走访100+机器人展台:拐点已至,具身智能进入千行百业|WAIC 2026 | 雷峰网
Quick Answer
At WAIC 2026, over 100 robotics exhibits showcased the shift from functional displays to real-world applications, with humanoid robots performing tasks in logistics, healthcare, and home environments.
Quick Take
Companies like Zhiyuan and Galaxy demonstrated advanced capabilities, achieving over 99% task success rates in complex scenarios, marking a significant turning point for embodied intelligence across industries.
Key Points
- Humanoid robots now perform continuous logistics tasks, achieving 24/7 operation without human intervention.
- Galaxy's S1 robot uses pure vision for centimeter-level precision in industrial tasks, showcasing advanced capabilities.
- Robots like Moz1 demonstrate improved adaptability in household tasks, handling disruptions effectively.
- Data collection and processing are crucial, with companies integrating tactile sensors for enhanced performance.
- The evolution of embodied intelligence is driven by hardware advancements and breakthroughs in software and data.
📖 Reader Mode
~5 min read
作者丨向欣 张贤
编辑丨高景辉
雷峰网报道:
7 月的上海,热浪与机器人的热度一同攀升。
7 月 17 日,2026 世界人工智能大会(WAIC)在上海开幕。前几届的大会还在争论「人形机器人到底有什么用」,今年这个问题的答案已被密集摆上展台。翻跟头、打拳这类表演少了,取而代之的是真实产线、药房、酒店、家庭场景里的应用展示。
漫步展会,你会看到人形机器人在仓储产线上 24 小时搬运料箱,在药房面向 3000 个 SKU 完成识别抓取,在客厅里把可乐放进冰箱、把脏碗送进洗碗机;四足机器人驮着 300 公斤轮胎稳步行进……。
工业产线、家庭客厅、商超零售、公共服务,具身智能正在进入千行百业。几乎所有公司都在讲「落地」,大脑在进化,泛化与长程任务成为标配;数据在积累并升级为基建,全栈成为共识。具身智能的拐点,似乎已经到来。

01
应用展示取代功能表演
本届 WAIC 最显著的变化是展台叙事的转变:大部分公司都在搭建实景应用场景,单一功能展示已经很少见,一家公司同时展示工业、家庭、商业等多个场景里的应用成了常态。
观察各展台,落地任务已清晰分化为几类,不同公司围绕同类任务同台竞技。
工业场景是落地的「第一块试金石」——任务价值高、需求明确。现场工业任务大致分为四类。
▎一是仓储物流搬运,比拼的是连续性与无人化时长。
智元精灵 G2 Max 与京东物流合作的仓储场景,是人形机器人首次在真实仓储生产场景部署,可 24 小时不间断搬运码垛,无需人工轮岗夜班。

银河通用展示了真实的工业作业链:先拆垛,再搬运,最后码放至目标位置。拆垛环节,箱体被随意堆叠在垛位上,位置随机、角度任意,没有任何精定位工装辅助。在银河星脑驱动下,S1 仅凭纯视觉系统完成厘米级精准定位,自主识别、自主抓取,将箱体逐一拆下。

乐聚 1:1 复刻工厂产线,多台量产级人形机器人覆盖纸箱拆垛、塑料箱拆垛、小件上料,全流程无人干预,已获一汽、中兴、长虹等 10 余行业客户认购。

星动纪元完整展出了面向物流产业的全栈式具身智能解决方案,能够实现不同类型/尺寸的快递包裹的分拣。据了解,目前该方案已携手顺丰、中国邮政两大物流企业,在全国十余个物流中心实现常态运营。
▎二是产线精密装配,比拼的是精度与长流程连贯性。
它石智航的 A1 机器人展示的是柔性线束装配任务,能完成亚毫米级孔位插接,联合创始人丁文超称失误率已低于人工。
跨维智能现场展示了手机精密装盒任务,可自主完成取盒、放机、对位、合盖全流程毫米级装配。

