文 | 松果财经

跳舞？干活？格斗？运动？刚刚过去的2026年WAIC，具身智能首次独立成馆，参展企业从去年的80多家激增到200多家，真机超过300台且几乎全部动态运行，给外界带来了不少惊喜。

整个展会透露了当前行业的很多底层趋势，例如对场景化运行的追求，数据采集设备首次成为独立品类，专攻智能底座的企业登上台前。当一个行业从发明期进入工程化期，最重要的角色往往不再是最会做整机的公司，而是那些能把行业共性问题标准化、平台化、基础设施化的公司。

机器人行业正在经历的就是这么一场切换。它的规模还远没到爆发前夜，但分工的雏形已经出现了。而这条路的尽头，是为了让机器人走进物理世界，抓住物理AI的时代契机。

一、机器人的“身体”正在分化，“大脑”正在集中

今年WAIC上最直观的变化，是形态与需求的双向奔赴。

智元的精灵G2Max采用轮式底盘，专攻仓库搬运，定位是二十四小时不间断替代人力。

它石智航直接把一条复刻的汽车线束产线搬到现场，用“轮式底盘加双臂”的集群演示产线作业。加速进化把展台改成小型足球场，一批不到一米高的小机器人自己踢球、抢断，还会假动作，走的是科研竞技路线。松延动力的小布米身高不到一米，定价不足万元，是市面上第一款万元以内的量产人形机器人。

这种形态上的“去中心化”不是设计退步，而是行业开始认真回答“机器人到底要在哪里干什么”之后的自然结果。场景定义本体，而不是本体在找场景。

但当身体花样百出的时候，大脑的需求反而高度趋同了。今年WAIC上，腾讯发布Tairos具身智能开放平台和混元具身大模型，华为云CloudRobo正式公测，阿里、百度也都有相应的具身智能平台产品亮相。这几个科技巨头的动作高度一致——不造机器人本体，专攻智能底座。

华为CloudRobo的定位，是全球首个覆盖数据生产、模型开发、仿真评测、本体接入、部署运维全链路的具身智能开发平台。核心目标是把具身智能开发从手工作坊带进工业化时代。目前已经有优艾智合、华沿机器人等二十多家企业首批入驻。

腾讯则把Hy-Embodied系列模型开源，公布了大脑模型RxBrain的架构。

这种分工逻辑在科技产业史上并不新鲜。移动互联网时代，开发者不需要自研操作系统和芯片，基于Android或iOS就能快速开发应用。机器人行业走到今天，也遇到了类似的效率瓶颈——大多数具身智能企业需要从零搭建数据体系、训练专属模型、反复调试仿真、适配不同硬件本体。大量重复劳动消耗了核心研发资源，真正投入到场景创新上的精力被严重挤压。

一个横向对比可以说明这种分化有多剧烈。仙工智能的招股书数据显示，其控制器业务毛利率接近80%，软件业务更高，而机器人整机的毛利率不到40%，配件业务仅16%。产业链上最赚钱的环节，恰恰不是造身体的，而是做控制系统的。这解释了为什么科技巨头愿意把精力集中在“大脑”上。

目前，智能化赋能虽然还是起步，但已经有了汽车产业链上很多供应商的影子：不亲自造车，但把智能座舱、高阶智驾、电驱系统打包输出给车企，靠技术赋能拿到产业话语权。

二、数据采集已成为独立赛道，具身智能开始长出“中台”

尽管机器人的应用场景愈发多元，但在从样机走向产业化的道路上，行业面临的根本挑战逐渐聚焦在一个相对隐性的层面：数据。

大语言模型之所以能快速迭代，很大程度上得益于互联网积累了数十年的公开文本语料。但机器人操作数据不存在任何现成库存，必须从零开始积累——每一次真实抓取、每一次插拔动作，都需要物理世界中真实执行一次。由此产生的数据采集成本极高，一台机器人一天能产生的有效数据远低于语言模型的语料吞吐量。

