🤖 具身智能 · WRC 2026

具身智能的非共识时刻:WRC 2026 现场,四场路线之争正在撕裂行业共识

八月的北京亦庄,超6万平方米展馆内,300余家企业同台竞技。从"秀动作"到"真干活",2026年世界机器人大会上的一个清晰信号是:具身智能已行至商业化前夜。但关于终局构想、技术底座与场景优先级,四场核心路线之争正悄然撕裂行业共识。

综合公开信息整理 2026-08-22 全文约 5 分钟读完
#具身智能 #WRC 2026 #机器人 #路线之争 #商业化前夜
4 场 核心路线之争:场景 / 数据 / 能力 / 形态
6万+ 展馆面积,规模空前
300+ 产业链上下游企业参展

⚡ 30 秒速览

  • 路线分化:工业/B端场景 vs 家庭场景——前者看重ROI与稳定性,后者追求泛化能力与数据回流。
  • 数据之争:真实数据派(星海图、墨奇)主张"物理世界无捷径";仿真泛化派(银河通用)坚信Sim2Real才是规模化钥匙。
  • 能力评判:长程任务展示综合可靠性,但工业一线更关注24小时不停机、单台成本可控的硬核稳定性。
  • 形态迷思:全人形终局 vs 场景驱动去人形化——轮式底盘、四足、异构协同正在撕下"非双足不可"的标签。
  • 核心判断:具身智能的商业化,不是技术竞赛,而是安全、数据质量与ROI的三角平衡。

01路线分化 工业与家庭,两条泾渭分明的路

展会上最直观的对峙,始于一道选择题:机器人该先去哪里干活?

一方坚定锚定工业、B端及新零售等规则可控场景。来自深圳的乐聚机器人在展台上重点展示了面向汽车制造的垂直作业能力——进车间"拧螺丝"、搬运零部件,动作干脆利落。越疆科技、瑞为技术、智平方等亦齐齐锁定车间与物流仓。这些企业的逻辑是:B端客户看重的无非是ROI与稳定性,在规则相对闭环的环境中打磨产品,是商业化的必经之路。

🏭 工业 / B端派

规则可控,ROI可算,安全围栏明确。代表:乐聚、越疆、瑞为、智平方。

🏠 家庭 / 场景派

非结构化、交互高频,数据价值最高。代表:墨奇智能。

与之相对的,是以墨奇智能为代表的企业,直奔家庭或类家庭场景(酒店、商务公寓)。墨奇联合创始人兼CTO黄青虬直言:终局的具身智能需要一套通用基础模型,而模型的泛化能力,恰恰依赖高复杂度场景回流的数据。唯有家庭这种极度非结构化、交互高频的环境,才能训练出足够强健的大脑,日后降维切入工业,反而游刃有余。

但机器人进家的节奏,业内同样分歧明显。

银河通用创始人王鹤指出,具身行业正在为家庭场景做技术储备,但"绝对安全"是一条无法妥协的硬红线。"家中老人、小孩、宠物交错互动,任何一次物理碰撞或算法失控都难以承受。"星海图创始人高继扬则从另一维度回应:具身智能不是纯软件的互联网生意,而是软硬结合的产业形态,其真正的市场在于生产力——工厂、仓库等真实作业环境,其规模是情绪价值或表演型市场的千倍万倍。

注:两条路线并非互斥,但资源分配和战略优先级的分歧,直接影响产品定义、融资节奏与团队组建方向。

02数据之争 真实物理世界 vs 仿真泛化,成本与效率的博弈

场景关乎"卖给谁",而数据训练的非共识,直指"大模型如何进化"。通用模型成熟往往需要超1000万小时的训练数据,但数据从哪来、怎么用,技术路线的撕裂尤为尖锐。

📡 真实数据派:星海图 × 墨奇 物理世界无捷径

  • 星海图联合北京亦庄共建"亦数智能",推进100万小时超高质量真实数据计划,构筑物理数据基础设施。创始人高继扬:数据成本"相对可控,是一个可以被解决的工程问题"。
  • 墨奇智能提出"三个真实"标准——真实的人,在真实的环境,干真实的活,反对摆拍式录制,依靠保洁等真实角色的日常轨迹,辅以AutoLabel与数据挖掘系统做筛选提纯。
  • 几乎全部采用真实数据,无需面对虚实迁移的校准难题。
核心观点:唯有真实世界的复杂度,才能喂养出足够强健的具身大脑;仿真数据存在"虚实鸿沟",迁移成本被低估。