X-Era(拓元智慧)则展示了自主完成纸箱成型、物品归置、气囊填充与胶带封装的全流程打包操作,展现了具身智能模型对柔性操作、多物体交互与长程任务规划的综合理解。
▎三是重载与巡检特种任务。
银河通用、傅利叶、节卡机器人都推出了重载机器人。傅利叶发布的首款高负载轮式双臂机器人GRW拥有16公斤稳定负载能力。
开普勒「麒麟」四足机器人自重 300 公斤、载重近 1 吨,适用于应急救援、山地作业。

这类任务避开通用场景的红海,靠差异化找生存空间。重载和巡检对智能化要求不算最高,但对本体可靠性极为苛刻,是硬件厂商的护城河。
值得注意的是,多机协同能力成为不少厂商的标准展示项。智元、擎朗、优艾智合、苏度等均有多台机器人统一调度作业的演示。
优艾智合摆出一条微缩产线,五台「隙锋」人形机器人与一台移动机器人协同完成线边仓物料拣选配送,联合创始人赵万秋介绍,隙锋通过最低 50 条数据训练即可达 90% 成功率,「今天进厂培训、第二天就是熟练工」。
苏度科技则展示四台机器人协作完成电池模组装配,可以实现箱体上料、电芯插放、电芯扫码、产品下线等电池模组生产全流程,通用场景抓取成功率达 98%。

从单机到集群,说明行业已开始思考系统级效率,而单机能力的成熟正是多机协同得以落地的前提。
家庭场景方面,机器人最难应付的是不确定性,房间会变乱、物品会被移动、每个家庭需求不同,能否长期稳定工作比一次演示更重要。现场家庭任务可归为三类。
▎一类是衣物全流程处理。
未来不远的 F2「家庭管家」忙着洗衣、叠衣,据称已进入 500 多个付费家庭,累计服务超 5 万小时。
诺因智能的 Knowin-X1 折叠双臂机器人完成「识别散落衣物—拾取—放入内筒—操作面板启动」的完整闭环,折叠后高度仅 40cm,适配不同家居空间。

▎一类是长程收纳整理,核心考验是抗干扰能力。
千寻的 Moz1 听到「整理客厅」的指令后,先是环视周围环境,然后开始自主规划和执行任务:移动到桌子前,抓取桌子上的可乐,然后移动身躯到冰箱门口,打开冰箱门、把可乐放进去、关上冰箱门;紧接着,Moz1 并没有停顿,径直走向餐桌,将脏碗夹起、并送到了洗碗机中。

银河通用机器人也展示了连续完成烤面包、倒饮料、取出面包并装盘;即使工作人员临时挪动杯子或餐盘,它也会重新寻找目标。

这种「被打断后能接续」的能力,是今年具身厂商的共性进步。抗干扰能力是家庭场景的分水岭,家里没有标准化工位,机器人必须具备处理意外情况的能力。
▎一类是陪伴交互。
这类任务技术门槛相对低,但情感价值高,是机器人叩开 C 端大门的柔软切入点,用户愿不愿意把机器人留在客厅,有时往往取决于互动体验而非任务完成度。
傅利叶展出了可爱的“猫猫头”机器人GR Nano,聚焦个人陪伴场景,眼睛和头会随着手动,抚摸会星星眼;以及面向展厅导览、商业零售、养老陪伴、文旅及演艺等高频交互场景的GR Mini。

商业场景百花齐放,现场任务同样可分三类。
▎一是零售与药房拣选类,SKU 覆盖广度与轻量化部署是关键。
穹彻智能在零售药房场景中,机器人面向超过 3000 个 SKU 完成识别、抓取与操作,仅需约 2.5 平方米即可部署,已在沈阳等地连锁药房完成验证。

