從跳舞炫技到上崗打工，機器人完成人類KPI要邁過三道坎

在暴雨、水上劃船、熱浪襲人中，7月20日，2026世界人工智能大會（WAIC）在上海落下帷幕。這是世界人工智能大會第九次舉辦，本次展覽總面積首次突破10萬平方米，吸引了1100余家企業參展。

今年的WAIC上，機器人依然是C位明星。據官方統計，會展期間有超過300臺機器人現場同臺競技。但今年機器人的吸睛“姿勢”完全變了。機器人后空翻、跳舞、打太極等“才藝表演”大面積退場，取而代之的是一排排正在拆垛、搬運、上下料、做咖啡、分揀藥品的機器人。

智元把廣州地鐵安檢崗、京東物流倉儲產線搬進展廳，樂聚用1:1產線復刻“進廠搬磚”全流程，螞蟻靈波則開出了一家機器人智慧藥房。甚至在WAIC主會場和兩個分會場的公共區域，都有60臺機器人負責指路引路。

從“炫技”到打工，2026年的WAIC機器人產業完成了一次集體轉身。今年被多家企業定義為“部署態元年”“落地元年”，但元年的另一面，也有參展機器人“翻車”視頻在社交媒體頻繁出現——走路摔倒、抓取落空、動作卡頓……與落地元年的宏大敘事形成了微妙對沖。

熱鬧之外，真正的問題浮出水面：機器人何時能穩定作業？當它們走出聚光燈、進入真實的夜班和產線，能不能連續工作一萬次依然穩定如初？這場從舞臺到工位的機器人集體遷移，究竟是產業拐點還是另一種方式的“炫技”？

1機器人集體遇上人類KPI

在WAIC上，智元一口氣發布了遠征A3 Ultra、精靈G2 Max、靈犀X2 EDU等五款機器人新品，展位一時擠得水泄不通。但比新品發布更值得關注的是，智元把展位變成了工位。在現場，機器人在依據真實場景布設的廣州地鐵的安檢引導崗、成都寬窄巷子的游客服務中心、京東物流的倉儲產線“上班”。

智元將多種工位搬到了WAIC現場。

與之對應，智元展臺上跑的不是舞蹈表演，而是真實的工作流：芯片料盤上下料、料箱搬運碼垛、安檢咨詢應答。甚至WAIC主會場和兩個分會場的公共區域，也有60臺智元機器人在承擔指路引路服務……

智元并非個例。今年參展的機器人企業，集體將工位搬到了展位現場。

樂聚機器人在其展臺特別設置了“進廠搬磚區”。該展臺以1:1比例復刻真實產線，機器人包攬了紙箱拆垛、塑料箱拆垛、小件上料等三大場景，從拆垛、搬運到上料全自動完成，遇到箱體歪斜還能自行校準，全程無需人工介入。

它石智航將整套針對汽車產線的線束智能機器人解決方案搬到了現場。這套方案包括機器人本體、流水線、生產面板等全套作業設備。據展臺工作人員介紹，這套方案主要覆蓋乘用車前后保險杠線束、天窗控制線束、車門控制線束等全品類線束量產場景，目前該方案已在國內汽車線束龍頭企業天海電子規模化部署。

它石智航針對汽車產線的線束智能機器人解決方案。

南都N視頻記者關注到，這屆WAIC，機器人除了集體要化身“打工人”，更要面臨嚴峻的人類KPI考核。

在原力靈機聯合階躍星辰搭建的“機器人拼搭長城”展臺上，一塊標記著實時作業時間、拼裝完成度的看板在現場展示。隨著機器人的身影在現場來回巡游，4臺桌面機器人主攻精細零件的拼裝，兩臺輪式機器人負責將拼裝完成的組件運輸、組裝，由機器人構造的“賽博長城”拼裝進度條正在一步步向右推進。

