一边挣企业的钱，一边怀揣消费级爆款的梦。
7月17日，2026世界人工智能大会（WAIC）在上海世博展览馆开幕。本届大会展览面积首次突破10万平方米，参展企业超1100家，首发首展产品349款，均创历年之最。
但比数字更直观的是现场的“热”——H3具身智能展馆入口排起回字形长龙，馆内摩肩接踵，站在通道中央几乎无法停留超过三秒。
逛完H3展馆，一个鲜明的感受是：机器人展，变了。
去年翻跟头、跳舞的人形机器人表演，今年退到了角落——热闹，但不再是主菜。占据C位的，是模拟出来的工厂产线、药房货架、餐厅吧台、家庭客厅。展商们不再问“你看我酷不酷”，而是说“看我能干这个活，能帮你省多少钱”。
WAIC 2026的机器人展台，见证了中国具身智能的大分流，给出了产业最直观的注脚：干活、分化、筑基——三个关键词，对应着产业正在发生的三重深刻变化。以下，是我们从展馆带回来的一手观察。
一、B端岔路口：进工厂，还是进门店？
“干活”是主旋律，分化是主要特征，细看下来，同样是B端，路径截然不同。一派扎进工厂，干最枯燥的脏活累活；另一派涌向商超、药房、餐厅，在离人最近的地方找位置。
工厂派的打法很直接，把真实产线1：1复刻到展台，让机器人当众“上岗”，完成重复性高、枯燥的任务。
仓储物流机器人龙头极智嘉，首发通用人形机器人Gino1，搭载手脚协同的全身并行控制能力，可与移动机器人、拣选工作站编队完成拣选全流程，据悉单任务作业时间缩短约30%。
智元集中发布远征A3 Ultra、精灵G2 Max、灵犀X2 EDU、临界点OmniHand 3 Ultra-M和酷拓骑行机器人等五款新品，并将精灵G2 Max与京东物流合作的仓储搬运、码垛场景搬进展台，还原料盘上下料产线部署态；现场还联合均普智能搭建整条芯片加工产线，连续完成上料、装盒、转运等超长流程作业，验证了无需人工干预的稳定性能。
它石智航将汽车线束环形流水线搬进展台，其A1线束智能机器人解决方案专为线束全流程自动化打造，搭载自研具身大模型，可模拟人工柔性操作，无缝融入现有产线。据悉，该方案已于今年6月在天海电子实现规模化部署。
乐聚机器人再现了拆垛、搬运、上料等场景全自动、多工位柔性作业能力，全程不用人工插手，在展会现场不间断工作，与真实工业产线实际运行效果无异。
工业场景结构化程度高、任务边界清晰、ROI可量化，这是工厂派共同的判断。机器人不需要“全能”，在特定工位上把一件事做到极致就够了。
商业服务派面临的则完全是另一套考题，环境更开放、干扰更随机、容错空间更小。
银河通用此次展示了两款定位明确的机器人，主打交互服务的通用机器人Galbot G1和面向工业场景的重载机器人Galbot S1，两款产品的所有动作均由自研的“银河星脑”（AstraBrain）具身大模型实时驱动。
G1在C端和B端服务场景中展现了通用性，覆盖做早餐、智慧零售、迎宾等多场景应用；S1则聚焦于更“重”的工业场景，完整展示了从拆垛、搬运到码放的物流作业链条。
智平方全新进化的AlphaBot 2（爱宝）则换了一种打法。它化身店主在现场制作咖啡、鸡尾酒和冰淇淋，在“干活”之外，提供的是B端商业服务中不可忽视的情绪价值与消费体验。
这两家企业的路径虽有差异，却共享同一套商业逻辑——场景越开放，技术难度越大，但市场需求越迫切，付费意愿也越强。只要在特定场景中证明可靠性，商业闭环就能跑通。这也是多数企业在B端选择同时布局工业和商业服务场景的原因所在。
值得一提的是，傅利叶首发高负载轮式双臂机器人GRW，最高16公斤稳定负载能力、2米级超大作业空间及灵活移动能力，聚焦仓储物流、工业制造、康养照护等高负载人机协同场景，据悉该款机器人搭载了傅利叶零代码开发平台，进一步降低了操作门槛。
