WRC现场观察：具身智能落地元年，瑞为技术交出了面向生产力的答卷

8月19日，2026年世界机器人大会（简称WRC 2026）在北京亦庄北人亦创国际会展中心正式开幕。

场内气氛与场外天气一样火热，各地而来的人潮穿梭在四个不同的展馆和大小形状各异的机器人之间。今年共有300余家企业参展，比2025年增加了36%，展品超2000件。对具身智能企业来说，这既是展示也是考试。

在几年的惊艳亮相、行业喧嚣后，2026年被称为机器人进入生产场景元年、大规模落地元年。背后都指向一个趋势，对于企业和公众来说，已经不再满足于机器人的娱乐属性，而希望看到它真实地进入生产和生活。

这意味着，机器人需要理解具体任务、应对复杂变化，并稳定创造价值。在干活这件事上，它应该越来越像人。

头部企业正在加速探索不同场景的落地路径，比如智元机器人围绕制造业场景，探索人形机器人在工厂中的搬运、上下料等任务应用，银河通用则从零售等高频场景切入，验证机器人在识别、抓取、操作等环节的商业价值。

如何找到高价值场景、提升机器人稳定性，并形成可持续的商业闭环，成为下一阶段竞争的关键。也正是在这一背景下，越来越多企业开始从真实生产任务出发重新思考机器人的定义。

瑞为技术即是其中的代表性企业。在今年的WRC上，瑞为将行李搬运的作业流程直接复刻到了展台现场，展出了一套面向机场行李转运场景的具身智能解决方案。晓蚁行李转运机器人将行李箱从传送带上稳稳抓取、抬起，再轻放到推车里，整体动作流畅，像熟练工一样不慌不忙，轮式双臂人形机器人则在一旁为搬运柔性行李做准备。配置的四块大屏幕可以看到实时检测出的行李大小、力度、周围环境等数据。除了对机场场景感兴趣的观众外，有不少来自仓储、物流以及制造产线的人驻足，搬运无疑是工业场景中较大的共性场景。

目前，其核心产品晓蚁行李转运机器人已在华东地区机场接入真实航班保障环境开展POC验证，约80%的标准行李可由机器人完成处理，其余非标准及异常行李由人工协同处理。与大量仍停留在展台Demo阶段的机器人相比，瑞为正在尝试让机器人真正进入机场生产流程。

在一众创立于具身智能热潮的企业里，瑞为技术作为一家成立14年、已经上市的成熟企业显得有些特别。它聚焦于民航机场等垂直场景多年，根据弗若斯特沙利文的数据，按2025年收入计，瑞为技术已在中国民航企业视觉智能产品市场排名第一，市场份额达8.7%。而现在，它正在成为一家面向生产力的商用机器人公司。

不同于行业中常见的先造机器人再找场景的模式，瑞为选择了一条反向路径，从机场真实生产需求出发定义机器人。它不是被放进机场，而是在机场场景中自然“长”出来。

基于这样的特殊性，瑞为与机场互相成就的过程也是在替行业试图回答一个问题，具身智能如何进入复杂B端场景，并形成商业闭环？

01

从单点智能到系统突破：让机器人解决真实生产任务

承载着人类对未来机器人形态的想象，在WRC的2000多件展品里，通用人形机器人依然比例不小。

瑞为没有选择一开始就做通用机器人，瑞为技术创始人、董事长詹东晖曾解释，通用机器人不符合瑞为两到三年内实现商业变现的战略。“我们聚焦于熟悉的B端场景做工业商用机器人，把泛化的具身智能问题收拢为特定场景下的具体问题，技术周期更短，商业价值落地更快。”

如何快速进入生产、落地场景是瑞为最初进入具身智能行业就在考虑的问题。因此，瑞为选择了先从更了解的行李搬运场景着手。

机场大家都很熟悉，但行李搬运却是藏在幕后的辛苦工作。瑞为技术副总裁、商用机器人事业部总经理史淼泓还记得自己去到一个中部城市机场调研的场景：夏天，在一个巨大的仓库内，行李搬运工人不停地重复弯腰搬运行李又放下的动作，他们大多在四五十岁以上，少有年轻人。史淼泓印象很深，其中一个工人的手机步数显示，在那个搬运空间里，他已经走了两万多步。“行李搬运就是一个高度依赖人工、负重大、枯燥的工作”，史淼泓说。

