（来源：定焦 One）

人形不再独占 C 位，大脑内卷，数据为王。

定焦 One（dingjiaoone）原创

作者 | 王璐

编辑 | 魏佳

这几天，科技圈的最大盛事当属 WAIC 大会。今年，人气最旺的是上海世博展览馆 H3 馆，具身智能首次独立成馆，与智算并列为大会两大核心赛道，从整机到灵巧手、关节模组、传感器，一条产业链完整铺开。

「定焦 One」连续两天走访，在现场最直接的感受是 " 人多 "。宇树展台被围得挤不进去，加速进化把展位改成小型足球场，一群不到 1 米高的机器人自己踢球、抢断，还会假动作。根据官方披露的信息，今年参展的具身智能企业从去年的 80 多家增加到 200 多家，真机超过 300 台，且几乎全部动态运行，而去年这里还以静态展示为主。

除了观众们的热情之外，还有一个明显的变化是机器人可以干的事情变了。去年是 150 台人形同台，卷的是后空翻、做咖啡这类炫技动作，今年各家的 demo 从炫技换成了做早餐、打蝴蝶结、进汽车产线这类更杂、更难也更贴近真实场景的任务，机器人的形态也从单一的人形变得更加丰富。

不过热闹之下，行业仍处在早期：大脑架构未定、训练机器人的数据从哪儿来还是难题。H3 馆里几乎每家都在讲 " 我家模型最懂物理世界 "，" 机器人该用 VLA 还是世界模型 " 的争论被直接搬上论坛。

这些问题没有标准答案，而 WAIC 恰好是观察各家给出什么解法的一个窗口。本文从形态、大脑、落地三个维度切入，看看今年具身智能走到了哪一步。

进入 H3 场馆，科幻电影里的场景似乎没那么远了。几台机器人排成一列缓缓穿过通道，偶尔有观众侧身让路，当你饿了的时候，可以去某个展台 " 领 " 一份由机器人完成的早餐，虽然动作还有点僵硬迟缓，但至少是真的能吃。

「定焦 One」在馆里逛了大半天，一个强烈的感受是，人形机器人依然是重点，但不再独占 C 位。去年是 150 台人形同台、卷自由度、卷后空翻，今年人形还在，但载人机甲、可变形本体、半人马等新形态纷纷涌现，轮式和四足这些成熟形态也找到了更明确的场景。

按落地场景看，各家大致分成了三派。

第一派是工业务实派，既有轮式，也有双足，形态让位于稳定。

智元拿下 H3 馆最大展区，集中发布五款产品，其中轮式的精灵 G2Max 主打 " 安规级重载 "，能 24 小时不间断搬运码垛，无需人工轮岗、夜班值守，直接瞄准仓库 " 两班倒 " 的人力缺口。

同样瞄准工业，它石智航给出的是另一套答案，它把一条 1:1 复刻的汽车线束产线搬进展台，由 " 轮式底盘 + 双臂 " 的机器人集群现场演示产线自主作业。工业场景下，这种组合比较务实，能连续作业、能灵活调度，成本和稳定性都适合量产爬坡。

智元机器人 图源 / 智元官网

乐聚这届不再讲商超和家庭，转而聚焦工厂，其全尺寸人形机器人夸父系列（含双足版与轮式夸父 5-W）与蚂蚁灵波合作实现物流全场景自动化，涵盖纸箱拆垛、搬运、上料等环节。

第二派是小人形，把人形机器人做小，用价格换入场券。

松延动力身高不到一米的小布米定价 9998 元，是目前市面上第一款万元以内的量产人形机器人，高约 94 厘米、约 12 公斤，已正式开售。作为参照，一台全尺寸人形通常在 1.7 米上下、几十万元起，小布米几乎把体型和价格同时砍掉一个数量级。展台上，小布米们同步完成舞蹈，动作对齐精准，OTA3.0 功能支持用户通过手机 App 远程更新机器人的交互界面、动作姿态和内容。

消费级小人形的玩家还有鹿明机器人，现场展示了 AI 迷你双足人形 " 鹿小明 "，仅 89 厘米，可跟随音乐起舞。加速进化则把展台变成小型足球场，一批身高不到 1 米的机器人自主踢球、非遥操，射门力道猛还会假动作，走的是科研、竞技路线。

加速进化机器人踢足球 图源 / 「定焦 One」摄

第三派是新形态探索派，按环境切换形态。

宇树科技依然有人形拳击赛，但站 C 位的是 GD01，这是一款载人变形机甲，人可以坐进座舱操控，其定位为 " 民用交通工具 "，号称全球首款量产版载人机甲，但起售价高达 390 万元。上纬启元 T1 在轮足人形和四足之间自主切换，室内走轮足，安静、零转弯半径，客厅书房都能，到户外切换四足，过草地、砂石、斜坡、台阶，对应散步、露营场景，其变换形态被网友调侃 " 人模狗样 "。

