骆驼优配门店 WRC观察：机器人扎堆“上岗”，是在表演干活还是能实干？
“2026年上半年，中国人形机器人出货量已超4万台，全球占比进一步提升至97%。”这是2026世界机器人大会（WRC）期间发布的一组报告数据，揭示了行业应用正从“小批量试用”加快迈向“大规模落地”。
当前，具身行业正处于一个关键拐点，外界普遍关心：机器人能不能干活？它真正走进家庭、到工厂上班还有多久？8月20日，宇树科技创始人王兴兴在公司上市次日亮相WRC。谈到具身智能ChatGPT时刻，他认为 “快则两到三年，慢则五到十年”，行业有望迎来关键突破。
这一预判是否成立，尚待实践检验。面对市场关切，机器人厂商正集体转向务实，是个明显的变化。南都记者在WRC大会上看到，参展企业不再单纯“炫技”，而把机器人工作实景“搬”到了展台。在快递仓、零售店、居家等场景下，机器人忙着分拣作业、导购服务、做三明治，似乎成了不知疲倦的“打工人”。
但在业内人士看来，机器人能在Demo中完成任务，只能说明能力上限；进入真实现场后能否稳定工作，才决定产业化的下限。
组团打工！机器人不只要上台，更要上岗8月19日至23日，2026世界机器人大会（WRC）在北京亦庄开幕。本届大会以“人机共生 产需共融”为主题，共吸引了300多家企业参展。在这场具身智能的“科技擂台赛”上，各路厂商纷纷亮出“看家本领”：今年的展品数量超2000件、新品首发超150款。
过去，机器人盛会的主要看点是“花式表演”，现在行业已不再满足于此，而转向实景作业。越来越多厂商把场景“搬”到展台，打造机器人沉浸式干活的“样本间”。
南都记者了解到，傅利叶以“机器人管家的一天”为主题打造了一个体验空间，展现机器人融入未来家庭生活的可能。基于自研的语义地图技术，多台GR-3机器人在模拟的居家场景中化身“智能管家助手”。机器人在接到指令后，可完成自主分工，执行从居家安防、物品取送，到生活陪伴、访客接待等一系列任务。
乐聚“夸父”机器人则以展会“主理人”的身份，组团来打工。据乐聚介绍，现场展示了机器人在商服导览、零售服务、纸箱拆垛、小件上料、多规格塑料箱拆垛等场景的工作情况；其中，小件上料工位上的夸父5W还以“计时+计件”的模式，发起全天候不停机的挑战。
智平台同样将爱宝“智魔方”智慧服务空间带到展台，让机器人现场制作饮品，自主识别顾客订单、精准取杯、操作设备等。“机器人不只上台，更要上岗。”据智平方介绍，目前爱宝智魔方已在全国十余个省市常态化运营，机器人能够自主完成咖啡、冰淇淋、抹茶、啤酒、鸡尾酒等多种饮品的制作服务。
在墨甲机器人展位，南都记者看到，现场有多个大屏实时呈现机器人工作画面——它们有的在城市街头指挥交通，有的在汽车4S店进行接待、讲解服务。
奇瑞汽车执行副总裁、墨甲机器人总经理张贵兵在接受南都等媒体采访时提到，一些声音质疑，中国的机器人还只会唱歌跳舞，但其实很多机器人已在真实场景“上岗”了。在他看来，未来随着应用的深入、数据的迭代和技术的进步，机器人将能承担更复杂和智能化的工作。
具身智能正处于规模化应用的关键拐点工信部的数据显示，2026年1—5月，我国机器人产业规模以上企业营业收入突破900亿元，同比增长26.9%。WRC期间，中国电子学会理事会党委书记、中国人形机器人与具身智能百人会理事长张峰发布的《2026年人形机器人产业发展报告》提到，2026年上半年，中国人形机器人出货量已超4万台，全球占比进一步提升至97%。
当前，具身智能行业应用正迈入“全面铺开”深水区，但在不同场景下，机器人的应用落地进展不一。全国政协常委、中国电子学会理事长徐晓兰表示，交通引导、景区导览、商场展演、教育等场景主要依靠机器人的自主定位、动态避障、知识问答等基础功能，已率先实现小规模应用。在商贸物流服务场景下，具身智能在分拣、末端配送等环节，也有应用落地。
