7 月 17 日至 20 日，2026 世界人工智能大会在上海举行。世博、张江、西岸三地四馆联动，展览面积突破 10 万平方米，1100 余家企业参展，展品集中亮相，产品全球首发。另一个更能说明风向的数字是：AI agent 与具身智能成为大会两条核心赛道，具身智能企业超过 200 家。

但展馆里真正的变化，不在数字里。

过去几年，机器人展台最容易吸引人群的动作，是跑、跳、翻跟头、握手、跳舞。观众问的是：它像不像人，跑得快不快，会不会摔倒。今年，问题开始变得具体：它能不能进火场，能不能替巡检工人看完一圈仪表，能不能在新能源电机产线上稳定锁付螺丝，能不能在真实家庭里叠好衣服，能不能在药房里把订单、取药、分拣、交付连成一条闭环。

这意味着具身智能正在经历一场评价标准的变化。它不再只被当作一个 " 会动的大模型 "，世界模型成为本届大会的热门方向，核心原因是：如果 AI 要真正 " 下地干活 "，就必须理解物理世界的运行规律。

对普通人来说，这些技术名词听起来遥远。但落到现场，它回答了一个很朴素的问题：机器人到底能替我们做什么？

答案正在变得清晰。在未来，它也许先替人进入危险场景，再接替重复劳动、进入精密制造，最后才慢慢走进家庭和照护。

机器人首先接手的三类活

具身智能最早产生真实价值的场景，在人最不该久留的现场里。

消防、应急、电力、石油化工、燃气检测、矿井巡检，都有一个共同特点：现场环境复杂，风险高，重复性强。人必须进去，但每一次进去都意味着暴露在高温、毒烟、坍塌、爆炸性气体或高压设备附近。

具身智能在这里的价值很明确：机器先上，人后撤。

四足机器人是这一类场景里最典型的形态。云深处把消防、应急、警用解决方案狗搬到 WAIC 展台，它们可以在对应场景里执行灭火、侦察、数据回传等任务。

云深处展台 图源 | 云深处

智身科技也给出了产业化样本：钢镚 L2 面向行业级四足场景，16kg 持续载荷、最长 5.5 小时作业续航、IP66 防护、-20 ℃至 55 ℃宽温域、40 ° 最大爬坡、70cm 垂直越障。另一款铅球 SP1 面向石油化工、燃气检测等危险环境，核心能力包括防爆、轮足复合移动、1440Wh 电池和 50kg 负载能力。

这些参数要放在场景里面看：载荷决定机器人能带多少传感器和工具，续航决定它能否完成一整轮巡检，防护等级决定它能否进入雨雪、粉尘、潮湿、高温和复杂工业环境。

机器人真正替人做的，并不只是"走过去"，而是把人的眼睛、耳朵和风险判断前移到危险现场。

从危险场景往外延伸，是另一类高频、重复、消耗人的工作：送餐、配送、导览、巡逻、清洁、搬运。这些工作不像火场那样惊险，却同样耗人。

钢镚 L2 图源 | 智身科技

擎朗智能从餐饮配送起家后，机器人已经进入餐厅、酒店、写字楼、医院、商用清洁等场景。WAIC 现场，它直接把咖啡亭和零售店搬进展台，让机器人在商业空间里完成接待、配送和服务。这类场景看似轻巧，背后考验的是擎朗自研的融合世界模型的 VLA 架构。

机器人做咖啡 图源 | 擎朗智能

智元则把 " 部署态 " 推到公共服务场景。智元在 WAIC 三地四馆公共区域部署 60 台机器人承担指路引导服务，并发布了远征 A3 Ultra、精灵 G2 Max 等产品。更值得看的，不只是机器人出现在展台，而是它们在公共区域承担一个真实岗位：人流复杂、问题随机、路线变化、现场噪声强，机器人要稳定接住观众的咨询和引导需求。

