WRC 逛展手记：才过一个月，具身大脑又进化到哪了？

“分拣工、咖啡师、质检员、搬运工，这哪是展会，分明是一场机器人招聘会。”

作者丨邓哲敏 齐铖湧

编辑丨齐铖湧

上海 WAIC 结束不到一个月，北京 WRC 2026 接棒开启。

短短几十天，谁也不可能把模型推倒重来。想看到什么颠覆性突破，是不现实的。

所以这篇现场观察不单看 WRC 上的展台花活，雷峰网会结合几个月来各家综合表现，看“具身大脑”究竟走到哪一步。

先说首日逛展的最大感受：和 WAIC 比，场景变化很直观。

做咖啡的变多了（现场能看到无界动力、仙工等，做咖啡/递杯成了高频演示）；

包裹分拣场景继续发力（自变量速度很突出，原力灵机势头很猛，星动纪元仍在深耕）；

办公、零售场景明显增多（后面会写到星海图、银河通用等）。

而最大的一个特点是，专业观众们的注意力，已经从研究本体欣赏 demo，转为考量大脑能不能稳定干活、能不能算过账。

01

在分拣这个兵家必争之地，泛化是硬通货

先来聊聊这届 WRC 上主打展示分拣的厂商。

物流分拣是具身智能商业化最早被验证、也最被反复打磨的场景。它的好处显而易见：任务明确、环境相对可控、ROI 可以算清楚。坏处也很明显：大家都知道它好，所以挤进来的人越来越多，想靠单纯的展示出圈越来越难。

这届 WRC，分拣台前的竞争已经悄悄分层了。

原力灵机：泛化为王，一套系统撑起多种任务

原力灵机在A馆，展台不大，也没有像在 WAIC 上搭长城那样整大活。

只是展示了一些水果切削任务，以及一套双臂物流包裹分拣演示。

分拣展示，在 WRC 是个常见场景。

原力灵机展示的，是在一堆混杂包裹里，用简单夹爪在一堆灰色包裹中分拣黄色包裹，节奏是约 2 秒/件（相当于 1200 件/小时），这个分拣场景和任务不算复杂。

之所以我们会重点关注，是因为原力灵机并不是分拣方面的专家，用来完成这套任务的核心模型是基础泛化大模型 DM0.5，7 月 9 日才刚面世。

一个月时间，用同一套系统能同时撑起分拣、削黄瓜、搭积木等任务线，不换系统、不靠写死轨迹，在分拣场景并没靠超长时间专项特训硬堆，本质上吃的是DM0.5的泛化能力。

网友自嘲：这手艺比我还好

泛化，在所有自己训模型的公司，是一道黄金指标。

在具身领域大词 bubble 满天飞的当下，清华系家庭机器人公司求之科技的世界模型负责人韩磊，跟雷峰网提到：“世界模型定义之争都是话术，我们只关注（模型的）泛化能力”。

类似的表达，原力灵机的小天才范浩强也曾跟雷峰网提到，尽管外界有很多技术范式的新方向和声音，他们依旧在努力做到比 π0.5 更好的泛化。

这背后的逻辑不难理解，原力灵机在商业方向，找的是面向海外人力贵、客单和 ROI 容忍度更高的分拣场景，不需要卷价格，但做高溢价场景，一定需要模型拥有足够泛化性。

讲到分拣场景，必须再提两家公司，星动纪元和自变量。

星动纪元：分拣老炮，丝滑背后是落地闭环

星动纪元的现场展示，像一个机器人分拣行业的资深老炮，机器人在真实传送带节奏里稳定作业，展示重点是能持续干活，不是只跑 demo。

现场来看，在用灵巧手分拣这件事上，没有比他们更丝滑的存在了。

作为具身“全栈派”代表，星动纪元一直走的是“数据-大脑-运控-灵巧手-本体”全自研思路，最近也出了新的本体星动 L7 和一个全新的灵巧手 XHAND 1 PRO。

最近半年以来，能感觉到这家公司的思路越来越清晰清晰，用更好的全栈本体（L7）和更好的末端执行器（XHAND 1 PRO），一头连着加速数据采集、算法验证及模型迭代，另一头，则接场景验证，承接精细操作与工具使用。

