WAIC观察：具身智能迎来拐点，行业洗牌比预想来得更早

今年的WAIC，具身智能依然是最拥挤的展区之一。

机器人在不同展台打乒乓球、制作饮品、叠衣服、弹钢琴、分拣商品，灵巧手甚至开始组装另一只灵巧手。热门展台从早到晚围满观众，厂商也在不断延长演示流程，让机器人一次完成更多步骤。

逛上一圈，却很容易听到相似的说法，工业、家庭和城市服务的应用场景各不相同，厂商反复谈到的仍是世界模型、数据闭环、长序列任务和泛化能力，量产和交付的时间表也越定越近。

这些词最后都指向同一个难题，机器人完成一次设定好的任务并不够，换一个房间、一个工位，或者面对训练中没有出现过的情况，它还能不能继续做下去，才决定产品能走多远。

一位具身智能行业人士表示，大模型让产业界重新看到了这条路径的可能性。过去需要工程师逐条编写规则的感知、判断和动作能力，现在有机会通过数据和训练不断改善。机器人能否像大模型一样随着数据规模扩大持续提升，目前还没有答案，但资金、人才和企业已经先进入了赛道。

热度之下，差距也在加快拉开，大额融资、客户订单和市场声量，正在向少数公司集中，具身智能行业的洗牌，或许比多数人预想得更早。

01 融资分化，马太效应凸显

最先发生变化的是资金流向。

据IT桔子等公开融资信息统计，2026年1月1日至6月4日，国内具身智能及机器人领域共发生288起融资，涉及226家企业，已披露融资额超过460亿元。无论从融资数量还是金额来看，资本并没有离开这个赛道。

但这些钱分得并不平均，融资额排名前20的企业拿走约330亿元，占总额的七成；仅前5家公司便获得约171亿元，占比达到37%。剩余200多家公司合计分到约124亿元。种子轮和天使轮虽然发生了73起，融资额合计却不到13亿元，只占约3%。

不过，早期项目并非完全没有机会，但投资人继续出手的门槛正在提高。正奇未来披露，公司在8个月内完成3轮数亿元天使系列融资，资金将用于世界模型和运动执行平台研发、短途出行机器人量产及渠道建设。其首款产品已经量产，并在全球十多个国家和地区获得商业订单。

这种分化也开始延伸到上市进程。7月24日，智元创新确认已启动赴港上市流程，不过截至目前，尚未有证监会备案文件公开披露。Omdia数据显示，智元创新2025年通用人形机器人出货量超过5100台，占全球市场约39%。当不少企业还在为下一轮融资寻找筹码时，少数公司已经开始尝试进入公开市场。

一位具身智能行业人士表示，业内对长期方向仍然乐观，但融资、商业化和市场声量正在呈现越来越明显的马太效应。拿到更多资金的公司可以扩充团队、采购算力、加快产品迭代并争取客户，这些进展又会成为下一轮融资的筹码。

今年早些时候，亦有机器人企业负责人将2026年形容为行业不断"交卷"的一年。在他看来，如果有公司率先实现万台级交付，或者在机器人"大脑"上取得明显进展，企业之间的差距还会继续扩大。

企业之间的差距在拉大，赛道的参与者却还在增加。在WAIC期间，智元具身智能研究院院长姚卯青被问及大型企业相继入局是否会带来压力时，就表示至少在数据层面，更多参与者进入并非坏事。具身智能所需的数据量和场景覆盖，靠单个品牌很难完成；拥有零售、物流等业务的大型企业，既能增加数据来源，也会推动关键零部件和产业链更快成熟。

但参与者增加，并不意味着融资机会会平均分配，大额资金继续向少数项目集中后，投资人关心的问题也更加具体。除了团队背景和技术方向，产品是否进入真实场景、客户是否愿意继续采购、部署过程中能否积累有效数据，都开始影响企业的下一轮融资。

行业还在扩容，留给企业慢慢解释技术路线的时间却在变少。

02 演示时长翻倍，暴露落地难题

往年在展台前停几秒，通常就能看懂一场机器人演示，抓取、行走、开门，一个动作就是一次展示。今年，不少厂商把几个环节接在一起，观众要等机器人把整套流程做完，才能知道这场演示是否成功。

傅利叶的"具身之家"技术解决方案中，工作人员只说了一句"我渴了"，机器人便需要判断这句话背后的喝水需求，自主寻找瓶装饮料，规划路线并完成递送。每一步单独看都不新鲜，难处在于感知、推理、规划和执行必须连续运转，前一步的判断会直接影响下一步，整个过程还要能够随时中断和调整。

