7月20日，在2026世界人工智能大会（WAIC 2026）的H3具身智能展区，两只灵巧的机器人手正尝试组装另一只灵巧手，这一场景吸引了众多参观者的目光。

机器人首先缓缓拿起一根线缆，接着将接头精准地对准小孔。这只是组装过程的第一步，灵心巧手（北京）科技股份有限公司联合创始人张延柏介绍，这一系列动作涉及柔性物体处理、触觉感知以及高精度操作，充分考验了灵巧手的操作能力。

现场，两只灵巧手正专注地组装一只灵巧手，这一幕被徽声在线记者喻琰捕捉了下来。

回想起两年前的WAIC，人形机器人还只能依靠吊绳才能站立行走，而如今，张延柏感慨地说：“谁还没有进入实际场景工作，谁就显得落后了。”

具身智能行业确实在不断进步。今年WAIC具身智能展区的参展商数量从去年的80多家激增至200多家，现场展示了208款具身智能终端和超过300台真机。

产业链的重心也在悄然变化。除了专业的灵巧手厂商，均胜电子等传统零部件企业也纷纷推出自研灵巧手。同时，柔性电子皮肤、触觉手套和数据采集方案等更多创新产品也出现在展台上。机器人不再仅仅满足于拥有一双“能动的手”，围绕驱动、触觉、控制和数据形成的完整产业链正在集中展示。

来自深圳的黎金明从事智能制造解决方案的采购工作，他深切感受到今年具身机器人的任务执行能力相比去年有了显著提升，但仍未达到他的预期。“我们期望的落地状态是机器人能达到人类大半的执行效率，但目前效率还不够，比如在夜间落地药房还行，但等待时间还是太长。”

黎金明的观点似乎代表了产业界对具身智能的新评估标准，从过去“能在发布会上完成一次惊艳展示”，转变为现在能“在真实的高温、高噪音、高干扰环境中持续稳定工作”。大会期间，徽声在线科技频道深入采访了多位具身智能产业链上下游的厂家及创始人，梳理出了这场展会所呈现的行业真实面貌。

1. 同一台机器人何时能既泡茶又会洗衣？

在今年的WAIC展馆里，机器人“干活”的场景随处可见。智元机器人在展台前端起水壶，向观众演示泡茶；蚂蚁集团旗下的蚂蚁灵波展位，机器人在药房货架前模拟下订单、拿药；穹彻智能的展台则展示了将衣物送入两台洗衣机清洗的流程。

然而，当观众看到机器人泡茶、洗衣时，常常会好奇地问：机器人能不能换一件事做？得到的答案往往是否定的。

尽管不少参展企业宣称自己在研发“通用具身智能”或“通用具身模型”，但观众走到展位后，通常只能看到机器人执行一个或几个固定任务。

穹彻智能首席AI科学家吕峻向徽声在线科技频道解释，普通观众理解的“通用”是机器人能像人一样随机应对各种指令，而展台上展示的往往是针对特定任务高度优化的演示。两者之间存在认知上的错位。

他进一步指出，类似“泡茶”这样的技能，20年前找10个算法工程师也能完成，区别在于这一轮具身智能真正改变的是机器人学习新技能和落地部署的效率。从前需要写几十万行代码，现在可能只需要两三天采集数据、微调模型。

但即便如此，一次成功的固定任务演示仍然不能证明模型具备通用能力。灵初智能联合创始人陈源培坦言，对于模型能力的验证，即便是专业研究人员，仅靠一个固定长程任务的外在表现也很难判断背后的技术路线，可能是模仿学习、强化学习，也可能只是传统运动规划甚至人工遥操作。

那么，专业人士如何分辨呢？

破壳机器人创始人许华哲告诉徽声在线科技频道，可以在机器人准备抓取时突然移动物体，看它能否追随；也可以改变光照或随机干扰，观察机器人能否继续执行任务。

许华哲将模型能力分为小样本和零样本两个层次：如果基础模型足够好，机器人应该只需少量演示就能学会泡茶、打螺丝或叠衣服，“给它演示半小时或15分钟，就能学会”；更理想的是零样本能力，即不需要任何训练就能直接完成新任务。

在吕峻看来，现阶段行业所说的“通用”更多是一种“系统级通用”：企业拥有一套相对通用的模型、数据和部署系统，就可以用更低成本、更短时间开发出一个具体技能。最后落到场景里的模型可能仍然是专用的，但训练和部署它的过程能够被复用。

机器人正在展示洗衣服的送洗流程。徽声在线记者 喻琰 摄

2. 机器人何时能真正解决剩下的1%难题？

相比模型厂商更强调模型的通用能力，采购方黎金明更关心机器人能否以可接受的效率解决实际问题。“大家都喜欢看个乐子。”他说，展台演示可以吸引观众，但距离让采购方买单仍有差距。

张延柏用剥鸡蛋来解释这种差距。“从硬件技术来看，现在让机器人剥鸡蛋完全不是问题，但成年人一两分钟可以完成，机器人可能需要几个小时。”

他用一组数据展示了现在灵巧手技术的进展：2024年行业里表现较好的灵巧手，开合约5万次后电机已接近使用寿命状态；而今年公司展示的产品开合寿命已达到175万次。触觉感知也从单一的压力感知向纹理、温度、接触力度和物体几何形状等多维度扩展。

手指的运用方式也在变化。前两年，机器人在本体基本不动的情况下用五根手指像夹爪一样完成一次抓取已是不错的表现；而今年展台上开始出现不同手指相互配合、处理柔性物体和完成精细插接的演示。