他们在做的，是建立落地场景+研发飞轮。

这个思路，也在 WRC 现场得到了验证，现场星动纪元的同学告诉雷峰网，商业上他们比其他公司出发更早，把场景跑得更深，比如与广东邮政的合作关系，华南区域很多邮政分拣场地，都能看到他们的身影。“我们欢迎更多公司切入分拣赛道，但大家必须了解，分拣是一个非常看重落地深度的场景”

星动纪元的壁垒，建在全栈和落地上；自变量则选了另一条路，把宝押在效率和成本上。

自变量机器人：分拣领域的黑马选手

自变量这次参展，也把重心放分拣场景上。

现场给我们留下最直观的印象，是速度快，极快，属于一眼能看出节拍和效率的展示，和星动纪元和原力灵机都不一样。

对比前面二者，你能明显感觉到自变量正在分拣领域找自己的生态位。成本上，他们选择了和原力灵机一样便宜的标准工业夹爪，分拣展示上，对标星动纪元，完成翻面+分拣。同时，给自己加了一道名片：效率。

这跟自变量的大脑技术路线分不开。7 月 24 日，自变量推出了最新自研 WALL-B 的大模型，它有一个特点，不再把视觉、语言、动作当成三个独立的部门来回传话，而是在同一个网络里完成。

你能在 WRC 现场看到，机器人根本看不到纸箱底部的面单，但它居然能根据箱体侧面的微小凸起，自主预判面单就在下面，直接原地给它翻了个面。

再比如，有个异形件卡在了斜坡上，它没有像以前那些死脑筋的机械臂一样疯狂硬拽，而是转身先去清掉主线上激增的小包裹，等传送带空出间隙了，再回头去处理卡阻。

因此，我们能感受到，这套系统不是在死板地执行动作指令，而是在实时预判物理世界下一秒会发生什么。

背后同样在叙述泛化能力。

总结一下，看到越来越多的具身公司在展会上做分拣展示，你就知道物流分拣仍是兵家必争的场景，但无论在 WRC 展示还是真实工厂里分拣，程序员无法把后台写 If-else 穷尽出来，泛化依旧在分拣场景的核心。

这也是这届 WRC 上，我们如此关注具身大脑的原因。

02

从办公到咖啡，真实场景多点开花

分拣只是真实场景的一个切面。

如果说分拣赛道是具身智能商业化的“第一个被跑通的考场”，那么办公、家庭、零售这些场景，则是下一批选手正在争夺的入场券。环境更乱、任务更长、用户更挑剔，但天花板也更高。这届 WRC，有几家公司的展示值得单独说。

优必选：工业老将，秀的是“一群机器人一起干”

优必选是工业落地绕不开的老牌玩家，这次最抓眼球的，是十几台 Walker S2 同场协同：依托群脑网络 2.0，这些机器人自主完成物料搬运、分拣、流转的全流程集群作业，不再是单机单干。

Walker S2 还是全球首款支持自主换电的人形机型，3 分钟全自动换电，直接对着人形机器人续航短、作业易中断这个老痛点下刀。

工业实景这块，Cruzr Y1、Cruzr S2 全程实景作业，把汽车钣金件上下料、机加件上下料、料箱拆码垛、电商小件分拣四大场景摆上台，主打无人自主作业。背后是它自研的 Thinker 基座大模型，走“小参数、高性能、全开源”路线。

优必选这类老牌玩家的价值，不在某一个动作有多惊艳，而在它把一群机器人稳定协同干活这件事已经跑得相对成熟，这恰恰是很多新锐公司还没迈过去的坎。

银河通用：大小脑协同，平台意图很明显

银河通用在这次 WRC 的存在感很强。它和别家最不一样的地方，在于把“大脑”和“小脑”拆开讲、又合着做。

先点两个模型，都有明确的时间戳。

6 月 19 日，银河通用发了 AstraBrain-WBC 0.5，号称全球首个人形机器人“通用小脑”GPT 基础模型，走 GPT 式因果 Transformer 架构，推理延迟压到 0.39 毫秒，能零样本执行篮球、拳击、舞蹈、翻身起立这类高动态动作。

