9小时前 我看到的WAIC2026：成熟、瓶颈、同质化

作者：Lessica     出品：高工人形机器人

密涅瓦的猫头鹰，总在黄昏时起飞。

当WAIC落幕一周，酷暑与喧嚣逐渐散去，或许正是重新回望这场展会的时刻。离开拥挤的展台、循环播放的演示视频和密集发布的新品，一些被现场热度遮蔽的变化，才开始显露出来。

连续两年走进WAIC，2026年的氛围与去年甚至前两年相比，形成了某种可以感知的断裂。

2024年，人形机器人在展台上大多以静态陈列为主，能够完成基本的行走演示，已是足够吸睛的亮点。2025年，动态能力被逐一解锁，机器人开始打鼓、拳击、跳舞，甚至完成后空翻，展台的逻辑是制造现场的惊叹。

而到了2026年的上海世博展览馆H3馆，这种惊叹感明显让位于另一种情绪，一种更接近产业现场求实的冷静。

今年的具身智能首次独立成馆，200余家具身智能产业链企业携300余台真机集中亮相。但数字本身并不构成我们观察的核心，真正值得记录的是，当机器人从技术验证阶段跨入“能否持续干活”的产业交付阶段时，展台风气、客户预期、技术优先级和产业链分工，都在发生变化。

“去表演化”以及正在成熟的买方市场

如果用一个词概括今年WAIC具身智能展区的整体氛围，那大概是“去表演化”。

往年占据C位的动态演示，如后空翻、机械舞、格斗对抗等，今年不再是流量的中心。取而代之的是，人形机器人在模拟产线上完成汽车线束的分拣与插接，在智慧药房中抓取药品并打包，在仓储环境里进行拆垛与搬运，在工业场景里执行精密零部件装配。四足机器人展示的也不仅限于跳跃能力，还包括在模拟户外环境中执行巡检任务等。

诺因智能联合创始人王韵杰也观察到了这种变化。他表示：“去年可能大家还在展示单个桌面级demo，今年就闭环到场景上了。”相比单项动作是否完成，今年企业更倾向于围绕具体应用流程组织演示。

这种转变的思维非常清晰，行业的检验标准正从单个动作完成度转向持续运行的可靠性。过去，一个后空翻可以定义一台机器人的技术高度，但现在，客户更关心的是这台机器人在真实产线上的连续运行情况、维护周期等。

在这种切换的背后，我们可以看到，买方市场在成熟。

早期的人形机器人采购方多为寻求技术验证的先锋客户，关注的是“能不能做”，但今年的潜在客户群体已经扩展到制造业、物流业、医疗健康等更具体的行业，他们的诉求是“能否稳定地、可预期地、有经济回报地做”。所以，当客户开始用工业设备的这种采购逻辑来审视机器人时，展台的演示逻辑必然随之调整。

卓益得机器人创始人李清都教授将商业化成立的标准概括得更加直接：ROI算得过来。机器人需要真正进入现场，帮助客户降低生产成本、提高生产效率，并最终跑赢投入产出比。依靠政府订单、示范项目、资本输血或估值提升，并不能证明产业已经跑通。

更值得注意的一个信号是，今年展台上开始出现中试线和量产线的展示。

比如，均普智能展出了全球首条多台机器人协同作业的BMS（新能源汽车电池管理系统）精密装配量产中试产线；它石智航展出了汽车线束工厂真实流水线的1:1复刻产线，通过机器人集群现场展示产线自主作业。智身科技更是现场公开了累计过万台的量产数据和单月数千台的产能曲线。

这些的数字，在今年的展台上反而成了最有说服力的名片，显然，产业竞争已经真正进入拼交付的阶段。

应用场景的分层

独立成馆不仅是空间上的扩容，更反映了产业链完整度的变化。但比产业链成熟更值得关注的是应用场景正在经历的分层。

工业场景的演示依然是今年展台的主流。3C电子、仓储物流、汽车零部件等标准化工业场景，成为人形机器人的核心落地方向。这些场景任务边界清晰、环境相对可控、投资回报可量化，是当前产业界押注的重点。

其次，商用服务和消费级场景的展示相比去年明显增多。商用服务方面，尤其是餐饮零售、酒店迎宾等场景，机器人几乎已经完成小范围落地，市场竞争似乎开始进入成本优化阶段。

但在面向养老、社区等强调高度复杂的人机交互这类商用场景上，行业表现出一定的克制。这些场景涉及安全、伦理、情感计算和长期可靠性等多重约束，短期内难以实现完整的产品闭环。