而在技术层面，搬运看似简单，却很有讲究。相比工厂等相对固定的生产环境，机场本身就是更复杂的动态场景，一是每天需要面对大量不同尺寸、材质和重量的行李，作业对象并不完全标准化。二是行李转运区域通常人员、车辆等多主体同时运动，机器人需要实时理解周围环境变化并做出调整。

机场作为高可靠运行场景，对稳定性和安全性的要求也极高，机器人必须保证长期、连续、稳定运行。因此，机场场景考验的不只是机器人的感知和操作能力，更考验其对复杂环境的理解能力，以及与现有业务流程协同融合的工程能力。

针对机场搬运行李场景，瑞为从2025年开始沿着两条不同的技术路径展开探索。一条是面向当前规模化生产需求的专用机器人路线，即晓蚁行李转运机器人，主要解决标准行李箱批量转运、分拣至拖车装载等高频任务，可以适配不同尺寸和摆放姿态的标准硬箱，并自动识别拖车空间、规划行李摆放，能够适应机场7×24小时连续生产的运行需求。另一条则面向更加复杂的柔性操作任务研发了轮式双臂人形机器人，探索背包、手提包等软质、不规则行李的操作能力，为未来进一步处理非标准化任务进行技术储备。

今年4月，瑞为还推出了自研 VTFLA 具身智能技术架构，在传统VLA框架中引入力觉、触觉等物理反馈能力，解决软包、背包等柔性和不规则物体的稳定操作问题。与标准硬箱不同，这类物体的形态、材质和受力状态更加复杂，仅依赖视觉信息难以完整判断。力觉、触觉反馈可进一步感知抓取过程中的受力变化、接触状态和滑移风险，并根据反馈动态调整操作策略。

在真实机场生产环境中，瑞为目前的策略并非追求一步实现100%无人化，而是先通过人机协同让机器人进入生产流程。在华东地区机场的真实航班保障环境POC中，约80%的标准行李已经可以由晓蚁行李转运机器人完成处理，其余约20%的软包、异形、破损及其他异常行李则由人工干预。

此次WRC展出的轮式双臂人形机器人，则代表了瑞为对下一阶段柔性作业能力的探索。未来，瑞为希望由更加通用的机器人逐步接管目前仍需人工完成的部分复杂任务，不断扩大机器人在生产流程中的作业边界。

史淼泓表示，源于多年的经验，瑞为早已识别到行李搬运这一痛点，从单款机器人到全链条方案的推进，也体现了瑞为的整体战略路径：从真实的生产任务出发，先通过成熟的专用机器人突破单点自动化和人机协同，再逐步向更加复杂的柔性操作、多机器人协同和自主作业演进，最终推动机器人参与更加完整的生产流程。

这与政策提倡的机场智能化方向不谋而合。民航局曾发布指导意见，要推动民航数字化转型、智能化应用和智慧化融合。2025年进一步发布实施意见，明确推动人工智能技术在民航运行、物流保障等重点场景中的应用。在这一背景下，当下确实是机器人进入机场真实业务流程的机会。

先研发再找场景可以推动机器人硬件和模型能力的发展，但在真正落地过程中也面临挑战，毕竟不同产业的生产流程、作业要求和环境复杂度差异巨大，需求是否真正存在、单一形态的机器人是否能直接适配所有场景都是非常实际的问题。

02

不求指标最优，而求系统最优：如何真正落地生产流程

与并不追求一开始就100%无人化一样，“我们不认为机器人一定要等到解决 100% 的问题后，才能够进入真实生产过程”，史淼泓强调。这也是瑞为行李搬运全链条方案的核心理念：并非降低对技术的要求，而是优先解决真实生产中最具价值和确定性的任务，让成熟能力率先进入生产，再通过真实运行持续迭代。

以人机协同为例，核心不是追求一个固定的机器人替代比例，而是根据不同任务的技术成熟度和生产价值，选择现阶段更合适的执行方式：高频、标准化任务优先交给机器人，复杂和异常任务则由人工兜底。对瑞为而言，衡量机器人商业化的关键，是能否从第一天开始真正参与生产、创造生产力。

