WAIC 2026 觀察：具身智能進入落地深水區，康養賽道的工程化樣本 | 前沿在線

編輯：前沿在線 編輯部

2026年的WAIC，藏著具身智能行業最明確的拐點信號。

兩百余家參展商、三百余臺真機以井字布局鋪滿展區，熱度不輸前兩年的大模型專場。

逛了三天展最深的感受是：不少展臺上跑得流暢的Demo，本質都是「展會特供版」——固定路線、固定指令、甚至固定的燈光角度，撤展便完成使命，幾乎不會投入真實場景落地。

從「炫技競賽」到「落地算賬」，具身智能正在跨過它的成人禮。

這也是為什么今年從業者的討論重心徹底轉向。沒人再糾結自由度、步速這些紙面參數，話題三句之內必落到“落地”——工況穩不穩、運維成本高不高、客戶愿不愿意買單。

業內已經形成共識：2026 年是具身智能的應用元年。產業重心從“參數競賽”全面轉向“產品落地”，研發不再單純追求參數極限，更看重真實工況下的穩定性與實用性。

路線分野也隨之擺上臺面。

一派向上走，押注通用人形的長期全場景泛化，想象空間足夠大。另一派向下扎，錨定垂直剛需賽道先跑通閉環，走得慢，但踩得實。

傅利葉是垂直路線里最值得拆解的樣本。

這家在康復領域深耕了十年的企業，把居家場景搬進了展位，人形機器人在其中自主穿梭、完成服務動作，也許是全場最接近“家庭管家”想象的演示之一。

但有意思的是，他們自始至終都沒把“機器人進家庭”當成主打口號。

比起概念造勢，這家公司更愿意聊工程落地、場景價值和長期節奏。

一套分層工程化的語義方案、一套梯度匹配的產品矩陣、一條分階段落地的穩健路徑，共同構成了具身康養賽道頗具代表性的產業樣本。

賽道底色：萬億康養市場，機器人為何難破三層壁壘

在拆解具體方案之前，有必要先聊透康養這個賽道本身。

這是所有具身玩家都掛在嘴邊的核心落地場景，也是公認的萬億級剛性市場。

據民政部近年公開數據，國內養老護理人員缺口已超千萬，供需矛盾是實打實的。但真實情況是，喊布局的企業多，真沉下去的少；講概念的多，能碰核心照護環節的少。

絕大多數康養機器人，至今還停留在迎賓導覽、大屏播報、簡單陪聊的淺層次，始終沒能觸達真正的剛需環節。

所有脫離真實場景的技術浪漫，最終都會敗給柴米油鹽的現實。拆解下來，行業普遍卡在了三層壁壘里。

第一層，是最核心的供需錯配。

很多廠商對康養場景的理解，停留在「老人需要陪伴」的表層認知里，做出來的產品本質就是個帶輪子的平板——能播視頻、能語音聊天、能一鍵呼叫，除此之外干不了任何重活。

但真實的機構里，護理員最大的負擔從來不是陪聊，是搬物資、扶老人、轉運設備、送餐送藥這些重復性體力勞動。

一個護理員要管十幾個老人，每天彎腰幾十上百次，腰肌勞損是行業通病。

一邊是千萬級的人力缺口，一邊是大量產品找不到真實需求。錯配的根源，還是沒真正扎進場景里。

第二層，是容易被忽略的場景細節坎。

很多技術出身的團隊會覺得，只要機器人足夠智能，自然能適配所有場景。但真落到康養里就會發現，卡脖子的從來不是大模型聰不聰明，是一堆細碎到容易被忽略的現實問題。

比如病房門標準寬度只有 80 公分，肩寬超了就進不去；比如老人說話含糊，太程序化的交互指令根本不會用；

再比如機構的工作人員不懂技術，出了小故障就得等廠商上門，運維成本直接吃掉利潤。這些細節，坐在實驗室里想破頭也想不到，只能在真實場景里一個坑一個坑踩出來。

第三層，是看不見的信任與安全壁壘。

康養場景服務的是老人、患者這類弱勢群體，容錯率比工業場景低得多。

工業機器人出點小故障，大不了停線檢修；康養機器人出一次安全事故，就是整個品牌的信任破產，甚至要承擔法律責任。這也是為什么很多機構不敢貿然上機器人——不是嫌功能不夠強，是怕出問題擔不起責任。

