图：宇树GD01机甲 图片经由AI生成



8月的北京亦庄，机器人又一次挤满了展馆。

2026世界机器人大会现场（WRC），人形机器人跳舞、格斗、抓取、分拣，机械臂在模拟产线上插接、码垛，另一边的机器人忙着叠衣服、整理房间、给冰箱补饮料。

如果连续看过这两年的机器人展，这些画面会带来一种奇怪的熟悉感：机器人明显更多了，但它们做的事情，似乎没有发生与产业热度匹配的跃迁。去年抓杯子，今年还在抓杯子；去年叠衣服，今年还在叠衣服；去年所有人都在说进汽车工厂，今年最重要的话题之一依然是进厂。

就在WRC举行期间，Counterpoint Research发布最新统计：2026年上半年，全球人形机器人出货量突破2.2万台，同比增长接近300%，全年预计超过5万台。智元上半年出货约9700台，宇树超过7000台，银河通用超过1100台，前五家厂商合计占到全球市场的86%。

从应用结构来看，文娱表演占33.6%，数据生产与科研占27%，两项合计超过六成；服务与导览约19%，智能制造12.8%，仓储物流4.9%。真正进入智能制造和仓储物流的还不到两成。

火爆的展会背后，过去一年，具身智能究竟进步在了哪里？

真正剧烈的变化可能已经越来越难靠肉眼识别：同样是抓起一个杯子，它需要多少训练数据，动作有没有提前编排，换一个杯子还能不能抓；机器人去了另一家工厂，需要几个工程师重新调；一次失败以后，它能不能判断自己做错了；同一个“大脑”换进另一副身体，还剩多少能力。

机器人展台正在变得没那么好看了。用户对跳舞、抓取、奔跑的画面开始审美疲劳，但产业真正重要的变化，反而发生在这些画面之外。

01

“换个地方还能不能干”

今年WRC，宇树创始人王兴兴花了不少时间回顾宇树过去十年的变化。但在那些奔跑速度、新本体和模型之外，他反复谈到的是同一个问题：泛化。

“为什么我们现在没有大规模推广？最主要的原因是目前的效率和泛化能力还不够。”

现在的机器人已经能够做简单装配。在一个固定场景里采集足够多的数据，成功率甚至可以接近100%；操作物品稍微换一下，环境稍微发生变化，成功率就可能迅速下降。

这几乎解释了机器人展会上最容易产生的错觉。

过去两年，行业越来越擅长证明“这件事机器人能做”。拿药盒、整理会议室、抓取异形物体、上下料、叠衣服，只要任务边界足够明确，再给模型足够的数据和工程资源，越来越多公司可以把任务做到很高的完成度。

银河通用创始人王鹤给出了一个很有代表性的判断：今天如果有一个明确任务，并且愿意投入资源进行后训练，“几乎都能把这个任务做好”。真正的问题在于，背后仍然需要专业人员参与后训练，这笔研发投入很难立即复制到成千上万个行业。

于是，2026年机器人行业真正的分水岭开始发生变化，关键的问题是：这个任务做“会”以后，能不能少采数据、少派工程师，把能力复制到100家工厂、1000家门店？

王兴兴给通用机器人划过一条很具体的临界线：把机器人带进一个此前从没见过的陌生环境，只通过语言告诉它要做什么，它能够完成80%左右的任务。达到这一水平，他认为才接近产业真正的爆发点。时间上，他给出的区间快则两三年，慢则五年乃至十年。

王鹤给出的坐标还要早一些。他把今天的具身基础模型类比成数字AI时代的GPT-2：模型已经表现出通用性的雏形，但距离在各行业零样本直接工作还有一段距离。他预计，到2028年前后，具身基模才可能接近数字世界GPT-3.5至GPT-4附近的阶段。

02

宇树“补大脑”，银河通用“长出双腿”

如果要从今天中国具身智能市场找两个标签足够鲜明的样本，宇树和银河通用很有代表性。

宇树让市场记住的首先是机器人的身体。从四足机器人到H1、G1，它过去十年的优势非常具体：运动控制、本体工程、成本和量产。今年4月，宇树用H1改制机型跑出超过10米/秒的速度；王兴兴在WRC又预览了一台研发三个多月的新机器人，最高速度已经达到12.65米/秒。Counterpoint统计显示，今年上半年宇树人形机器人出货超过7000台，占全球市场31%。

不过，这7000多台机器人现在主要去了科研教育市场。 宇树已经证明高性能人形本体可以从几十台、几百台走到数千台规模，甚至成为很多研究团队和开发者使用的标准平台。接下来需要证明的，是这些身体里有多少最终能够从研究设备、数采工具和展示机器人，转化成真正工作的机器。