更深层的矛盾在于，即使某些团队已经积累了可观的数据量，这些数据也往往困在自己的系统里无法互通。一台机械臂抓杯、一台人形机器人抓杯、一个人用手拿杯，任务完全相同，但数据层面可能传感器不同、坐标系不同、动作表达格式不同。

数据越多，不一定意味着整体能力增长越快——关键在于这些经验能不能被共同理解和复用。

在今年的WAIC上，数据采集首次成为一个独立品类，多家公司带着专门的数采设备和方案亮相。

觅蜂科技推出的MEgo系列主打“不绑机器人”，用一个手持式设备和穿戴套装就能由普通数据采集员完成操作记录，不需要机器人工程师参与。大晓机器人则同时发布了ACE数采设备和开悟世界模型KAIROS，形成“采集加训练”的打包方案。

三种思路——本体厂自采、出售数采工具、数采加模型打包——形成了初步的产业链分工。这标志着具身智能开始长出自己的“中台层”。

在任何复杂工业体系里，当无数参与者各自做重复性基础工作时，就必然会产生把共性问题集中解决的中间服务商。数据采集从机器人公司的内部分工变成独立赛道，本质上是行业分工进入第二阶段的信号。

第一阶段，大家各自全栈自研，什么都要自己干。第二阶段，底层能力被抽离出来标准化、规模化了——工具厂商专门做工具，平台厂商专门做调度，本体厂商把精力集中在场景适配和产品定义上。

所以接下来，谁先跑通标准化、低成本的数据供给，谁就占住了产业链上最难替代的位置。这有点像石油行业里的勘探数据服务商——它们不直接采油，但所有采油公司都依赖它们提供的地下构造数据。产业链上一个环节一旦从“内部职能”变成“外部专业服务”，往往意味着这个环节的技术复杂度已经高到需要独立专业化运营，而它所服务的下游产业正处于规模化扩张的前夜。

不过，目前距离数据供给侧的真正成熟还有相当长的路。数据格式尚未统一，采集标准各自为战，大量数据被采集后仍困在自己的系统里没有发挥出应有的价值。对于那些想要在前沿领域持续突破的团队而言，搭建一套可复用的数据基础设施，已经成为比发布一款新产品更值得长期投入的战略任务。

三、世界模型之争：共识尚未形成，但路径正在收敛

如果说数据采集解决的是“经验从哪里来”的问题，那世界模型解决的就是“经验怎么被理解”。这也是今年WAIC上行业争议最集中的地方。

过去两年，具身智能主要靠VLA模型——视觉语言动作模型——来驱动。VLA擅长看懂场景、理解指令，但对物理世界缺乏真正的认知。它在实验室里表现很好，一进真实环境就容易出问题，因为真实环境总有训练数据里没出现过的情况。于是各家开始探索新的方向，“世界模型”成为今年最高频的词汇之一。

简单理解，就是让机器人先在“脑内”模拟一下“这么做世界会变成什么样”，再决定动作，而不是死记硬背动作顺序。

但世界模型到底是什么，行业远未达成共识。腾讯科技主办的“腾讯WAIC之夜”公开的圆桌对话记录中，群核科技黄晓煌的判断是，纯视频模型可能是大厂的菜，小公司做不起，更看好传统物理仿真路线——世界是由重力、摩擦力等不可见规律驱动的，视觉只是表象。

生数科技骆怡航则认为，单一路线走不通，需要视频数据、物理强化数据、本体数据融合，最终要通向“感知、想象、决策一体”。

而银河通用张直政的提炼最为凝练——真正算得上世界模型的，必须具备三重能力：能建模动作对环境状态的改变，能利用状态建模促进策略学习，以及具备通用的评价能力判断动作结果的好坏。三者缺一不可。

几条路线各有各的压力。纯视频模型的问题是，像“抓杯子需要多大力度”这种信息是镜头拍不出来的，需要真正的物理交互数据来补充。物理仿真的问题在于，将真实世界的各种物理参数完整采集并精确建模本身就是个巨大的工程，规模化复制远不如视频路线便捷。融合路线看似兼顾各方优势，但路线越综合往往也意味着实现周期越长，对团队的工程化能力要求越高。

