WAIC画风最独特展台：不秀后空翻

来源：市场资讯

（来源：机器之心）

编辑｜杨文

2026 年的 WAIC，人形机器人依然是展馆里最密集的品类。后空翻、跳舞、格斗，各类单机演示轮番上阵，技术完成度一年高过一年。

然而，产业化的进度似乎并不匹配。训练数据稀缺，跨本体迁移成本高，开发门槛高，多数成果停留在演示阶段。行业研究普遍判断，具身智能会沿着从工业到服务、从专用到通用的路径分阶段推进。

高盛在研报《人形机器人：比你想象的来得更快》中预计，2030 年全球人形机器人出货量仍将主要用于工业场景，消费级应用大致要到 2030—2035 年才可能加速。

这构成了观察 2026WAIC 的一个视角。整机表演的新鲜感逐年递减，更值得追问的是，谁在解决让机器人真正「用起来」的问题。

在人形机器人密集亮相的展馆里，完成首秀的启智 Openmind 采用了不同的展陈方式。其展台没有安排整机技巧表演，核心展品是一套智能机器人通用技术底座，以及由它驱动的三个实景作业展项。

这三个展项各自对应真实作业场景中的一类核心难题，现场检验底座在真实条件下究竟可不可行。

「九星连珠」精细操作展项，验证的是人机交互中的长尾任务泛化。观众在九宫格屏上划出任意轨迹，机器人便在毫厘级微操作空间里实时复现。真实作业环境里的任务千变万化、无法穷举预设，机器人必须在毫厘级精度下处理从未见过的操作组合。

月球极端工况基建展项，验证的是极端环境下的自主作业。模拟月面的地表上，三台人形机器人自主执行基建任务，清理障碍、抱持大尺寸光伏板穿越崎岖地形、精准锁附螺栓。在无法人工干预的场景中，机器人须独立完成感知、决策与执行的闭环，考验世界模型的因果推理能力。

低代码智能喷涂展项，验证的是柔性制造的响应速度。观众随手拼搭一块异形积木，机器人未经预演即启动喷涂，全程没有人编写一行代码。中小批量、多品种的生产订单是中国制造业的常态，产线换型可由技术工人通过墨斗 IDE 完成，省去专业工程师的长周期调试。

这家公司对行业瓶颈的判断，与多数同行不同。在它看来，现阶段真正制约具身智能落地的是底层设施。机器人技能开发长期被三大痛点困住。一是门槛高，开发离不开专业的 AI 与机器人工程师。二是成本高，数据采集、模型训练、算法调试、真机部署测试，每一环都代价不菲。三是效率低，开发周期长，失败率居高不下。归根结底，行业缺少一个让各类机器人统一开发、运行、迭代的平台。

大模型解决不了全部问题，它只是这个平台中的智能模块。完整的底座还需要操作系统、开发工具、数据管线与部署运行体系，连同算法库、数据集、工具链和开发硬件，共同瞄准上述三大痛点。

为什么是一家工业机器人企业

率先做起了产业底座？

启智脱胎于科创板上市公司埃夫特。后者是国家机器人产业链链主企业、首批国家级专精特新「小巨人」企业，业务覆盖核心零部件、整机到高端系统集成，机器人全球累计交付超过十万台。

埃夫特的成长轨迹，几乎与中国机器人产业的演进同频。

2016 年之前，外资「四大家族」垄断市场，核心零部件国产化率不足 20%，由汽车整机厂转型而来的埃夫特以 165kg 重载点焊机器人突破技术壁垒，完成市场化独立运作与股份制改造。

「十三五」期间，产业化规模化提速，行业年需求步入 10 到 20 万台区间、整体国产化率提升至 30%，埃夫特通过收购 CMA、战略投资 ROBOX 强化自主化能力，牵头国家重点研发攻关，2020 年登陆科创板，跻身国产机器人第一梯队。

「十四五」阶段，行业年需求突破 20 到 30 万台，2025 年国产化率超过 50%，AI 与机器人技术深度融合，埃夫特向产品型组织转型，产品可靠性达到 12 万小时 MTBF、对标国际水准，年产销突破万台，并提前布局具身智能前沿赛道。

进入「十五五」，行业全面迈向智能化，年需求突破 30 万台，具身智能与工业大模型成为核心驱动力，埃夫特「换道超车」，以启智通用技术底座打造智能机器人产品，推进全球化布局与产业生态构建。

埃夫特的技术路径分两条线：向内完成机械平台、驱控硬件和运控软件的全栈自主化；向外通过 HumanGPT、大衍数据平台、墨斗 IDE 和 Openmind OS 探索智能化。启智承载后一条线。

这一出身为做通用技术底座提供了现实条件。

场景上，底座核心模块从诞生之初就部署在埃夫特的工业机器人和复合机器人上，智能焊接、喷涂、分拣等能力已在制造业环境中长期验证并持续回流数据。启智医疗导诊机器人 yobot W2 在弋矶山医院的部署周期从数周压缩到分钟级，语音识别准确率达到 95%，问答成功率达到 99%。大量创业团队通常需要花很长时间寻找首个试点客户，启智省去了这一环节。

