从WAIC 2026看具身智能：热闹下的真实进度条

h1 具身智能的现场热度与技术现实 七月中旬，上海世博展览馆外人流如织，具身智能展区成为全场焦点。二百多家展商携三百多台真机亮相，数量较去年增长近两倍。智元精灵G2Max在模拟仓储中连续码箱；乐聚机器人标称拆垛综合成功率95.8%，目标是10小时不间断运行；它石智航将1:1复刻的汽车线束流水线搬进展台，A1机器人在AWE 3.5驱动下完成取线-布线-插接循环，并已在天海电子、安波福等客户现场部署近百台。开普勒则展示了机器人‘搬砖’能力——动作扎实，但边界清晰。 h1 车企入场积极，但落地极为审慎 比亚迪宣布年内向自有工厂投放2万台‘尧舜禹’人形机器人；一汽成立具身智能子公司；小米人形机器人已在汽车工厂‘实习’半年；宝马莱比锡、雷诺法国基地也官宣试点。工信部预测2026年全国人形机器人整机产量有望突破10万台。然而，一位亲临产线的工程师坦言：‘台上能跑24小时，真让它去总装线拧一颗80牛·米扭矩的螺栓试试？’——这句直白的质疑，道出了当前最真实的落差。 h1 从炫技到务实：能力重心悄然转移 往届WAIC上，机器人跳舞、翻跟头、打太极是标配；本届，远征A3在通道口用中英双语应答问询，灵犀X2穿行递水，近60台人形机器人在‘三地四馆’常态化上岗。机器人正从展品转向从业者，叙事主线也由‘身体竞赛’转向‘大脑竞赛’。梅卡曼德推‘一脑多形’，蚂蚁灵波将LingBot-VLA2.0嵌入二十多种本体实现90秒无人药房闭环，阶跃星辰用具身基模协调6台机器人完成15小时精密拼装。宇树创始人王兴兴指出：具身智能必须等待属于它的‘类ChatGPT时刻’，泛化能力是绕不过的门槛。 h1 三座大山：大脑、数据、硬件 大脑层面，有效训练数据严重不足，实验室与真实工况差距巨大，具身大模型尚不具备可靠举一反三能力。浙江大学朱世强直言：行业‘热闹但尴尬’——样机多、量产产品少，根子在于多模态大模型与‘灵巧手’均未真正突破。高负载高频次下，灵巧手及关节模组故障率偏高，累计误差与精度衰减突出。仿真环境任务成功率可达89.4%，进入真实家庭场景骤降至12%；工厂虽更结构化，但光照变化、工件批次差异、偶发干涉仍易导致策略失效。 数据层面，工业场景看似数据丰富，实则格式混乱、标注不规范、多模态对齐难。北京新匠速验首席顾问张岳海指出：‘做项目70%时间花在数据清洗，真正训练只占30%。’动作序列标注涉及多维连续变量，人工一致性低，闭环难以构建。灵境智源肖益提出关键问题：A本体采集的数据，能否直接用于B本体？本体绑定造成数据孤岛，形成‘无法商用→缺真机数据→泛化弱→场景窄→更难商用’的负循环。 硬件层面，当前人形机器人平均无故障运行时间（MTBF）低于成熟工业机器人；续航普遍仅4~6小时，而汽车产线单班需8~10小时；谐波减速器、精密丝杠、六维力传感器等核心部件国产良品率仍在爬坡，部分高端型号仍依赖进口；单台执行器成本占整机物料一半，原型机动辄数十万元。 h1 车企最急，也最懂‘做不到’的代价 整车厂是具身机器人最大潜在买方。IDTechEx预测，2035年全球汽车制造业将部署约160万台人形机器人。其逻辑明确：汽车制造大量依赖人力作业，人形结构天然适配。特斯拉Optimus、小米、小鹏、比亚迪、吉利等近20家车企均已布局，量产节点多锚定2026年。但一线反馈冷静：优必选内部数据显示，机器人搬料箱耗时优化后仍需2分钟，而工人不到1分钟。雷军坦言小米机器人‘还在学徒工状态，没转正’；何小鹏指出，当前主流方案仍属规则驱动，自主决策与运动控制协同薄弱，多场景泛化尚未形成优势。 精度与响应是硬门槛：汽车焊装、拧紧、装配要求重复定位精度±0.02~0.5mm，而现有机器人普遍在±1~3mm；视觉识别在复杂工业环境下准确率90~95%，系统决策平均耗时0.5~1秒，而产线要求0.1~0.2秒级响应。有工程师直言：‘让它自己操作，一个月砸坏的料箱和部件，成本就够再买一台。’宝马AEON试点、Figure进宝马传闻，实际均限于限定工位或夜间训练，未入主干产线。 成本账同样难算：中等性能人形机器人售价50万~100万元，是工业机械臂的3~5倍；投资回收期达29~40个月。而传统机械臂在搬运、焊接、涂胶等结构化工序中性价比已达极致。理想替代场景如装车门、串线束、打螺丝，恰恰是当前机器人最薄弱环节。 更深一层是数据主权矛盾：主机厂数十年积累的工艺参数、节拍、质量标准是核心资产，倾向数据端侧闭环；而具身模型泛化又高度依赖跨场景数据回灌——保密需求与规模训练之间，尚无统一标准或行业默契，短期无解。 h1 落地不是终点，而是起点 尽管挑战重重，车企与本体厂商步伐未停。比亚迪2万台投放计划明确；小米、小鹏将人形产品线深度绑定自建工厂迭代；宇树、智元、乐聚等本体厂亦主动‘啃硬骨头’。原因在于：工厂场景结构化程度高、容错虽低但数据质量高，是最适合验证→迭代→量产的练兵场。工信部所提10万台年产量，大概率优先消化于车企内部产线，对外商业化仍需三至五年沉淀。 中国信通院副院长魏亮总结：2024看外形，2025看能力，2026看落地。‘看落地’不等于‘落得住’。当前阶段本质是去泡沫、夯底座——填平仿真89.4%与真实场景间的落差，打破数据-泛化-硬件负循环，逐颗敲实灵巧手、关节模组、六维力传感器等关键钉子。国务院发展研究中心李燕提出的路径清晰可行：以场景开放为突破口，以数据回流为引擎，以技术底座为支撑，但每一步都需要时间。 所以，机器人想进厂打工，车企的门开着，岗位留着，但技术这道槛，还需再蹲两年。展馆里95.8%的拆垛成功率，与产线上±0.02mm的拧紧精度之间，隔的不是一代模型，而是两三个完整的工程化周期。2026可称‘工业量产元年’，但让机器人从学徒成长为正式工，恐怕要等到下一届、甚至下下一届WAIC。