但慢只是问题之一，如果出现蛋清意外流出这类状况，机器人还不知道下一步该怎么办。

类似问题在完整场景中会被进一步放大。许华哲说，很多人会认为机器人的移动能力已经基本解决，但移动一旦与操作结合，新的误差便会出现。机器人到达目标位置后，如果误差相差两厘米，原本在固定位置训练好的抓取或倒水动作就可能失败。

他认为，进入真实商业场景里，任务成功率往往需要达到99%以上。但即使达到这一门槛，剩下的1%仍然无法回避：机器人是停下来、多尝试几次、绕过当前步骤，还是呼叫人类接管？

吕峻透露，穹彻目前在智慧药房落地的，是更早一代、更加稳妥的通用抓取模型。因为当前更强调通用能力的最新模型尚难满足真实场景对成功率的硬性要求。发布最新模型与在商业现场部署最新模型是两回事。

云深处科技股份有限公司解决方案负责人乔鑫认为，什么时候机器人能够发现错误并自己纠偏，就等于模型具备了真正的自主性能力。以倒茶为例，关键不在于机器人能否按预设轨迹完成动作，而在于水洒出来后它能不能自己判断、自己调整、把动作纠正回来。

他认为，人工智能正处于不断发展的阶段，现阶段机器人执行任务已经包含了感知、识别、判断的过程，这也是一种智能。“行业发展很快，说不定再过一个季度，自主纠错问题就已经解决了。”届时距离大规模泛化则不远。

智元机器人展示茶艺。徽声在线记者 喻琰 摄

3. 机器人的落地场景为何“千篇一律”？

尽管具身智能企业展示的场景非常丰富，但同质化现象也较为严重。

黎金明在逛完一圈后告诉徽声在线科技频道，具身智能选择落地的场景“千篇一律”，大多集中在药房、超市、零售货架的分拣。

“一家公司做出一套药房方案后，很快就会出现更多相似场景展示。”在他看来，这也是企业方的无奈之举。当整个市场都开始强调具身智能规模化落地时，企业如果不快速落地场景，很容易失去投资方和采购方的关注。

场景趋同包含市场竞争和相互模仿的因素，但张延柏认为另一个更底层的原因是大家都缺乏数据。

机器人训练场景相对标准，数据容易获得，企业不需要得到某家大型工厂的许可就能反复训练和验证。但如果希望机器人进入手机装配或者更复杂的零部件生产线，数据获取难度会陡然增加。对绝大多数创业公司而言，这类场景并不开放。

张延柏认为，药房和货架不仅是商业需求筛选出来的场景，也是现阶段最容易被数据化的场景。大家能够得到的数据相似，训练出的技能和选择的Demo自然也会相似。

吕峻认为，数据对于模型企业来说相当于一套基础设施：企业能否生产1000套乃至1万套采集设备，能否组织大规模采集，数据能否稳定回流，PB级数据如何清洗和训练，以及一周能够完成多少次技术验证。

他指出，决定胜负的可能不是谁更聪明、谁想到更好的技术路线，而是谁的团队更敏捷、谁的数据管线更高效。

陈源培的判断是，技术路线“很容易抄袭”，但从数据怎么采集、标注到使用，对模型的影响比对算法架构的影响更大。

而行业至今对“用什么数据”最好仍未形成共识，“真实数据好，还是仿真数据好？用不用人类数据？要不要触觉？摄像头放在腕部还是头部？”陈源培说，“哪怕是国外那几家大厂，也还在探索。”

从左往右：吕峻、陈源培、许华哲做客徽声在线科技聊天室。直播截图

4. 从工业场景再到家庭，是机器人的必经之路吗？

关于具身智能的终局，行业内统一的共识是进入家庭，融入C端消费者的日常生活。

但对于实现路径，存在一定的分歧。一条经常被提到的发展路线是：机器人先进入环境更加标准、需求更加明确的工业和商业场景，经过规模化部署、数据积累和成本下降后，最终再走进普通家庭。

许华哲并不完全认同这条路径，他创办的破壳机器人从成立之初就瞄准了家庭场景。“我不认为在工业里干着干着，积累的工业数据越来越多，突然就泛化到家庭了。”他说，“数据分布决定了模型擅长什么。”

他认为，家庭场景的特殊性对机器人提出的要求也不一样，“家庭需要柔顺控制，发生碰撞的时候力要小；切菜的时候瞬间要大力，但之后又不能持续大力；家里面有餐盘、有衣服——这些都需要额外的数据去拟合。”

许华哲把家庭理解为一种“慢速但更加泛化的工业场景”：它同样要求机器人干活，却允许执行速度相对慢一些，同时要求机器人处理更多长尾变化。

他预计，到2028年，家庭机器人可能开始小规模进家，先解决5至10类任务，例如叠不同种类的衣服、收拾散落的书籍和玩具等。

陈源培认为，进入家庭是具身智能的长期方向。只有最终做到一户一台甚至多台，供应链和市场空间才可能真正打开；但对于进家庭的时间，陈源培较为谨慎，目前还没有确定答案。

乔鑫则从成本角度给出了冷静的判断：进入家庭有两个制约因素——技术（机器人与真实环境的融合尚未完全解决）和成本（需要大规模生产才能把价格降到普通消费者可接受的水平）。

张延柏提醒不要用太苛刻的时间表去衡量这个行业：“一共才两三年，你不能要求它从1到10。2024年谁站两下就是好的，2025年谁跑两步就是好的，今年谁进场景干活就是好的，这个速度已经超过任何行业了。”