“能干活” 不等于“能干好活” WRC折射具身智能变局：竞赛跳出硬件 闭环决定落地成色

来源：市场资讯

（来源：每日经济新闻）

每经记者：王郁彪 每经编辑：余婷婷

8月19日，“2026世界机器人大会”（WRC）开幕首日，约5万平方米的展馆被围得水泄不通。本次展会上，机器人不再翻跟头炫技，而是在做咖啡、搬箱子、引导讲解。各大展台上的动态演示变少了，工位上的真实操作变多了。

相较于展示机器人的运动灵活度，展商们更侧重展示其在具体场景下的实际作业效果。但不可否认，想要让机器人真正走进千家万户，承担叠衣、整理房间这类家务，仍道阻且长。机器人“能干活”与“能干好活”之间，还横亘着一道较高的现实门槛。

一边是展会现场落地导向的转变，另一边则是资本市场对具身智能的热情仍在持续高涨。IT桔子数据显示，2026年上半年，国内具身智能赛道融资总金额达935亿元，较2025年同期提升5倍。就在本届WRC正式揭幕的同一天，宇树科技登陆科创板，总市值一度飙升至4449亿元，成为A股“人形机器人第一股”。

资本热度之下，产业仍面临核心短板。京东零售具身智能业务负责人郑小丹在接受《每日经济新闻》记者现场采访时表示，区别于大语言模型，机器人的爆发不是某个可等待的“时刻”，而是需要主动构建的系统工程。在她看来，机器人真正形成规模化应用，需要模型、数据、场景和需求端形成闭环。而这个闭环，恰恰是当前具身智能产业最稀缺的东西。

京东砸百亿元补短板 让机器人“入职”比让它“上台”难得多

每经记者实地走访发现，今年WRC展馆里最明显的变化并非展区扩大、企业增多，而是评判标准变了。

“去年大家看到的机器人可能更多还是表演展示，或者用于科研探索。但从去年到今年，已经有大量面向实际应用的机器人场景出现。”郑小丹说。变化的背后是市场需求在倒逼。据她观察，今年很多用户的需求愈发具体务实，期待机器人真正落地生活化场景，例如做家务、辅助带娃等。“但像这种具有非常明确落地应用场景的机器人，目前在技术端其实还没有完全收敛。”

图片来源：每经记者 王郁彪 摄

技术路线收敛的难点在哪？核心瓶颈在于泛化能力。

“如果要进入家庭场景，机器人需要先识别家庭环境，并判断在这样的环境中能够完成哪些任务，这里面依然有很多技术问题需要解决。”郑小丹告诉每经记者。

值得一提的是，京东在具身智能领域的布局逻辑，也并非押注某一款产品的爆发，而是看到了一个更深层的问题。机器人要真正走进千行百业、千家万户，缺的不只是更好的本体和模型，更缺乏的是真实场景里的持续验证和数据反馈。

8月19日，京东在WRC期间释出新战略——截至2028年，京东将在机器人领域投入百亿元资源，助力100个品牌独立销售额破10亿元；计划两年内累计采集超1000万小时真实场景数据。服务层面，京东计划5年内建立覆盖全球超100个国家的售后服务体系，建设80个RoboBase机器人基地。

作为一家零售平台、供应链服务商，京东的角色也由此清晰——不做机器人的本体制造商，而是做机器人进入真实场景的“基础设施提供方”，推动机器人从实验室、展台走进仓库、门店与家庭。

产业爬坡的终点不是等待“GPT时刻” 而是一套能转动的系统

具身智能市场迎接变化之后，产业离真正的爆发还有多远？今年WRC上，关于“机器人的GPT时刻何时到来”的讨论几乎无处不在。资本在等一个节点，企业在等一个风口，但大多数人的判断依然审慎。

“我们当然非常期待机器人领域的‘GPT时刻’能够更早到来。但客观来看，机器人产业的发展一定不是一蹴而就的。”郑小丹认为，“机器人最终需要进入物理世界完成任务。它不是像大语言模型一样只完成信息交互，而是需要真正理解环境、进行判断，并通过执行完成具体任务。”

这个区别意味着，机器人的“GPT时刻”不会像大语言模型一样只靠模型能力的单点突破，而是一个层层递进的结构。郑小丹解释称，最底层一定是模型能力；其次是数据、算力等基础设施能力；再往上则是场景，场景是连接技术能力和实际需求的重要桥梁。

事实上，机器人产业的跃迁并不会依靠某个偶然到来的“爆发时刻”，而是有赖于整套系统工程的主动搭建。只有这套体系顺畅运转，机器人切实解决现实需求、催生用户付费意愿，机器人产业或许才能迎来真正意义上的规模化发展。

图片来源：每经记者 王郁彪 摄

每经记者注意到，去年机器人行业谈得更多的是“多少个自由度”“多高的负载”“多快的运动速度”等硬件的尺度。但今年的话题重心明显上移，大家都意识到硬件已经不再是核心瓶颈，真正的瓶颈在于机器人的“大脑”，它如何理解环境、如何在复杂场景中做出判断。

世界模型也由此成为热点，为机器人产业提供了一个新的技术路线。换言之，就是机器人要进入真实世界，不能只靠对特定任务的程序化控制，它需要对世界有一个连续的、可预测的认知模型。这套认知，正是具身智能从“实验室玩具”走向“生产力工具”的分水岭。

未来某一天，当机器人默默叠好衣服、收拾完房间，大家或许才会意识到，那个被讨论了无数遍的机器人的“GPT时刻”，可能从来不是某个瞬间，而是无数个真实场景里日复一日的积累。

技术、数据、场景和需求端形成闭环是一场马拉松。赛道已经铺好，发令枪声落下，接下来考验的，是谁能在真实的物理世界里跑完这趟漫长的赛程。