12小时前 机器人占领WAIC后，我们看到了一点未来

WAIC 的机器人含量，正在一年比一年更高。

从2024年的“十八金刚”，到2025年的“百机大战”，再到今年超过300台真机同场亮相，具身智能已经从展会中的一个板块，成长为WAIC最受关注的核心赛道。

无论是展馆里密集的人流，还是「人形机器人场景应用联盟」直播探展时不断刷屏的互动，都能感受到这股热度。

不过，如果只是统计来了多少机器人、发布了多少新品，未免有些可惜。真正值得关注的，并不只是展台上的机器人数量，而是它们共同透露出的产业信号。

今年的WAIC上，我们看到机器人开始有了更明确的职业、更真实的应用场景，也开始回答同一个问题：如何真正创造价值。

所以，这篇文章不准备再做一份“机器人图鉴”，而是想聊聊，在这场机器人“占领”WAIC的背后，我们究竟看见了一点怎样的未来。

01.

未来，机器人开始拥有"职业"

过去几年的机器人展会，观众最容易记住的往往是翻跟头、跑步、跳舞和握手。运动能力直观、热闹，也最容易在社交平台传播。

今年WAIC上，这些演示依旧存在，但越来越多机器人开始拥有一份具体的“工作”。

在工业制造与物流领域，极智嘉、优艾智合、里工、赛那德、艾利特等企业，将机器人放进搬运、上下料、分拣、装卸和柔性制造等场景。展台上的重点逐渐从单个动作，转向机器人如何与产线、仓库、设备和工作人员配合。

图：优艾智合

巡检与特种作业同样形成了清晰分支。亿嘉和、五八智能、云深处、智身科技等企业瞄准电力、能源、消防以及复杂环境作业。这些场景对机器人的要求更加现实：能否适应恶劣环境，能否持续运行，出现异常后能否恢复，维护成本是否可控。

图：亿嘉和

另一边，擎朗智能、普渡机器人继续深耕餐饮、酒店、清洁、配送和现制饮品等商业服务场景。这些产品未必最具未来感，却已经在真实商业环境中完成了较长时间的验证。

图：擎朗智能

与此同时，家庭服务和仿生交互也成为新的探索方向。未来不远、矩阵超智等新锐企业尝试将机器人能力延伸至家庭环境。

图：未来不远

数字华夏、云幕智造、首形科技等企业展示的仿生交互机器人，则代表了另一条路径。机器人开始进入讲解、接待、陪伴和内容交互等岗位，外观、表情、语言和情绪反馈逐渐成为产品能力的一部分。

图：数字华夏

机器人开始拥有“职业”，是这届WAIC释放出的重要信号。

一个通用机器人能够完成多少种任务，依然是行业追逐的长期目标。但在现阶段，机器人首先需要证明自己能够在一个岗位上稳定工作。它需要理解任务、完成动作、适应环境，还要满足成本、安全和效率要求。

这也意味着，衡量机器人的标准正在发生变化。

自由度、速度、负载和算力依然重要，但工作时长、任务成功率、故障恢复、部署周期和投资回报开始获得更多关注。机器人从“展示一种能力”走向“承担一个岗位”，背后是行业从技术视角向客户视角的移动。

未来的机器人可能无所不能，但它们进入现实世界的第一步，大概率是先做好一份具体的工作。

02.

未来，竞争从单机走向“生态”

如果说场景决定机器人去哪里工作，生态则决定机器人能否持续进化。

今年WAIC上，头部企业展出的内容已经很难用“一类机器人”概括。一家机器人企业往往同时拥有全尺寸人形、轮式机器人、科研平台、工业机器人或其他形态的产品。

产品之外，模型和数据的重要性快速上升。再往外一层，开发者平台、开放接口、群体控制和云端管理逐渐成为竞争的一部分。

智元是其中最典型的代表之一。本届WAIC上，智元集中展示远征A3 Ultra、灵犀X2 EDU、精灵G2 Max等新品，分别覆盖全尺寸人形、科研教育和工业重载等方向。同时亮相的还有灵巧手、具身模型、开发平台和群控系统。