宇树今年的资源流向因此很值得关注。王兴兴在WRC透露，公司目前资金和人力投入最大的方向已经是AI模型。宇树2020年就做过基于视频生成的世界模型，效果不理想后停过一段时间，2025年重新大力投入。

今年展示的一项变化，是机器人动作开始从“事先练会”走向“现场生成”。王兴兴承认，过去舞蹈、功夫等看起来很复杂的动作，大量都是提前采集并训练好的；近期宇树演示的另一套能力，会在听到实时语音后由多模态模型生成对应动作。目前从语音识别到云端生成、验证再下发，仍有数秒延迟，真正的实时动作生成还在继续优化。

一家以运动控制和本体闻名的公司，正在把最大一笔研发资源投向“大脑”。

银河过去几年最强的标签一直是具身基础模型、世界模型、具身智能数据，代表性产品长期采用轮式路线。药房、商超、工业搬运不需要机器人先证明自己能跑多快，轮式底盘能提供更高稳定性和持续作业效率。

今年WRC期间，银河带来了最新双足机器人ET1，产品形态从此前的轮式G1、面向工业重载的S1，扩展到双足和高动态全身运动。银河在现场还展示了机器人通过视觉学习街舞。

王鹤介绍，这背后先训练了一个通用的全身控制“小脑”：动作源头来自约10万小时人类全身运动数据，经过仿真和强化学习完成Real-to-Sim、Sim-to-Real，再由上层智能体安排观察、学习和执行。



图：银河通用推出双足机器人Galbot ET1

银河今年另一项技术动作直击商业化的隐形成本。王鹤多次讲到WAM-TTT，希望机器人去一个新的客户现场后，客户只需要拍摄员工怎么干活，不需要人工逐条标注，也不需要先由遥控操作员控制机器人重新采完整轨迹，就能够通过测试时训练让基础模型适应新的环境和任务。

王鹤表示，在宁德时代，银河已经度过单台POC和单一工厂验收阶段，开始在数十家工厂横向部署，任务从堆垛、拆垛、搬运、分拣延伸到拧螺丝和异形物体操作；与此同时，目前仍需要工业垂类模型和工程人员参与后训练。

03

家庭已经成为下一张考卷

今年WRC还有一个变化：“家”出现得越来越多。

过去两年，具身智能讨论商业落地，最常见的答案是汽车工厂、3C、仓储物流。今年更多团队开始主动走进另一种环境。

家庭是一块很特殊的试验场。

机器人进入汽车工厂，可以要求零件按照固定方向送到面前；进入家以后，杯子今天放在餐桌，明天可能出现在水槽。衣服没有固定形状，椅子会被挪走，房门可能只开一半，光线每天都不一样，人、宠物随时走进机器人的路线。

很多任务还无法拆成一个抓取动作：整理房间、洗衣服、准备一顿饭，往往持续十几分钟甚至更久，中间任何一步失败，都可能让后面的计划全部改变。



图：银河通用机器人Galbot展示叠衣服

工厂可以通过标准化降低机器人面对的世界复杂度，家庭几乎要求机器人直接面对复杂度本身。

这也是今年不少“大脑派”公司愿意在家庭场景里展示模型的原因。它并不一定意味着这些机器人很快就会进入千家万户，反而说明家庭正在成为检验长程规划、记忆、泛化、柔性操作和失败恢复的一块高难度考场。

同样是进入家庭，另一条路线已经开始分化出来。

优必选旗下“优世界”推出的U1超仿生机器人，关注人的面孔、眼神、嘴部动作、表情和情感交互，U1在WRC2026现场热度很高。

价格跨度也足够大。U1 Lite售价11.98万元，U1 Pro为16.98万元，U1 Ultra男版99万元、女版88万元；产品定位集中在家庭情感陪伴，6月底公司披露全系列订单超过1.3万台。



图：优必选在WRC2026现场展出的U1 Ultra

这批订单最终有多少转化成实际交付和持续使用，还需要时间检验。但U1让家庭机器人出现了一条和“自动叠衣服”完全不同的商业路线：机器人进入家庭，可以卖劳动力，也可以卖情绪价值。

这两条路线以后也可能重新合流。一个真正成熟的家庭机器人，大概率既需要帮人做事，也需要懂得如何和人长期相处。但行业还远没有走到那一步。

王鹤提到家庭场景时，把最先要解决的问题放在了安全上。普通用户不会像工厂工程师一样知道机器人出现异常时该如何处置，家里还有老人、孩子和宠物。对工业设备而言，一次错误可能导致停机；对进入家庭的人形机器人而言，安全容错空间还要更小。