往上，是“大脑” AstraBrain WAM 0.5。WAM 是 World Action Model 的缩写，这条路线是银河通用 2025 年在 ICCV 上自己先提出来的，不是纯 VLA，也不是纯世界模型，而是把想象未来和决定动作合到一个模型里。

把这两层拼起来，就是银河星脑（AstraBrain）：一套“大脑-小脑-神经控制”端到端架构，从高层认知决策一路打通到底层实时运动控制。

先把运控这个“小脑”做到 GPT 量级，再让“大脑”的能力接上来，这套小脑先落地的思路在整个 WRC 是独一份。

现场也能感受到这套协同。

先说家庭场景，这里的主力是轮式双臂的 Galbot G1，干的都是又长、又杂、还带干扰的家务活。

把随机摊在床上的 T 恤叠整齐，床垫会下陷、布料会皱，机器得实时判断褶皱，再规划抓、拉、折、压的动作序列；做早餐时烤面包、倒饮料，双臂协同跑完整条链路，现场还故意挪动杯子、挡住盘子，让它边追踪边纠偏；顺带还演示了物品归置这种看着日常、实则全是世界级难题的长程任务。

再说零售，主展台继续摆着那个辨识度很高的拿饮料演示，G1 在货架前识别商品、精准抓取、递送，行云流水。

户外展区的“太空舱”零售舱更是大秀肌肉，这套全自主零售方案，银河通用也直接搬到展会现场。

商业信号同样明确，展台显眼处有生态/渠道伙伴招募信息，团队也在加强对外表达，不只做场景机器人，而是往平台级具身能力靠近。

从“大小脑”这种把底层运控也做成基础模型的打法看，他们想要的，确实不只是一台会做早餐的机器人。

机器科学：一脑多手，把世界模型的推理摊成轨迹

另一家突出控制的，是 RoboScience 机器科学。现场展台被设置为开放考场，观众可以在桌面任意放置自己带的物品（刚性、柔性、规则与不规则形态均可），并以自然语言下达指令，比如“把水杯放到纸巾左边”，现场机器人反馈很快。

此外，现场机器人手持“魔法棒”做了一段一到两分钟的指挥表演。这个展示很 to C，但我们关注的，是背后毫米级的控制精度以及丝滑的运控能力。

WRC 开幕前两天（8月17日），机器科学推出首款轮式仿人形通用机器人 REX G1。G1 和部署于腾讯云的具身世界模型与通用操作模型配合，已经能做到视觉信息与自然语言指令联合理解与推理，再去用灵巧手完成操作。

千寻智能：一个月过去，客厅收拾得更利索了

千寻智能，是为数不多从 WAIC 到 WRC 有显著进步的公司。

继 7 月在 WAIC 公开长程复合任务演示后，本次 WRC 千寻智能再次挑战“客厅整理”长程任务。

过去 30 天里，通过包括具身模型、Agent、交互、导航、执行等通用机器人智能体的全栈进化，Moz1 在任务理解、路径规划、动作执行和异常处理等环节进一步调优改善，客厅整理长程任务综合效率较此前提升超 15%，跑出进化加速度。

看上去同一款客厅整理展示，但我们观察到一个细节，当现场工作人员临时调整脏衣篓位置，千寻的机器人直接就自主调整，上次在 WAIC，还需要重新下达指令。

此外，当观众将空包装放在桌角，机器人能够识别新增物品并完成清理；在冰箱整理环节，若冰箱门未能一次关严，机器人也会实时微调手臂姿态和推力，完成二次推合，确保箱门闭合。

这就是数据回流的威力，在理解、导航、操作之外，纠偏能力让机器人更好用了。

跨维智能：一个大脑跨三类场景，还把蓝思科技搬来了

跨维现场展示了三类具身智能任务：手机装机流水线质检、商超自主扫码分拣，以及冰淇淋与爆米花连续出餐。

从场景选择就知道，跨维想展示的，是一个具身大脑在不同环境不同精度的干活的稳定性，顺带秀了一把跨任务泛化能力。

这里有一个细节，手机装机流水线质检任务旁边，写着一行字：蓝思科技。蓝思是国内最大的果链代工厂之一，跨维将真实工业场景，复现到 WRC 现场，可见落地的进展上，走得很迅猛。