傅利叶董事长兼CEO顾捷认为，AI进入物理世界后，机器人不仅要给出判断，还要把对人和环境的理解转化为行动。具身机器人的竞争，也将从单纯展示运动能力，转向能否理解需求、适应环境，并稳定地完成一整项任务。

傅利叶围绕"主动式交互"搭建机器人技术平台，希望机器人不再只按预设指令执行动作，也能根据人的需求和现场变化调整后续行为。

要让机器人在杯子换了位置、货架重新摆放后仍能继续工作，训练阶段就不能只让它反复记住一套流程。京东在WAIC展示了平时藏在后台的数据采集环节，观众戴上头戴式设备整理货架、拿取商品，第一视角画面、手部轨迹和周围的空间关系被同步记录，再经过处理成为模型训练数据；货架摆放、商品位置和人的动作各不相同，这些差异也会被纳入数据采集。

把更多场景记录下来只是第一步，机器人开始执行任务后，仍会不断遇到训练数据没有覆盖的情况。一台设备遇到的问题，能否转化为其他机器人的经验，也会影响训练的速度和效果。

在智元的训练中，多台机器人会同时执行任务并共享经验。姚卯青提到，单靠示教和模仿学习，机器人很难覆盖真实环境中的各种偏差；单机在自己的工位上练得再熟，换到另一处环境仍可能"抓瞎"。不同设备遇到的问题汇入同一个模型后，机器人能接触到的情况也会更多。

过去的展台通常只展示机器人最后做出的动作，但在今年，数据采集、模型训练，也开始成为展示的一部分。

03 洗牌已开始，交付定胜负

展台上的一次成功，可以证明机器人已经具备相应能力，却不能直接说明它能够投入使用。到了客户现场，机器人要在第二天、一个月后仍然把任务做完，遇到路径受阻、物体移动或流程变化，也不能频繁停下来等待工程师处理。

顾捷将这种差别形容为，机器人"不是一次性的答辩试题"。它不是只回答一道题，而是要在真实环境中持续工作。在他看来，人形机器人进入产业化后，竞争重点会从能力展示转向可靠交付。

傅利叶因此强调"由场景定义产品"，将康养陪伴、工业协作和商业服务等具体环境作为产品验证的起点。客户的工位、设备和操作流程早已存在，机器人只能去适应这些条件，而不能要求现场围着它重新布置。

酷哇科技创始人、CTO廖文龙认为，机器人需要理解重力、摩擦和惯性等物理规律，也要熟悉人类社会的规则和行业SOP。它不仅要判断一个动作应该怎样完成，还要知道一项工作按照什么顺序推进，遇到意外后该如何继续。

这些要求通常要在客户现场一点点调出来，第一个项目可以由原厂工程师长期驻场，反复修改软件、硬件和操作流程；换一个工位或另一位客户后，还要不要从头再做一遍，会直接影响企业能接多少项目。

智元方面介绍，早期推进一个从0到1的项目通常需要三四个月，随着部署工具、二次开发和运维系统逐步完善，部分新场景已经可以由合作伙伴在一两周内完成。能否把原厂团队的经验沉淀成合作伙伴可以复用的工具，也会影响方案能否快速复制。

一位行业人士给出的观察方法更直接，第一批设备交付后，客户会不会继续采购，机器人在无人看护的情况下实际运行了多长时间，节省的人力能否覆盖采购和运维投入，这些数字比一次演示是否成功更能说明产品的进展。

同样拿到一笔订单，一家公司可以很快把产品复制到下一个项目，另一家公司仍要重新开发和调试，两者在交付成本、回款速度和可承接的订单规模上都会逐渐拉开差距。客户现场形成的结果，也会影响投资人是否愿意继续投入。

对整个行业来说，洗牌通常不会从公司集中退出开始。资金和订单会先向更容易交付、能够获得复购的企业集中；长期拿不到后续订单，又无法依靠融资维持投入的团队，则可能缩减研发和扩张计划，转向更窄的场景，甚至最终离场。

WAIC展馆里有不少机器人亮相，但在展馆之外，资金、订单和客户已经在重新分配。第一批设备交付后，客户是否继续采购，项目能不能复制到下一家企业，原厂团队还要不要长期驻场，都会影响一家公司还能在这轮竞争中走多远。

等到行业真正出现大规模退出时，洗牌往往已经进行了很久。