图：智元

开普勒的全新K3大黄蜂、K3W轮式人形机器人和麒麟四足机器人组成了多形态产品矩阵，覆盖工业制造、仓储物流和复杂户外作业。展台上的外骨骼数据采集系统，又将真实作业、数据采集和模型训练连接起来。

图：开普勒

乐聚则围绕KUAVO 5和KUAVO 5-W双足、轮臂两种形态，搭建了一片实景工业作业区。在本体之外，乐聚还将工业、商服、科研和训练场方案纳入同一套体系，逐渐从销售整机转向提供可开发、可训练和可交付的机器人平台。

银河通用的展台，则将“模型加本体加场景”的路径展示得更加直观。通用机器人Galbot G1 完成制作早餐、零售值守和灵巧手操作，重载机器人Galbot S1则聚焦拆垛、搬运、码放等工业任务，支撑这些能力的是其自研具身大模型及开发平台。

类似的生态化趋势，也出现在更多企业身上。

魔法原子以人形机器人和四足机器人拓展多形态产品线；星动纪元将本体、灵巧手、VLA模型和物流方案组合起来；傅利叶从GR-3延伸至GRW、GR Mini和GR Nano，覆盖家庭交互、辅助作业与个人陪伴；

图：魔法原子

智平方同时展示AlphaBot 2、NeuroVLA类脑大模型和AlphaBrain开放平台；国地共建人形机器人创新中心则围绕青龙机器人、开源社区、仿真平台和公共服务体系，承担更强的行业基础设施角色……

图：智平方

这些展台共同指向一个变化：机器人企业的边界正在迅速向外扩展。

一款本体可以打开市场，却很难独立支撑长期竞争。机器人还需要稳定的核心部件，需要模型理解环境和规划任务，需要数据完成训练迭代，需要开发工具降低场景适配门槛，也需要云端管理、群体调度和售后运维支撑规模部署。

从这个角度看，机器人正在经历一次从“产品竞争”到“系统竞争”的升级。

展台中央依然是一台台具体的机器人，真正决定它们能否持续进化的，已经是本体、模型、数据、工具和场景共同构成的闭环。谁能更早让这套闭环运转起来，谁才更有可能在下一阶段建立真正的生态壁垒。

03.

未来，机器人拥有不同的“身体”

今年WAIC上，一个颇为直观的变化是，机器人正在摆脱对单一形态的追逐。

双足、轮式、轮足和四足机器人同时出现在展馆里。它们看起来都属于具身智能，却在移动效率、环境适应能力、负载、续航和成本之间做出了不同选择。

在工业制造、仓储物流和商业服务等场景中，轮式方案明显增多。WAIC参展的机器人整机企业中，至少有80%都在产品矩阵中加入了轮式人形或轮式双臂机器人。

图：极智嘉

这种集体选择背后有着相当务实的考虑。工厂、仓库和商场大多拥有平整地面，机器人的主要任务是在固定工位之间移动，并完成抓取、搬运、装配和交互。在这些环境中，轮式底盘可以提供更稳定的移动能力，也更容易兼顾续航、速度和负载。

从这个角度看，轮式人形正在成为现阶段工业和商业场景中的一种“效率解”。它保留了人形上半身对人类工具和工位的适配能力，同时用成熟的轮式底盘降低运动控制难度。

双足机器人则更多出现在科研教育、开发者生态、赛事和技术验证场景中。

宇树科技是这一趋势中最具代表性的企业之一。在WAIC现场，宇树机器人不仅出现在自己的展台上。在模型公司、开发平台、高校机构和生态合作伙伴的展区里，同样经常能够看到G1等产品的身影。

图：宇树科技

加速进化在WAIC展示了面向开发者和教育市场的Booster T2，强调开放开发能力；松延动力带来Bumi、N2等小型双足机器人，通过编程、互动和多机协同降低人形机器人的使用门槛；逐际动力的双足平台则进一步强调强化学习、运动控制和多形态开发。

图：松延动力

这些产品未必需要立即承担高强度生产任务。它们更重要的价值，是为高校、研究机构和开发者提供一具可以反复试验的身体。算法可以在上面训练，模型可以在不同任务中验证，新的关节、灵巧手和传感器也能快速接入。