无界动力：7 亿订单背书，把咖啡馆搬进展馆

无界动力和韩国 KG 集团旗下咖啡品牌 HOLLYS 联手，做了个沉浸式机器人咖啡空间。在真实顾客进出的开放环境里，K15 要连续完成饮品端送、桌面清理、垃圾回收、手部消毒、座椅归位这一整套服务。

人流移动、物品挪动、任务交织，机器人没法靠预设轨迹混过去，得靠它自研的 MWA 隐空间世界模型：理解动作和物理变化的因果关系，再用“长时序双向物理因果链”把长程任务拆成连续动作，减少误差累积。

现场还有两个“加戏”的演示：三台机器人基于同一模型做折叠、分类、包装的自主分工协作（三机智协），以及毫米级抓取穿入的“指尖串珠”。比起隔着围栏看一次抓取，这套演示更接近真实服务业里机器人要面对的环境。

而且无界动力不是只秀 demo，累计订单已经到了 7 亿元，首批全球交付已经开启。在真实场景这个主题下，订单比任何参数都有说服力。

03

世界模型与底层基建

真实场景展示之外，有一批厂商在打更底层的牌。

世界模型、数据基建、抓取能力，这些东西很难在展会上出圈，因为展示难度很大。

就像近期融资热度极高的世界模型，在 WRC 上的声量其实远没有那么高。到了现场你就明白原因，世界模型很难“自证”，观众看机器人动作，根本分不清背后是 VLA 还是世界模型。

所以，敢把推理过程摊开给人看的，已经赢了一半。章鱼动力就是这类少数派。

章鱼动力：WAM 拼积木，预测可视化是加分项

章鱼动力是本届参展商里极少数 2025 年底之后才成立的公司，三个月就拿了近 10 亿融资。

来得晚，但架势很足。

他们主打的“脑-手-数据”体系里，“脑”是 SYNWorld 具身原生世界基础模型。

要注意，现场跑的已经是 SYNWorld V0.5，就在 WRC开幕前两天（8.17）才正式发布，属于真正意义上新鲜出炉的版本。

先说路线。SYNWorld V0.5 不是把感知、预测、动作生成拆成几个模块再拼起来，而是一个统一的多模态生成模型：语言、视觉、触觉、力觉、机器人本体状态、动作指令、任务进度，全部塞进同一个网络里建模。

章鱼动力和市面上其他提世界模型的公司最不一样的地方，在于他们把世界模型当唯一主角，还把预测和动作生成拧在同一个基座上，赌的是一条“极致 Scaling”路线。

从这同一个基座里，延展出两条能力路线，ACWM（动作可控世界模型）回答“如果我做这组动作，接下来会发生什么”，WAM（世界动作模型）回答“面对这个任务，机器人该做什么”。

现场拼积木，跑的就是 WAM 这条线。积木先被打散，反面朝上的板子要由夹爪翻转归正，再按形状放进对应凹槽，这可不是背坐标。

回到展台，最加分的是展示台上方那块大屏：它实时把机械臂的当前状态，和模型推理出的未来状态并排可视化，屏幕下半区域的预测画面是先于机械臂实际动作出现的。想让人关注的不是结果成功了没有，而是模型在预测什么。

这种把预测直接渲染成画面的做法，称得上是世界模型和视频生成的结合。传统世界模型大多在隐空间里预测状态、或者吐出一个动作向量，章鱼动力让“想”这件事直接变成了“画”。这届 WRC 上，章鱼动力是把世界模型可视化做得最直白的一家公司。

当然，也别被酷炫唬住。我们和现场技术人员聊下来，这种实时预测对算力的消耗非常大，目前只能推理毫秒级。也就是说，大屏上那一帧预测画面，撑的只是下一秒里的下一毫秒，离能预演接下来几秒还差得远。方向很性感，但离边走边预演还有一定的距离。

灵初智能：Ego 数据映射，大约 10 秒量级

如果说章鱼动力展示的是“大脑怎么想”，灵初智能展示的则是“数据怎么来”。

灵初最吸引人的是穿戴式数据采集：工作人员戴着手套做抓取（现场是抓辣椒一类动作），大约 10 秒量级，系统就能通过第一人称（Ego）世界模型生成对应视频，再映射到机械臂侧复现。