而在工业制造、应急救援、民生康养等高价值领域，徐晓兰认为，机器人应用仍有待进一步挖掘——特别是在医院、家庭等服务场景落地尚需时日，现阶段“管家”机器人、“护工”机器人仍处于试点验证的阶段。
机器人规模化应用的核心卡点在哪？在宇树科技创始人王兴兴看来，“泛化能力不足”是目前全球机器人产业面临的最大瓶颈。宇树成功上市的第二天，这位90后新首富出现在WRC的一场论坛。
他在会上表示，过去几年间，宇树一直在推动机器人真正走进生产生活。自2024年起，宇树机器人已在汽车厂等场景进行测试和落地，但目前还只能做一些简单的工作，每次执行新任务也需重新训练——不仅成本高，而且效率低。
南都记者在宇树展台也注意到，在其搭建的厨房场景中，一台机器人正在做早餐，它先将两片吐司置于面包机加热，再放到盘中加入一片生菜，最后摆好盘推到桌前。开启下一轮操作前，需要有人将所有东西复位；中途遇到突发情况，机器人也会“卡壳”，需工作人员帮忙或进行重新调适。
为何会出现这种情况？王兴兴解释，当前机器人模型执行移动、装配物品、搬动物品等任务，整体上没有问题，但只要更换操作物品或稍微改变环境，成功率就会明显下降。这是因为AI模型的“输出精度”与物理世界的“执行误差”无法对齐。机器人的每次输入输出都会产生偏差和耗损，正是这种误差的积累导致机器人在最后毫秒的微调阶段，无法有效修正触觉误差，以至于任务执行失败。
在他看来，如果把一台机器人带到任意陌生的环境中，它通过语音指令能完成约80%的任务，才标志着产业接近爆发临界点了。王兴兴预判，具身智能ChatGPT时刻，“快则两到三年，慢则五到十年”。
机器人泛化能力不足，源于真实场景数据稀缺机器人在实验室的Demo展示异常精彩，但部署到真实场景则频频“翻车”，究其原因，机器人“泛化能力不足”，关键在真实场景数据的稀缺。不同于大模型拥有海量的互联网语料数据，物理世界的数据极度匮乏，需要深入不同的真实场景逐一采集。
在WRC的一场论坛上，有具身智能数据基建企业高管直言，当前具身智能行业的聚光灯都打在模型和算法上，但真正趴在一线的人才知道——“做数据，是个辛苦活”。“采集员需要一帧一帧地进行遥操、动捕、标注等操作，整个过程枯燥、重复且易出错；采集回来的数据还得清洗、对齐、质检……一堆脏活累活。”
光轮智能联合创始人兼总裁杨海波接受南都等媒体采访时表示，随着具身智能加速迈向产业化，高质量、多样性和大规模的数据需求大幅提升，但是具身智能的数据市场才刚开启，有效数据的缺口还很大，行业所需的具身数据远超千万小时级。
高质量的数据，决定机器人认知能力的上限。如何缓解行业“数据饥渴”？南都记者注意到，今年WRC展馆里，多家厂商将最新的数据采集设备放在了显眼位置。其中，傅利叶展出了其生态合作伙伴“一行凌光”的EGO（第一人称视角）数据采集头环Lume R1和配套数据平台，称能覆盖感知交互、边缘计算、通信连接、设备管理、数据治理与标注等环节。
帕西尼的全新一代五指数据采集手套PXCap Pro也在WRC亮相。据工作人员介绍，这款产品集成“触觉、视觉、关节”三大感知模态，可解决行业因采集员手型尺寸与操作习惯差异导致的数据失真、复用困难等痛点。
从实验室走向真实任务，机器人需要持续学习、迭代能力。今年WRC期间，有企业宣布启动数据共建计划，希望通过产业协同，降低高质量数据的获取门槛。
当行业目光不再单纯看算法模型，而投向与真实物理世界的稳定交互，意味着具身智能下半场竞争已然开启。产业爆发前夜，机器人正从舞台展示迈向实景作业，未来能否自主稳定运行，还有赖于模型、数据、核心部件、场景与生态的协同创新。
采写：南都N视频记者李玲 杨柳 王子黎 发自北京
亿策略配资提示：文章来自网络，不代表本站观点。