原力靈機聯合階躍星辰搭建了“機器人拼搭長城”展臺。

微億智造的具身質檢多臂協同機器人，在展位上化身經驗豐富的老師傅，高速飛拍并在運動擺臂中精準捕捉微米級缺陷，一時間現場閃光燈不斷。

微億智造機器人化身經驗豐富的質檢老師傅。

據工作人員介紹，該款機器人系統搭載0.2微米級超高微米檢測精度，以及1米/秒高速動態飛拍成像能力。通過拍攝能快速判斷產品良率并統計缺陷，并將結果呈現在現場的看板中。

目前，這套系統已在某頭部德系車企的國內總裝車間及德國本土產線同步運行。

仙工智能聯合創始人葉楊笙觀察到了類似的現象，他告訴南都記者，相比去年，今年機器人品類更豐富、產品化更進一步。“去年大家展示的還有些工程樣機的部分，今年看起來更像完整的產品了。另外，今年表演跳舞性質的機器人相比去年少一點，基本不管是在家庭還是工業、物流場景，各家機器人都在干活”。

2消費賽道擠滿“打工人”

今年WAIC ，螞蟻在現場打造了機器人智慧藥房，該藥房也入選WAIC 2026“鎮館之寶”。在WAIC螞蟻靈波展臺，樂聚、星海圖和螞蟻靈波自研R-2三臺機器人，在具身基座模型LingBot-VLA 2.0的驅動下根據隨機訂單自主分工，連續完成接單、取貨和交付。機器人需要識別藥品及其位置，理解貨架、人員和設備的空間關系，規劃連續任務，并將決策轉化為不同本體可以執行的動作。

螞蟻將機器人智慧藥房搬到了展會現場。

據介紹，這套方案已在國大藥房上海門店投入實際運營。門店無需為機器人專門進行空間改造，機器人可直接進入既有經營環境，與工作人員和顧客共處。特別是在夜間值班等場景，機器人有效協助藥劑師分揀藥品，分擔高頻重復勞動，提升夜間藥房的服務效率。

談及螞蟻選擇落地藥房場景的原因，螞蟻靈波科技CEO朱興表示，一方面是看到商業空間，另一方面則是為了牽引模型的進步。“機器人智慧藥房從整個任務或者環境來說，不是單一任務也不是純封閉空間，更多偏生活服務，無論是操作泛化性、環境復雜度，還是跟人交流的安全性，難度都高于工業、物流等，我認為應對更難的場景能把我們的能力打磨得更成熟”。

針對后續是否會大規模復制藥房落地場景，朱興則表示肯定，但他認為數量方面不會太激進。原因之一就在于跨門店復制存在一定難點，“因為門店之間存在差異，涉及到門店作業流程的改造、門店工作人員的培訓人機之間的磨合等，需要一個比較長的部署、交付周期”。

無獨有偶，穹徹智能也在現場展出了零售藥房場景解決方案。據介紹，面向超過3000個SKU商品，部署該套解決方案后可實現輕量化部署，無需大規模改造門店結構與運營流程。據悉，目前整套解決方案已在連鎖藥房完成部署與運行驗證，持續探索具身智能機器人在真實商業環境中的應用價值。

除了藥房這一民生場景，咖啡、冰淇淋、早餐等日常制作場景，也成為各家機器人廠商爭相布局的關鍵。

深圳機器人公司智平方在展會上開出一家能夠制作飲品的機器人店，展示了機器人店員自主穩定完成咖啡、冰淇淋、抹茶等飲品制作的過程。

在上海百年石庫門歷史街區張園，一座名為“愛寶智魔方”的模塊化具身智能服務空間則入選了“WAIC City Walk 2026伴游記”官方參訪點位。在該點位，一臺名為“愛寶”的通用智能機器人會不斷為顧客制作咖啡。

銀河通用也帶來了一套正在真實場景應用的具身智能解決方案矩陣。在其展區內，Galbot G1 機器人在挑戰完成極具長程任務特色的早餐制作任務——烤面包、倒飲料，雙臂協同。據介紹，任務鏈的每一個環節都可以被隨機干擾：如面包的擺放位置可以挪動，倒水的壺可以移走，杯子可以變換位置，放面包的盤子也可以被隨意移動。