银河通用、零次方都展出了机器人零售店,灵御智能的 TeleAvatar 在商超完成抓取递送补货。
浩海星空的「机器人零售星空舱」,顾客在平板上下单,机器人自主移动到货架、识别商品、精准抓取,递送到顾客手中,全程无人干预。
▎二是餐饮制作类,重点考察多设备操作。
智平方的爱宝智魔方除了咖啡、冰淇淋等成熟能力之外,机器人首次新增鸡尾酒制作演示。观众现场下单,机器人自主识别订单、精准取杯、自动调配酒液、完成制作,整个流程一气呵成,不少观众纷纷驻足拍摄体验。
跨维智能 W1 Pro 化身咖啡师,操作多台设备制作咖啡,涉及抓、放、观察并点击咖啡机屏幕互动、抓贴纸、贴贴纸等多种灵巧手操作,都到达了毫米级精度。
擎朗智能与挪瓦咖啡联合呈现「机器人咖啡馆」,人形机器人 XMAN-R1 自主完成取杯、咖啡萃取等步骤。

▎三是服务接待与展示类,比拼的是自主性与个性化表现力。
擎朗展台中央一群小人形机器人上演安塞腰鼓群舞。
北京人形天工 3.0 穿非遗服饰巡游并与路人互动、赠送礼品。数字华夏则带来仿生 AI 歌姬跨界献唱。

智元将广州地铁真实应用场景搬到现场,精灵 G2 可自主完成安检引导、咨询服务等常态化工作。

外观上,今年很多厂商都推出了更亲和或仿人的人形机器人,有的是织物包裹、有的是圆润外观。

数字华夏仿生机器人
逐际动力 Luna 腰部织物包裹、千寻 Moz2 奶杏色配粉色围脖。

机器人多了几分温暖伙伴的气质,少了冰冷机械的距离感,折射出对 C 端市场的重视。
还有一些有趣的形态。宇树科技的 GD01 载人变形机甲则引来大批观众合影,不少人觉得像钢铁侠。逐际动力展出了人马机器人,TRON2 能像拼乐高一样变双足、双轮足、双臂形态。

应用展示的爆发并非偶然,背后有两大驱动力。
一是硬件本体的持续迭代:智元远征 A3 Ultra 增加具身处理器、激光雷达和高自由度灵巧手,逐际动力 TRON2 双足可背负 30kg 负载上下楼梯。
二是软件与数据的双重突破:机器人「大脑」(具身模型)的进化,以及数据质与量的飞跃,共同撑起了应用落地的广度与深度。
现场一个明显变化是泛化能力和长程任务执行能力显著加强。
国地中心三台灵龙机器人分工合作,协同作业,依靠云端调度、3D 视觉、力控技术与具身大模型,全自主协作完成喇叭零件的转运、装配、质检、打包全流程无人生产。
均普智能的整条芯片加工产线则展示机器人连续完成芯片上料、成品装盒、整箱转运的超长流程,全程无需人工分段干预。
灵初智能的多台具身智能机器人协同任务,可自主完成光模块插拔检测、良品判别、包装装箱全流程作业。
此外,任务执行成功率也更高。魔法原子叠盒封胶成功率超 90%,机科未来多 SKU 抓取成功率 99% 以上,苏度工业场景成功率达 99.5%,优艾智合 50 条数据即可达 90% 成功率。
这些数字的背后,是不同技术路线的「大脑」同台竞技。