当技术与产品准备完成后，如何融入现有的设备、流程、场景是关键一步。机场经过多年运行，已经形成了一套成熟的生产流程和基础设施体系，任何大规模改造都会涉及成本、安全风险以及运营影响。机场机器人落地的现实挑战之一，并不是单纯完成某个动作，而是如何融入已有的业务体系。

瑞为强调“让机器人适应场景，而不是让场景适应机器人”，背后的逻辑正是降低机器人进入真实生产环境的门槛。史淼泓举例，比如空间狭窄，就优化机器人结构；不能大规模施工，就采用模块化、分段式设计；现阶段机器人还无法高效、稳定地处理所有非标准行李，就通过人机协同解决长尾问题；工作人员已经有成熟流程，就让系统主动适应现有生产节拍。

“所以我们一直认为，不是所有问题都应该交给大模型。真实生产最终追求的是系统最优，有些问题用模型和算法解决，有些通过机械和系统工程解决，还有一些通过业务流程设计解决”史淼泓强调。

从商业化角度看，这种思路的重要意义在于，机器人不再是需要客户重新构建配套环境的“新设备”，而是成为现有生产系统中的一个增强模块。对于机场等高可靠运行场景而言，能够以较低改造成本进入生产流程，并长期稳定运行，往往比单纯展示更先进的技术能力更重要。

在已经验证人机协同的基础上，瑞为下一步关注的问题是不同类型机器人之间如何协同。目前华东机场POC主要由晓蚁行李转运机器人承担标准行李处理任务，轮式双臂人形机器人尚处于柔性操作技术验证阶段。但瑞为从系统架构设计之初，就没有把目标限定在“一台机器人”上，而是面向未来多种机器人共同参与生产的场景进行设计。

“未来企业生产环境里面，可能同时存在搬运机器人、操作机器人、人形机器人、巡检机器人，以及大量固定智能设备。”史淼泓认为，真正的问题不只是如何让一台机器人变得更聪明，而是如何围绕完整生产任务，根据不同情况决定“什么任务、在什么时间、由哪一种机器人完成”，并通过规划和分层架构，实现不同设备之间的协同。

这一切再次指向瑞为作为一家成熟的上市企业，在商业化落地的考量——不追求技术指标的局部最优，而追求整个生产系统的全局最优，并在合适的时间入局。这种路径差异，也决定了瑞为在具身智能领域关注的重点并非单一机器人本体，而是机器人如何进入真实生产流程，并与现有业务体系协同运行。

史淼泓透露，在目前千万级客流机场真实航班保障环境的POC实测中，晓蚁行李转运机器人单件行李处理节拍已低于18秒，能够满足当前机场实际生产作业的节拍要求。在目前测试采用的3.0米×1.5米三边围挡拖车上，单车最大装载量可达到39件，接近同等条件下熟练人工40件的装载水平。同时，装车准确率达到99.9%，行李检出率达到99%。

相比实验室里的单项技术指标，这些来自真实航班保障环境的数据更接近机场衡量一套机器人系统的方式——不仅要“能干活”，还要看干得够不够快、够不够准，以及能不能稳定融入既有生产节拍。

机场是一个典型的高动态、高变化、高多样性环境。机器人不仅要知道“这是什么”，还需要进一步理解“它在哪里”、“周围空间是什么状态”、“人和设备正在怎么运动”以及“我接下来应该做什么”。

因此，瑞为仍将继续在技术上精进。从过去的计算机视觉（CV）出发，瑞为正在进一步向多模态感知、空间智能、任务理解和物理交互延伸。VTFLA通过引入力觉、触觉等物理反馈，提升机器人与物理世界交互的能力；空间智能则进一步解决机器人对环境、位置、物体以及动态空间关系的理解。两类能力最终共同服务于一个目标，让机器人从执行预先定义的动作，逐步走向理解环境变化、自主规划并完成生产任务。

在这一方向上，瑞为已经与香港大学智能信息物理工业系统实验室（RoboCPS实验室）开展深度合作。瑞为发挥复杂生产场景、真实数据和工程化能力优势，港大实验室则发挥前沿技术研究和科研人才优势。双方重点围绕复杂动态环境下的空间感知、空间建模以及机器人自主作业能力开展研究，并结合真实生产场景持续优化整个系统。

