教體驗。展台由機器人主導互動節奏，據悉已於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，在展台駐場表演並與觀眾互動。雖然節卡的主戰場在工業領域，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 人形機器人令人耳目一新，以柔軟織物設計和流暢的舞蹈表現力吸引大批觀眾，動作靈動自然、步態優雅，搭配 iPad 操控終端，支援影片一鍵學舞與拖曳編排動作。

Weita Dongli brings a robot dog to the JD exhibition area that can autonomously accompany and chat without a remote control.

仔細觀察這些「陪玩」選手，它們的任務邊界清晰、互動可控、技術相對成熟，無需理解複雜的物理世界，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」，不需承擔繁重工作，足夠有趣且有陪伴感，就有人願意付費。

幹活派的路子則完全不同。他們需要進入家庭，從事疊衣服、收拾玩具、整理房間等家務。對機器人來說，這簡直是「地獄難度」：布料是柔軟的，皺褶是隨機的，同一件T恤每次擺放的形態都不一樣。

傅利葉的「具身之家」是幹活派中技術路徑走得較遠的一個。展台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、定位目標並完成取物遞送。現場大螢幕實時可視化機器人的決策全過程。

The future is near. F2 is positioned as a "dedicated family butler," with a soft and adorable design that can play games and chess with you, monitor your studies, as well as fold clothes and refill cat food. The product is now on sale and has been adopted by hundreds of households for paid use, following a pragmatic approach of "starting with what’s feasible and gradually expanding."

Uliqi 展示了披薩製作、糖畫繪製、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。

展台上流暢的演示，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。

陪玩派與幹活派的分野，表面是技術路徑的差異，實質是對「人機關係」的不同想像。前者將機器人視為陪伴者，賣的是情感連結；後者將其視為協助者，賣的是勞動解放。

在封閉規則下的「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產量閉環，幹活派仍在等待技術拐點。在C端，相比「未來可期」的願景，市場更願意為「此刻可用」的產品付費。

除了 B 端和 C 端的場景分化，展館裡還有一類展台，沒有舞蹈、沒有抓取，只有頭戴式相機、數據手套和遙操作台，以及戴著它們反覆做同一個動作的人。它們所做的事很簡單：在機器人學會幹活之前，先教會它如何學習。

覓蜂科技展台上擺放著頭戴式採集設備 MEgo View 和夾爪狀手持裝置 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、三維觸覺感測器和九軸 IMU 同步採集數據，旁邊的大螢幕以毫米級精度即時重建操作軌跡。覓蜂的定位非常明確：不製造機器人，只做「機器人老師」。透過眾包方式採集人類操作影片，數據成本可降至傳統真機遙操作的三分之一甚至更低。

思靈機器人採用高精度力反饋遙操作路線，精度極高但成本昂貴。在 Diana3+Diana7G2 數據採集系統中，操作人員手持主臂，遠端從臂實時鏡像複刻全部運動，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。

石智航則展示了圍繞「Human-Centric」範式構建的數據採集體系，自主研發高精度 SenseHub 數據採集系統，採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：數據採集的主體是人，而不是機器人，大模型吸收人類操作數據後再遷移到機器人身上。

展館內類似的數據採集設備遠不止這三家。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採集夾爪、宸境科技的 Looper 系統，從視覺到觸覺，從全身動捕到第一人稱視角，數據採集設備正覆蓋越來越細分的維度。

展台上那些深入工廠、商超的機器人，表面上是在工作，實則也在採集真實場景中的有效數據。工作與數據採集已被緊密結合。

零次方是體現這一邏輯的典型範例，圍繞「即時零售、數據築基、場景泛化、進入家庭」四大主線展開，在展台搭建了沉浸式空間，ZERITH-H1 輪式人形機器人搭載 3D 多模態感知系統，在模擬便利商店貨架前持續運行，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，全部回流至後台，用於模型迭代。

這套邏輯的關鍵在於「物理抓取 API 化」。零次方將抓取、識別、分揀等物理操作能力轉化為可重用的標準化介面，優化後的介面可被更多場景直接調用。

但這種「用數據餵出來的能力」能否真正走向泛化，仍是行業最大的未知數。

智元合夥人姚卯青在 WAIC 智啟具身論壇上指出，物理 AI 要實現規模化，必須突破三道牆：一是數據牆，真實交互數據稀缺且獲取成本高；二是表徵牆，跨任務、跨場景的統一物理表徵尚未形成；三是閉環牆，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的差距，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、質量怎麼保證的問題。其發布的第二代全固態感知平台 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。

數據採集設備的集中出現，在某種程度上是用「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「能幹活」，關鍵在於能否形成可泛化、可優化、可進化的通用系統。

展館裡那些頭戴式相機、數據手套、遙操作台，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，機器人學會幹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採集數據，用最笨的方法，等一個最聰明的結果。