这个链路的价值，要放在行业背景里看：真机数据贵、采集慢，是所有人的共同难题，一套真机遥操作设备动辄四五十万，还很难跨本体迁移。

灵初走的是“人类数据”路线——戴着手套在真实场景里干活，把人的操作动作直接变成训练数据。他们内部已经攒下 10 万小时量级的人类操作数据；而世界模型对灵初来说，更像一个“数据迁移工具”，不是目的地。

这一点，灵初联合创始人陈源培说得很直白：“世界模型只是个工具，我们从 Day one 开始，就是在做人类数据。”这话放到行业里，和前面韩磊那句“世界模型定义之争都是话术”是同一个意思，别管名词，看能不能把数据变成能力。

现场灵初的小伙伴告诉我们，他们最近在憋一个大招，一两个月以内，就会跟大家见面了。

鹿明机器人：搬运只是表象，闭环进化才是看点

鹿明也在数据上下功夫，他们更关注的是数据怎么滚成持续进化的能力。

C 馆中央，鹿明展示了一个正在进行料箱搬运的机器人。我们盘点了一下动作，包括识别、双臂抓取、搬运、放置，循环往复。整个过程，长程和抗干扰做得不错。

雷峰网现场了解了一下，这背后，是鹿明推的重载轮臂式具身智能机器人 MOS2，现场展示的，已经是第二代了。搬运场景，本体是一部分，更关键的，是不断的进化能力，这里有个细节，在展台侧屏上，机器人的感知数据与任务执行过程同步呈现，直观展示具身智能机器人如何从“能动”走向“能干”。

其实，这种能力能从机器人身上看到，MOS2 上有激光雷达、腕部/头部相机、力传感器），把机器人在真实作业中产生的环境感知、任务理解与操作数据将实时回流至鹿明自研的具身大脑 NexCore。NexCore 以此为基础构建学习闭环，通过自动训练和优化形成新技能，再反馈部署至 MOS2。

比起展示这台机器人会干活，鹿明秀的是这台机器人越干越强。后者是具身智能真正区别于传统工业机械臂的地方，不靠工程师写死动作，靠干活本身长本事。

极佳视界 & 穹彻智能：一个补数据，一个补抓取

再往下游挖一层，是给这些模型“补弹药、补武器”的公司。

极佳视界抓的是“高质量真实数据不足”这个命门，用视频生成世界模型做合成数据（Simulation）。他们的 GigaWorld 系列，已经能把生成数据在 VLA 训练中的占比做到 90%，在新纹理、新视角、新物体位置三大泛化维度上带来近 300% 的性能提升。

听着像“卖铲子”，但这铲子卖得越真，整条赛道的地基就越稳。

穹彻智能则是强技术背景的基建派，把通用抓取/操作能力产品化成更容易调用的技能库和 API。

他们的 AnyGrasp 早在 2021 年就发布过，单一抓取任务成功率 99.8%，后来又扩展成 AnyFold、AnyShave、AnyOpen 这一整套 AnySkill 技能库，主打“未见过的物体也能尽量即插即用”。

抓取要是能真正基建化，对每一家做操作的公司都是减负，不用再在“怎么抓住一个没见过的东西”上反复造轮子。

04

卖水人、国家队与 C 端试探

具身这盘棋，不全是要亲自下场干活的选手。场馆里还站着三类人：给全行业“卖水”的、搭底座的国家队，以及拿 C 端情绪价值做试探的。

这三类人的存在，某种程度上比赛场上的那些机器人更能说明这个行业走到了哪一步。当有人开始认真卖铲子、认真定评测标准，说明掘金的人已经够多了。

蚂蚁灵波 × 奥比中光：软硬一体数据采集

硬件侧是奥比中光的 EGO RGB-D 深度相机阵列（以 Gemini 330 双目相机为核心的多形态方案，自研 MX6800 深度芯片）。

模型侧搭上蚂蚁灵波的 LingBot-Depth 2.0 空间感知模型，做成一整套“无本体也能落地”的数据采集平台，把获取空间数据的门槛往下压。

官方口径里，LingBot-Depth 2.0 基于 1.5 亿规模数据训练，16 项深度补全评测拿了 12 项第一。

但说实话，这类“第一”的含金量，在具身这行早被打过不少问号——评测第一和现场能用之间，还隔着 sim-to-real、工程化、规模化三道坎。

真正值得看的，是这个组合各自的算盘。

所谓“软硬一体”，本质上是各取所需：奥比中光作为相机厂，缺一个“智能”的卖点；蚂蚁灵波作为不做本体的“大脑厂”，缺一个落地的出口。绑在一起，相机有了故事，模型有了装机量。这更像渠道互补，而不是技术协同。