在消费级，多家企业今年展示了面向个人消费者的产品，有的主打家庭陪伴与科教体验，有的探索机器人管家的居家服务，还有的以可变形形态试图兼顾室内移动与户外场景。

王韵杰认为，今年消费级机器人开始获得更多关注，但即使都面向家庭，不同企业选择的目标用户、产品形态和任务边界仍存在明显差异。“在现阶段，家庭场景仍需要被划分成更具体的目标人群和任务。”

这种分化已经体现在产品定义上：有的更像“玩伴”，侧重情感交互和趣味体验；有的更像“管家”，聚焦取物、递送等具体家务；还有一部分产品同时兼顾陪伴与操作，希望在情绪价值和实用功能之间找到平衡。

诺因智能首代产品选择了更明确的切口，将收纳、洗衣和室内跑腿作为核心任务，并首先面向科技爱好者和极客用户。王韵杰表示，这类用户更愿意学习和适应新产品，也更能够接受早期产品的迭代过程，与企业共同验证功能边界和使用方式。

消费级机器人并非一条突然涌现的赛道，而是长期技术路线开始浮出水面的信号。但浮出水面不等于已经成熟。从现场观察来看，这些家庭具身智能产品大多处于早期探索阶段，各家选择的人群、形态和功能并不相同，尚未形成统一的产品路线。

对于第一代消费级人形机器人而言，更现实的路径或许是先服务那些愿意尝试和适应新技术的早期用户，将少数高频场景做到可用，再通过迭代逐步扩展能力边界，而非一上来就追求全能家务机器人的愿景。

产品同质化，以及同质化中的分化

如我们现场所见，从上游的触觉传感器、关节模组、减速器，到中上游的灵巧手、视觉系统、运动控制算法，再到中下游的本体集成，以及下游的行业解决方案，H3馆基本覆盖了具身智能的全产业链环节。

分工的细化程度较往年有了明显提升，有企业做高功率密度一体化关节模组，有企业专注四足或人形本体，有企业搭建跨本体通用的数据基础设施，还有企业深耕特定行业的落地场景。

但产业链逐渐成熟化的另一面，是产品层面的高度同质化。如果横向扫视今年展出的人形机器人，会发现它们在外观轮廓、关节布局、传感器配置甚至应用场景描述上都呈现出惊人的相似性。双臂、躯干加头部的构型成为当前主流。

李清都也认为，人形机器人技术还未到收敛的时候。机器人的手应该采用什么形态、仿生头如何设计、传感器如何布局、算法体系如何构建，仍然没有明确答案，目前仅有部分身体结构出现了表面上的趋同。

如李清都所说，这种趋同并不是技术路线收敛的结果。进一步细究，它是资本、政策和产业热度推动下的集中涌入所导致的。简单来说就是，当市场需要一个“人形机器人”的标的时，绝大部分企业选择了其中一种风险最低、认知度最高的产品形态。

然而，表面的同质化之下，分化也在发生。

一部分企业开始将竞争壁垒从单一技术参数下沉到真实场景的落地能力，数据基础设施的搭建水平以及规模化量产的交付实力。产能、良率、供应链管理和标准化交付能力，正在成为新的核心竞争力。

与此同时，另一部分企业则陷入了参数堆叠的陷阱，在自由度数量、行走速度等单一指标上持续加码，尚未找到清晰的商业化路径。

在这种“同质化中的分化”背后，我们认为，当前200余家企业同台竞技的盛况，大概率是产业整合前的短暂窗口期。在技术路线收敛、客户采购标准趋于明确后，同一细分赛道内难以容纳过多玩家。

具身智能产业链独立成馆的繁荣景象之下，行业洗牌的压力已经在累积。

另一个值得关注的维度是，今年软件层面和模型层面的进步，明显快于硬件层面的创新。世界模型和具身大模型成为展台上的高频词汇，多家企业展示了自研的通用具身大模型，强调跨本体、跨场景、跨任务的泛化能力。

从跨本体灵巧操作到基于世界模型的长时序任务规划，AI能力的跃升是本届展会最亮眼的一个变化。演示也从过去的单一桌面任务，转向了围绕完整应用流程构建的闭环，比如在智慧药房从接单到打包的全流程展示，这些都在表明行业开始围绕真实场景构建端到端的能力。

