​

2026 年，被称为具身智能机器人的量产元年。

如果说前两年行业的主旋律是炫技整活，那么到了今年，风向已经变了。行业关注的核心问题变成了：机器人能不能在工厂里连续工作 24 小时？能不能把成本打下来？能不能规模化交付？

7 月 15 日，在 WAIC（雷科技 WAIC 报道团已奔赴现场，将带来第一手报道）前夕的媒体沟通会上，地瓜机器人 CEO 王丛、开发者生态副总裁胡春旭，就具身智能当前的量产痛点、算力需求等核心议题，与雷科技（ID：leitech）等媒体进行了交流。

（图源：雷科技摄制）

从这场对话中，我们窥见了地瓜在具身智能领域的破局之道。这篇内容里，我们会摘取几个比较有代表性的问题，并且就回答中的观点进行更进一步的讨论。

首先聊到的是算力问题，地瓜机器人此次公布的旭日 S600 算力平台，提供了 560 TOPS 的端侧算力。那么，对于目前的具身智能机器人来说，这样的算力是否够用？

面对这个提问，王丛认为，当下行业里没有一个对于算力标准，就像原来做智驾，算力从 1T、4T、10T 一点点做大，直到现在，也没人知道汽车行业应该做多大。具身智能也是一样，没有定论。

我们认为，当前具身智能算法模型仍在快速迭代。随着从 Pi0 的 2.6B 模型发展到 Pi0.7 的 5B，甚至未来云端百亿参数的大模型落地，相关行业对算力的渴求是无止境的。

王丛也坦言，等到小模型的路径彻底跑通，端侧模型至少会到 30B 的参数量。硬件算力的天花板，往往决定了软件算法能达到的上限。这样来看，地瓜机器人并不会给算力设置上限。

随着优必选等整机企业以及摩尔线程、高通等传统芯片巨头纷纷入局，具身智能芯片赛道正变得日益拥挤。而身处其中的地瓜机器人，它的护城河究竟是什么？

王丛的回答出人意料：

所有的壁垒都叫销售壁垒。某个公司如果认为自己的壁垒是某个固定的东西，未来大概率会出问题。在技术高速迭代的时代，任何壁垒的有效期都很短。

但他同时指出了地瓜机器人在现阶段沉淀出的三项相对优势：一是更早切入市场，通过长达数月的联合调试，积累了大量隐性需求；二是供应链把控能力，出货量带来了更紧密的上下游协同与话语权；三是软件工具链与主流模型的深度适配，极大降低了客户的迁移成本。

在我们看来，这是一个比较诚实的回答。当下的具身智能并不存在高不可攀的技术黑科技，真正的比拼在于工程落地能力。就像王丛所说，客户不熟悉地瓜的芯片架构，他们就先在芯片上把基础算法跑通、做好优化，给客户提供一个可用的基础模型，客户可以在此基础上快速迭代。

换言之，地瓜提供的不仅仅是一款算力强的芯片，更包含了软硬件服务和工具在内的完整方案。说白了，能让客户省事、能帮客户省钱，在商业竞争中就天然具备优势。

还有人提问，业界普遍认为，数据是提升大模型泛化能力的核心，存在一个悖论：模型能力差就拿不到真实的产线场景，没有真实场景就拿不到高质量数据来训练模型。面对这个死循环，路该怎么走？

王丛将此对比为早期的自动驾驶行业，他表示：

自动驾驶起步时也没有成熟的量产车，都是自己改装，第一批数据很多都废掉了。摄像头装几个、雷达怎么配，都是踩过几波坑之后才总结出来的。具身智能现在也会经历这个阶段，废掉几波数据、走几次弯路，自然会形成可行的落地路径。

这道出了中国科技产业的另一个特点——允许试错，用先行投入的烧钱去换取数据的积累。不管是高质量的实验室数据，还是在真实运行中的失败案例，都是投喂具身智能必不可少的养料。王丛认为，泛化能力的提升并不是因为出现了某种颠覆性的技术路线，而是因为大家把数据对齐、数据治理的基础工作做得越来越扎实。

通过这场长达一个多小时的群访，我们感受地瓜整体的技术和商业路线非常务实。无论是被反复提及的世界模型，还是端侧 VLA 模型，地瓜机器人关注的焦点始终是如何让搭载这些技术的机器人在现实环境中有稳定且出色的表现。

2026 年，具身智能正在经历从能做出来到能稳定干活且划算的关键过渡。仓储搬运、高污染的粘底工序等特定工业场景，大概率将成为首批机器人大规模落地的试验田。在这个过程中，无论是地瓜机器人还是它的客户们，都不需要再用花哨的 Demo 来吸引眼球，他们即将面对的，是生产效率、投入产出比等严苛的商业数据考核。

具身智能的黄金时代确实开始了，但真正能踩上风口并且在下一轮竞争中脱颖而出的，必须得拥有足够强劲的综合实力。

主题为「智能伙伴 · 共创未来」的 WAIC2026 开幕在即。

AI 叙事路线从模型参数堆叠，转变到 Agent 生产力落地；异构协同、光子计算持续提高计算上限；具身智能加速应用，机器人到家进厂让物理 AI 变为现实。

雷科技 WAIC 探展团已抵达上海，直击 AI 产业化落地年度巅峰时刻，敬请关注！