用戶端的接受度同樣是隱性門檻，冰冷的工業感設計，很容易讓老年群體產生距離感與抵觸心理。連靠近都不愿意，功能再強也無從談起。

這種看不見的信任門檻，比技術門檻難破得多，也慢得多，沒有捷徑可走。

也正是這些層層疊疊的現實門檻，決定了具身康養這條路急不得、跳不得。不是靠一個炫酷的Demo、一套先進的大模型，就能立刻撬開市場。

真正的競爭力，藏在對場景的理解深度、對細節的打磨程度、對安全的冗余設計里。

看懂了這三層壁壘，再看傅利葉的整套打法，底層邏輯就非常清晰了。

技術路徑：分層架構 + 工程兜底，一條務實的落地路線

先把邊界說清楚。據現場人員反復確認，這套名為「具身之家」的方案，是面向居家陪伴場景的具身智能全鏈路技術驗證Demo，并非量產家用機器人產品。

它的核心價值，是跑通了“自然語言指令→長序列任務自主閉環”的完整技術鏈路，是具身智能從演示向實用演進的關鍵一步，為后續具備泛化能力的具身大腦落地做好了本體與技術底座準備。

人形機器人全面走進家庭，仍有賴于技術的長期迭代。

這兩年行業里有種莫名的傾向：但凡做具身，不說自己是端到端具身大模型，就好像技術低人一等。

但和一圈做落地的團隊聊下來你會發現，真敢往醫院、養老院里放的產品，沒人敢把全鏈路交給黑盒大模型——偶發的幻覺，在對話場景里只是無傷大雅的小問題，在康養場景里可能就是安全事故。

和行業內不少“端到端具身大模型”的敘事不同，傅利葉走了一條更偏向落地的分層路線。

據介紹，他們搭建了一個語義任務執行中樞：通用語言模型只負責它最擅長的語義理解與任務拆解，下游的空間語義地圖、導航規劃、運動控制各模塊各司其職，串成一條穩定可控的完整管線。

團隊也明確表示，未來會與具身大模型生態伙伴深度協同，持續推進通用泛化能力迭代；現階段的優先級，是先把落地的穩定性做扎實。

Demo拼的是能力上限，落地拼的是容錯下限。數字世界的智能是擬合出來的，物理世界的智能是摔打出來的。這套“長板復用 + 工程兜底”的思路，聽起來不夠顛覆性，卻精準命中了具身落地最大的痛點：不可控。

最核心的突破，是空間認知從“認坐標”升級成了“懂概念”。

傳統機器人的認知底座是純坐標地圖，只能去預先標定的點位，指令差一個字、物品挪十公分，大概率就失效。這也是康養場景的核心門檻——老人不會對著機器人報坐標。

據現場人員講解，傅利葉用的是「語義地圖+物理地圖」雙層架構：底層物理地圖基于激光雷達與視覺融合方案，管導航、管避障，保證運動穩定；上層語義地圖給空間賦予常識屬性，機器人知道“就餐區”對應餐廳，“喝的”通常放在餐桌上。

現場隨口說一句“找點喝的過來”，不用給坐標、不用指定物品，系統不到一秒就拆解出完整任務鏈，機器人自主完成定位、識別、抓取、遞送全流程。放在康養場景里，這個能力直接拉低了用戶的使用門檻。

最務實的設計，是任務執行有兜底、容錯可預期。

對應康養場景的高安全要求，穩定可控遠比能力上限重要。很多人對具身智能的想象是“無所不能”，但在落地場景里，核心要求恰恰是“有所不為”：不會突然動作幅度過大，不會誤判目標，不會碰撞障礙物，哪怕慢一點，只要不出錯，就是合格的產品。

大模型驅動機器人的普遍毛病，是輸出不可控，單點失敗就全程宕機。據了解，團隊專門引入了DAG有向無環圖調度框架，把大模型拆解的任務，切成帶優先級、前置條件和容錯機制的執行節點。

系統全程跟進狀態，抓取失敗就自動重試，路線被擋就切備用路徑，不會一出錯就原地罷工。

犧牲了一點極致泛化的想象空間，換來了商用場景最剛需的穩定可控。這筆賬，做過真實落地的團隊都算得過來。

最被低估的能力，是多機調度與運維可視化。

單臺機器人的智能不難做，難的是十幾臺擠在狹窄空間里高效協同，不堵、不僵。很多多機演示看著熱鬧，其實都是各走預設路線，真遇上就原地打轉“畫圈圈”。

傅利葉自研的FOCUS集控系統，像后臺的隱形調度中樞。據現場人員介紹，系統可以毫秒級同步所有機器人的位置與任務狀態，按優先級動態分配路權。

據介紹，在實際測試的相向通行場景中，兩臺機器人在窄過道相遇時，空載的會主動靠邊避讓，載貨的優先通過，全程運行流暢無卡頓。

旁邊實時跳動的大屏也不是花架子，語音轉寫、任務拆解、視覺識別、行進軌跡全鏈路同步呈現。

這是給商用運維留的入口——故障可定位、過程可追溯、狀態可監控，是技術從實驗室走向產業場景的必備工程能力。很多團隊做Demo習慣隱藏后臺技術鏈路，但真做落地的團隊，反而會把全鏈路擺出來給你看——因為可運維才是能規模化復制的前提。

