WAIC觀察｜當(dāng)機(jī)器人被說是“玩具”時(shí)，具身智能已經(jīng)悄悄步入爆發(fā)前夜

世界人工智能大會(huì)（WAIC）剛剛過去，在4天的展覽和論壇時(shí)間里，AI與具身智能上下游的從業(yè)者、投資人、創(chuàng)業(yè)者被高密度“壓縮”在世博場(chǎng)館中，共同譜寫了一曲中國科創(chuàng)前沿的交響樂，這個(gè)樂章正持續(xù)演奏，走向高潮部分，主旋律名為具身智能。

“我從來不敢在我的職業(yè)生涯中想象到的，一個(gè)領(lǐng)域在兩年到三年中誕生了300多家企業(yè)，這個(gè)密度太高了。這些企業(yè)成立時(shí)間短則一年，長則三年，現(xiàn)在有10家企業(yè)是200億元人民幣左右的估值，有20家企業(yè)是100億左右的估值，估值上升非常快。”在世博中心銀廳里，啟明創(chuàng)投主管合伙人周志峰說。

但當(dāng)行業(yè)人士為具身智能的發(fā)展歡欣鼓舞時(shí)，展會(huì)中機(jī)器人慢悠悠的動(dòng)作越來越難以滿足已經(jīng)看膩了表演的觀眾，“不過就是個(gè)大玩具”“缺乏實(shí)用性”的評(píng)論不絕于耳。

一邊是行業(yè)人士興奮于技術(shù)爆炸前夜、資本爭(zhēng)相涌入，一邊是觀眾對(duì)機(jī)器人“習(xí)以為常”。2026年7月，機(jī)器人到底落地到了哪一步？對(duì)此，新京報(bào)貝殼財(cái)經(jīng)記者體驗(yàn)了多個(gè)機(jī)器人項(xiàng)目，并采訪了具身智能領(lǐng)域的創(chuàng)業(yè)者、投資人，為讀者剖析具身智能風(fēng)口為何而熱，以及令資本和人才蜂擁而至的到底是什么。

熱鬧背后：機(jī)器人是“玩具”嗎？

在世博展覽館，一層進(jìn)門處的“摩登時(shí)代”展區(qū)和二樓的H3展區(qū)成為機(jī)器人的秀場(chǎng)，展出的機(jī)器人可謂“五花八門”，類型有人形機(jī)器人、機(jī)器狗、載人機(jī)甲、重載機(jī)器馬，體驗(yàn)項(xiàng)目有機(jī)器人打乒乓球、機(jī)器人踢足球、機(jī)器人按摩、機(jī)器人拍照，你甚至還能騎機(jī)器人。

經(jīng)過一年的技術(shù)發(fā)展，越來越多的機(jī)器人不滿足于只待在自家展位上，在整個(gè)世博展覽館二層，你能看到雙足輪式機(jī)器人在場(chǎng)館內(nèi)穿梭并表演原地“轉(zhuǎn)陀螺”，打扮成動(dòng)漫角色樣子的COSER用繩牽著機(jī)器狗逛展，各種大小的人形機(jī)器人都能隨地給人來上一段“尬舞”，可謂“八仙過海各顯神通”。說明機(jī)器人已經(jīng)逐步落地到了日常生活中，泛用性相比一年之前再次得到了加強(qiáng)。

世博展覽館2層，一名COSER向記者演示通過語音指令讓機(jī)器狗跳舞。新京報(bào)貝殼財(cái)經(jīng)記者羅亦丹/攝

“展館里有很多機(jī)器人可以互動(dòng)，但讓我印象最深刻的還是宇樹的GD01，大概一個(gè)月前，我在社交媒體上刷到過這個(gè)巨大的變形機(jī)甲。剛剛我在展館里看到了它，確實(shí)讓我大吃一驚，因?yàn)槲夷贻p的時(shí)候最喜歡的電影是《機(jī)器戰(zhàn)警》，看著它就像機(jī)器戰(zhàn)警在我面前‘活過來了’一樣。”英國籍跨境商貿(mào)從業(yè)者西蒙在接受貝殼財(cái)經(jīng)記者采訪時(shí)難掩激動(dòng)的心情。