精灵 G2 Max 图源 | 智元

银河通用则展示了长任务能力。它在展台上演示 " 做早餐 "：机器人烤面包、倒饮料、取出面包并装盘，工作人员还会临时挪动杯子或餐盘，测试机器人能否重新寻找目标。这个演示的意义不在于早餐本身，而在于长任务能力。一个具身任务不能被简化成单步动作，它是一串动作的组合：识别物体，规划路径，抓取，移动，放置，检查结果，再进入下一步。银河通用把 " 银河星脑 " 作为具身大模型底座来讲，让机器人从短动作走向几分钟级。

机器人做早餐 图源 | 银河通用

还有精密制造场景。制造业里的很多任务，并非人不愿意做，难点在于它们太要求稳定、精度和一致性。装配、锁付、上下料、检测、焊接，每一步都要跟产线节拍、良品率、安全规范相连。

节卡机器人与华域电动联合打造的新能源电机协同装配系统正在解决这个问题。系统由两台节卡轮式人形机器人构成协同产线，覆盖电机外壳转运、物料交接、组件装配、0.5mm 细密牙纹螺丝高精度锁付至成品入库。系统融合 3D 视觉、激光雷达、多维力传感器、YOLO 视觉分割模型和 AI Agent 智能决策框架，构建 " 大脑感知决策 + 小脑运动控制 " 的 VLA 架构，零部件识别准确率稳定在 99%，单颗精密螺钉锁付约 10 秒。

新能源电机协同装配系统 图源 | 节卡机器人

工业机器人过去也能做锁付和装配，但传统方案往往依赖固定点位、固定工装、固定流程。而具身智能要回答的新问题是：当产线走向柔性化、混线生产、多品类切换时，机器人能不能少一点人工示教，多一点自主识别和任务泛化。

在具身智能的技术链条中，灵巧手是决定机器人能否真正 " 动手做事 " 的关键。思灵机器人长期强调力控能力，并在 WAIC 展示理疗康养、轻量级人形平台和力反馈遥操作数据采集系统。

思灵机器人 图源 | 具身智能

曦诺未来 Xynova 的混合驱动灵巧手 Flex 2，凭借腱绳 + 直驱混合驱动架构，Flex 2 在精准、柔性、轻量化及力量之间找到了黄金平衡点，像极了人手的收放自如。通过现场的实时互动展示 ( 递花与画画 ) ，曦诺未来呈现了灵巧硬件、多模态感知、运控算法到数据闭环的全栈技术体系。

Flex 2 图源 | 曦诺未来 Xynova

这些企业解决的是同一个"最后一厘米"问题。

机器人要进入真实生产和生活，光有腿不够，必须有手，光能抓住不够，还要知道该用多大力，碰到柔软、湿滑、易碎、形状不规则的物体时如何调整。

机器人缺的那套"脑内演练"

如果说灵巧手解决的是接触世界的最后一厘米，世界模型解决的就是行动之前的"脑内演练"。

2026 年被视为 " 世界模型元年 "，昆仑万维发布 Matrix-Game 3.5 世界模型，蚂蚁灵波推出具身原生世界动作模型 LingBot-VA 2.0，智元、大晓机器人、极佳视界、它石智航、无界动力等也展示了世界模型方案。世界模型已经从通用 AI 和游戏生成，进入具身智能的核心战场。

为什么世界模型会在今年 WAIC 突然变热？因为具身智能遇到的最大瓶颈，已经不只是硬件。机器人可以走，可以抓，可以说话，但它要在真实世界里稳定完成任务，就必须理解环境会如何变化，自己的动作会带来什么后果，下一步如果失败应该如何恢复。

