WAIC 2026 观察：具身智能进入落地深水区，康养赛道的工程化样本 | 前沿在线

编辑：前沿在线 编辑部

2026年的WAIC，藏着具身智能行业最明确的拐点信号。

两百余家参展商、三百余台真机以井字布局铺满展区，热度不输前两年的大模型专场。

逛了三天展最深的感受是：不少展台上跑得流畅的Demo，本质都是「展会特供版」——固定路线、固定指令、甚至固定的灯光角度，撤展便完成使命，几乎不会投入真实场景落地。

从「炫技竞赛」到「落地算账」，具身智能正在跨过它的成人礼。

这也是为什么今年从业者的讨论重心彻底转向。没人再纠结自由度、步速这些纸面参数，话题三句之内必落到“落地”——工况稳不稳、运维成本高不高、客户愿不愿意买单。

业内已经形成共识：2026 年是具身智能的应用元年。产业重心从“参数竞赛”全面转向“产品落地”，研发不再单纯追求参数极限，更看重真实工况下的稳定性与实用性。

路线分野也随之摆上台面。

一派向上走，押注通用人形的长期全场景泛化，想象空间足够大。另一派向下扎，锚定垂直刚需赛道先跑通闭环，走得慢，但踩得实。

傅利叶是垂直路线里最值得拆解的样本。

这家在康复领域深耕了十年的企业，把居家场景搬进了展位，人形机器人在其中自主穿梭、完成服务动作，也许是全场最接近“家庭管家”想象的演示之一。

但有意思的是，他们自始至终都没把“机器人进家庭”当成主打口号。

比起概念造势，这家公司更愿意聊工程落地、场景价值和长期节奏。

一套分层工程化的语义方案、一套梯度匹配的产品矩阵、一条分阶段落地的稳健路径，共同构成了具身康养赛道颇具代表性的产业样本。

赛道底色：万亿康养市场，机器人为何难破三层壁垒

在拆解具体方案之前，有必要先聊透康养这个赛道本身。

这是所有具身玩家都挂在嘴边的核心落地场景，也是公认的万亿级刚性市场。

据民政部近年公开数据，国内养老护理人员缺口已超千万，供需矛盾是实打实的。但真实情况是，喊布局的企业多，真沉下去的少；讲概念的多，能碰核心照护环节的少。

绝大多数康养机器人，至今还停留在迎宾导览、大屏播报、简单陪聊的浅层次，始终没能触达真正的刚需环节。

所有脱离真实场景的技术浪漫，最终都会败给柴米油盐的现实。拆解下来，行业普遍卡在了三层壁垒里。

第一层，是最核心的供需错配。

很多厂商对康养场景的理解，停留在「老人需要陪伴」的表层认知里，做出来的产品本质就是个带轮子的平板——能播视频、能语音聊天、能一键呼叫，除此之外干不了任何重活。

但真实的机构里，护理员最大的负担从来不是陪聊，是搬物资、扶老人、转运设备、送餐送药这些重复性体力劳动。

一个护理员要管十几个老人，每天弯腰几十上百次，腰肌劳损是行业通病。

一边是千万级的人力缺口，一边是大量产品找不到真实需求。错配的根源，还是没真正扎进场景里。

第二层，是容易被忽略的场景细节坎。

很多技术出身的团队会觉得，只要机器人足够智能，自然能适配所有场景。但真落到康养里就会发现，卡脖子的从来不是大模型聪不聪明，是一堆细碎到容易被忽略的现实问题。

比如病房门标准宽度只有 80 公分，肩宽超了就进不去；比如老人说话含糊，太程序化的交互指令根本不会用；

再比如机构的工作人员不懂技术，出了小故障就得等厂商上门，运维成本直接吃掉利润。这些细节，坐在实验室里想破头也想不到，只能在真实场景里一个坑一个坑踩出来。

第三层，是看不见的信任与安全壁垒。

康养场景服务的是老人、患者这类弱势群体，容错率比工业场景低得多。

工业机器人出点小故障，大不了停线检修；康养机器人出一次安全事故，就是整个品牌的信任破产，甚至要承担法律责任。这也是为什么很多机构不敢贸然上机器人——不是嫌功能不够强，是怕出问题担不起责任。