英國籍跨境商貿(mào)從業(yè)者西蒙正在和機(jī)器人合影。新京報(bào)貝殼財(cái)經(jīng)記者羅亦丹/攝

但需要注意的是，在速度和效率的比拼上，從演示效果來看，目前展出的機(jī)器人鮮有直觀上能夠達(dá)到人類或者工業(yè)機(jī)器人水平的。這也遭到了不少網(wǎng)友的“吐槽”。在記者發(fā)布的一條試駕機(jī)器馬的視頻下，幾乎八成的評(píng)論都帶著調(diào)侃的語氣。“這不就是個(gè)大玩具嗎”“手扶拖拉機(jī)不比這個(gè)實(shí)用”？

如果看落地應(yīng)用的機(jī)器人呢？比如在一個(gè)展示機(jī)器人分揀快遞包裹的展位上，記者發(fā)現(xiàn)，機(jī)器人可以通過視覺鎖定包裹，精準(zhǔn)抓取并放到指定位置，但動(dòng)作明顯比人類或流水線上執(zhí)行固定作業(yè)的工業(yè)機(jī)器人慢上不少。

這樣的機(jī)器人有什么用？聆動(dòng)通用機(jī)器人創(chuàng)始人兼CEO季超解答了記者的疑惑，“我們切入的并非工業(yè)機(jī)械臂擅長的高節(jié)拍作業(yè)場(chǎng)景，而是容錯(cuò)率高、節(jié)拍要求低的場(chǎng)景。例如前置倉夜間分揀，這類場(chǎng)景只需要機(jī)器人在8小時(shí)夜班周期內(nèi)完成訂單分揀與派發(fā)，不需要高速作業(yè)，可直接替代人工夜班崗位。這類場(chǎng)景對(duì)作業(yè)節(jié)拍要求不高，已經(jīng)具備了商業(yè)化落地基礎(chǔ)。”

聆動(dòng)通用機(jī)器人創(chuàng)始人兼CEO季超向記者解釋機(jī)器人的實(shí)用性問題。新京報(bào)貝殼財(cái)經(jīng)記者羅亦丹/攝

季超告訴記者，一些客戶本身存在創(chuàng)新的訴求，希望用更靈活的新型設(shè)備解決現(xiàn)場(chǎng)問題，“比如很多倉庫租期僅1到2年，傳統(tǒng)工業(yè)機(jī)械臂部署偏重，需要做場(chǎng)地重度改造，搬遷時(shí)的拆除、異地重裝都會(huì)產(chǎn)生額外成本。此時(shí)可移動(dòng)、可作業(yè)的輪式人形機(jī)器人，本質(zhì)上降低了客戶的場(chǎng)地遷移與改造成本，更符合輕部署的行業(yè)趨勢(shì)。”

“當(dāng)下具身智能技術(shù)還只能完成一些相對(duì)簡單的任務(wù)，這些任務(wù)到底應(yīng)該先落地什么產(chǎn)業(yè)、什么場(chǎng)景至關(guān)重要，而中國能提供最全面、最豐富的落地場(chǎng)景，可以讓我們優(yōu)秀的創(chuàng)業(yè)公司跟產(chǎn)業(yè)方一同去試落地。”周志峰說。此外，他還提到了另一個(gè)關(guān)鍵點(diǎn)：“一個(gè)170cm以上的全尺寸人形機(jī)器人的零組件有大約1200個(gè)，除了CPU和GPU，剩下絕大部分組件全部是在中國長三角和珠三角兩大產(chǎn)業(yè)集群生態(tài)中提供，很多投資方都注意到了中國在機(jī)器人硬件領(lǐng)域的優(yōu)勢(shì)。”

真正的戰(zhàn)場(chǎng)已轉(zhuǎn)移到“大腦”

具身智能的真正進(jìn)展，往往藏在普通觀眾看不見的角落。

貝殼財(cái)經(jīng)記者走訪WAIC展臺(tái)發(fā)現(xiàn)，如果要論展示最多的場(chǎng)景，當(dāng)數(shù)“采藥”，記者在至少四個(gè)展臺(tái)看到了機(jī)器人在藥房分揀藥品的應(yīng)用演示——機(jī)器人慢悠悠地走到貨架上，取得藥品，再拿到前臺(tái)，完成一個(gè)動(dòng)作閉環(huán)。其邏輯和上文中所述相同——一些24小時(shí)藥房需要晚間值守，并且等候顧客和拿藥的過程導(dǎo)致不像工業(yè)場(chǎng)景那么強(qiáng)調(diào)節(jié)拍與效率，因此更加適合人形機(jī)器人的部署。

