八月的北京亦庄，暑气未消，而比热浪更早抵达的，是由世界机器人大会（WRC 2026）吸聚的人潮。

超 6 万平方米的展馆内，超 300 家具身智能产业链上下游企业上演了一场 " 工业协奏 "。人们穿梭于展台之间，听到的尽是机械臂的伺服嗡鸣与人形机器人的演示声，空气中弥漫着一股技术加速落地的急迫感。

与往届更偏向 " 秀动作、炫技巧 " 不同，2026 年的 WRC 展台上，企业不约而同地在论证同一件事：具身智能或已行至商业化前夜，不论人形还是四足等形态的机器人都在学着干活。

然而，在这种 " 能力进化 " 的叙事之下，不同参与者的路线分歧正悄然撕裂行业共识。关于终局构想、技术底座与场景优先级，各家选手给出的答案截然不同。

路线分化：家庭场景 VS 工业与零售  

展会上最直观的对峙，始于一道选择题：机器人该先去哪里干活？

一方坚定锚定工业、B 端及新零售等规则可控场景。

来自深圳的乐聚机器人在展台上重点展示了面向汽车制造的垂直作业能力——进车间 " 拧螺丝 "、搬运零部件，动作干脆利落。越疆科技、瑞为技术、智平方等亦齐齐锁定车间与物流仓。

这些企业的逻辑是，B 端客户看重的无非是 ROI 与稳定性，在规则相对闭环的环境中打磨产品，是商业化的必经之路。

与之相对的，是以墨奇智能为代表的企业，直奔家庭或类家庭场景（酒店、商务公寓）。

8 月 20 日下午，墨奇联合创始人兼 CTO 黄青虬对钛媒体直言：终局的具身智能需要一套通用基础模型，而模型的泛化能力，恰恰依赖高复杂度场景回流的数据。唯有家庭这种极度非结构化、交互高频的环境，才能训练出足够强健的大脑，日后降维切入工业，反而游刃有余。

但机器人进家的节奏，业内同样分歧明显。银河通用创始人王鹤告诉我们，具身行业正在为家庭场景做技术储备，但 " 绝对安全 " 是一条无法妥协的硬红线。

" 家中老人、小孩、宠物交错互动，任何一次物理碰撞或算法失控都难以承受。" 王鹤理解多数企业宁愿先在车间与货仓里扎稳脚跟，背后的安全围栏与规则管控，是具身企业商业化不可或缺的缓冲地带。

星海图创始人高继扬则从另一维度回应了落地场景的选择。他在 WRC 期间告诉我们，具身智能不是纯软件的互联网生意，而是软硬结合的产业形态，其真正的市场在于 " 生产力 " ——工厂、仓库等真实作业环境，其规模是情绪价值或表演型市场的千倍万倍。

在高继扬看来，机器人能否真正进入生产力场景，才是行业价值的试金石。

训练范式之争：物理真实路线 VS 仿真泛化路线

场景关乎 " 卖给谁 "，而数据训练的非共识，直指 " 大模型如何进化 "。通用模型成熟往往需要超 1000 万小时的训练数据，但数据从哪来、怎么用，技术路线的撕裂尤为尖锐。

星海图高继扬与墨奇黄青虬，均为 " 真实数据 " 的忠实拥趸。

星海图联合北京亦庄共建 " 亦数智能 "，推进 "100 万小时超高质量真实数据计划 "，试图构筑物理数据的基础设施。高继扬向钛媒体进一步阐述了这一选择背后的成本逻辑：在数据、算力与人才三要素中，算力成本最为昂贵，人才最为稀缺，而数据成本 " 相对可控，是一个可以被解决的工程问题 "。

高继扬表示，星海图几乎全部采用真实数据，不太使用仿真数据，也因而无需面对虚实迁移的校准难题。

黄青虬则进一步提出 " 三个真实 " 标准——真实的人，在真实的环境，干真实的活，反对数采场地的摆拍式录制，主张依靠保洁等真实角色的日常轨迹，辅以 AutoLabel 与数据挖掘系统做筛选提纯。