大语言模型擅长处理文本，视频生成模型擅长生成画面，但机器人面对的是带物理约束的世界：杯子会倒，衣服会变形，门会卡住，人会走过来遮挡视线，光照会变化，地面会打滑。

机器人需要的不是漂亮想象，它需要可用于行动的预测。世界模型的核心价值，就是让AI在行动之前对世界做推演。

蚂蚁灵波围绕 LingBot 构建了全栈模型矩阵，包括 LingBot-Depth、LingBot-Vision、LingBot-VLA、LingBot-VA 和 LingBot-World。其中，LingBot-VA 2.0 被称为具身原生世界动作模型，强调从机器人与真实环境交互的需求出发，围绕动态建模、因果预测和实时执行进行设计。在智慧药房场景中，多台不同构型机器人搭载跨本体具身基座模型 LingBot-VLA 2.0，协同完成订单接收、智能取药、药品送达。

机器人智慧药房 图源 | 蚂蚁灵波

这就是世界模型和 VLA 落地的一个典型场景。药房不像单一机械臂工位，货架、药盒、订单、路径和机器人构型都可能变化。机器人要先理解空间，再识别药品，再规划取放路径，还要与其他机器人协同。模型如果只能 " 看见 " 当前画面，远远不够；它还要预测拿起这个药盒后会发生什么，下一步应该移动到哪里，多个机器人如何避免冲突。

这一路线很清楚：先在模型里理解任务，再在世界模型或模拟环境中训练和迭代，最后通过真机反馈形成闭环。

但这里有一个根本性的难题：世界模型需要大量的训练数据，而机器人数据又极其昂贵。互联网文本和图片可以海量抓取，机器人动作数据却要在真实物理世界中采集。每一种机械臂、每一种家庭布局，都可能让数据分布发生变化。

这就是仿真训练平台的价值所在。

未来的竞争，会从"谁的机器人本体更像人"，转向"谁能把模型、本体、数据、仿真和真实反馈连成闭环"。

这条线，也决定了具身智能的专业分野。

做机器人身体的企业，要懂关节、电机、控制、结构和制造；做机器人 " 大脑 " 的企业，要懂 VLA、世界模型、空间智能、因果预测和后训练，而做场景落地的企业，要懂药房、工厂、家庭、消防、电力这些行业现场。

真正能跑出来的公司，很可能不靠单点最强，靠的是把这些环节接起来。

家庭场景最难，但也最有温度

家庭机器人看起来温柔，技术上却最难。

工厂至少有固定工位，药房至少有货架和库存系统，巡检至少有路线和设备清单。家庭没有这些标准化条件。桌子每天都不一样，衣服是柔性的，玩具会被孩子随手扔，沙发上可能有抱枕，洗衣机门可能半开，光照会变化，人还会临时说 " 拿那个黄色的小一点的东西 "。

诺因智能的 Knowin-X1 选择在家庭场景里做文章，难度恰恰在这里。Knowin-X1 背后的 GLOW 系统由 KnowinDream、KnowinWorld、KnowinBrain、KnowinAct 和 KnowinAgent 组成。Dream 负责生成大规模、多样化的具身训练数据，World 用于策略展开、动作评估和方案筛选，Brain 理解场景并制定计划，Act 把计划转化为肢体动作，Agent 负责任务调度、状态记忆和失败恢复。

Knowin-X1 用于家庭场景 图源 | 诺因智能

它没有停留在单个抓取动作，而是展示桌面收纳、洗衣闭环、衣物折叠。洗衣任务可以拆成很多步：识别地面或沙发上的衣物，逐一拾取，移动到洗衣机前，打开舱门，把衣物放进滚筒，关闭舱门，启动程序。衣物折叠更难，因为柔性物体没有固定形状，抓取点、折痕、平铺状态都会变化。

家庭场景尤其需要世界模型。衣服不是刚性物体，折叠时形态会不断变化；洗衣机门的位置、衣物散落的位置、光照和遮挡都不稳定；用户指令还可能临时改变。机器人如果没有对动作后果的预测，只能一步步盲目执行，很容易在中途卡住。KnowinWorld 这类可交互世界表示系统，试图让机器人先在 " 脑内世界 " 中试错，再把更可靠的策略带回现实。