此外，文娱导览服务已是一条相对成熟的细分赛道。智元在WAIC期间联合擎天租，在主会场和两个分会场投放了六十台各类型具身智能机器人，在核心公共区域承担指路引路等服务。A3和灵犀X2等机型除了引导服务，还现场展示了高难度动作和群控舞蹈，引来观众阵阵围观与喝彩。
智元联合创始人彭志辉在采访中表示，行业最明显的转变是从炫技式展示转向部署态和生产力，“大家更关注它能不能真正进入工厂、进入商业服务的环境”。
工厂还是门店，路径各异，但考题相通——如何在商业化进程中率先拿到生存的船票。每个企业都在以自己的方式作答，等待市场的验证。
二、卖在当下，还是赌在未来？
C端玩家的不同时间观
C端的分化远不如B端那样目标明确。工厂采购机器人，算的是ROI、回本周期、替代多少人工。个人消费者的决策则复杂得多，有人冲着“好玩”下单，有人盯着“能干”比价，还有人对陪伴感和实用性抱有双重期待，多数时候三者兼有。
从现场看，同样是面向家庭和个人消费者，有的公司让机器人当“玩伴”或“学伴”，陪人下棋、陪人聊天，卖的是情绪价值；有的则定位“保姆”专攻家务，卖的是“干活”的价值；还有的试图在陪伴与干活之间找到平衡。
傅利叶的“猫猫头”机器人家族把“情绪价值”往前推了一步：桌面级GR Nano专注个人情感陪伴，触摸时会产生微妙的情绪变化，用户还可为其塑造专属人格。GR Mini则凭萌系外观与拟人化舞蹈，赋能展厅导览、养老陪伴等场景。GR Nano尚未面市，但傅利叶在C端押注“情感连接”的方向，已经清晰可见。
启元T1与Q1主打家庭陪伴与科教体验。T1是全球首款可变形个人机器人，可在轮足人形与四足形态间自由切换；Q1以轻量化设计主打家庭陪伴与科教体验。展台由机器人主导互动节奏，据悉已在商圈开设线下旗舰店。
节卡推出的小型人形机器人JAKA π（“π仔”），身高仅1.22米，是同级别最小巧的人形机器人之一，搭载“大脑+小脑”融合架构，在展台驻场表演、与观众互动。虽然节卡的主战场在工业，但“π仔”的出现说明即便是工业派选手，也无法忽视“卖萌”路线的吸引力。
逐际动力女版Luna人形机器人令人眼前一亮，以柔性织物设计和流畅舞蹈表现力吸引大批观众，灵动自然、步态优雅，配套iPad操控终端支持视频一键学舞、拖拽编排动作。
维他动力则在京东展区带来一款无需遥控即可自主陪玩陪聊的机器狗。
细看这些“陪玩”选手，任务边界清晰、交互可控、技术相对成熟，不需要理解复杂的物理世界，只需在有限规则内做出正确反应。这类场景本质上是“封闭题”，不要求干重活，足够有趣、有陪伴感就有人愿意买单。
干活派的路子则完全不同。他们要进入家庭，做叠衣服、收拾玩具、整理房间等家务。这对机器人堪称“地狱难度”，布料是软的、褶皱是随机的，同一件T恤每次摆放的形态都不一样。
傅利叶的“具身之家”是干活派中技术路径走得较远的一个。展台搭建了完整的居家模拟空间“机器人管家的一天”。当用户说出“我渴了”这样的模糊指令，GR-3无需明确目标位置，即可自主理解需求、定位目标并完成取物递送。现场大屏幕实时可视化机器人的决策全过程。
未来不远F2定位“专属家庭管家”，外观软萌可爱，既能陪玩下棋、监督学习，也能收叠衣物、补充猫粮。产品已开售，已进入数百个家庭付费使用，走的是一条“先做能做的，再逐步扩展”的务实路线。
优理奇则展示了披萨制作、糖画绘制、房间清洁等长程任务，但仔细审视，这些场景更多是“能力验证”，距离真正解决家庭日常痛点还有差距。
展台上流畅的演示，改变不了一个现实：家庭场景是开放世界，而当前技术能力还停留在封闭或半封闭环境。 固定场景下完成预设任务已属不易，真正进入“千家千面”的家庭，还有很长的路要走。
陪玩派与干活派的分野，表面是技术路径的差异，实质是对“人机关系”的不同想象。前者将机器人视为陪伴者，卖的是情感连接；后者将其视为协助者，卖的是劳动解放。
