WAIC 2024具身智能观察：形态分化、大脑进化、落地攻坚

形态：从人形独舞到场景驱动的多元本体

进入上海世博展览馆H3馆，具身智能首次独立成馆。与去年150台人形机器人同台炫技不同，今年展区内形态显著多元化：载人机甲GD01静坐展台，轮足四足自由切换的上纬启元T1在模拟客厅与户外间流畅变形，逐际动力TRON2现场拼出‘半人马’结构，背负30公斤稳步穿行地毯、拖拽轮胎；宇树科技以拳击赛延续人形热度，但C位已是可载人的民用机甲原型；加速进化将展台铺成微型足球场，不到一米高的机器人自主完成抢断、假动作与射门。 工业场景中，形态让位于稳定性与实用性。智元机器人发布轮式重载机型精灵G2Max，主打24小时不间断码垛搬运；它石智航直接搬入1:1汽车线束产线，由‘轮式底盘+双臂’集群协同完成插接、检测、转运；乐聚聚焦工厂物流，其夸父系列人形与轮式变体联合蚂蚁灵波，打通纸箱拆垛、上料、搬运全链路。 消费端则走向小型化与亲和力。松延动力‘小布米’高94厘米、重12公斤、售价9998元，成为首款万元级量产人形，支持手机App远程OTA升级动作与交互界面；鹿明机器人展出89厘米‘鹿小明’，可随音乐起舞；加速进化的微型机器人已脱离遥控，实现多机自主协同竞技。 形态爆发背后，是厂商对落地逻辑的集体校准——不再幻想‘一款通吃’，而是按工业要稳定、家庭要拟人、消费要亲民、特种要载重的差异化需求，反向定义本体。一位现场工程师坦言：‘订单教会我们，没有万能形态，只有适配场景的正确选择。’

大脑：VLA持续进化，世界模型进入实测深水区

视觉-语言-动作（VLA）模型仍是主流基座，但局限日益凸显：依赖固定场景泛化弱、物理常识缺失、真实环境易失效。因此，‘世界模型’成为本届大会最密集的技术关键词——目标不再是复现动作，而是让机器人在内部模拟‘这么做世界会怎样’，再据此决策。 银河通用星脑模型将单次任务时长延伸至3–5分钟，现场演示连续完成烤面包、倒饮料、取盘装盘，且能应对临时移位的杯子与餐盘，实时重规划路径与抓取姿态；原力灵机联合阶跃星辰发起极限挑战：6台机器人基于DM0.5通用模型，协同拼装8万余块积木的长城模型，持续运行15小时未中断；星尘智能发布22项真机家庭任务，涵盖煎蛋颠锅、称量小米、打蝴蝶结等需力控、时序与空间判断的复合操作。 技术路线上呈现明显分野：银河通用WAM-TTT采用‘测试时训练’（TTT），机器人抵达客户现场后，仅需观看人类操作视频即可快速适配，无需动作标注，预训练参数冻结，大幅降低数据门槛；星尘智能Lumo-2提出‘隐式世界动作模型’，接到指令后不调用预存动作，而是在内部推理‘如何改变状态以达成目标’，例如煎蛋时先‘想象’蛋滑向锅边，再生成对应压腕动作；腾讯RxBrain则构建‘裂脑’架构，左右脑分别处理文字子任务与图像化世界状态预测，实现推理与想象的双向耦合。 值得注意的是，VLA与世界模型并非替代关系。前者正强化物理约束建模与长程动作编排，后者亦吸收VLA的多模态对齐能力。两条路径并行演进，共同指向一个目标：让机器人从‘听指令执行’转向‘理解意图并自主求解’。

落地：数据与灵巧手，成为新竞争主战场

展台热闹之外，行业共识愈发清晰：制约规模化落地的瓶颈，不在概念，而在两处硬核环节——高质量具身数据供给不足，以及末端执行器（灵巧手）能力不足。 数据采集首次成为独立展区。宇树、乐聚等本体厂商坚持自采自用，数据闭环但难共享；觅蜂科技推出MEgo系列轻量化数采设备，含手持式Gripper（560克，毫米级轨迹记录）与穿戴式View（7路同步影像），面向初创公司及本体厂提供‘不绑机型’的灵活方案；大晓机器人则打包发布ACE采集设备与开悟世界模型KAIROS，数据直通模型训练管道，支持解耦选购。 灵巧手技术路线百花齐放。灵心巧手O30采用全直驱架构，20关节独立控制，亚毫米定位精度，额定负载30公斤，瞄准汽车精密装配；超维动力KAIHand覆盖37个关节，指尖力超30牛，80%面积集成触觉皮肤，可感知0.1牛微力，现场演示砸木板验证刚柔兼备；多家厂商展示腱绳传动、连杆仿生等不同方案，共同指向同一趋势：末端执行器正从工业夹爪升级为具身智能的‘核心终端’，其性能直接决定模型能力能否转化为真实生产力。 回到起点：WAIC的喧嚣终会落幕，但具身智能的进程已然提速。形态不再单一，大脑开始‘思考’，落地正聚焦真实瓶颈。它尚未走进千家万户，也未接管工厂产线，但已清晰走出实验室，站在规模化爬坡的临界点上——下一步，比拼的不再是‘能不能动’，而是‘能不能稳、能不能准、能不能久’。