技術路線的選擇，本質是落地策略的縮影。而這套思路落到商業節奏上，就是傅利葉「由難到易」的驗證邏輯。

驗證邏輯：以居家為壓力測試場，降維適配機構場景

一個很自然的疑問：既然用居家場景打磨技術，為什么不直接主打家庭市場？

這恰恰是傅利葉最具產業理性的地方。

創始人兼CEO顧捷很早就提出了康養機器人的三階段演進判斷，這也是公司一以貫之的落地策略：

康養機器人的場景應用是一個分階段逐步演進的過程。

第一階段主要在醫院康復場景，這是目前最成熟、驗證最充分的應用場景；

第二階段會進入養老機構和護理機構，更多承擔長期照護和功能維持；

第三階段才會逐步走向家庭場景，進入更日常的健康管理和輔助服務。

和現場人員聊下來，目前團隊已經完成了第一階段醫院康復場景的技術驗證與規模化鋪設。

整體策略也完全遵循既定節奏：從醫院和專業機構切入，用臨床需求定義產品和解決方案，在機構場景拓展應用邊界、驗證規模化落地能力，再逐步向社區與家庭延伸。

技術迭代也遵循同樣邏輯：優先把成熟的交互與智能能力落地到康復訓練、認知訓練等高頻場景，再基于長期場景積累提升智能化水平，核心是“真實場景反向驅動技術與產品演進”。

居家Demo的設計，藏著一套「由難到易」的驗證思路。

這其實是反常識的產品邏輯：大部分團隊做落地，都是先從結構化程度高、容錯率高的簡單場景切入。

但簡單場景磨出來的技術，到了復雜場景里全是漏洞；反過來用最高難度場景磨出來的能力，放到簡單場景里就是降維打擊，相當于負重訓練跑贏了，輕裝上陣自然快。

行業里有個普遍誤區：做了居家Demo就等于要做家用產品，很多廠商也愿意順著這個邏輯講故事——畢竟家庭市場的想象空間足夠大。

但傅利葉反過來，家庭場景是技術壓力測試場，不是現階段目標市場。

家庭是非結構化程度最高的場景之一，戶型、物品擺放、用戶習慣千差萬別，變量復雜度遠高于半標準化的機構場景。

用最高難度的場景打磨語義理解、任務規劃、動態避障等核心能力，相當于用最嚴標準淬煉技術底座；

等能力打磨扎實了，再下沉到醫院、養老機構場景，穩定性和可靠性只會更高，落地推進也更順暢。

換句話說，做居家場景的驗證，不是為了立刻打入C端市場，是給B端機構的落地磨更硬的技術底子。

今天在模擬家庭里驗證的模糊語義、長序列閉環、多機調度，明天就能直接復用在康養機構里：老人不用學復雜操作，護理人員不用逐個標點位，十幾臺機器同時跑也亂不了。

看起來走得慢，其實是最快的路。

產品哲學：沒有形態執念，場景需要什么，就做什么

從Demo區走到產品陳列側，能很清晰地摸到這家公司的產品邏輯——不同需求對應不同產品形態，務實得很直白。

現在整個行業都陷在一種慣性里，好像機器人不做成兩條腿走路的樣子，就不算高科技。

但你真去養老院問護理員最需要什么，沒人在意機器人長得像不像人，他們只需要一個能幫著搬幾十斤康復設備、能推餐車、不會喊累的幫手。

人形是具身的一種可能，卻不是所有場景的最優解。能解決問題的，就是好產品。

很多人容易被居家人形演示吸引注意力，反倒忽略了傅利葉完整的布局。在康養這條賽道里，需求本來就是分層的：重體力的物資搬運、日常的照護服務、公共空間的引導互動、個人的情感陪伴，每一類場景的最優解都不一樣，沒必要硬塞進同一種形態里。