能力上，启智具备从身体到大脑的全栈能力。既深度理解机器人的机械结构与运动控制，也能搭建数据、模型和开发平台，避免了行业里常见的「模型懂任务、却控制不了身体」的割裂。

此外在生态方面，整机端，新松、遨博、乐聚、傅利叶等头部厂商已完成底座对接；算力端，底座全面适配华为国产算力，实现全栈自主可控；学研端，与清华、哈工大、浙大、北航等高校深度合作，并联合香港中文大学、卡内基梅隆大学等形成技术顾问网络。底座对第三方本体、算法与技能保持开放接入，研发已获国家科技重大专项支持。

场景、能力、生态三者齐备，那么这套底座具体长什么样。

做机器人行业的「安卓」

如果把机器人产业类比为手机产业，启智这套通用技术底座对应的角色就是安卓，一个让所有应用跑起来的操作系统和开发生态。

按照机器人应用从无到有的形成过程，这套底座可以拆成三层。

接入与运行层的核心是 Openmind OS。它向下适配不同品牌、不同形态的机器人硬件，向上为模型和应用提供统一运行环境，工业机械臂、复合机器人、人形机器人均可接入，实现一次开发、多端部署。系统支持 x86 与 ARM 跨平台运行，兼容 ROS2 和第三方算法，适配国产芯片与国产大模型。

开发层由三个工具构成。HALO 技能服是一套以人为中心的沉浸式数据采集装备，通过穿戴式设计实现多模态技能的精准捕捉与数字化记录，实时采集人机交互及作业数据，为底座提供高质量的原始训练素材。大衍数据平台负责数据采集、治理、标注、训练与回流，与清华大学团队合作后，训练周期已从月级压缩至周级、天级。墨斗 IDE 把机器人开发从代码编程转化为可视化的低代码搭建，不具备编程背景的技术工人也能上手。

智能层负责机器人的理解、决策与执行，核心是 HumanGPT 世界模型，最终通过启智 yobot 系列整机和合作伙伴的机器人完成部署验证。

三层贯通之后，一条完整的链路随之成形。HALO 技能服在真实作业中捕捉人类操作数据，大衍数据平台完成加工与治理，HumanGPT 从中习得通用能力，并沉淀为可调用、可组合、可复用的标准技能，墨斗 IDE 用技能搭建应用，Openmind OS 把应用部署到不同机器人上，作业产生的新数据再度回流平台。场景越多，数据越丰富，底座能力随之提升。

落到产品形态上，这条链路呈现为一个机器人版的「应用商店」。开发者搭好技能 APP，发布上架，机器人下载安装即可运行。手机生态里「开发、上架、下载、运行」的成熟范式，被完整移植到了机器人身上。

HumanGPT，从人类操作数据中提取技能

本次 WAIC 上，启智还发布了与香港中文大学陈斐教授团队从零到一自研并首创的 HumanGPT。这是一个以人为中心的全身全模态操作世界模型，从人类真实操作数据中学习并蒸馏出具有泛化能力的技能表征。

选择人类数据源于成本结构。机器人真机数据采集昂贵、速度慢，受机器人数量、本体型号和场景条件限制，构成全行业公认的数据瓶颈。人类每天在真实世界完成大量操作任务，天然包含视觉、语言、动作、力觉、空间关系与任务意图等全模态信息。HumanGPT 将这些操作经验转化为机器人可学习的数据来源，为训练数据供给开辟第二条路径。

模型重点不在简单模仿人的动作轨迹，它要提取的是人类操作背后的认知与技能结构。人为什么选择这个动作，动作会如何改变物体的状态，下一步该做什么，任务失败后如何调整，不同的身体结构又如何复用同一种技能。换句话说，为机器人赋予心智的本质是蒸馏人类的大脑，让机器人在认知层面学习人类思考的过程，先理解物理世界的因果关系，再去执行动作。

「思维沙盘」是这一机制的具体表现。机器人在真正执行动作前，先在内部对动作后果进行预测和推演，再完成任务规划与全身协同，配合大小脑一体化架构，任务规划与运动控制统一，机器人由此能够胜任全身协同的长线程复杂任务。

HumanGPT 是底座中的智能核心，但它的产业价值仍需数据管线、运动控制、开发工具和运行系统共同兑现，这也是启智坚持做完整底座、不做单一模型的原因。

具身智能的竞争维度正在变化。随着机器人进入工业落地阶段，负载、速度、精度与任务完成稳定性，仍是衡量本体能力的重要指标。而底座层面的竞争，则更多指向数据与技能能否在不同机器人之间有效迁移和复用，开发与部署成本能否被持续压缩，以及单一场景积累能否沉淀为可在更多任务和客户中调用的能力资产。

启智在 WAIC 的首秀是这条路线的一次公开验证。参照智能手机产业的经验，操作系统与开发生态一旦成型，行业扩张速度将由重复开发成本等决定。这一格局能否在机器人行业复现，未来几年工业场景的落地数据会给出初步答案。

https://www.goldmansachs.com/insights/articles/humanoid-robots