从WAIC 2026看具身智能：喧嚣背后的冷思考
七月中旬的上海出梅不久，暑气蒸腾。然而这酷热并未阻挡世博展览馆前的热潮，队伍在早上八点半便已蜿蜒。2026世界人工智能大会的具身智能展区，无疑是全场焦点。虽然大语言模型KIMI K3在大会前夕发布，性能直逼美国顶尖模型，使其成为展会上最耀眼的明星，但归根结底，WAIC 2026的核心依然是具身智能机器人。
大会正式开展的那个周末，在一千一百多家参展企业中，人流最密集的方向始终指向具身智能展区。两百多家展商、三百多台真机，数量较去年激增了近两倍。展台之上，各家机器人各显神通：智元的精灵G2Max在模拟京东仓储的产线上整日装箱；乐聚机器人冲着纸箱拆垛，综合成功率标示为95.8%，当日目标更是冲刺10小时不间断作业；它石智航则将一条1:1复刻的汽车线束流水线搬进展台，A1机器人在AWE 3.5驱动下完成取线、布线、插接循环，专攻保险杠、天窗、车门等量产线束场景。官方宣称，已在安波福等客户现场部署近百台，插接失误率甚至低于人工。
展馆内不仅有观众，更有带着订单簿的投资人。工信部几天前刚放话，2026年人形机器人整机产量有望突破10万台。主机厂的动作则更为迅猛：比亚迪自研的“尧舜禹”计划年内向自家工厂投用2万台；一汽新成立了具身智能子公司；小米的人形机器人已在汽车工厂“实习”大半年；甚至宝马莱比锡工厂、雷诺法国基地也都官宣了人形机器人试点。
然而，热闹归热闹，当天晚上在微信群里询问一位到访现场的业内人士，得到的反馈却颇为扎心。在听完一连串充满“未来”“宏大”的礼节性溢美之词后，这位工程师朋友直言不讳：“（展示设备在）台上24小时连轴转是能跑，可你让它真去总装线拧一颗扭矩80牛·米的螺栓试试啊！”这句话在很大程度上，堪称这波热潮底下最真实的注脚——机器人想进厂打工，车企急着要，可技术这道门槛依然卡在门口。
从翻跟头到“班味”，具身机器人走到了哪一步？
把时间拨回一两届WAIC，具身展区的标配是机器人跳舞、翻跟头、打太极，短视频一发便是百万播放。今年虽然这类表演并未消失，但已不再是主角。远征A3在世博馆通道口用中英双语回答问询，灵犀X2在人潮中穿行递水，近60台人形机器人在“三地四馆”常态化上岗。这是国内大型展会第一次大规模让机器人从展品变从业者，叙事主线也从“身体竞赛”悄悄切到了“大脑竞赛”。
梅卡曼德推“一脑多形”，蚂蚁灵波的LingBot-VLA2.0塞进二十多种异构本体跑90秒无人药房闭环，阶跃星辰的具身基模拉着6台机器人拼了15小时精密拼装。宇树创始人王兴兴在圈内广为流传的观点是：具身智能要等那个类ChatGPT时刻，泛化能力是绕不过去的那道坎。问题是，这道坎比外界想象的要高。
先看“大脑”。国务院发展研究中心李燕在6月下旬接受采访时直言，目前国内具身智能机器人的难点在于：可用于训练的有效数据远跟不上模型迭代；实验室环境和真实工况差距大，具身大模型还没形成可靠的举一反三。浙江大学机器人研究院院长朱世强则更加直白：行业现在是“热闹但尴尬”，样机多、规模化应用的产品少，根子在大脑多模态大模型和“灵巧手”都没真正突破。尤其是至关重要的“灵巧手”以及配套关节模组，在高负载高频次下故障率偏高，累计误差和精度衰减都很突出。
有研究给出一个扎心的对比：具身智能在仿真环境任务成功率能到89.4%，一进真实家庭场景直接掉到12%。工厂虽然比家庭结构化，但光照变化、工件批次差异、偶发干涉这些变量，照样能让受控Demo里的策略“断片”。