不同品牌的機(jī)器人搭載了同一個(gè)具身“大腦”，正在進(jìn)行采藥任務(wù)。新京報(bào)貝殼財(cái)經(jīng)記者羅亦丹/攝

但在螞蟻靈波的展位，記者看到三臺(tái)不同品牌、不同構(gòu)型的機(jī)器人正在執(zhí)行同一個(gè)“采藥”任務(wù)，三臺(tái)機(jī)器人由螞蟻靈波自研的同一套通用大腦驅(qū)動(dòng)，在這背后，是當(dāng)前具身智能領(lǐng)域投資人、從業(yè)者們所追求的最火熱的目標(biāo)——具身智能大腦。

螞蟻靈波科技CEO朱興接受新京報(bào)貝殼財(cái)經(jīng)記者采訪時(shí)表示，“我們做大腦時(shí)側(cè)重于做基礎(chǔ)模型，在預(yù)訓(xùn)練的時(shí)候就加入了約20種機(jī)器人的真機(jī)數(shù)據(jù)，所以我們的基礎(chǔ)模型已經(jīng)對(duì)這20種機(jī)器人非常熟悉了，模型后訓(xùn)練部署到這些機(jī)器人身上時(shí)就會(huì)非常適配。”

螞蟻靈波科技CEO朱興在WAIC現(xiàn)場(chǎng)接受新京報(bào)貝殼財(cái)經(jīng)記者采訪。

目前，為了訓(xùn)練機(jī)器人的“大腦”，訓(xùn)練數(shù)據(jù)的重要性被提到了第一位，哪類數(shù)據(jù)最重要，訓(xùn)練具身模型時(shí)的訓(xùn)練數(shù)據(jù)要怎樣配比，成為不少業(yè)內(nèi)人士關(guān)心的重點(diǎn)。

在WAIC開幕之前，大曉機(jī)器人董事長王曉剛曾在接受貝殼財(cái)經(jīng)記者采訪時(shí)“銳評(píng)”過各類數(shù)據(jù)的配比問題，他表示，真機(jī)遙操數(shù)據(jù)受限于具體機(jī)器人本體，從某一種本體采集的數(shù)據(jù)，很難直接推廣到其他本體。同時(shí)，這類數(shù)據(jù)通常并非來自真實(shí)生產(chǎn)生活環(huán)境，積累速度也比較慢。如果主要依靠真機(jī)遙操數(shù)據(jù)，很難支撐具身智能迎來ChatGPT時(shí)刻。

而對(duì)于其他類型的數(shù)據(jù)，王曉剛認(rèn)為，“仿真合成數(shù)據(jù)具有一定作用，但與真實(shí)數(shù)據(jù)之間仍存在較大的Sim2Real（模擬環(huán)境到現(xiàn)實(shí)世界）差距，因此更適合作為有效補(bǔ)充。UMI主要依賴末端操作，隨著靈巧手等技術(shù)發(fā)展，我認(rèn)為它更像是一種中間過渡形態(tài)。”

WAIC上，大曉機(jī)器人在世博中心承辦了一場(chǎng)主題為“物理AI開悟時(shí)刻”的論壇，王曉剛在論壇上發(fā)布了開悟世界模型 3.1（Kairos 3.1），他表示該模型將視覺觀測(cè)、語言指令、力觸狀態(tài)、策略軌跡等多維具身數(shù)據(jù)壓縮進(jìn)統(tǒng)一隱空間，形成高密度表征向量，從底層實(shí)現(xiàn)三大能力的原生融合——這或許就是他找到的答案：機(jī)器人的大腦需要多維數(shù)據(jù)的綜合訓(xùn)練。

“頭部機(jī)器人公司的有效數(shù)據(jù)，將從2025年的‘萬小時(shí)級(jí)’，躍升到2027年的‘百萬小時(shí)級(jí)’，其中人類第一視角數(shù)據(jù)會(huì)占絕對(duì)主導(dǎo)。”在預(yù)測(cè)2026年具身智能行業(yè)發(fā)展時(shí)，周志峰如此判斷。

具身智能火爆延至上下游

當(dāng)具身智能的“大腦”成為行業(yè)競(jìng)逐的核心戰(zhàn)場(chǎng)，圍繞這顆大腦的上下游產(chǎn)業(yè)鏈也在悄然生長。具身智能的熱潮正在向上游芯片、下游交互方案等環(huán)節(jié)持續(xù)滲透，催生出一批潛在的“賣水人”。