但与之形成对照的是，硬件层面的变化相对有限。比如关节模组、机械结构层面的重大创新并不多见，更多体现为可靠性的改善。

李清都的判断也如此：AI 软件层面的进步，给整个机器人行业带来了新的想象空间。在他看来，硬件层面的迭代还是体现在可靠性和成熟度上。

这种软硬层面的节奏差，意味着当前行业的进步主要驱动力来自大模型的和算法的高速迭代，而硬件正在进入一个成熟化和标准化的新阶段。

触觉、交互等隐性技术，从幕后走向台前

在WAIC的热闹表象之下，一些尚未被大众充分理解的隐性技术逐渐从幕后走向前台，它们很可能成为决定下一阶段产业竞争的胜负手。

首先是触觉。放到具身智能的背景下看，触觉不再是我们传统认知中的提供简单接触反馈的一个硬件，而是一个需要被模型理解和调用的连续数据流。

途见科技CEO赖建诚认为，很多机器人当前配置的所谓触觉，本质上仍然接近一个“On和Off”的开关：碰到了执行一个动作，没有碰到执行另一个动作。真正的触觉应当包含空间受力分布、力的变化趋势、方向以及更多接触维度。

当机器人开始处理汽车线束、药品分拣、柔性材料装配等精细操作任务时，对环境感知的要求发生了改变。简单的视觉识别和位置控制已经不足以应对复杂物体或柔性材料带来的挑战。

在机器人把触觉数据输入模型并据此调整动作时，传感器的稳定性、不同单元之间的均一性、全曲面的覆盖能力、长期使用的寿命等都至关重要。在今年WAIC现场，触觉传感器的展示明显增多，但这些展示大多仍停留在“能感知”的层面，距离“能被模型理解并据此调整动作”还有一段距离。

触觉从展示到用起来，中间依然隔着一道鸿沟。赖建诚对目前的困境有一句非常直接的概括：“一是没数据，二是没模型支撑。”

一方面，很多传感器无法稳定、精准地捕捉真实接触数据；另一方面，机器人模型还缺少理解和调用触觉数据的能力。即使装上传感器，模型也不知道这些数据意味着什么，更别说要根据接收到的数据去调整动作。

当下，行业对这类传感器的追求是，在合理精度范围内保证产品可以长期、稳定地输出可信数据。

赖建诚表示，客户最先关注的是触觉硬件是否足够稳定，其次是能否以三维、全曲面方式覆盖灵巧手，再次是不同传感单元之间的性能是否一致。相较之下，行业不仅需要每平方厘米上百个感知单元的精度，更需要传感器长期输出可信数据。

这也是为什么，触觉的真正价值可能要等到机器人进入生产环节后才会充分显现。赖建诚认为，演示任务可以通过视觉、工装和规则绕过触觉；机器人一旦要成为长期工作的生产力，复杂物体操作最终都需要触觉参与。

其次是仿生交互。今年WAIC上，高自由度仿生头的展示数量有限，且大多仍集中于表演、博物馆等高价值场景。

李清都指出，这是因为仿生人脸目前仍处于非常初期的阶段。高自由度仿生头内部包含十几个到几十个模组，机械复杂度、故障率和寿命压力随自由度增加而指数级上升。

其中，嘴部是当前最难解决的区域。人的嘴部依靠复杂肌肉实现连续、柔性的形变，而机器人通常采用电机和连杆进行驱动，只能完成张嘴、闭嘴等相对简单的动作。鼓腮、咬唇和复杂口型，目前仍缺少成熟的工程方案。

在当前的可靠性和成本约束下，它们在展厅、银行、营业厅等场景中具有更现实的落地优势。

但长期来看，仿生交互代表了一个不可回避的技术方向。

人类社会的交互方式高度依赖表情、眼神、肢体语言等表达，机器人如果要提供真正的陪伴和情绪价值，最终是需要具备接近人类的多模态表达能力。

就这点来看，交互数据的采集、标注和模型训练，将成为一个独立且复杂的赛道，而高质量交互数据的稀缺性，也将成为制约这一方向发展的关键瓶颈。

比触觉和交互更根本、却更少被讨论的，是安全问题。

当重达数十公斤的人形机器人具备自主运动和物理操作能力，并计划进入家庭、养老院和公共空间时，安全事故的后果远高于普通消费电子产品。

李清都对此的态度非常明确：“为人服务，安全性是一票否决的。”在他看来，安全应该是机器人走进家庭、走进公共空间的前提条件。

落地工业的人形机器人，通常在相对封闭和可控的环境中运作，可能问题还不明显。而面向家庭和公共空间的人形机器人，需要面对儿童、老人和不可预测的环境变化，传统电器标准和工业机器人标准很难完全覆盖。

