WRC 2026 大复盘：具身智能告别「表演时代」，全面进入「算账时代」

来源：市场资讯

（来源：雷峰网）

“具身智能的进化，正通过商业 ROI、数采底座、形态收敛、触觉控制四个维度重构行业版图。”

观察丨董子博 齐铖湧 邓哲敏 高景辉 向欣

编辑丨岑峰

站在 2026 年 8 月北京世界机器人大会（WRC）的展馆中心，如果你闭上眼，听到的不再是两年前那种对“机器人像人一样跳舞”的惊呼，取而代之的，是从业者们在心里拨动算盘，计算 ROI（投资回报率）的声音。

具身智能正在经历一场从“秀肌肉”到“翻账本”的集体变轨。

回看这半年的轨迹，这种趋势演进得极具层次感：

而在 8 月的北京 WRC，所有话题似乎都围绕工程约束和商业底线展开。在这里，没人关心你的模型是否有哲学意义上的“意识”，大家只盯着三个指标：多少钱？多稳？跑一个月能省几个人的工资？

“以前我们聊的是什么时候 AGI，现在我们在聊这台机器人跑一个月能省多少人工。”一位深耕分拣赛道的创业者对雷峰网如是说。

如果说过去两年的具身智能是一场关于“暴力美学”的竞争：比谁的参数大，比谁的视频做得逼真；那么 2026 年，行业关注的，不再是一个比拼“学会动”的时代，而是一个比拼“学会干活”的纪元。

经过数日对具身大脑、灵巧手、四足机器人、数采等领域的深度复盘，我们发现：具身智能的下半场，已经悄然换轨。这场暴力进化，正通过商业 ROI、数采底座、形态收敛、触觉控制四个维度，重构整个行业的版图。

01

商业的归商业：

ROI 成了具身智能的“逻辑刹车”

在 WRC 2026 现场，专业观众最关注的，一定是分拣节拍最快的展台。物流分拣作为具身智能商业化最早被跑通、也最被反复打磨的场景，今年被各家厂商普遍重视，产业竞争也已经从“能不能做”进化到了“谁能赚到钱”的下半场。

泛化性，也在这一年正式从“学术加分项”变成了“省钱工具”。

原力灵机的逻辑极具代表性。他们的展台并没有像在 WAIC 上搭长城那样整大活，而是搭建了一套双臂物流包裹分拣系统，DM0.5 泛化大模型驱动下的双臂机器人正在分拣混杂的物流包裹。外行看的是速度（约 2 秒/件），但专业观众看的是“不换系统、不写死轨迹”。

在之前与原力灵机联合创始人范浩强的交流中，我们捕捉到了一个核心逻辑：泛化性 = 摊薄硬件成本。

过去，一台机器只能干分拣，如果任务变了，程序员得加班写死轨迹。而现在，同一个模型、同一套硬件，一个月内能同时撑起削黄瓜、切黄瓜、搭建积木长城、传送带分拣等 4 个场景。

这种“不换系统、不写死轨迹”的能力，意味着机器人的资产产值和使用效率得到了本质提升。在海外人力成本极高、ROI 容忍度更窄的市场，这种“多面手”能力就是利润：只有当模型具备“脑补”能力，看到没见过的包裹也能直接伸手，泛化性才能真正通过减少软件适配费用，把 ROI 拉回正值。

另一主打“适配能力”的是自变量，他们推出的 WALL-B 大模型直接取消了“视觉、语言、动作”的三方传话机制，将一切闭环在一个网络里。

在自变量的展示台前，我们看到了令人惊叹的一幕：机器人根本看不见纸箱底部的面单，却能通过箱体侧面的微小凸起，自主预判面单位置并原地翻面。这种“实时物理预判”正是泛化能力的体现。

为什么这届创业者如此死磕泛化？因为在真实的落地场景中，聪明的泛化能力本质上是在大幅削减人工干预与试错的“隐性成本”。而除了用泛化能力抠下隐性成本，实干派们在落地场景也在发力。

无论是追求极致的泛化，还是部署各种工厂场景，这种务实主义，正成为具身智能的“逻辑刹车”。它阻止了行业继续在无效的 Demo 竞赛中烧钱，转而逼迫创业者在泥泞的物理世界里，算清楚每一分钱的产出。

02

数据的归底座：

数采设备从角落搬到了 C 位

如果你问这届 WRC 哪类设备增长最快，答案不是机器人本体，而是数据采集设备。

一年前，数采方案大多藏在本体公司的展台角落。今年，从大厂到上游供应商，几乎都在展位正中心摆出了手套、头环和多目相机阵列。原因很简单：具身智能正集体撞向那堵名为“数据荒”的墙。