“我们希望最终不是让机器人完成一个预先编好的动作，而是让它能够理解环境变化，自主完成生产任务。”

这背后，瑞为真正试图构建的，并不是某一种机器人形态的能力，而是一套面向生产任务的机器人智能体系：通过多模态感知理解物体，通过空间智能理解环境，通过VTFLA等技术实现与物理世界的交互，再通过任务规划和多机器人协同完成更加完整的生产任务，并在真实运行中持续产生数据、反哺模型和整个系统。

03

从走稳到走远：真实数据驱动的持续进化

当下，机器人进入真实环境的意义并不只是完成某一次任务，更重要的是在持续运行过程中产生大量真实世界数据。随着VLA、世界模型等技术不断发展，数据正在成为继模型和硬件之后，具身智能竞争的另一个核心资源。

世界模型受到行业关注的重要原因在于，机器人不仅需要理解当前环境状态，还需要逐步学习环境、动作与未来结果之间的关系，从而对“采取一个动作之后可能发生什么”进行预测和推演。而无论是世界模型还是VLA，其能力进一步提升，都离不开高质量的真实世界交互数据。

对瑞为而言，机器人进入真实生产的另一个价值，是进一步打通原有视觉系统、机器人和机场业务系统，使行李转运过程逐步实现全流程数字化追溯。史淼泓分析，这一功能可以将业务数字化。“现在只需把我们之前部署的‘眼睛’与机器人和业务系统串联起来，让每一件行李的生产过程逐渐变得可追溯、可分析、可优化。”

当前，行业普遍面临的问题不仅是缺少数据，更缺少高价值的好数据。什么是好的数据？史淼泓认为，判断标准其实非常简单，即这些数据能不能让机器人把一个真实任务做得更好、更稳定、更接近甚至超过人工。

再往深挖，更重要的是数据是否来自完整、真实的生产任务，而非某一个孤立的生产节点。真实生产环境产生的并不只是图片或视频数据，而是贯穿完整生产任务的“感知—决策—动作—结果”闭环数据。机器人看到了什么、环境和空间处于什么状态、系统做出了什么决策、执行了什么动作，以及最终任务是否成功，都可以成为系统持续优化的依据。而这些真实世界交互数据可以进一步用于VTFLA、空间智能、任务规划以及整个机器人系统的优化，从而形成“真实场景—真实数据—模型与系统优化—机器人能力提升—承担更多生产任务”的持续进化闭环。

数据的壁垒是瑞为综合实力的反映之一，从长期来看，瑞为的核心壁垒并不只是某一款机器人产品，而是围绕真实生产场景形成的一套持续进化能力。

与先开发机器人再寻找应用场景的路径不同，瑞为深耕机场业务，首先关注的是生产流程中的真实需求和客户痛点，再思考需要什么样的机器人和技术去解决问题。这也决定了瑞为并非以打造更多机器人形态为目标，而是以提升生产力为核心，让不同形态的机器人都成为解决具体生产任务的载体。“现阶段瑞为并不是希望机器人一开始就成为一个什么都会的全才，而是先让它在特定生产任务里面成为一个专才”，史淼泓表示。

基于这一逻辑，瑞为正在形成一条从场景到能力的闭环路径，真实场景定义任务，机器人进入生产并持续产生数据，再通过数据反向推动VTFLA、空间智能和整个机器人系统优化，帮助机器人承担更加复杂的生产任务。瑞为过去十多年积累的视觉智能能力，也由此逐步向具身智能和自主作业延伸。

今年的WRC现场，可以看到，除了展出产品本身，许多企业直接将可落地的生产场景搬进了展馆。抓取、分拣、越障……与之对应的是对场景、功能也越来越熟悉的用户，他们不再满足于具体的参数，而是关注机器人在场景中执行任务的流畅和稳定性、应用到产线的成本和利润等实际问题。公众已然接纳机器人进入生产，并盼望好的产品出现。这其中，必然会有一批企业脱颖而出。

瑞为选择从机场真实场景出发，以生产任务定义机器人能力，探索的并不是单一机器人的突破，而是一套面向生产力的机器人应用路径。瑞为最终希望回答的问题并不是“能造多少机器人”，而是“机器人能够为企业创造多少生产力”，这也将成为衡量具身智能商业价值的重要标准。