相比轮式和双足，四足机器人拥有更明确的场景边界。

云深处围绕绝影和山猫系列构建了从教育科研到工业巡检的四足及轮足产品线；智身科技则展示了钢镚L2、防爆四足机器人SP1等产品，直接瞄准化工、能源等高风险环境。

除此之外，开普勒、大咖机器人、智元机器人等企业都在现场展示可骑乘的大型四足机器人。

轮式、双足和四足之间，并不存在简单的替代关系。轮式方案更适合平整空间中的连续作业，双足机器人承担通用技术平台和复杂环境适配的长期想象，四足机器人则已经在巡检、应急和户外场景中找到相对清晰的位置。

这届WAIC释放出的信号是，行业正在减少对“机器人必须长得像人”的执念。

未来的机器人世界，大概率会长期保持多形态并存。真正先进的身体，未必拥有最完整的人类外形。能够以最低成本稳定完成任务的形态，才可能最早穿过展台，进入真实世界。

04.

未来，模型开始争夺机器人的“大脑”

当本体逐渐成熟，模型开始站到舞台中央。

今年WAIC上，围绕机器人“大脑”的技术争论进一步升温。其中最受关注的两条路线，是VLA与世界模型。

VLA依然是今年WAIC上最常见的具身模型路线。视觉负责观察环境，语言负责理解任务，动作模块则直接生成机器人控制指令。

世界模型关注的则是另一层能力。机器人在采取行动之前，需要理解物体之间的关系，并预测动作可能带来的结果。

在今年WAIC上，极佳视界进一步展示了从世界生成模型GigaWorld，到具身大脑GigaBrain和世界动作模型GigaWorld-Policy的产品体系，尝试将世界理解进一步转化为机器人行动。

图：极佳视界

它石智航的AWE 3.5则引入世界模型驱动的后训练机制，并通过真实生产数据持续反哺模型，推动机器人从完成单一动作走向复杂工业任务。

随着两条路线不断演进，VLA与世界模型之间的“路线之争”也越来越激烈。不过，从WAIC上的讨论和产品趋势来看，越来越多企业开始认为，二者更可能走向融合。

VLA可以负责理解指令和生成动作，世界模型则负责预测动作后果、辅助规划和纠错。当机器人面对复杂任务时，既需要知道下一步应该做什么，也需要提前判断这样做可能带来什么结果。

在WAIC上，蚂蚁灵波集中展示了LingBot-VLA、视频动作世界模型LingBot-VA、世界模型LingBot-World，以及LingBot-Map、LingBot-Depth等空间感知模型，分别承担动作生成、环境预测、空间建图和深度感知等任务。不同模型共同构成一套“全栈大脑”，并与不同的机器人本体适配。

图：蚂蚁灵波

千寻智能的Spirit v1.6便采用了VLA与世界模型融合的架构，将环境感知、任务理解、动作规划和状态预判连接起来；灵初智能的机器人采用双模型框架：Psi-R2策略模型负责任务规划与执行，Psi-W0世界模型处理物理规律与数据转换。

图：千寻智能

路线可以不同，最终都绕不开同一个基础问题：数据。

真实机器人数据采集成本高、周期长，还涉及设备损耗、场景复位和安全风险。与语言模型可以从互联网获得海量文本不同，机器人需要动作、力觉、视觉和环境状态高度对齐的物理交互数据。

因此，今年WAIC上，数据逐渐成为具身智能企业少有的共识。VLA与世界模型最终走向何处，目前仍没有确定答案。但行业的方向已经越来越清晰：机器人需要理解任务，需要预测世界，也需要在真实反馈中不断学习。

围绕数据从哪里来，企业已经形成多种解法。苏度科技尝试通过仿真训练降低对真机数据的依赖；跨维智能依托EmbodiChain工具链生成合成数据，并完成从仿真训练到真实机器人部署的迁移；诺因智能的KnowinDream数据引擎利用视觉生成模型，从少量真实样本中生成不同场景、光照和物体状态下的操作数据。

图：苏度科技

零次方机器人则从真实商业场景切入，让机器人在门店和服务场景中持续运行，将真实交互、任务执行和异常情况重新用于模型与本体优化。

真机数据更加接近物理世界，仿真和生成数据更容易扩大规模。未来，机器人模型训练很可能依赖多种数据来源共同构成的数据飞轮。

VLA与世界模型最终走向何处，目前仍没有确定答案。但行业的方向已经越来越清晰：机器人需要理解任务，需要预测世界，也需要在真实反馈中不断学习。

机器人的“大脑之争”，最终可能不会产生一条单独胜出的路线，而是一场关于模型、数据和物理世界理解能力的长期竞争。

05.