用户端的接受度同样是隐性门槛，冰冷的工业感设计，很容易让老年群体产生距离感与抵触心理。连靠近都不愿意，功能再强也无从谈起。

这种看不见的信任门槛，比技术门槛难破得多，也慢得多，没有捷径可走。

也正是这些层层叠叠的现实门槛，决定了具身康养这条路急不得、跳不得。不是靠一个炫酷的Demo、一套先进的大模型，就能立刻撬开市场。

真正的竞争力，藏在对场景的理解深度、对细节的打磨程度、对安全的冗余设计里。

看懂了这三层壁垒，再看傅利叶的整套打法，底层逻辑就非常清晰了。

技术路径：分层架构 + 工程兜底，一条务实的落地路线

先把边界说清楚。据现场人员反复确认，这套名为「具身之家」的方案，是面向居家陪伴场景的具身智能全链路技术验证Demo，并非量产家用机器人产品。

它的核心价值，是跑通了“自然语言指令→长序列任务自主闭环”的完整技术链路，是具身智能从演示向实用演进的关键一步，为后续具备泛化能力的具身大脑落地做好了本体与技术底座准备。

人形机器人全面走进家庭，仍有赖于技术的长期迭代。

这两年行业里有种莫名的倾向：但凡做具身，不说自己是端到端具身大模型，就好像技术低人一等。

但和一圈做落地的团队聊下来你会发现，真敢往医院、养老院里放的产品，没人敢把全链路交给黑盒大模型——偶发的幻觉，在对话场景里只是无伤大雅的小问题，在康养场景里可能就是安全事故。

和行业内不少“端到端具身大模型”的叙事不同，傅利叶走了一条更偏向落地的分层路线。

据介绍，他们搭建了一个语义任务执行中枢：通用语言模型只负责它最擅长的语义理解与任务拆解，下游的空间语义地图、导航规划、运动控制各模块各司其职，串成一条稳定可控的完整管线。

团队也明确表示，未来会与具身大模型生态伙伴深度协同，持续推进通用泛化能力迭代；现阶段的优先级，是先把落地的稳定性做扎实。

Demo拼的是能力上限，落地拼的是容错下限。数字世界的智能是拟合出来的，物理世界的智能是摔打出来的。这套“长板复用 + 工程兜底”的思路，听起来不够颠覆性，却精准命中了具身落地最大的痛点：不可控。

最核心的突破，是空间认知从“认坐标”升级成了“懂概念”。

传统机器人的认知底座是纯坐标地图，只能去预先标定的点位，指令差一个字、物品挪十公分，大概率就失效。这也是康养场景的核心门槛——老人不会对着机器人报坐标。

据现场人员讲解，傅利叶用的是「语义地图+物理地图」双层架构：底层物理地图基于激光雷达与视觉融合方案，管导航、管避障，保证运动稳定；上层语义地图给空间赋予常识属性，机器人知道“就餐区”对应餐厅，“喝的”通常放在餐桌上。

现场随口说一句“找点喝的过来”，不用给坐标、不用指定物品，系统不到一秒就拆解出完整任务链，机器人自主完成定位、识别、抓取、递送全流程。放在康养场景里，这个能力直接拉低了用户的使用门槛。

最务实的设计，是任务执行有兜底、容错可预期。

对应康养场景的高安全要求，稳定可控远比能力上限重要。很多人对具身智能的想象是“无所不能”，但在落地场景里，核心要求恰恰是“有所不为”：不会突然动作幅度过大，不会误判目标，不会碰撞障碍物，哪怕慢一点，只要不出错，就是合格的产品。

大模型驱动机器人的普遍毛病，是输出不可控，单点失败就全程宕机。据了解，团队专门引入了DAG有向无环图调度框架，把大模型拆解的任务，切成带优先级、前置条件和容错机制的执行节点。

系统全程跟进状态，抓取失败就自动重试，路线被挡就切备用路径，不会一出错就原地罢工。

牺牲了一点极致泛化的想象空间，换来了商用场景最刚需的稳定可控。这笔账，做过真实落地的团队都算得过来。

最被低估的能力，是多机调度与运维可视化。

单台机器人的智能不难做，难的是十几台挤在狭窄空间里高效协同，不堵、不僵。很多多机演示看着热闹，其实都是各走预设路线，真遇上就原地打转“画圈圈”。

傅利叶自研的FOCUS集控系统，像后台的隐形调度中枢。据现场人员介绍，系统可以毫秒级同步所有机器人的位置与任务状态，按优先级动态分配路权。

据介绍，在实际测试的相向通行场景中，两台机器人在窄过道相遇时，空载的会主动靠边避让，载货的优先通过，全程运行流畅无卡顿。

旁边实时跳动的大屏也不是花架子，语音转写、任务拆解、视觉识别、行进轨迹全链路同步呈现。

这是给商用运维留的入口——故障可定位、过程可追溯、状态可监控，是技术从实验室走向产业场景的必备工程能力。很多团队做Demo习惯隐藏后台技术链路，但真做落地的团队，反而会把全链路摆出来给你看——因为可运维才是能规模化复制的前提。