逐际动力 TRON2 走模块化路线，像拼乐高一样组合成双足、双轮足、双臂，现场甚至还用双足加双臂拼出一只 " 半人马 " 形态，不仅能背负 30KG 稳步走，还能在地毯上拖轮胎，对应商用服务场景的复杂地形。

逐际动力半人马 图源 / 逐际动力官网

整体看下来，今年机器人的形态比去年更加丰富，但逻辑一致，即按场景反推本体。一位具身智能从业者表示，凭借一款本体打天下的幻觉被订单砸碎了，" 工业要轮式、家庭要人形、消费要小巧、特种要载重机甲，每家都在按场景反推本体，形态自然就被打散了。"

不过，形态变多说明厂商们把场景想清楚了，不代表活儿真干好了。展会上看到的搬运、踢球、舞蹈，多数还是在可控的环境里 " 演 " 出来的。选对形态只是拿到了入场券，能不能把活儿干利索，还得看大脑和手脚跟不跟得上。

形态是肉眼能看到的变化，更大的比拼发生在看不见的地方——机器人的大脑。

先简单科普下背景。具身智能这两年主要用 VLA（视觉 - 语言 - 动作）模型，它擅长看懂场景、听懂指令，但对物理世界缺乏真正理解，一遇到没见过的场景，泛化能力（把学过的本事迁移到新场景的能力）就明显打折，往往在实验室里表现很好，一进真实家庭就崩。于是各家开始探索新的方向，" 世界模型 " 成为今年最热的选项。通俗来说，世界模型是让机器人先在 " 脑内 " 预测 " 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。

从现场来看，各家的押注集中在两个方向：长程任务和复杂操作。

长程任务方面，银河通用的星脑模型把任务长度从去年的短动作延长到了 3 – 5 分钟。现场演示中，机器人连续完成烤面包、倒饮料、取盘装盘，即使工作人员临时挪动杯子或餐盘，它也会重新扫描桌面寻找目标，而不是按固定点位执行。

更为极限的是原力灵机联合阶跃星辰发起的挑战，6 台机器人用原力灵机的通用具身基础模型 DM0.5，连续协同拼装一座 8 万余块积木的长城，实现了 15 小时的持续作业。

复杂操作方面，星尘智能一口气放出 22 项真机家庭任务，包括煎蛋颠锅、称小米、打蝴蝶结等高难度操作，是本届 WAIC 家庭场景 demo 最全面的一家。

星尘智能机器人协作叠纸箱 图源 / 星尘智能官网

在这些能力提升的背后，各家在世界模型上走出了不同解法。

银河通用在大会期间发布的 WAM-TTT，解决的是 " 进场快 "。TTT 即 " 测试时训练 "，可大致理解为，基础技能先预训练好，机器人进了客户现场，只需看一批人类操作视频，就能适应新环境干活，不需要动作标注，预训练参数也完全冻结。

按其论文中的对照实验，100 条机器人轨迹搭配 100 条人类视频，成功率 74.1%，与 200 条纯机器人轨迹的 73.7% 基本持平，这意味着便宜易得的人类视频，大致能替代同等数量的真机数据，比如原本需要 100 小时数据训练的新任务，现在可能只要 2 小时就能跑起来。创始人王鹤打了个比方，" 厨师换厨房，厨艺不变。"

但一位从业者指出，这一方式想冲到 99% 的落地标准，仍离不开大量领域专用数据，想 " 干得好 " 还要训练。

星尘智能在 WAIC 前夜发布的 Lumo-2，解答的是 " 怎么想 "。它号称业界首个 " 家庭隐式世界动作模型 "。

星尘智能副总裁王佳楠用煎蛋的动作，来解释这条 " 隐式 " 路线具体如何工作。模型接到指令后，不会直接调用现成的动作，而是在内部先 " 想象 " 一遍，" 蛋在锅中间不好颠，状态应该变成靠近锅边 "；再推理动作，" 手往下压一点，让蛋滑过去 "。这和传统的 VLA 模型不同，VLA 更像是 " 背动作 "，记住以前做过什么，遇到类似情况就照着来，Lumo-2 是 " 为了达到某个效果，自己想办法生成动作 "，所以环境一变，它也能灵活调整。

但该路线也有两大难点。第一，它不生成画面，你看不到它脑子里在想什么，就像一台黑盒子，只能看它最后干得好不好，没法中途检查它想得对不对。第二，摄像头拍到的东西可能不足以区分当前状况，比如同样是桌上一只杯子，里面有没有水、水是满的还是半满的，从画面看几乎一样，但机器人该用的动作完全不同。这种隐式路线的优点是省算力、能自主运行、能切换场景，代价是内部过程看不见，出了问题不好排查，训练也更费劲。