未来，真正的主角未必只有机器人

整机是WAIC最醒目的主角，却并非机器人产业的全部。

在一台机器人内部，灵巧手、触觉传感器、机械臂、关节模组、控制器、底盘、算力平台和操作系统共同决定了它的能力边界。任何一个环节存在短板，都会影响最终表现。

灵心巧手、大寰机器人、曦诺未来、月泉仿生、戴盟机器人等企业聚焦灵巧手、触觉和末端执行器。

图：曦诺未来

手是人类与物理世界交互最重要的工具之一，也是机器人最难复制的能力之一。行走让机器人到达工作位置，手决定它能否真正完成工作。

过去，灵巧手常以自由度和仿生外形吸引关注。随着产业走向落地，评价标准开始转向抓取力、控制精度、触觉反馈、耐用性、重量、成本和一致性。一只能够完成精细动作的手，还需要经得起长时间重复使用，并能够规模化生产。

天机智能、睿尔曼等企业聚焦仿人机械臂。机械臂既要提供足够大的工作空间，也要兼顾负载、轻量化、安全性和控制精度。对于工业和服务机器人而言，机械臂往往是连接本体与任务的核心环节。

图：天机智能

步科、钛虎机器人等关节模组企业，则站在更底层的位置。机器人的速度、负载、能耗和运动稳定性，都与关节性能密切相关。关节看似只是一个部件，却直接影响整机价格、续航和可靠性。

图：步科

迦智科技等企业提供移动底盘与控制能力，灵境智源聚焦大模型及算力平台，具识智能探索机器人操作系统。芯明携面向具身智能与物理 AI 场景的系列 3D 视觉 AI 模组首次公开亮相。它们共同构成了机器人运行所需的基础设施。

图：迦智科技

这些展台也说明，具身智能产业正在形成更加细致的专业分工。

早期企业往往倾向于全栈自研，因为市场缺少成熟供应商，标准也尚未形成。随着产业链扩张，越来越多专业公司开始在细分环节建立能力。整机厂可以在关节、灵巧手、底盘、传感器和软件平台之间进行组合，缩短产品开发周期。

产业分工加深之后，标准化将成为下一道难题。

不同企业的硬件接口、通信协议、控制框架和数据格式仍然存在差异。零部件能否即插即用，模型能否快速适配不同本体，软件能否跨平台运行，将影响整个产业的协作效率。

从这个角度看，机器人行业的成熟标志，可能并不是出现一家包办所有环节的超级公司。更现实的图景，是整机企业、模型公司、零部件厂商和场景客户共同形成一个高度协作的产业网络。

展台中央的机器人吸引了最多镜头，真正推动它走进现实世界的力量，却分散在产业链的每一个角落。

写在最后：

回头来看，这届 WAIC 最值得记住的，也许并不是展馆里出现了多少台机器人，而是整个行业的风向正在发生改变。

场景开始细分，机器人逐渐拥有职业；竞争边界从单机扩展到模型、数据和开发平台；本体形态走向多元，身体开始服务于任务；模型进入真实环境，接受泛化能力与任务成功率的考验；灵巧手、关节和操作系统等细分环节，则共同构成一条逐渐完整的产业链。

当然，WAIC展台上的未来仍然带着明显的试验色彩。一些动作依旧缓慢，一些演示需要精心布置，部分机器人距离真正稳定工作还有距离。热闹的展馆也容易放大技术进展，让人暂时忽略成本、可靠性和商业回报。

或许，这正是我们在WAIC看见的那一点未来。未来并没有以电影里的方式突然降临，它正藏在一台台机器人走进工厂、仓库、实验室和更多真实场景的过程中。当机器人开始创造价值，未来便不再只是一个概念，而是一场已经发生的产业变革。