所以今年“家庭场景变多”不能简单理解成家庭机器人马上要爆发。它至少说明，具身模型的竞争开始从结构化环境向更开放的环境延伸。

工厂测试的是生产效率，家庭测试的已经越来越接近通用能力。

站在这些新机器人旁边，WRC里还有另一群已经在工厂工作二十多年的老玩家。

新松成立于2000年，工业机器人、移动机器人和自动化产线早已进入汽车、半导体、物流等制造场景。今年WRC，它带来的松羿-Power轮式人形机器人，产品定义里写着高频搬运、大跨度作业和“长时连续运行”；公司近期的另一条重点仍然是汽车焊装、智能焊接等成熟工业需求。

把新松和今天最热的人形公司放在一个展馆里，会形成一种很有意思的错位。新一代人形机器人还在证明“我也能进工厂”，传统工业机器人已经在工厂接受几十万、几百万次重复工作的检验。

资本市场傍两类公司的想象空间却完全不同。老牌工业机器人公司按照制造业公司的收入、利润和订单定价，新一代人形公司获得的估值里，包含了大量“未来通用机器人市场”尚未发生的价值。

04

大厂的位置

科技大厂也在找自己的位置。

小米今年带来了新一代人形机器人，这也是这款产品第一次面向公众亮相。机器人身高约1.7米、体重66公斤，全身66个自由度，目前仍处于样机阶段。在WRC的“具身花园”里，它扮演一名“花艺师”，完成抓取香片、撒花和递送等互动。



图：小米新一代人形机器人在2026世界机器人大会的“具身花园”展台上

单看这些动作，很难说出它的特点。小米的特殊之处在于，它本身同时拥有手机、汽车、IoT、智能家居和制造体系。卢伟冰谈到机器人时也把它放进了“人车家全生态”，应用范围指向智能工厂、智能出行和家庭。

对一家机器人创业公司来说，最大的难题之一是去哪里找到真实场景和用户；对小米而言，工厂、汽车和家庭设备本来就在自己的业务体系里。

今年WRC，京东成为大会全球战略合作伙伴，搭出600平方米展区，把机器人放进研发数采、仓储物流、零售和未来家庭等不同场景。公司宣布未来将在机器人领域投入百亿级资源，目前已经与200余家机器人品牌展开合作。

京东未必需要自己造出最好的人形机器人。它拥有仓库、物流、门店、渠道和售后体系，这些都是机器人从Demo走向规模部署时非常稀缺的基础设施。

大厂入场带来的是另一种时间差。

产业一直按照“机器人会成为下一代重要终端”的未来配置资源，技术本身仍在解决换个物品还能不能抓、去了另一家工厂是否要重新训练这些很基础的问题。

这种时间差也是这轮热潮最需要警惕的部分。

05

最后的几毫米，以及第一个千万小时

机器人没有复制ChatGPT的进化速度，一个原因是物理世界容错率更低。

王兴兴在WRC提到，机器人真正难的地方常常发生在“最后几厘米、最后几毫米”。模型已经知道该拿起哪个物体，机械臂也知道大致该往哪里伸，但视觉、关节、摩擦力、物体形变都会带来误差。语言模型答错一个词还能继续生成，机器人手偏几厘米，杯子可能已经掉了。到了工厂，评价标准还会进一步变成节拍、良率、连续运行和维修频率。

模型的另一道限制来自数据。大语言模型有互联网，机器人没有天然存在的“动作互联网”。人类每天开门、洗衣服、搬箱子，却不会自动留下包含三维位置、触觉和作用力的训练数据。

昆仑万维董事长方汉曾表示，目前头部具身世界模型的数据大多还在十万小时量级，2026年底可能有人进入百万小时；如果具身模型也存在Scaling拐点，可能要到1000万小时甚至1亿小时才会出现明显变化。

更现实的是成本。高质量UMI和真机数据每小时往往仍需数百元，千万小时意味着巨大的投入。于是第一视角视频、遥操作、仿真、合成数据、数据清洗开始同时升温。过去一年，很多看起来不像机器人的东西，反而可能决定下一代机器人进化的速度。

具身智能正在寻找它自己的“互联网”。

06

写在最后：高估了短期，也低估了变化

过去三年，ChatGPT让市场习惯了软件式的进化速度：模型能力突破以后，可以在几个月内覆盖全球用户。

机器人很难复制这条曲线。

市场确实可能高估了机器人短期进入工厂和家庭的速度。但如果只因为WRC上的机器人还在抓杯子、叠衣服，就判断行业没有明显进步，也会错过另一半变化。

过去一年，本体公司开始把更多资源投向模型，模型公司开始做双足和跨本体，世界模型、VLA、测试时训练和强化学习同时推进；家庭成为长程任务的新考场，工业端重新强调连续运行和寿命，大厂也开始进入。

这大概就是2026年的现状，高估了短期进展，也低估了长期变化。