傅利叶的居家助手 Demo，则更接近 " 自然语言驱动的生活服务 "。体验者说 " 我饿了 "，机器人理解需求、规划路线，把苹果送过来；玩偶随手乱放后，它可以根据空间语义重新归位。这类演示的关键，不只是听懂一句话，而是把语言转换成任务：人说饿了，机器人要推理出可以拿食物；看到苹果后要规划抓取和递送；遇到障碍还要调整路径。

家庭与民生场景的商业化会比工厂慢，因为它对成本、可靠性、安全性、交互自然度和社会接受度的要求都更高。一台家庭机器人如果偶尔失败，用户可能不会像工厂工程师那样愿意调试。

一个能帮老人取药、能陪孩子玩耍、能协助视障者出行的机器人，它的价值不在于多高的技术参数，而在于它让谁的生活更轻松了一点。

家庭机器人如果太贵，就走不进家庭；如果太笨，就会成为新的负担。

从 " 会动 " 到 " 有用 " 的硬门槛

今年 WAIC 的另一个共识是，具身智能已经进入产业化压力测试。

智身科技把量产作为核心叙事，截至 2026 年 6 月累计量产突破 15000 台，6 月单月量产突破 5000 台。宇树科技在展会上继续以高人气吸引观众，其展示了机器人无人工厂沙盘，并提出人形机器人出货目标。智元则强调公共服务部署和物流、地铁等真实场景。擎朗、极智嘉这类服务和仓储机器人企业，早已在特定场景里完成了更早一轮商业化验证。

但产业化不是一句 " 量产 " 就能说明白。真正决定机器人能否进入生活和产业的，是一整套系统能力：核心零部件供应、关节模组、整机制造、软件工具链、模型训练、场景适配、售后运维、系统集成、客户 ROI。

智身科技的全栈叙事，节卡的工业场景叙事，蚂蚁灵波的模型生态叙事，诺因的家庭长链条任务叙事，正好对应具身智能产业化的四个方向：身体、工艺、大脑、生活。

身体要可靠，工艺要闭环，大脑要能预测和规划，生活场景要能容忍混乱。任何一环缺失，机器人都只能停留在展台上。

工业场景可以算 ROI，服务场景可以算替代人力的成本，但家庭场景的付费意愿和定价区间仍然模糊。一个能叠衣服的家庭机器人，用户愿意花多少钱？一万？三万？还是五万？如果价格太高，它就只是少数人的玩具；如果功能太弱，它又无法满足期待。

这就是产业化的真正挑战，怎么造出一台 " 值得买 " 的机器人。没有捷径，只有长期的工程迭代。

WAIC 2026 最重要的变化，是机器人终于开始被问具体问题。

机器人仍然会跳舞、合影、翻跟头，也仍然需要展台上的热闹。但真正值得记录的，是那些不那么戏剧化的瞬间：灵巧手稳稳抓起柔软物体，多台不同构型机器人在药房里完成取药和交付。

世界模型、VLA、空间智能、力控、触觉、仿真训练、端到端导航，这些技术最终都要接受同一个检验：它们能不能让机器人在真实世界里稳定完成任务。

科技让生活更好，从来不是一句宏大的口号。

它能不能让消防员少进一次火场，让巡检工人少暴露在一次高危环境里，让产线工人少重复一次低价值操作，让老人和视障者多一点行动自由，让普通家庭少一点被琐事吞掉的时间。

这比 " 像不像人 " 重要得多。

参考资料：

第一财经：怎么让 AI 真正 " 下地干活 "？中国厂商加速探索世界模型。

凤凰网：WAIC 2026 具身智能报道。

上海市政府新闻发布会：2026 世界人工智能大会于 7 月 17 日至 20 日在上海举办。

腾讯新闻：WAIC 2026 宇树科技展示机器人无人工厂沙盘。

新华网：2026 世界人工智能大会相关报道与闭幕信息。

证券日报：智元携多款具身智能新品亮相 WAIC，从技术展示走向真实场景部署。

「以往内容」

新闻：||||||||||||||||||

深度：|||||||||||||||||

专访：|||||| ||||||||||

大公司：||||||||||||||||||||