02
大脑进化:四条技术路线同台竞技
今年具身大模型大致分化出四条路线,背后是各家公司对机器人如何理解物理世界的不同回答。
VLA 模型是当前主流路线之一,将视觉感知、语言理解和动作执行打通。本届的进展集中在三点:分层架构、抗干扰恢复、跨构型泛化。
智平方的 NeuroVLA 首次将「皮层—小脑—脊髓」协同机制引入机器人控制:皮层负责语义理解和任务规划,小脑负责高频运动协调与动态修正,脊髓负责毫秒级运动执行,遇到异常能自主恢复任务,无需等待人工干预。
蚂蚁灵波与乐聚合作的物流方案基于 LingBot-VLA2.0,约 300 条数据 1-2 天微调即可将成功率提升至 80% 以上。
魔法原子 Magic-VLA K02 采用双系统协同架构,在叠盒封胶中受干扰后能重新识别状态并继续。
优艾智合 FabriX 采用中央层、边缘层、终端层三层分布式架构,试图突破泛化、可靠性、效率的「不可能三角」。
未来不远 Self-Evolving WAM 则强调根据家庭环境不断自进化。
世界模型路线让机器人能在「脑中」预演物理世界运行规律。
它石 AWE 3.5 驱动线束插接会根据线束状态实时调整,不再死板地沿固定点位重复。
Roboscience 的通用具身大模型 Visics 实现一套模型支持多款不同构型灵巧手,现场可「30 秒换手即用」,实现零样本泛化适配,无需针对特定硬件重新训练或微调。
极佳视界首次设展,带来 GigaWorld-1 世界生成模型,让世界模型具备「检验行动」的能力,迈过了单纯「理解世界」的阶段。
跨维智能依托自研 DexWorldModel 驱动商超扫码:面对商品姿态混乱的真实工况,无需单品编程即可自主适配。
穹彻智能则走独特路线,采用世界模型架构但预训练和后训练均不使用遥操作数据,依托全国 47 个城市十万小时级家庭场景数据完成预训练,验证了完全依靠野外无本体采集数据的可行路径。
世界模型+VLA 融合路线兼顾预演与执行,让机器人能「边感知、边决策、边调整」。
千寻智能 Spirit v1.6 采用 VLA 与世界模型深度融合架构,搭载该模型的 Moz1 遭遇干扰后能重新规划。
擎朗自研融合世界模型的 VLA(视觉-语言-行动模型)架构,针对咖啡师、零售拣选、洗衣等具体岗位,训练了岗位级垂域模型,赋予机器人多模态环境感知与精细力控能力。

擎朗洗衣场景
智元则双线布局:VLA 模型 GO-2 创新性提出动作思维链与异步双系统,打通规划与执行;世界模型 GE-2 登顶 World Arena 冠军,实现「世界学习」层面的升级,超越单纯的「世界模拟」,两者协同为迭代提供闭环环境。
▎VTLA 路线为机器人补上触觉拼图。
许多精细操作,例如透明盖是否夹到位、柔性物料是否滑移,仅靠视觉无法判断。千觉机器人的 VTLA 模型驱动双臂完成叠纸盒任务,完全依托实时「触觉+视觉」反馈,模型没有停留在记忆动作模板的层面,它具备对接触状态的统一建模和实时纠偏能力。

戴盟机器人通过「原生触觉物理世界模型」完成水果装盒、笔袋收纳等任务,拉拉链时袋身变形导致阻力改变,机器人需实时调整施力。
一目科技则展示了触觉传感器、UMI 数据生产、Tactile Transformer Encoder 的全链路,定位为 Physical AI 的「缺失层」。

一目科技展示纸杯堆叠任务

03
数据基建:好数据比多数据更重要
数据重要性越来越强,已经不只是模型公司的事,本体、灵巧手乃至触觉传感器公司都在做数据采集设备,多以 UMI +Ego 为主,且不少公司不止卖硬件,还有数据处理环节。

现场数据采集硬件多数为可穿戴形式,其中关键在于数据的多模态同步与佩戴便利性,明显的变化是,多数都加上了触觉传感器。
千觉的数据采集夹爪 XTac UMI G1 集成触觉传感器、IMU 与编码器,实现动作、视觉、触觉多维度数据同步采集,能精准记录压力分布、滑移趋势等微观信息。
他山的 TS-ECHO 触觉指套不到 100 克,不改变手部重心,避免行为偏差影响数据质量,测力分辨率达 0.01N,完整捕捉趋近、接触、施压、滑移、脱离的全过程。