封闭规则下的“简单题”与开放世界的“地狱难度”，对应的是两种商业化节奏：一个靠规模效应快速起量，一个靠技术突破缓慢爬坡。
目前不少陪玩派已率先走通量产闭环，干活派仍在等待技术拐点。在C端，相比“未来可期”的愿景，市场更愿意为“此刻可用”的产品买单。
三、三道墙与万倍差，
数采之勤难补智慧之缺
除了B端和C端的场景分化，展馆里还有一类展台，没有舞蹈、没有抓取，只有头戴式相机、数据手套和遥操作台，以及戴着它们重复同一个动作的人。它们做的事很简单，在机器人学会干活之前，先教会它怎么学。
觅蜂科技展台上摆着头戴式采集设备MEgo View和夹爪状的手持装置MEgo Gripper。体验者戴上设备，用夹爪拿起面前的物品，夹爪上的200°鱼眼镜头、三维触觉传感器、九轴IMU同步采集数据，旁边大屏以毫米级精度实时重建操作轨迹。觅蜂定位很干脆，不造机器人，只做“机器人老师”。通过众包方式采集人类操作视频，数据成本可降至传统真机遥操作的三分之一甚至更低。
思灵机器人走的是高精度力反馈遥操作路线，精度极高但成本高昂。在Diana3+Diana7G2数据采集系统中，操作人员手持主臂，远端从臂实时镜像复刻全部运动，可实现毫秒级双向力反馈，留存力觉、运动、视觉等多模态数据。
它石智航则展示了围绕“Human-Centric”范式构建的数据采集体系，自主研发高精度SenseHub数据采集系统，采用五指手套完整捕捉手部空间位姿、手指姿态及操作力度。核心逻辑是：数据采集的主体是人，不是机器人，大模型吸收人类操作数据后再迁移到机器人身上。
展馆里类似的数采设备远不止这三家。穹彻智能的RoboPocket、简智机器人的HumanData解决方案、千觉机器人的视触觉采集夹爪、宸境科技的Looper系统，从视觉到触觉，从全身动捕到第一视角，数采设备正在覆盖越来越细分的维度。
展台上那些扎进工厂、商超的机器人，表面看是在干活，实则也在采集真实场景中的有效数据。干活和数据采集，被绑在了一起。
零次方是体现这一逻辑的典型案例，围绕“即时零售、数据筑基、场景泛化、进入家庭”四大主线展开，在展台搭建了沉浸式空间，ZERITH-H1轮式人形机器人搭载3D多模态感知系统，在模拟便利店货架前持续运行，识别商品、抓取、分拣、补货，全程自主完成。每一次抓取动作成功或失败、力度是否合适、抓取点是否准确的数据，全部回流至后台，用于模型迭代。
这套逻辑的关键在于“物理抓取API化”。零次方把抓取、识别、分拣等物理操作能力做成可复用的标准化接口，优化后的接口可以被更多场景直接调用。
但这种“用数据喂出来的能力”能否真正走向泛化，仍是行业最大的未知数。
智元合伙人姚卯青在WAIC智启具身论坛上指出，物理AI要实现规模化，必须突破三道墙：一是数据墙，真实交互数据稀缺且获取成本高；二是表征墙，跨任务、跨场景的统一物理表征尚未形成；三是闭环墙，真实试错代价昂贵、反馈缓慢。
他透露，具身数据规模与语言模型预训练语料存在万倍以上差距，要实现通用物理规律的理解，至少需要亿小时级别的数据积累。
在数据供应链的更上游，速腾聚创解决的是数据从哪来、质量怎么保证的问题。其发布的第二代全固态感知平台E2，精度较上代提升3倍、点频达百万级，支撑机器人在移动和操作中同步生成可计算、可学习的数据资产，形成“感知—数据—训练—迭代”的闭环。
数采设备的扎堆出现，某种程度上是在用“勤劳”弥补“智慧”的不足。正如姚卯青所言，物理AI从“能演示”走向“能干活”，关键在于能否形成可泛化、可优化、可进化的通用系统。
展馆里那些头戴式相机、数据手套、遥操作台，都在做同一件事：把物理世界“翻译”成模型能理解的语言。翻译得越快、越准，机器人学会干活的那一天就越早到来。但在那之前，整个行业还得继续埋头采集数据，用最笨的办法，等一个最聪明的结果。