蚂蚁灵波这一步还藏着更长线的意图，先把“眼睛”铺进全行业，再顺势把“大脑”（它那套 LingBot-VLA）卖进去。卖水的人，惦记的从来不只是水本身。

至于这门生意，补“眼睛”、卖标准件，拼的是成本、交付和渠道，不是技术惊艳——上游像流形空间一类厂商还在继续卷扫描与三维感知，都往这条路上挤。对奥比中光这样的供应链老手，这是稳当的好买卖；但对整条赛道，它不负责解决任何“怎么抓、怎么用”的难题。工具卖得再好，最后还得有人真把活干出来。

国地共建：开源底座与评测，让大家别从零造轮子

国家地方共建人形机器人创新中心（国地共建）这次不亮本体、不秀 demo，干的都是“苦活”：开源模型底座、统一训练与评测平台。

像 OpenLoong 开源社区、灵龙机器人开源方案、通用小脑模型这些，都是直接往外甩的公共品，实实在在地帮别家省掉从零造轮子的成本。

这一层的意义，要放进当下的乱象里才看得清：具身大模型的榜单已经超过 20 个，各机构都宣称世界第一，评测含金量存疑。榜单一多，泛化就成了谁都能喊、却谁也没法证伪的一句口号。

所以国家队出来做底座、做评测，是在给泛化定标尺。有了尺子，行业才不至于各说各话、各刷各的榜。

说白了，开源和评测这种不直接赚钱、商业公司没动力干的活，恰恰得有一个不追求商业回报的玩家来补位，这正是国家队最合适的位置。这一步走稳了，整个行业才有共同的坐标系。

松延动力：用表情绕开恐怖谷，先赚情绪价值的钱

松延动力展台的重点之一，是高表现力的面部/表情交互（常被称作“灵巧脸”一类方向）。

他们的判断很聪明，不强行追求像真人，把表情做得更夸张，往二次元靠，反而有助于减弱恐怖谷效应，普通观众停驻率确实更高。

现场像小月、小辰这类仿生机器人，靠一套妆容就能切换不同人设，跟二次元、游戏 IP 联名的路子已经走起来了。

上下滑动查看图片

大家都在卷 B 端工业的时候，松延是为数不多敢碰 C 端的，而且不是空喊：京东 618 拿过人形机器人品类三项第一，B 轮融了 10 个亿，教育场景订单还占了过半。

这些数字至少证明，情绪价值，有人愿意真金白银地买单。

但该泼的冷水还是得泼，情绪价值能做成一门生意，和能做一门“稳定”的生意，是两码事。表情做得再生动，落到真实使用里，运控、可靠性、成本三关一关都躲不过。而且 C 端用户的耐心，往往比 B 端客户少多了。买回家三分钟的新鲜劲儿一过，靠什么留在这个家里，是小月、小辰们要努力的方向。

05

总结：各自找 PMF，闭环比口号重要

逛了一天 WRC，有一个感受是越来越强的：行业整体，确实在从“PPT+后空翻”转向“场景+模型+能否算账”。

专业观众在分拣台前认真蹲下来，盯的是稳不稳、卡不卡、节拍能不能维持住。

展会像是一张分层地图，各家都在找自己的位置：

• 原力灵机用 DM0.5 打泛化与效率；

• 星动纪元、自变量在物流分拣里，一个拼全栈和灵巧手，一个拼低成本和高节拍，用不同方式抢节奏；

• 章鱼动力用 WAM 把世界模型的推理过程摊开；

• 灵初智能把 Ego 示范映射压到约 10 秒量级；

• 蚂蚁灵波与奥比中光用 LingBot-Depth 2.0 + 相机阵列，补数据工具链；

• 银河通用和星海图，分别在家庭和办公长程场景上找切口。

路径不同，但共同目标只有一个：找到PMF，让能力在真实物理世界里跑通闭环。