开幕当天，宇树科技登陆科创板，市值一度冲破 4000 亿。但今年 WRC 展台前围着的，不再是看机器人跳舞的观众——叠衣服、分拣药品、搬货、点焊，表演少了，干活多了。具身智能正从技术验证（POC）走向产品验证（PMF）。
选择扎入场景的企业逻辑很朴素：先找到愿意付钱的场景，让场景反过来定义产品。新松机器人啃下的是一块硬骨头——汽车焊装。
新松还把人形机器人做成了一个家族——轮式「松羿」、双足「松行」、四足「松睿」，形态不同，底层是一套自研控制系统。出身中科院沈阳自动化所，控制器、伺服电机、驱动器、一体化关节模组全部自研，二十多年攒下几千家工业客户。
清研精准选了另一条路：矿山与动力电池产线。粉尘、高危、强工艺约束——越苦越窄的地方，客户付钱越痛快，容错要求也越诚实。机器人在这里没有表演价值，每一次抓取都直接换算成成本和安全。
具身智能的硬件叙事在退潮，对大脑的争夺愈发火热。但怎么长出那颗通用的大脑，场内分成了两个阵营，用几乎相反的方式解同一道题。
从 Physical AGI 核心问题出发：用真实机器人交互数据，让智能在真实世界持续 Scaling。语言让 AI 理解人类，动作让 AI 进入世界。
反对数据堆砌，把物理规律和触觉感知压缩到产品中。抓握稳定性直接用一条物理判据——不滑动即稳定，不需要训练。
注：清工开物 CEO 龚佳乐认为，冗余数据、丢失维度的数据都不重要，高质量、全维度、经过解析的数据才是核心。公司 2026 年 6 月才正式注册，技术路线已跑 10 年。
一个赌数据规模，一个赌物理公理——这种针锋相对本身，就是行业快速演进的证据。新技术诞生一定会经历从技术发散到技术收敛，成熟的行业不吵路线，只抢份额。
有了更大的模型、更通用的算法，也有了越来越多真实场景。下个追问变成：什么样的数据值得训练？怎样快速验证模型？怎么把一次成功变成可复制的能力？
光轮智能给出的答案是构建物理 AI 的持续学习基础设施。联合创始人杨海波对规模的体感最直接：去年客户数据需求普遍还在几百、几千小时；今年已经来到十几万、几十万甚至上百万小时，增长百倍、千倍。
注：光轮智能是全球首个具身数据独角兽，本次 WRC 发布 RoboFinals 中试基地仿真评测平台，并开源全球首个 10 万小时级全模态人类行为数据集 EgoSuite-Open100K。
杨海波反复讲一个被低估的环节——评测。真机测试一次要租场地、买设备、人工评测，周期数周到月级。换成仿真，迭代周期从月级缩到小时级，验证成本降九成，还能万卡并行。没有评测能力，就无法定义什么是高质量数据，更没法溯源模型的真正问题。
仿真跑在国产芯片上，国产模型在国产芯片上训练——单点突进风险太高，必须有组织地协同创新。这听起来像口号，但在当下的供应链语境里，是一个很现实的赌注。
另一边，地瓜机器人搭建了机器人母生态，覆盖 5 到 500 TOPS 的边缘计算平台，生态伙伴已形成量产梯队：
地瓜的生意逻辑：机器人公司越多、卖得越好，它越赚钱。淘金热里，它是站在所有玩家身后的卖水人。
具身智能的重心已从"能不能做"转向"能不能卖"。场景、大脑、数据三条线并行推进，但真正决定胜负的，不是单项技术的巅峰，而是系统工程与产业生态的协同能力。PMF 不是终点，而是一场长跑的发令枪。
宇树科技已登陆科创板，新松机器人成建制方案已在吉利多基地跑通，光轮智能仿真平台与数据集已开源开放。具身智能的产品验证时代，正在每一个工位上悄悄推进。
更多现场细节与完整案例，可查阅 WRC 2026 官方公开报道。