再看数据。北京新匠速验的首席顾问张岳海有个说法被反复引用：“做项目70%时间花在数据清洗，真正训练模型才30%。”工业场景看似数据多，但格式不统一、标注不规范、多模态对齐难，高质量数据集稀缺。真机采集又贵，动作序列标注涉及多维连续变量，人工标注一致性低，闭环难做。
很多人已经认识到了问题所在。灵境智源的肖益在7月2日的交流会上就提出了灵魂问题：不同机器人采集的数据怎么归一使用？基于A本体采集的数据，换到了B本体能不能用？格式不统一，这是新麻烦。这就形成了一个负循环：没法大规模商用→没高质量真机数据→泛化上不去→场景受限→更没法扩。
硬件侧也没到放心用的程度。当前人形机器人平均无故障运行时间（MTBF）比成熟工业机器人短一截，续航普遍4到6小时，而汽车产线一班就要8到10小时。谐波减速器、精密丝杠、六维力传感器这些硬件国产化良品率还在爬，少数高端款仍靠进口，单台执行器占整机物料成本一半，原型机动辄几十万。
肖益在杭州的大会上列过“四个瓶颈”——芯片（智驾方案改过来不顺手）、操作系统（感知-动作延迟不少是OS的问题）、模型（端到端→VLA→世界模型，两年从二十几种方案收敛到7种）、数据（本体绑定孤岛）。想要让智能具身机器人脱离单纯的娱乐功能，上述四个瓶颈一个都不能绕过。
所以今年WAIC会场内各种论坛，呼吁的量产、适配、场景交付等等，听着朴实，其实是被前两届的炫技时代逼出来的。智元联合创始人彭志辉的总结很到位：大家不再只看能不能跑能不能跳，改看能不能进工厂进门店、能不能长时间稳定干、跨任务泛化怎么样、部署后能不能滚出可迭代的数据。
但“看”和“做到”之间，还隔着那三座山——大脑、数据、硬件。
车企最急，但也最知道“做不到”的疼
整车厂是这波人形机器人最大的买方预期，没有之一。IDTechEx的预测给过一个数据，到2035年全球汽车制造业会部署约160万台人形机器人。其逻辑很好懂——汽车和人形机器人有同源性，车身钣金、总装拧紧、物料转运这些活本身就是人干的，人形机器人理论上最能无缝嵌入。而且车企自己有场景、有工艺数据、有降成本经验，特斯拉Optimus、小米、小鹏、比亚迪、吉利、东风柳汽，近20家车企在布局，量产节点大多压在2026。
可真把机器人往产线放，第一个撞墙的就是效率。优必选给过一个内部数据：机器人在工厂搬一个料箱，最早要4分半，优化完也得2分钟，而一线工人不到1分钟。而主机厂大佬在谈及相关问题时，也说得非常明白。雷军在2026两会期间的话很不客气：小米机器人确实在汽车工厂“实习”了，但“大规模工程化应用还存在工艺稳定性差、单体硬件成本高、车间工位数量少等突出问题，还处在学徒工状态，没转正”。全国人大代表、小鹏董事长何小鹏在同一时期的表态也进一步补充了雷军的观点——国内大部分人形机器人还是软件规则控制那套，大脑（自主决策）和小脑（运动控制）的协同、多场景泛化，都还没形成行业优势。
笔者通过个人关系，从一位直接在主机厂车间里负责机器人“实习”业务的工程师那里了解到，其明确表示“现在大部分车企说的投用，其实还在演示阶段，离正式上岗远”。
是什么导致了轰轰烈烈的机器人进厂，暂时还局限于新闻层面上的“轰轰烈烈”而已？来自质量体系和技术规格上的坎，是最硬也最难越过的。众所周知，汽车焊装、拧紧、车身装配，普遍存在±0.02到0.5mm的重复定位精度要求。而现有具身机器人，其主流精度控制水平却在±1到3mm范围内。仅仅是一个精密装配的要求，便是不可能实现。更何况，现有的基于大模型支持的视觉识别，在复杂工业环境下准确率90到95%，系统决策速度平均为0.5到1秒，而汽车产线需要的是0.1到0.2秒级响应。