聆思科技專注端側(cè)AI芯片研發(fā)，其首款原生端側(cè)大模型AI推理芯片將于年底亮相。該公司市場(chǎng)副總裁韓超陽在接受新京報(bào)貝殼財(cái)經(jīng)記者采訪時(shí)直言，2026年的端側(cè)AI落地需求已經(jīng)與早年截然不同——行業(yè)不再停留在“如何完成智能化升級(jí)”的構(gòu)想階段，多個(gè)領(lǐng)域已經(jīng)形成了清晰的升級(jí)路徑，其中具身智能機(jī)器人屬于核心剛需場(chǎng)景。

聆思科技市場(chǎng)副總裁韓超陽接受采訪。新京報(bào)貝殼財(cái)經(jīng)記者羅亦丹/攝

韓超陽告訴記者，當(dāng)前機(jī)器人的運(yùn)動(dòng)控制能力已較為成熟，可完成各類復(fù)雜動(dòng)作，但“大腦”的智力水平尚未跟上。而端側(cè)GPU普遍存在功耗偏高、成本偏高、性能確定性不足的問題，仍無法充分滿足場(chǎng)景需求，“未來隨著原生端側(cè)大模型AI推理芯片落地，憑借更小的尺寸、更低的功耗以及數(shù)量級(jí)提升的推理性能，機(jī)器人可真正實(shí)現(xiàn)自主執(zhí)行任務(wù)、對(duì)現(xiàn)場(chǎng)環(huán)境做出實(shí)時(shí)反應(yīng)，具身智能才會(huì)真正具備規(guī)模化的實(shí)用價(jià)值。”

具身機(jī)器人的潛力也讓端側(cè)模型獲得了前所未有的關(guān)注。

由復(fù)旦大學(xué)孵化，首次參加WAIC的模思智能主打多模態(tài)模型，本次參會(huì)帶來了 MOSS系列多模態(tài)基礎(chǔ)模型，其中MOSS-Transcribe-Diarize模型參數(shù)量僅為 0.9B，適合端側(cè)部署，可一次處理約90分鐘多人音頻，同時(shí)區(qū)分不同說話人。

模思智能聯(lián)合創(chuàng)始人、CEO李世民接受貝殼財(cái)經(jīng)記者采訪時(shí)表示，團(tuán)隊(duì)追求的是“情景智能”，即“當(dāng)模型進(jìn)入真實(shí)世界，關(guān)鍵不只是識(shí)別聲音和畫面，而是理解這些信息在什么情境中發(fā)生，并據(jù)此判斷何時(shí)回應(yīng)、如何回應(yīng)。”

模思智能聯(lián)合創(chuàng)始人、CEO李世民在WAIC現(xiàn)場(chǎng)接受新京報(bào)貝殼財(cái)經(jīng)記者采訪。

“這次大會(huì)，機(jī)器人賽道熱度很高，具身智能也是我們合作方向之一，我們核心的智能技術(shù)主打復(fù)雜場(chǎng)景下的感知與理解能力，并基于感知結(jié)果完成智能輸出與人機(jī)交互。這類交互能力天然需要依托硬件載體與物理世界形成聯(lián)動(dòng)，正因如此，具身智能也是落地我們交互技術(shù)愿景的絕佳載體。”李世民告訴貝殼財(cái)經(jīng)記者。

“在今年WAIC展廳中，最熱的是物理AI，無論是機(jī)器人還是其他智能終端，它的本質(zhì)就是能夠?qū)崿F(xiàn)物理世界中的作業(yè)，可以是在工廠場(chǎng)景、服務(wù)場(chǎng)景、養(yǎng)老場(chǎng)景、個(gè)人陪伴場(chǎng)景等，AI通過物理載體去完成作業(yè)。當(dāng)AI在物理世界的作業(yè)實(shí)現(xiàn)之后，人類社會(huì)的物理勞動(dòng)力將極度充裕，我認(rèn)為這是人類發(fā)展歷程中，技術(shù)對(duì)經(jīng)濟(jì)和社會(huì)形態(tài)最底層的一次變革，變革的激烈程度會(huì)超過工業(yè)革命、信息革命等過去所有的技術(shù)浪潮。”周志峰說。

記者聯(lián)系郵箱：luoyidan@xjbnews.com

新京報(bào)貝殼財(cái)經(jīng)首席記者 羅亦丹

視頻 羅亦丹

編輯 岳彩周

校對(duì) 柳寶慶