尽管分歧明显，但一个共识正在形成：VLA和世界模型不是二选一的替代关系，而是并行演进的互补关系。

VLA负责“看见和理解”，世界模型负责“想象和判断”。两种能力同步发展，各自解决不同层面的问题。这与智能手机时代触控交互和语音助手的关系有相似之处——两者并非替代关系，各自在不同的使用场景中占据优势，共同把交互体验做到远超此前的水平。

银河通用在现场发布的WAM-TTT模型给出了一个有意思的思路：机器人进入新场景后，不需要重新训练，只需看一批人类操作视频就能适应新环境干活，预训练参数完全冻结。

按照实验数据来推算，原本需要一百小时真机数据训练的任务，用了这种技术后可能只需约两个小时就能跑起来。这意味着“换场地”的成本可能惊人地下降，而这恰恰是机器人从工厂走向家庭的最大障碍——工厂环境可控且固定，家庭环境则因为装修布局、物品摆放方式、家庭成员行为习惯的差异而千变万化，每一户都几乎是全新的场景。

四、黄金时代还很远，但基础设施的雏形已经浮现

把WAIC上分散的信号串联起来，机器人和物理AI行业正在经历一个微妙但关键的切换点。

第一个切换，是产业链的分工正在从垂直一体化走向分层专业化。过去，做一款机器人几乎要求团队从硬件到算法到数据全栈自研。现在，有人专门做数据采集工具，有人专门做基础模型和开发平台，有人专门做灵巧手和关节模组。各层之间的接口虽然还没有标准化，但分工逻辑已经清晰可见。

这种分工在任何一个成熟产业中都扮演着效率催化剂的作用，整个行业的创新速度和成本曲线都会改善。

第二个切换，是竞争重心正在从“机器人的体力”——谁能走得更稳、跳得更高——转向“机器人的智力”——谁能理解更复杂的任务、适应更多变的环境。运动能力差距在缩小，会走、会跳、会打拳已经逐渐成为基本功，单靠运控很难拉开明显的竞争身位。

真正的胜负手越来越依赖于模型的数据驱动能力，以及把模型能力转化为可靠任务执行的全流程工程体系。

第三个切换，是行业对“通用机器人”的理解正在收缩，从“什么都能干的超级机器人”收缩为“在特定范围里实现通用能力的机器人”。在一个有限的空间里，比如一条产线、一个仓里，追求全面的通用性是可能的，且落地周期会比大多数人预想的短。

自动驾驶本质上也是这个逻辑——在驾驶这个有限场景里做到一定通用水平就可以商业化。机器人沿着类似路径走向产业化的可能性，正在被越来越多的行业参与者所验证。

所以，如果将视角提升到大部分硬件AI公司都想追求的物理AI，后者需要的不是又一个炫技的样机，而是一套能让更多团队站在前人肩膀上开发的底座系统。移动互联网诞生了数以百万计的App，不是因为百万个团队都会设计芯片和操作系统，而是因为芯片和操作系统已经被做成了可以即插即用的基础设施。

机器人行业还在这个进程的早期。自动驾驶产业中，Waymo摸索了超过十五年才走到今天，而它服务的还是一个相对封闭规整的行车场景。要在更复杂、更多样的真实物理环境里完成更精细的任务，仅凭目前搭建的这些工具链还有很长的路要走。

但基础设施的雏形一旦出现，它的演进往往比人们预期的更持续——因为每个接入基础设施的团队，都在为整个生态贡献可被复用的数据和场景经验，飞轮一旦转起来，加速度会超过线性预期。

天不生此机器人，物理AI如长夜。让这个行业真正走出长夜的，或许不是某一家公司做出的某款惊艳产品，而是那些散落在不同展台的底层努力——数据采集协议的一处微小改进，世界模型架构的一次试探性调整，开发平台上某一个标准化接口的落地。这些碎片单独看都不够性感，但组合在一起，就是照亮整条赛道的星星之火。