技术路线的选择，本质是落地策略的缩影。而这套思路落到商业节奏上，就是傅利叶「由难到易」的验证逻辑。

验证逻辑：以居家为压力测试场，降维适配机构场景

一个很自然的疑问：既然用居家场景打磨技术，为什么不直接主打家庭市场？

这恰恰是傅利叶最具产业理性的地方。

创始人兼CEO顾捷很早就提出了康养机器人的三阶段演进判断，这也是公司一以贯之的落地策略：

康养机器人的场景应用是一个分阶段逐步演进的过程。

第一阶段主要在医院康复场景，这是目前最成熟、验证最充分的应用场景；

第二阶段会进入养老机构和护理机构，更多承担长期照护和功能维持；

第三阶段才会逐步走向家庭场景，进入更日常的健康管理和辅助服务。

和现场人员聊下来，目前团队已经完成了第一阶段医院康复场景的技术验证与规模化铺设。

整体策略也完全遵循既定节奏：从医院和专业机构切入，用临床需求定义产品和解决方案，在机构场景拓展应用边界、验证规模化落地能力，再逐步向社区与家庭延伸。

技术迭代也遵循同样逻辑：优先把成熟的交互与智能能力落地到康复训练、认知训练等高频场景，再基于长期场景积累提升智能化水平，核心是“真实场景反向驱动技术与产品演进”。

居家Demo的设计，藏着一套「由难到易」的验证思路。

这其实是反常识的产品逻辑：大部分团队做落地，都是先从结构化程度高、容错率高的简单场景切入。

但简单场景磨出来的技术，到了复杂场景里全是漏洞；反过来用最高难度场景磨出来的能力，放到简单场景里就是降维打击，相当于负重训练跑赢了，轻装上阵自然快。

行业里有个普遍误区：做了居家Demo就等于要做家用产品，很多厂商也愿意顺着这个逻辑讲故事——毕竟家庭市场的想象空间足够大。

但傅利叶反过来，家庭场景是技术压力测试场，不是现阶段目标市场。

家庭是非结构化程度最高的场景之一，户型、物品摆放、用户习惯千差万别，变量复杂度远高于半标准化的机构场景。

用最高难度的场景打磨语义理解、任务规划、动态避障等核心能力，相当于用最严标准淬炼技术底座；

等能力打磨扎实了，再下沉到医院、养老机构场景，稳定性和可靠性只会更高，落地推进也更顺畅。

换句话说，做居家场景的验证，不是为了立刻打入C端市场，是给B端机构的落地磨更硬的技术底子。

今天在模拟家庭里验证的模糊语义、长序列闭环、多机调度，明天就能直接复用在康养机构里：老人不用学复杂操作，护理人员不用逐个标点位，十几台机器同时跑也乱不了。

看起来走得慢，其实是最快的路。

产品哲学：没有形态执念，场景需要什么，就做什么

从Demo区走到产品陈列侧，能很清晰地摸到这家公司的产品逻辑——不同需求对应不同产品形态，务实得很直白。

现在整个行业都陷在一种惯性里，好像机器人不做成两条腿走路的样子，就不算高科技。

但你真去养老院问护理员最需要什么，没人在意机器人长得像不像人，他们只需要一个能帮着搬几十斤康复设备、能推餐车、不会喊累的帮手。

人形是具身的一种可能，却不是所有场景的最优解。能解决问题的，就是好产品。

很多人容易被居家人形演示吸引注意力，反倒忽略了傅利叶完整的布局。在康养这条赛道里，需求本来就是分层的：重体力的物资搬运、日常的照护服务、公共空间的引导互动、个人的情感陪伴，每一类场景的最优解都不一样，没必要硬塞进同一种形态里。