而 " 仿真与泛化派 " 则试图挣脱对海量真实数据的强依赖。银河通用王鹤指出，仅靠遥操作或实机采集，效率低下且成本高昂，行业必须走通 Sim2Real 路线。

银河通用团队研发的 " 通用小脑 "，基于 10 万小时人类全身运动数据，以高精度动捕与视频提取为起点，叠加仿真器与强化学习，赋予机器人模仿并跟踪人类动作的能力。

王鹤认为，10 万小时足以完成运动控制与泛化能力的初步验证，虚拟仿真才是规模化扩展的真正钥匙。

能力解构：长程任务 VS 工业实操

展会上另一处争议焦点，是如何评判机器人现场展现的 " 长程任务 " 能力。

墨奇在 WRC 现场演示了 MORPHI KINO 轮式机器人连续完成清理茶几、收纳托盘、移步冰箱核查库存并补货的完整流程。

黄青虬认为，长程任务是机器人从孤立 " 原子动作 " 迈向综合能力组合的关键一跃。其难点在于系统连贯可靠性：如果机器人要完成一个长程任务，它可能是连续 30 个动作的集合，哪怕每个模块做到 99%，失败率也极高。因此，能顺畅跑通长程任务，恰是硬件、算法与软件可靠性质变的有力证明。

但来自工业一线的玩家对此态度审慎。

乐聚机器人助理副总裁张大鹏在 WRC 现场直言，必须区分 " 同指令多线程作业的长程任务 " 与 " 工业现场长时间连续工作 " 的本质差异，避免展台上过度演示。

" 大家需要的是一台能直接卖给工厂批量干活的量产机器人。" 张大鹏强调，工业场景目前不需要长程任务的华丽堆砌，需要的是 24 小时不停机、单台成本控制在三四十万元、现场展示与交付毫无二致的硬核稳定性。

至于具身智能何时迎来 "ChatGPT 时刻 "，黄青虬给出了双重分化定义：若以 1000 台机器真实进入商用 / 工业场景规模化作业为标志，未来 3 年内可期；但若按宇树王兴兴的定义——机器人能自主进入 80% 的陌生场景并完成 80% 的任务，则高度依赖具身大脑的泛化性，至少还需 5 年以上长跑。

高继扬则从公众感知的角度补充了一个独特的观察：他认为 GPT 时刻之所以能瞬间引爆认知，是因为每个人都能通过手机或电脑直接体验，而具身智能最先落地的场景在工厂和仓库，普通公众无法直观触及，因此行业性的技术突破很可能 " 润物细无声 "，直到某天人们发现机器人已无处不在。

在高继扬看来，具身智能行业的拐点已在发生，" 只是呈现方式不同于大语言模型。"

本体形态迷思：终局全人形 VS 场景驱动去人形化

" 具身智能的终局，必须是双足人形吗？" 这或许是本届 WRC 上最具张力的硬件之问。

黄青虬代表了 " 全人形终局派 "。他认为，物理世界是为人类量身打造的，全人形能最大程度适配现有环境，无需改造长周期的社会基建。

但黄青虬也承认，现阶段必须进行 " 形态裁剪 "：为避开双足稳定性与五指灵巧手的控制难题，短期内采用 " 轮式底盘 + 夹爪 " 是兼顾实用与数据复用的务实选择。

" 只要是在人形基础上裁剪，采集的数据便可复用；但若搞‘三头六臂’的异形，人类示范数据将无法迁移。" 黄青虬说。

智平方副总裁莫磊也有自己的见解，他认为，不同场景的最优形态有差异，具身智能不应与双足人形直接画等号。目前来看，在高端制造领域如汽车，面板等，轮式双臂人形在稳定性、能耗上相对双足人形更有优势。

除此之外，像星源智就在展台展示了人形与四足的 " 异构协同 "，以及瑞为技术采取的 "80% 专用自动化机器人 +10% 柔性人形 +10% 人工兜底 " 策略，均在试图撕下 " 非双足不可 " 的标签。

具身智能产业从早期的集体技术炫技到 2026 年 WRC 上涌现的种种非共识，恰好是技术迈入真实商业世界后必然经历的过程状态。

当这些非共识在 2026 年的夏末激烈碰撞，具身智能行业也将迎来一个扎实的追问：谁能够穿越周期？答案一定不会是高声量者，而是在安全性、数据质量与成本商业化 ROI 中找到微妙平衡的那个。（作者 / 钱玉娟   编辑 / 杨林）