直擊WAIC 2026?專訪靈初智能CEO王啟斌:探尋具身智能規模化落地之路

中經記者 秦梟 上海報道

2026世界人工智能大會（WAIC 2026）現場，具身智能賽道迎來集中亮相時刻，經過數年硬件參數內卷，行業發展邏輯正在發生深刻轉向，數據、模型與真實產業落地能力成為衡量企業核心競爭力的新標準。當前國內供應鏈逐步完善，資本持續加注賽道，但規模化落地難、硬件耐久度不足、行業缺乏統一評測標準等痛點普遍存在，產業仍處在樣機走向批量商用的關鍵過渡期。

靈初智能CEO王啟斌在WAIC 2026期間接受《中國經營報》記者采訪時表示：“在行業早期，大家卷自由度、扭矩、負載等硬件指標，如今硬件供應鏈基礎方案已經成熟，繩驅、直驅兩條路線均有成熟零部件，行業競爭重心徹底轉向數據、模型、場景落地能力。”王啟斌分析，當下行業處于樣機邁向小批量量產的關鍵過渡期，供應鏈雖已成型，但硬件耐久、連續作業發熱、百萬次工況穩定性仍是規模化落地的核心短板。

“大腦自研+硬件集成”全棧路線

記者走進靈初智能展臺，一條完整的光模塊自動化產線直觀展現企業核心技術邏輯：工作人員穿戴輕量化采集設備復刻人工操作，海量視覺、觸覺、關節動作數據輸入自研世界模型完成訓練，再搭載高自由度靈巧手完成400G/800G光模塊亞毫米級插接、檢測、柔性打包全流程作業。

“我們從實驗室時期就深耕靈巧手復雜精密操作，公司成立之初就定下清晰定位，不做通用夾爪，長期聚焦長程精細操作，這是刻在企業基因里的選擇。” 王啟斌在專訪中表示，這條差異化技術路線，也是摩根士丹利將靈初智能納入中國具身智能標桿企業、持續獲得資本青睞的關鍵原因。

行業內如今并存三種主流數據訓練方案，不同路線各有明顯短板，這也成為靈初智能選擇真人穿戴采集路線的重要出發點。真機采集單套設備造價高達40萬至50萬元，不同機器人硬件構型下數據通用性差，大規模量產訓練成本難以承受；純仿真合成數據則存在現實場景偏差，仿真模型遷移到真實產線后效果大幅縮水。

對比之下，人類操作天然融合環境感知、任務拆解、手眼觸覺協同、失誤自主糾錯等復合能力，是仿真、真機遙操作數據難以復刻的優質訓練素材。王啟斌介紹，目前公司已積累 10 萬小時人類操作數據集，數據配方中90%以上來自穿戴設備采集的真人多模態信息，真機仿真數據僅作為少量補充。輕量化采集設備可直接進駐真實產線，采集貼合真實生產節拍、動態物料環境的數據，訓練出的模型在精密操作場景中表現顯著優于行業通用方案。

不少到場觀展的產業人士都向王啟斌拋出同一個疑問：靈巧手何時才能真正達到人手的靈活程度？對此他給出清晰判斷，類人靈巧操作絕非單一硬件或算法的單點突破，而是硬件、傳感器、控制系統、AI 模型深度耦合的系統工程。

基于這套數據驅動的底層技術邏輯，靈初智能搭建起 “大腦自研、硬件整合” 的穩定業務模式，以此平衡研發投入與產業落地效率。企業自主定義全套數據采集設備，聯合硬件廠商協同定制開發整機本體；市面上成熟通用零部件直接整合復用，把核心研發資源全部集中在數據管線與操作世界模型兩大板塊。

人形機器人告別參數內卷

不止靈初智能一家，本屆WAIC上，許多機器人相關企業都帶齊自研人形本體與靈巧手產品，賽道競爭熱度拉滿。但在王啟斌看來，行業競爭邏輯已經迎來根本性轉變，徹底告別早年單純比拼硬件參數的初級階段。

“如今，行業硬件供應鏈基礎方案已經成熟，繩驅、直驅兩條主流技術路線均有配套成熟零部件，產業鏈國產化率提升至 75% 以上，行業競爭重心全面轉向數據管線、世界模型泛化能力、真實場景落地價值。”王啟斌分析，當前整個行業正處在樣機邁向小批量量產的關鍵過渡期，供應鏈框架雖已成型，但硬件長期耐久、連續作業發熱、百萬次工況穩定性等短板，仍在持續限制規模化落地的速度。

從市場交付結構就能直觀看到行業的落地短板，目前超七成機器人產品流向高校、展廳用于演示，真正落地工廠穩定作業的設備占比不足一成，制造業場景批量部署規模大多僅10至30臺，距離萬級規模化普及還有很長的發展周期。

賽道參與者日益多元，不同主體手握差異化優勢，也形成了獨特的競合生態。王啟斌將市場玩家清晰劃分為三類：互聯網大廠大模型廠商、專注整機制造的人形本體廠商、聚焦精細操作的具身大腦企業，三類玩家各有長短，更多是互補共存而非完全對抗。

資本持續涌入之下，賽道泡沫與真實產業需求的邊界如何區分，成為當下市場熱議的話題。在王啟斌的判斷里，具身智能屬于十年維度的超長周期產業，而資本投資周期遠短于產業落地周期，節奏錯配之下，2027年行業將迎來明顯的企業分化洗牌。

未來能夠穿越產業周期的企業，必須同時具備三大核心能力：低成本批量采集數據、持續迭代模型的能力；模型與整機深度耦合、實現系統最優的整機交付能力；而支撐前兩項能力的底層基座，則是企業長期穩定的資金儲備，以及適配多技術棧協同研發的復合型組織管理能力。那些僅依靠展廳樣機展示、無真實場景落地、缺少數據與模型核心壁壘的企業，將會逐步被市場淘汰。

站在全行業長期發展的視角，王啟斌也指出了未來一兩年產業亟待補齊的三大短板，這同樣是行業下一階段的核心發展方向。第一，由頭部模型企業牽頭，建立行業統一標準化訓練數據配方，解決當下數據格式、采集標準混亂的行業通病；第二，打造軟硬件深度耦合、綜合性能突出的整機系統，打破硬件與算法脫節的普遍問題；第三，搭建以真實產業需求為核心的場景級機器人評測標準，擺脫紙面參數的無效內卷。

（編輯：張靖超 審核：李正豪 校對：陳麗）