展台另一侧的GRW轮式双臂机器人，看起来就比人形机器人敦实得多。

现阶段人形机器人负载能力有限，机构里搬物资、送餐食、辅助康复训练这些重活，很难扛得住，GRW就是冲着这个缺口做的。

“长臂窄肩”的构型把肩宽压到了585毫米。室内过道、仓储通道及制造工位等狭窄作业空间都能直接通行，不用改造现有场地。

1970毫米的臂展覆盖了0到2米的垂直作业空间，高低位取放都能适配。双臂16公斤的稳定负载，也能覆盖绝大多数机构的搬运需求。

再配合热插拔换电、可快速更换的末端工具，还能打通FOCUS集控系统做全局调度，长时间扛重复性体力活没问题。

这款产品在展台上虽然没有花哨的演示动作，但懂行的人都清楚，能真真切切沉到场景里干活的，才是能创造实际价值的硬通货。

另一边的「猫猫头」机器人家族，走的就是完全不同的交互路线。

针对前文提到的用户信任门槛，「猫猫头」的设计给出了产品层面的解法。真实场景的需求从来不止于把活干了，用户愿意接近、愿意使用，才是功能落地的前提。

技术的终点是功能，产品的终点是信任。

「猫猫头」作为统一的交互设计语言，本质就是消解生硬感和机械感——柔和的轮廓、带情绪的反馈，让机器人更像个能打交道的伙伴，而不是一台冰冷的机器。软乎乎的设计背后，其实是把“用户信任”这个看不见的落地门槛，用产品语言解决了。

三款产品的定位也顺着场景铺得很清楚：

GR-3是傅利叶「Care-bot」理念的核心载体，兼顾任务执行与情感交互；

GR Mini身形小巧、外形亲和，适配公共空间的导览与互动需求，还开放了开发接口支持机构做定制化调整；

GR Nano是桌面级的前瞻概念产品，更偏向长期的个人轻量化陪伴，探索个性化交互的更多可能性。

整套看下来，没有为了凑热点堆出来的产品，也没有为了“看起来先进”硬套的形态。底层逻辑很简单：场景需求定义产品形态，而不是反过来拿着单一形态，去硬套所有场景。

产业判断：双线并行格局下，垂直深耕的长期价值

2026年的WAIC，更像具身智能行业的一个阶段性拐点。

前两年的参数竞赛热潮逐步退去，行业正式扎进了落地验证的深水区。通用人形路线代表了产业的长期想象空间，天花板足够高，也需要持续的技术攻坚与资本投入；

垂直深耕路线代表了当下的落地确定性，先在单一赛道跑通商业闭环，用真实场景数据反哺技术迭代，走得更稳、更扎实。

两条路线没有优劣之分，都是具身智能产业生态的重要组成部分。

可以确定的是，行业已经过了单靠一个炫酷Demo就能讲故事的阶段。接下来的核心比拼会逐步转向场景理解深度、工程落地能力与商业化效率。

谁先拿到真实场景的入场券，谁就能更早进入“场景数据→技术迭代→更好落地”的正向循环。

傅利叶的路径未必是唯一的最优解，但它为垂直赛道的玩家提供了一套可参考的范式：尊重产业规律，不盲目跃进，拒绝形态执念，以真实需求驱动技术迭代，用工程化能力保障落地稳定性。

为什么是傅利叶走出了这样的路径？答案藏在十年的积累里。

这家公司2015年成立，从康复机器人起步，十年间产品进入了全球40多个国家和地区的2000余家机构与医院，从单台设备到智能康复港解决方案，再到引入脑机接口的脑机具身智能康复港，一步一个脚印完成了场景与技术的双重沉淀。

这段经历不是无关的过往，是今天布局具身康养的核心壁垒。

康复场景对力控精度、柔顺交互、安全冗余的要求，远高于普通工业场景。临床环境打磨出的核心能力，可以直接平移到具身产品中。

从核心零部件、本体设计到智能系统、集控平台的全栈自研能力，也让技术迭代和场景适配的效率更高。

更关键的是深度场景认知——懂临床流程、懂机构运营、懂真实用户痛点，分得清什么是真需求，什么是纸面参数。这些都是跨界玩家短时间内很难补上来的课。

我一直觉得，未来具身智能的行业格局，不会是某一家人形公司通吃全场景，更可能是「通用大脑做泛化，垂直团队做落地」的生态：大模型公司负责把通用能力做得越来越强，而像傅利叶这种在垂直场景磨了十年，懂场景、有本体、有工程能力的团队，会成为所有通用能力落地的必经节点。

通用能力决定行业的上限，垂直深耕决定落地的下限。毕竟大模型再聪明，也得有靠谱的身体、懂场景的团队，才能真正跑到真实世界里干活。

某种程度上说，傅利叶可能是目前国内对康养场景理解最深的具身机器人企业之一。

当行业普遍“拿着技术找场景”的时候，它已经在“顺着场景做技术”了。这也让它在康养赛道拥有了差异化的先发优势。

离开展馆的时候，入口处的大屏还在循环播放着各家的炫酷宣传片，音乐慷慨激昂。

没人能预判哪条路线最终会抵达具身智能的终局。但可以确定的是，所有扎根场景、尊重规律的探索，都在推动行业向前走。

毕竟具身智能的终局从来不在展台上，在真实场景的褶皱里。

前沿动态前沿大会
前沿人物

点「在看」，给前前加鸡腿