如果一台机器人仍然需要安全员和操作员始终陪同，那么它的商业模式本质上并未成立。李清都认为，服务型人形机器人的商业落地仍处在很早的阶段，需要在感知、决策、执行等核心能力上持续突破。

安全性必须是规模化落地的前提条件。但我们在今年WAIC的展台上看到，安全相关的展示和讨论明显不足，这种整个行业集体性的“低估”，本身就是一个值得警惕的信号。

关于数据和它的瓶颈

贯穿上述所有技术维度的是一个共同的约束，数据。

当前具身智能领域存在的普遍认知落差是，AI和软件能力的进步速度，明显快于数据质量和场景理解能力的提升。模型可以越来越聪明，但如果输入的数据本身不稳定或缺乏场景覆盖，输出结果的可信度就会大打折扣。

今年WAIC上的一个变化是，专门从事数据采集、合成数据生成和世界模型研发的企业开始成规模地设立独立展台。我们可以看到，数据正在成为一个独立的产业环节，它不再是本体厂商的内部事务。

合成数据和仿真平台的展示明显增多，比如，在WAIC 2026上，RoboScience展示了自研高精度通用物理仿真平台RoboMirage，如何结合“仿真+视频”双数据飞轮，为通用具身大模型Visics提供海量低成本数据，以突破数据规模与成本的瓶颈。据介绍，基于RoboMirage，单条数据成本可降至传统方案十分之一，甚至更低。

显然，在真实数据采集成本高昂、且难以覆盖所有场景的背景下，仿真/合成数据正在成为突破数据瓶颈的重要路径。但它们与最优质的真实数据之间仍存在差距，企业能否有效生成、筛选和利用这些数据，会形成明显的能力差异。

行业竞争不只取决于各家拥有多少数据，还取决于各家能否把成本较低的数据用好。

另外，有行业人士指出，在交互数据领域，电影、电视剧、小说、短剧和现实交互中已经存在庞大的情绪与行为样本，行业难点不在于数据稀缺，而在于如何提取、标注和转化这些数据，使机器人真正能够理解和使用。

这类高质量数据的采集，需要与专业表演院校、演员合作，配合公司内部标注和真实客户场景的持续积累，形成一个分层递进的数据体系。

这种“数据焦虑”也让大家看到，当技术走向实际落地，竞争的焦点会从算法创新转向数据基础设施的搭建能力。

当WAIC灯光熄灭后

从2024年的静态陈列，到2025年的运动能力竞赛，再到2026年围绕真实场景、完整流程和连续作业展开的集中展示，WAIC记录的与其说是机器人能力的提升，不如说是中国具身智能行业的认知变迁。

行业开始更频繁地讨论ROI、成功率、数据质量和产品成本。触觉能否被模型调用，交互能否建立长期信任，如何高效收集数据，这些看起来缺少舞台效果的问题，正在决定一家公司能否从展台走向市场。

当然，不用讳言，具身智能离规模化落地依然有很长的距离。大量演示依旧发生在精心布置的环境中，模型能力依然没有达到可用的地步；技术路线仍在探索，安全标准和数据基础设施也需要补齐。机器人距离独立完成日常工作、长期运行和规模复制，还有一道道现实门槛；

但我们相信，没有一家真正投身其中的企业，会把终点停留在跳舞和表演上，所有人的梦想都是AGI。而2026年上半年释放出的信号已经足够明确：具身智能正在离开单纯依靠技术奇观建立信心的阶段，进入由客户、用户和真实环境共同检验的周期。

当展台的灯光熄灭后，我们会继续关注那些留在工厂、家庭和商业空间里的一台台机器人。它们能否在接下去的时间，把同一件普通的事反复做好，将决定这场热潮最终能沉淀出怎样的产业。

这也是WAIC之后，具身智能真正需要回答的问题。