“卖铲子”的生意在 2026 年正式爆发。

奥比中光与蚂蚁灵波的“软硬一体”组合最具代表性。硬件侧是奥比自研的 MX6800 深度芯片及 3D 相机阵列，模型侧则是 LingBot-Depth 2.0。他们试图解决的工程痛点是：如何把获取 3D 空间数据的门槛降下去？只有让无本体数采（采集人类视频并映射到机器人）的成本跌破临界点，具身智能才会有属于自己的“GPT-3 时刻”。

在他山科技的展位上，这种对数据的重视被具象化为一场桌面收纳赛。观众戴上触觉感知指套，便能实时捕捉接触、受力、滑移这些信号，和第一视角的画面一一对齐。他山科技告诉我们：高质量交互数据的关键，在于触觉。 视觉会有欺骗性，但触觉能帮机器人理解物体的摩擦系数和刚性。

模型企业入局数采的核心逻辑则是服务模型训练。为解决外购数据适配度不足的痛点，自变量机器人、章鱼动力、厘清智能、德塔智能等企业自研全套采集硬件，硬件设计、数据格式、标注标准全部围绕模型训练需求，打造完整数据闭环。

另一些“生而为数据”的公司正在构筑行业的第二战场。比如光轮智能、恺望数据、ORIGINFLOW 等到场公司，他们拥有客户认知、场景积累、项目交付的先发优势，同时没有本体硬件的包袱和大模型的执念，从一开始就定位为数据基础设施提供商。

短期来看，几类数据玩家面向不同客户群体，差异化竞争格局仍将持续。长期来看，赛道融合与行业洗牌不可避免。想要产出低成本、高质量、多模态的训练数据，需要传感硬件、场景运营、数据治理、模型训练的全栈综合能力，单一玩家很难独立完成。

本届 WRC 标志着具身智能正式迈入数据与场景竞争的下半场。数采已经从后台配套升级为战略入口，谁能高效产出可落地的高质量数据，谁就拿到人形机器人从 Demo 走向大规模量产的核心钥匙。

03

形态的归场景：

四足已入场，人形在排队

在这届 WRC 上，人形机器人依然是“明星”，但四足机器人（机器狗）和轮式机器人才是真正的“打工人”。

一场关于“炫技”与“落地”的分化正在发生。

维他动力避开了 WAIC，在 WRC 憋出了大招：正式推出了双足人形终端 ATOM。但维他的核心逻辑依然极其冷静——“用消费级四足验证产品化能力，再向人形逐步迁移”。这种“农村包围城市”的路径，让他们的大头四足产品创下了近亿的订单记录。

真正让人感受到“落地爆发”的是云深处和智身科技。云深处 2025 年的行业应用收入已排全球第一。在展台现场，我们看到的不再是后空翻展示，而是绝影 X30 钻进瑞士高危核电站廊道执行巡检的实战记录。这种“去特技化”是四足机器人成熟的标志。它们正从展厅里的表演者，变成戈壁滩光伏巡检中的“耗材”。

智身科技则亮出了“量产先锋”的底牌：单月产能突破 5000 台，关节模组年产能超 100 万件。这种“暴力产能”直接对着具身智能的成本痛点下刀。其展示的铜锤 M1 机械臂在本体剧烈运动下依然保持末端稳定的 VLA 能力，证明了“大脑”和“小脑”的协同已经进入工业级。

璇玑动力则走了一条更具差异化的路：“针对场景定制上装”。他们不相信“一套通用本体加简单挂载打天下”，而是深耕电网、消防等垂直领域，让机器人跨楼层自主作业。其巡检效率提升 75% 的数据，比任何口号都更能打动电网巨头。

形态的位移折射出技术的务实。

四足机器人之所以先行一步，是因为其运控稳定性已经通过了物理世界的“海试”。而人形机器人的“天堑”——本体差异带来的数据迁移难题——正被维他动力的“具身基因组”等架构所挑战。

2026 年，WRC 的展台告诉我们：人形机器人还在打磨“走”的精度，而四足和轮式已经开始思考“干活”的效率。这种场景对形态的接纳速度，决定了谁能先拿到通往规模化量产的门票。

04

感知的归触觉：

灵巧手的“祛魅”与“增重”