腾讯则在 WAIC 期间发布了 RxBrain，解决的是 " 推理和想象怎么统一 "。它是腾讯 Hy-Embodied 系列里的 " 大脑 " 模型，腾讯首席科学家张正友用 " 裂脑 " 比喻来解释其架构：去年左右脑之间仅通过语言连接，今年 RxBrain 在左右脑之间增加了视觉信息通道，一边用文字描述子任务，一边用图像展示完成子任务后世界会变成什么样。

他并没有直接给这个模型贴上 " 世界模型 " 的标签，但他认为，这已经踩进了世界模型的方向，既能够做推理，同时有想象力。在他看来，世界模型目前还没有一个统一的技术方案，各家都在摸索，腾讯也不例外。

把这几条路线摆在一起，会发现 VLA 和世界模型并非二选一的关系。VLA 在持续进化，世界模型也在吸收 VLA 的经验，两条路线同步往前走。

在 WAIC 现场，大家问得最多的问题是：机器人为什么还进不了家、进不了厂？卡点集中在两处，喂给大脑的数据不够多，以及执行动作的那只手还不够灵。

先说数据。世界模型虽然缓解了部分数据压力，把 " 理解世界 " 这部分从遥操转移到了视频，但行业才刚起步，各家路线五花八门，无论走哪条路，高质量的真实数据都是绕不开的共同刚需。

图源 / 「定焦 One」摄

本届 WAIC 上，数据采集第一次成了一个独立品类，多家公司带着专门的数采设备和方案出现。目前能看到三种思路并存。

第一种是本体厂自采，数据长在自家机器人本体上，宇树、乐聚都在做，好处是 " 采什么练什么 "，但数据多封闭在自家体系内。

第二种是出售数采设备，相当于 " 卖铲子 "。

觅蜂科技（智元孵化）的 MEgo 系列走的就是这条路，核心是 " 不绑机器人 "，用轻便的硬件就能采数据。它的客户主要是两类，一类是缺乏本体或不想绑本体的具身初创公司，另一类是本体厂想补一套更灵活的数采手段。

其操作也不需要机器人工程师，普通数据采集员戴上就能开始采集数据。MEgo Gripper 是一个手持设备，重量为 560 克，像拿个加大号游戏手柄，能记录毫米级的空间轨迹，MEgo View 是穿戴套装，头上戴全景相机、手腕上绑摄像头，7 路画面同步录制，一个人可把 " 如何操作 " 的全过程采下来。

第三种是 " 数采 + 世界模型 " 打包卖。大晓机器人在 WAIC 上同时发布了 ACE 数采设备和开悟世界模型 KAIROS。ACE 采回来的数据格式直接和 KAIROS 对接，客户不用再转格式、清洗数据，拿来就能用。当然，也可以只买模型或只买采集设备，不强制捆绑。

三种思路背后是竞争的白热化，2026 年被反复称作 " 具身数据元年 "，谁把标准化、低成本的数据供给跑通，谁就占住了产业链上最难替代的位置。

说完大脑，再来看 " 手 "。如果说数据是 " 大脑的食物 "，那灵巧手就是 " 大脑的手 "，末端不够灵活，再好的模型也发挥不出作用。

前两年，行业的目光大多在跑、跳、翻这些大动作上，今年重点从 " 腿 " 转到了 " 手 "。背后也有行业背景，直驱关节的单指成本大幅下降，触觉传感的精度和价格双双跨过量产临界点，把灵巧手从过去的工业夹爪，推到了具身智能的核心终端位置。但怎么做一只好手，行业还没有共识，今年 WAIC 上，灵巧手的路线也是多种多样。

灵心巧手一次性把连杆、腱绳、直驱三种技术路线的灵巧手都摆了出来，其中最受关注的 O30 是全直驱方案，即电机转子直接连接关节负载，中间没有任何减速装置，好处是力控更直接、更精准，代价是电机发热更大。O30 有 20 个关节独立活动，重量 740 克，定位精度亚毫米级，额定负载 30 公斤，对应汽车精密装配这类高精度场景。

超维动力的 KAIHand 追求的是手指灵活度，有 37 个关节，尺寸和真人手一样大，指尖力气超过 30 牛，整只手 80% 的面积覆盖了触觉皮肤，能感知 0.1 牛的微小力度。现场还演示了用 KAIHand 砸木板，证明它既结实又有韧性。

整体来看，今年 WAIC 的具身智能确实往前走了一大步，本体根据场景划分成不同形态，任务时长从秒级拉到分钟甚至小时级；操作也从简单抓取，升级为复杂的打结、进产线，各家都在从 " 能演 " 转向 " 能干 "。

不过，这个行业还处在探索期。正如现场一位具身智能创业者对「定焦 One」感叹，今年技能层面的进化并没有超过他的想象，真正丝滑的还是跳舞、迎宾这类简单场景；零售、物流、工业离可用还很远，离家庭服务更远。

WAIC 的热闹总会散场，聚光灯之外，具身智能这个新兴赛道，还得继续打拼很多年。

* 题图由「定焦 One」拍摄。