3當世界模型成為“大腦”

當硬件軀體日益成熟，機器人最激烈的較量已經轉移到了“大腦”。螞蟻靈波科技CEO朱興在WAIC上表示，大腦是制約具身智能行業發展最關鍵的瓶頸。“過往小腦、控制技術和硬件進步后，機器人能唱歌跳舞，但不能干活。真正在現實環境里干活，本質上更多靠大腦，因為有很多活必須通過模型來驅動解決”。

關于“大腦”的流派，過去兩年，VLA（視覺-語言-動作模型）與世界模型路線引起了幾番爭論。VLA曾是具身智能的默認技術路線，行業一度押注它作為通用方案的底座。但隨著落地推進，這條路徑的短板逐漸暴露：機器人在訓練環境中可以精準執行，一旦換到陌生場景，往往抓不住、對不準、動不了——泛化能力的瓶頸，卡在了從Demo到產線的最后一公里。

在這樣的背景下，世界模型開始接棒成為技術新焦點。在世界模型路線中，機器人大腦掌握物理世界的運行規律、把這套規律轉換成不同的行動指令，就可以更快學會物理世界中的不同任務和適應新環境、降低對數據依賴。

今年WAIC上，行業的共識度更加明顯，多家廠商都集中展出了面向機器人的世界模型成果。

云跡科技在展出了其人機共生世界價值模型。在現場演示中，南都記者看到，用戶通過自然語言向小程序下達指令，C端應用隨即展示任務理解、推理與規劃過程，世界價值模型進一步調度單臂協作機器人，連續完成取衣、抓衣、洗衣、烘干、送回等長程任務。

用戶下達指令，云跡世界價值模型調度機器人完成任務。

為什么今年整個行業都在談世界模型？云跡科技相關負責人段炎彪告訴南都記者，這種轉向并非技術概念的簡單更替，而是機器人行業思考方式的一次遷移。

“過去，行業更多關注如何把一個動作做對；現在，大家開始思考機器人如何在真實場景中持續提供服務。世界模型的核心，是讓機器人能夠理解環境、學習環境的運行規律，并預測自身行動可能帶來的狀態變化。只有具備這樣的能力，機器人才能在復雜、動態的真實場景中進行規劃和行動。這也是整個行業由單點能力展示走向場景落地，乃至商業化落地的重要拐點”。

據介紹，云跡科技提出的世界價值模型是在世界模型基礎上的進一步演進。世界模型主要解決“世界如何變化、行動會帶來什么結果”的問題；世界價值模型則進一步引入價值判斷與目標優化，評估不同決策可能產生的長期影響，并在多種可行方案中選擇整體價值更優的行動路徑。

這意味著，模型不僅要判斷一個動作能否執行、結果是否正確，還要綜合考慮效率、成本、用戶體驗、安全性以及人機協作等多重目標，實現從“把事情做對”到“以更優方式創造長期價值”的能力升級，從而推動降本增效與服務體驗提升的雙重落地。

智元合伙人姚卯青在WAIC主論壇上也提到，今年世界模型雖然火爆，但大部分工作仍停留在視覺生成層面，主要基于視頻生成類預訓練模型做后訓練。

左二為智元合伙人姚卯青。

姚卯青認為，當前世界模型訓練中存在的兩大問題。一是數據類型的錯配。互聯網視頻的數據分布與機器人真正需要的物理世界數據存在本質差異，與互聯網數據不同，機器人需要的是接觸豐富、包含推拉擰拽等動作，涵蓋柔性物體、摩擦力、流體等多樣物理交互的真實數據，這些既在互聯網上稀缺，也難以通過現有物理引擎模擬；二是數據規模不足，他提出，物理世界數據的信息密度遠低于文本，要實現更高階的物理常識判斷，可能需要達到“億小時”量級的真實世界數據。