走访了几乎所有灵巧手的展位后，我们的一个明显感受是：比起争论哪条路线更对，更重要的是根据场景倒推产品定义。行业正从“炫技”转向“权衡”，形成了三个清晰共识。

其一，高自由度驱动路线逐渐清晰，直驱、绳驱、混驱三条路线各有拥趸。灵心巧手Linker Hand O30、曦诺未来Prima 1、强脑Revo 3、星动纪元XHAND 1-PRO都走直驱，力反馈干净、便于模型训练，但体积、发热与出力互相牵制，胜负手在电机本身；灵巧智能DexHand021 Pro、章鱼动力OctoH-Hand选择绳驱，手指纤细、惯量小，代价是腱绳摩擦与形变对材料和算法要求更高；超维动力KAIHand、因时RH524J1则走混驱，兼顾两者所长。厂商普遍多路线并押，方案没有对错，只看场景适配。

其二，触觉从炫技配置变成了基础能力。压阻、电容、视触觉、磁霍尔四类传感器并行。章鱼动力整手布了1900个触觉点，强脑Revo 3全掌都有触觉，帕西尼的自研触觉传感器做到0.01N感知精度。触觉数据的一致性是核心难题，比技术路线更重要，数据差异过大，对模型等于噪声。

其三，商业化主力并非高自由度旗舰，而是六自由度连杆手与三指手。中科硅纪今年规划的3万台产能，主力正是这两类产品。道理不复杂：结构成熟、成本可控、可靠性高，其中三指的明显优势是负载强，对大多数工业场景来说，“够用”远比“参数漂亮”重要。

整体看，今年展区的灵巧手自由度上限冲到37个，触觉铺满全掌，动态演示取代静态陈列，但真正进产线的仍是低自由度方案，高自由度产品距规模化落地尚有距离，数据积累与模型打磨都急不得。

05

世界模型

正在变成具身智能的“物理编译器”

在 WRC 2026 结束之际，我们不仅盘点了这几天的产品，更在思考这些趋势背后的那个“看不见的导演”。

回顾 7 月悉尼 RSS 大会上黄文龙和徐丹飞等人的辩论，当时，学术界还在探讨“生成不等于规划”，争论世界模型是否需要全量像素生成。而到了北京的 WRC 现场，我们看到了这些讨论的落地。

世界模型正在从一个“玄学概念”，正式坍缩为具身智能的“物理编译器”。

为什么这么说？

在经典的计算机文明中，编译器的任务是把人类的语义意图翻译成机器能读懂的 0 和 1。而在WRC上，世界模型被反复提起，在不同赛道中承担了同样的角色，只是它翻译的媒介不再是二进制，而是物理规律。

当原力灵机让机器人削黄瓜时，世界模型在把“削皮”这个模糊概念，编译成“力反馈、柔性形变、连杆运动”的物理指令；

当智在无界把运行成本压到 150 元时，它是在试图开发一套更高效的“编译器后端”；

当章鱼动力把预测过程可视化时，它是在展示这个“编译器”如何实时修正物理逻辑的 Bug。

具身智能行业要的不是造出一台完美的、能够表演后空翻的机器，而是建立一套“自动采集、自动训练、自动进化”的编译器闭环。

在这个闭环中，人类只负责给出最高层的的指令，而世界模型这个“编译器”则负责在脑海里反复试错、校准，最终给身体下发那行绝对安全、绝对物理一致的代码。

2026 年，是机器人从“学会动”到“学会干活”的分水岭。我们见证了具身智能告别像素幻觉，扎根于账本现实。这场关于物理真理与商业逻辑的终极对齐，才刚刚跨过第一个里程碑。

在这个被数据采集、算力编排和场景闭环重塑的战场上，最后的钥匙不在于谁的口号响，而在于谁的模型能更精准地“编译”这个复杂的物理世界。

具身智能的“算账时代”，才刚刚开始。

编辑部特别放送：WRC 2026 深度资讯大本营

在过去的一周里，AI 科技评论的特派观察员们穿梭于 WRC 现场的各大展台与论坛，为您记录了这场行业变轨的每一个关键切面。

限于篇幅，本文仅能为您呈现宏观的复盘。如果您对本文提到的各企业对 ROI 账本、触觉数据方案、巡检实战的观点和看法等内容，或是各大顶尖学者的前沿演讲实录等更多独家细节感兴趣，我们已为您搭建了业内最全的 WRC 2026 资源库。

更多独家专访、硬核演讲实录与深度解读文章，请全面锁定雷峰网 WRC 2026 特别专区：

专区直达链接： http://wrc26.leiphone.com