🖥️ 仿真泛化派:银河通用 Sim2Real 是规模化钥匙

  • 银河通用团队研发的"通用小脑",基于10万小时人类全身运动数据,以高精度动捕与视频提取为起点,叠加仿真器与强化学习。
  • 赋予机器人模仿并跟踪人类动作的能力,王鹤认为10万小时足以完成运动控制与泛化能力的初步验证。
  • 仅靠遥操作或实机采集,效率低下且成本高昂,虚拟仿真才是规模化扩展的真正钥匙
核心观点:物理数据采集效率太低,行业必须走通Sim2Real路线;仿真环境中可以低成本、大规模地生成训练数据。
1000万+h通用模型成熟所需训练数据
100万h星海图真实数据计划
10万h银河通用人类运动数据
30单个长程任务的连续动作数

注:数据量级差异背后是路线选择的分水岭——真实数据派认为"质量比数量更重要",仿真派则认为"规模本身带来质变"。

03能力评判 长程任务 vs 工业稳定性,标准尚未统一

展会上另一处争议焦点,是如何评判机器人现场展现的"长程任务"能力。墨奇在WRC现场演示了MORPHI KINO轮式机器人连续完成清理茶几、收纳托盘、移步冰箱核查库存并补货的完整流程。黄青虬认为,长程任务是机器人从孤立"原子动作"迈向综合能力组合的关键一跃——如果机器人要完成一个长程任务,它可能是连续30个动作的集合,哪怕每个模块做到99%,失败率也极高。

但来自工业一线的玩家,对此态度审慎。

必须区分"同指令多线程作业的长程任务"与"工业现场长时间连续工作"的本质差异,避免展台上过度演示。大家需要的是一台能直接卖给工厂批量干活的量产机器人。
—— 张大鹏,乐聚机器人助理副总裁
工业派
长程任务的难点在于系统连贯可靠性。能顺畅跑通,恰是硬件、算法与软件可靠性质变的有力证明。
—— 黄青虬,墨奇智能联合创始人兼CTO
长程派

工业场景目前不需要长程任务的华丽堆砌,需要的是24小时不停机、单台成本控制在三四十万元、现场展示与交付毫无二致的硬核稳定性。两种能力评判标准,折射出完全不同的商业化节奏。

注:同一套机器人系统,在展台上跑通长程任务和在工厂里连续工作一个月,是两种完全不同的工程挑战。评判标准的分歧,本质上是"技术演示"与"产品交付"之间的鸿沟。

04形态迷思 终局全人形 vs 场景驱动去人形化

"具身智能的终局,必须是双足人形吗?"这或许是本届WRC上最具张力的硬件之问

🦾 双足人形 🛞 轮式底盘+夹爪 🦾 轮式双臂人形 🐕 四足 🔄 异构协同 🤖 专用自动化+人形+人工

黄青虬代表了"全人形终局派"。他认为,物理世界是为人类量身打造的,全人形能最大程度适配现有环境,无需改造长周期的社会基建。但现阶段必须进行"形态裁剪":为避开双足稳定性与五指灵巧手的控制难题,短期内采用轮式底盘+夹爪是兼顾实用与数据复用的务实选择。"只要是在人形基础上裁剪,采集的数据便可复用;但若搞'三头六臂'的异形,人类示范数据将无法迁移。"

智平方副总裁莫磊则指出,不同场景的最优形态有差异,具身智能不应与双足人形直接画等号。在高端制造领域(汽车、面板等),轮式双臂人形在稳定性、能耗上相对双足人形更有优势。此外,星源智展台展示了人形与四足的"异构协同",瑞为技术采取"80%专用自动化机器人+10%柔性人形+10%人工兜底"策略,均在试图撕下"非双足不可"的标签。

一个诚实的注脚:

所有形态选择背后,都隐藏着一个更根本的问题——数据复用性。如果今天采集的数据明天无法迁移到下一代硬件上,那么每一轮硬件迭代都意味着数据资产归零。这是比"选什么形态"更底层的战略命题。

注:形态选择的本质不是"哪个更好",而是"哪个能让数据资产持续积累"。硬件可以迭代,但数据资产的连续性才是长期竞争力的护城河。

编辑核心判断

具身智能的商业化,不是一场技术竞赛,而是一场关于安全、数据质量与ROI的三角平衡。谁能在工业场景中证明单位经济模型为正,同时保持数据资产的持续积累,谁就能穿越周期。高声量者未必走得远,在微妙平衡中找到支点的那个人,才是最后的赢家。

具身智能行业从早期的集体技术炫技,到2026年WRC上涌现的种种非共识,恰好是技术迈入真实商业世界后必然经历的过程状态。当这些非共识在夏末激烈碰撞,一个扎实的追问浮出水面:谁能够穿越周期?

答案不在展台上,而在车间、仓库和家庭中——那些真正产生数据、验证ROI的地方。