朱興也觀察到了數據不足的問題，他提到這是制約大腦發展慢于小腦的本質原因。“具身數據不足是更本質的一點。數據確實難收集、難生產。未來要先通過人為的數據收集和生產，讓大腦泛化一點，然后再投產，在投產過程中收集一些分析的數據，尤其是異常的數據，形成閉環。等到人人都可以為機器人生產數據，或者機器人的學習范式改變之時，才會迎來真正的大爆發”。

4機器人頻繁“翻車”，卡點在哪？

2026年被多家企業定義為機器人部署元年、落地元年。盡管機器人已毫無懸念地成為本屆WAIC的C位明星，但與此同時，不少機器人在展會現場“翻車”的視頻也成為社交媒體的談資——走路摔倒、抓取落空、動作卡頓，這些畫面在互聯網平臺上廣泛傳播，幾乎與“落地元年”的宏大敘事形成了某種微妙的對沖。

熱鬧之外，一個更務實的問題浮出水面：機器人何時能真正穩定作業？從展臺到產線，中間還隔著幾道關卡？

地瓜機器人開發者生態副總裁胡春旭在WAIC前的媒體溝通會上給出了一種判斷：今年作為具身智能量產元年的產業共識已經形成，但背后的挑戰依然十分巨大，機器人從實驗室走向工廠穩定作業，中間的鴻溝非常大。

他將挑戰歸納為三層。第一層是“模型上車難”：模型部署在云端會面臨實時性難題，網絡抖動和延遲直接影響控制可靠性；放在端側，又會受到功耗、成本、帶寬等多重約束。第二層是系統算力要求極高：機器人是一套復雜系統，除了運行VLA與世界模型，還要調度多路攝像頭、傳感器實現高度協同，對數十個關節電機實現高精度控制，需要充足的算力同時支撐“大腦”的感知決策與“小腦”的運動控制。

第三層則是容易被忽視的產業協同問題。“實驗室做Demo相對容易，十次運行中只要有一次成功即可，原型機可以存在諸多缺陷，依靠手工標定就能完成演示”。胡春旭說，“但大規模量產需要保障硬件一致性，實現PCB、接口的標準化，所有功能都需要通過耐高溫、耐沖擊、高負載等全項可靠性認證。這個過程需要全產業鏈協同推進，單靠一家企業很難完成全鏈條落地”。

穹徹智能創始人、上海交通大學人工智能學院副院長盧策吾則在WAIC期間的產業論壇上，從另一個維度拆解了落地的判斷標準。他認為，決定哪些任務已經能夠落地、哪些任務暫時還不能落地的那條“紅線”，本質上是模型的智能水平。

而衡量預訓練模型的能力，可以歸結為兩個維度：一是“可達性”，即模型能否通過后訓練，將某項任務提升至足夠高的成功率；二是“經濟性”，即達到這一目標需要投入多少數據、算力、時間和人工成本。

盧策吾進一步指出，盡管當前世界模型的發展已經能夠讓機器人理解環境、預測變化，但當機器人真正進入物理世界，還必須面對摩擦、碰撞、阻力、形變以及復雜的接觸關系。

在他看來，世界模型賦予機器人泛化能力，力與接觸反饋則讓模型生成的行為能夠穩定、可靠地落地到現實世界。比如，人類在擰瓶蓋、推抽屜等動作中，并不需要對每一個細節進行復雜推理，很多調整來自接觸之后的“下意識”反饋；對機器人而言，合理利用力與接觸信息，同樣能夠降低實現通用能力的成本，壓縮世界模型需要推演的解空間。

從“能夠完成”到“可靠完成”，正是機器人由Demo走向規模化應用必須跨越的關鍵一步。而這一步，可能比外界想象的要難得多。當WAIC展館里的燈光熄滅，機器人們被拆解、打包、運回各自的實驗室和產線，真正考驗才剛剛開始：它們要證明自己不僅能在聚光燈下完成一次漂亮的演示，更要做到在無人圍觀的夜班里，連續一萬次作業依然穩定如初。

出品：南都政商數據新聞部
統籌：甄芹
采寫：南都N視頻記者 林文琪 朱可軒