说难听点，目前这种技术水平下面，你就算给每台机器人安排个真人负责遥控，都难以成事，因为操作精度上根本无法达标。至于你让机器人自己动么……一位行业里的人吐槽过：“这玩意儿折腾一个月内砸坏的料箱和部件，成本大概就够新买一台了。”这话多少有些夸张成分，但距离事实也就是“多少有些夸张”的程度。这也是为什么宝马莱比锡那条AEON试点、还有之前Figure进宝马的传闻，实际都只在限定工位、甚至夜间训练跑，没真进主干产线。
成本账也算不过来。一台中等性能工业人形机器人现在50万到100万，是普通工业机械臂的3到5倍。拿它代替人工，投资回收期29到40个月。而传统固定式工业机械臂在搬运、焊接、涂胶这些结构化工序里性价比已经达到极致，主机厂没动力换。所以，最理想的场景莫过于装车门、串线束、打螺丝这些。问题是，这些目前机器人都干不了，或者说是远远无法达到真人普工的效率。
更深一层的矛盾在数据主权，只要不是主机厂自己搞具身智能，这终归就是个坎。汽车制造攒了几十年的是工艺参数、生产节拍、质量标准，这些是主机厂的核心资产，现在行业倾向把数据采集、训练、推理留在端侧，不往外传。可具身模型恰恰最需要跨场景数据回灌才能泛化——一端要保密，一端要规模，这事儿短期没解法，而且暂时业界没有一种统一的标准乃至于默契。
所以，暂时只能靠“用场景定义数据集、用高质量数据喂给模型”，总而言之就是慢慢磨。
但说了那么多问题，有一点却是可以肯定的，那便是无论如何整车企业还是具身机器人生产商，在这条赛道上的步伐绝对不会停下来。比亚迪那个“尧舜禹”，2万台的内部投放计划是明确的。小米、小鹏各自的人形产品线都绑着自己工厂做迭代。至于宇树、智元、乐聚这些本体厂，也乐意跟着车企场景啃硬骨头。毕竟，工厂比家庭结构化，容错虽低但数据回流质量高，是从验证走向量产最合适的练兵场。工信部说的10万台年产量，大概率相当一部分会先消化在车企自己车间里，对外商业化还得往后排三到五年。
WAIC 2026闭馆那天，世博展览馆外那支队散了，展商各自在台上忙忙碌碌，工人们直接把站台拆卸开来，所有租借的物料都要归还，而自己的产品则必须收回。笔者一位在具身智能行业讨生活的朋友，干脆就吐槽说，什么时候这些活能让自家机器人给干了，什么时候产业才算是真的圆满。
让机器人自己搭台自己唱戏，甚至是自己装配和升级自己，这个想法确实很不错。然而某种意义上，人不就是一种生化式的“智能机器人”么？问题是，人的进化经历近两百万年历史，想让金属和硅片构筑的机器人迅速达到真人的水准，三五年明显过于乐观了。
中国信通院副院长魏亮给了个三阶总结：2024看外形，2025看能力，2026看落地。这话对，但“看落地”不等于“落得住”。现阶段，行业还落在去泡沫化、夯实底座的阶段——仿真89.4%，其中的落差要填，数据-泛化-硬件的负循环要掰成正循环，车企那160万台的2035预期要等灵巧手、关节模组、六维力传感器这几颗钉子一颗颗敲实。李燕给过的路径是对的：场景开放做突破口、数据回流做引擎、技术底座做支撑，但每一样都得花时间。
所以回到开头那句，机器人想进厂打工，车企门开着，岗位也留着，可技术这道槛，还得再蹲两年。目前的热潮是不假，但距离大规模商用路还很长也是事实。展馆里那95.8%的拆垛成功率，和产线上±0.02mm的拧紧要求，中间隔的不是一代模型，是两三个工程化周期。所以今年叫“工业量产元年”没问题。可要让机器人从学徒熬成正式工，只怕得等下一届、下下一届WAIC再看了。
好吧，也不是没有什么“重大利好”——起码暂时看来，主机厂里的数以十万级普工们，暂时还十分稳牢！