AI观察｜走下热闹的展台，具身智能还有四个未解之问

7月20日，2026世界人工智能大会（WAIC 2026） H3具身智能区域展台上，两只机器人灵巧手正尝试组装另一只灵巧手。

它先缓慢地拿起一根线缆，再将接头对准小孔。这只是组装的第一步，灵心巧手（北京）科技股份有限公司联合创始人张延柏介绍，这套动作流程同时涉及柔性物体处理、触觉感知和高精度操作，考验灵巧手的操作能力。

两只灵巧手正在组装一只灵巧手。 澎湃新闻记者 喻琰 摄

两年前的WAIC，人形机器人还停留在没有吊绳无法站立行走的程度，但今年，“谁还没有进场景干活，谁就显得落后，”张延柏说。

具身智能行业确实在往前走。今年WAIC具身智能展区的参展商，从去年的80多家，增加至200多家，现场集结了208款具身智能终端、超300台真机亮相。

产业链的重心也在迁移，除了专业灵巧手厂商，均胜电子等传统零部件企业也推出自研灵巧手，柔性电子皮肤、触觉手套和数据采集方案出现在更多展台上。机器人不再只需要一双“能动的手”，围绕驱动、触觉、控制和数据形成的产业链正在集中亮相。

来自深圳的黎金明从事智能制造解决方案的相关采购工作，他感受到今年具身机器人任务执行能力确实比去年成熟不少，但仍未达到他内心预期，“我们想要的落地状态起码能达到人类大半的执行效率，现在效率还没有达到，夜间落地药房还行，但等待时间还是太久了。”

展台下黎金明的回答似乎代表了产业界评估具身智能的标准，从“能在发布会上完成一次惊艳展示”，变成能“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，澎湃科技（www.thepaper.cn）深入采访了多位处在具身智能产业链上下游的厂家及创始人，梳理出这场展会呈现的行业真实现状。

1．同一台机器人何时可以既能泡茶又会洗衣？

机器人“干活”的场景在今年WAIC的展馆里随处可见。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；穹彻智能的展台除了药房场景，还展示了将衣物送入两台洗衣机清洗的流程。

展台上，观众看到机器人泡茶、洗衣，常常会问，机器人能不能换一件事做？得到的答案往往是否定的。

不少参展企业宣称自己在研发“通用具身智能”或者“通用具身模型”，但观众走到展位后，通常只能看到一个或者几个固定任务。

穹彻智能首席AI科学家吕峻告诉澎湃科技，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，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，可能是强化学习，也可能只是传统运动规划甚至人工遥操作。

专业人士如何分辨？

破壳机器人创始人许华哲告诉澎湃科技，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、打螺丝或者叠衣服，“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，不需要任何训练就能达到，机器人能直接完成新任务。

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、更短时间做出一个具体技能。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。澎湃新闻记者 喻琰 摄

2．机器人何时能真正解决剩下的1%？

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。

张延柏用剥鸡蛋解释了这种差距。“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。”

他用一组数据表明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；今年，公司展示的产品开合寿命已达到175万次。触觉感知从单一的压力感知，向纹理、温度、接触力度和物体几何形状扩展。

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；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者倒水动作，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自己纠偏，等于模型具备真正的自主性能力。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。澎湃新闻记者 喻琰 摄

3．机器人的落地场景为什么“千篇一律”？

即便具身智能企业展示的场景非常丰富，但同质化也较为严重。

黎金明在逛完一圈后，告诉澎湃科技，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，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，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、许华哲做客澎湃科技聊天室。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，C端消费者的日常生活中。

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，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——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。”

澎湃新闻记者 喻琰