展臺另一側的GRW輪式雙臂機器人，看起來就比人形機器人敦實得多。

現階段人形機器人負載能力有限，機構里搬物資、送餐食、輔助康復訓練這些重活，很難扛得住，GRW就是沖著這個缺口做的。

“長臂窄肩”的構型把肩寬壓到了585毫米。室內過道、倉儲通道及制造工位等狹窄作業空間都能直接通行，不用改造現有場地。

1970毫米的臂展覆蓋了0到2米的垂直作業空間，高低位取放都能適配。雙臂16公斤的穩定負載，也能覆蓋絕大多數機構的搬運需求。

再配合熱插拔換電、可快速更換的末端工具，還能打通FOCUS集控系統做全局調度，長時間扛重復性體力活沒問題。

這款產品在展臺上雖然沒有花哨的演示動作，但懂行的人都清楚，能真真切切沉到場景里干活的，才是能創造實際價值的硬通貨。

另一邊的「貓貓頭」機器人家族，走的就是完全不同的交互路線。

針對前文提到的用戶信任門檻，「貓貓頭」的設計給出了產品層面的解法。真實場景的需求從來不止于把活干了，用戶愿意接近、愿意使用，才是功能落地的前提。

技術的終點是功能，產品的終點是信任。

「貓貓頭」作為統一的交互設計語言，本質就是消解生硬感和機械感——柔和的輪廓、帶情緒的反饋，讓機器人更像個能打交道的伙伴，而不是一臺冰冷的機器。軟乎乎的設計背后，其實是把“用戶信任”這個看不見的落地門檻，用產品語言解決了。

三款產品的定位也順著場景鋪得很清楚：

GR-3是傅利葉「Care-bot」理念的核心載體，兼顧任務執行與情感交互；

GR Mini身形小巧、外形親和，適配公共空間的導覽與互動需求，還開放了開發接口支持機構做定制化調整；

GR Nano是桌面級的前瞻概念產品，更偏向長期的個人輕量化陪伴，探索個性化交互的更多可能性。

整套看下來，沒有為了湊熱點堆出來的產品，也沒有為了“看起來先進”硬套的形態。底層邏輯很簡單：場景需求定義產品形態，而不是反過來拿著單一形態，去硬套所有場景。

產業判斷：雙線并行格局下，垂直深耕的長期價值

2026年的WAIC，更像具身智能行業的一個階段性拐點。

前兩年的參數競賽熱潮逐步退去，行業正式扎進了落地驗證的深水區。通用人形路線代表了產業的長期想象空間，天花板足夠高，也需要持續的技術攻堅與資本投入；

垂直深耕路線代表了當下的落地確定性，先在單一賽道跑通商業閉環，用真實場景數據反哺技術迭代，走得更穩、更扎實。

兩條路線沒有優劣之分，都是具身智能產業生態的重要組成部分。

可以確定的是，行業已經過了單靠一個炫酷Demo就能講故事的階段。接下來的核心比拼會逐步轉向場景理解深度、工程落地能力與商業化效率。

誰先拿到真實場景的入場券，誰就能更早進入“場景數據→技術迭代→更好落地”的正向循環。

傅利葉的路徑未必是唯一的最優解，但它為垂直賽道的玩家提供了一套可參考的范式：尊重產業規律，不盲目躍進，拒絕形態執念，以真實需求驅動技術迭代，用工程化能力保障落地穩定性。

為什么是傅利葉走出了這樣的路徑？答案藏在十年的積累里。

這家公司2015年成立，從康復機器人起步，十年間產品進入了全球40多個國家和地區的2000余家機構與醫院，從單臺設備到智能康復港解決方案，再到引入腦機接口的腦機具身智能康復港，一步一個腳印完成了場景與技術的雙重沉淀。

這段經歷不是無關的過往，是今天布局具身康養的核心壁壘。

康復場景對力控精度、柔順交互、安全冗余的要求，遠高于普通工業場景。臨床環境打磨出的核心能力，可以直接平移到具身產品中。

從核心零部件、本體設計到智能系統、集控平臺的全棧自研能力，也讓技術迭代和場景適配的效率更高。

更關鍵的是深度場景認知——懂臨床流程、懂機構運營、懂真實用戶痛點，分得清什么是真需求，什么是紙面參數。這些都是跨界玩家短時間內很難補上來的課。

我一直覺得，未來具身智能的行業格局，不會是某一家人形公司通吃全場景，更可能是「通用大腦做泛化，垂直團隊做落地」的生態：大模型公司負責把通用能力做得越來越強，而像傅利葉這種在垂直場景磨了十年，懂場景、有本體、有工程能力的團隊，會成為所有通用能力落地的必經節點。

通用能力決定行業的上限，垂直深耕決定落地的下限。畢竟大模型再聰明，也得有靠譜的身體、懂場景的團隊，才能真正跑到真實世界里干活。

某種程度上說，傅利葉可能是目前國內對康養場景理解最深的具身機器人企業之一。

當行業普遍“拿著技術找場景”的時候，它已經在“順著場景做技術”了。這也讓它在康養賽道擁有了差異化的先發優勢。

離開展館的時候，入口處的大屏還在循環播放著各家的炫酷宣傳片，音樂慷慨激昂。

沒人能預判哪條路線最終會抵達具身智能的終局。但可以確定的是，所有扎根場景、尊重規律的探索，都在推動行業向前走。

畢竟具身智能的終局從來不在展臺上，在真實場景的褶皺里。

前沿動態前沿大會
前沿人物

點「在看」，給前前加雞腿