穹彻的 RoboPocket 走「无本体」路线,通过可穿戴末端执行器与移动端 App 结合,配套 DM3 平台单日可管理近万条数据,每月沉淀超万小时真实数据资产。
此外还有外骨骼类。开普勒首发了外骨骼数采闭环。
机器人完整认知物理世界的最后一块关键拼图,触觉在芯片层面也迎来突破,其中他山展出了全球首款动态触觉感知芯片绿宝石 E10A,时间分辨率突破至 2.9 微秒,把触觉感知延伸到机械臂、躯干乃至足底。
真实数据之外,仿真数据正在成为另一条越来越重要的供给线,多家都推出了仿真引擎。
跨维智能发布自主研发的实时多物理场仿真 DexVerse,其仿真数据已应用于超 1500 个工业项目。
RoboScience 以自研 RoboMirage 多模态物理仿真引擎为核心,以每周数十万小时的增速持续扩展。诺因的生成式数据引擎 KnowinDream 基于 3D 生成模型将训练场景扩展数个数量级,成本趋近于零。苏度则完全在仿真数据下训练出能抓取任意物体的机器人。
纵观本届 WAIC,数据采集硬件呈现四个迭代方向:触觉感知由单点走向全域多模态;采集方式摆脱本体依赖,可穿戴方案多了起来;商业模式上,只卖硬件的少了,采集+管理+处理闭环成为主流;数据来源上,真人采集之外,仿真生成越来越重要。

04
全栈之战:每家都有闭环梦
全栈仍是主流叙事,多家厂商都是模型、硬件、数据采集、数据处理闭环一起做。本届展台的几条主线值得归纳。
全栈闭环成为标配。智元在基座模型、整机、核心零部件上全覆盖,五款新品同时发布,并搭建开放生态。
乐聚发布全栈国产化方案,联合辉羲、蚂蚁灵波、面壁智能补齐「最后一块拼图」,展厅场景 1-2 天即可部署。
跨维智能打通数据集、仿真、模型、本体,千觉横跨触觉传感器、VTLA 模型、数采设备。
戴盟贯穿「感知—数据—模型」全链路,魔法原子把大模型、人形/轮式/四足多形态、多场景部署串成一线,均构建自身闭环。

「一脑多形/多态」理念流行。普渡提出「一脑多形」,优艾智合提出「一脑多态」,让一个大脑指挥多种形态机器人,在统一任务目标下自动拆解分工。优艾智合更提出「3 年赋能 10000 个工业现场」的目标。
灵巧手成为全栈生态的一环。临界点 OmniHand 与智元合作、灵心巧手用机械臂自装配、因时机器人写福字、曦诺未来软笔绘画、灵巧智能覆盖电力巡检与工厂上下料。灵巧手厂商也把自家产品嵌入整条解决方案,单卖硬件的少了。

曦诺未来软笔绘画
本体侧有矩阵超智、松延动力、青心意创、中科慧灵、PND Botics、动易科技、浩海星空、超维动力、灵初智能、优理奇、极智嘉、零次方、天链、节卡、睿尔曼、鹿明、云深处、五八智能、智身科技;模型侧有晨昏线、灵境智源、中科第五纪;感知领域有纬钛机器人、途见科技、速腾聚创;灵巧手领域有傲意科技、大寰机器人、中科硅纪等参与展示。整个生态的广度与密度前所未有。

05
写在最后
逛完 WAIC 2026,一个强烈感受是:行业关心的话题变了,通用场景的「能不能做」答案已摆上展台,剩下的悬念在于「在哪用、用得好不好」。
挑战依然存在:工业经济性、家庭稳定性、商业规模化都需要时间验证,不同大脑路线孰优孰劣尚无定论。
但至少在今年的展台上,见得最多的是产线上运转的机器人、家庭里付费使用的机器人、商店里制作咖啡的机器人,不再是概念、PPT、功能样机。
具身智能进入千行百业——这句话,今年终于有了实打实的注脚。
雷峰网原创文章,未经授权禁止转载。详情见转载须知。
— Originally published at leiphone.com
Want this in your inbox every morning?
Daily brief at your local 8am — bilingual EN/中文, free.
More from WebSearch (Tavily)
See more →全球AI芯片峰会,9月上海见!
The 2026 Global AI Chip Summit will take place in Shanghai on September 22-23, focusing on the evolving AI chip landscape, including the shift from training to inference, the rise of diverse chip technologies, and the restructuring of industry competition. Notable speakers include experts from leading universities and companies, discussing advancements in AI chip architecture and applications.