"2026 年上半年中国人形机器人出货量已超 4 万台，全球占比进一步提升至 97%。" 这是 2026 世界机器人大会（WRC）期间发布的一组报告数据，揭示了行业应用正从 "小批量试用" 加快迈向 "大规模落地"。当前具身行业正处于一个关键拐点，外界普遍关心：机器人能不能干活？它真正走进家庭、到工厂上班还有多久？8 月 20 日宇树科技创始人王兴兴在公司上市次日亮相 WRC，谈到具身智能 ChatGPT 时刻他认为 "快则两到三年，慢则五到十年"，行业有望迎来关键突破。这一预判是否成立尚待实践检验，面对市场关切机器人厂商正集体转向务实是个明显的变化，南都记者在 WRC 大会上看到参展企业不再单纯 "炫技" 而把机器人工作实景 "搬" 到了展台，在快递仓、零售店、居家等场景下机器人忙着分拣作业、导购服务、做三明治，似乎成了不知疲倦的 "打工人"。但在业内人士看来机器人能在 Demo 中完成任务只能说明能力上限，进入真实现场后能否稳定工作才决定产业化的下限。

　　8 月 19 日至 23 日 2026 世界机器人大会在北京亦庄开幕，本届大会以 "人机共生 产需共融" 为主题共吸引了 300 多家企业参展，在这场具身智能的 "科技擂台赛" 上各路厂商纷纷亮出 "看家本领"，今年的展品数量超 2000 件、新品首发超 150 款。过去机器人盛会的主要看点是 "花式表演"，现在行业已不再满足于此而转向实景作业，越来越多厂商把场景 "搬" 到展台打造机器人沉浸式干活的 "样本间"。傅利叶以 "机器人管家的一天" 为主题打造了一个体验空间展现机器人融入未来家庭生活的可能，基于自研的语义地图技术多台 GR-3 机器人在模拟的居家场景中化身 "智能管家助手"，机器人在接到指令后可完成自主分工，执行从居家安防、物品取送到生活陪伴、访客接待等一系列任务。乐聚 "夸父" 机器人则以展会 "主理人" 的身份组团来打工，现场展示了机器人在商服导览、零售服务、纸箱拆垛、小件上料、多规格塑料箱拆垛等场景的工作情况，其中小件上料工位上的夸父 5W 还以 "计时 + 计件" 的模式发起全天候不停机的挑战。智平方同样将爱宝 "智魔方" 智慧服务空间带到展台让机器人现场制作饮品，自主识别顾客订单、精准取杯、操作设备等，"机器人不只上台更要上岗"，据智平方介绍目前爱宝 "智魔方" 已在全国十余个省市常态化运营，机器人能够自主完成咖啡、冰淇淋、抹茶、啤酒、鸡尾酒等多种饮品的制作服务。在墨甲机器人展位南都记者看到现场有多个大屏实时呈现机器人工作画面 —— 它们有的在城市街头指挥交通，有的在汽车 4S 店进行接待、讲解服务。奇瑞汽车执行副总裁、墨甲机器人总经理张贵兵在接受采访时提到，一些声音质疑中国的机器人只会唱歌跳舞，但其实很多机器人已在真实场景 "上岗" 了，在他看来未来随着应用的深入、数据的迭代和技术的进步机器人将能承担更复杂和智能化的工作。

　　工信部的数据显示 2026 年 1-5 月我国机器人产业规模以上企业营业收入突破 900 亿元同比增长 26.9%。WRC 期间中国电子学会理事会党委书记、中国人形机器人与具身智能百人会理事长张峰发布的《2026 年人形机器人产业发展报告》提到 2026 年上半年中国人形机器人出货量已超 4 万台，全球占比进一步提升至 97%。当前具身智能行业应用正迈入 "全面铺开" 深水区，但在不同场景下机器人的应用落地进展不一。全国政协常委、中国电子学会理事长徐晓兰表示，交通引导、景区导览、商场展演、教育等场景主要依靠机器人的自主定位、动态避障、知识问答等基础功能已率先实现小规模应用，在商贸物流服务场景下具身智能在分拣、末端配送等环节也有应用落地。而在工业制造、应急救援、民生康养等高价值领域徐晓兰认为机器人应用仍有待进一步挖掘 —— 特别是在医院、家庭等服务场景落地尚需时日，现阶段 "管家" 机器人、"护工" 机器人仍处于试点验证的阶段。

　　机器人规模化应用的核心卡点在哪？在宇树科技创始人王兴兴看来 "泛化能力不足" 是目前全球机器人产业面临的最大瓶颈。宇树成功上市的第二天这位 90 后新首富出现在 WRC 的一场论坛，他在会上表示过去几年间宇树一直在推动机器人真正走进生产生活，自 2024 年起宇树机器人已在汽车厂等场景进行测试和落地，但目前还只能做一些简单的工作，每次执行新任务也需重新训练 —— 不仅成本高而且效率低。南都记者在宇树展台也注意到在其搭建的厨房场景中一台机器人正在做早餐，它先将两片吐司置于面包机加热再放到盘中加入一片生菜最后摆好盘推到桌前，开启下一轮操作前需要有人将所有东西复位，中途遇到突发情况机器人也会 "卡壳" 需工作人员帮忙或进行重新调适。为何会出现这种情况？王兴兴解释当前机器人模型执行移动、装配物品、搬动物品等任务整体上没有问题，但只要更换操作物品或稍微改变环境成功率就会明显下降，这是因为 AI 模型的 "输出精度" 与物理世界的 "执行误差" 无法对齐，机器人的每次输入输出都会产生偏差和耗损，正是这种误差的积累导致机器人在最后毫秒的微调阶段无法有效修正触觉误差以至于任务执行失败。在他看来如果把一台机器人带到任意陌生的环境中它通过语音指令能完成约 80% 的任务才标志着产业接近爆发临界点了，王兴兴预判具身智能 ChatGPT 时刻 "快则两到三年，慢则五到十年"。

　　机器人在实验室的 Demo 展示异常精彩但部署到真实场景则频频 "翻车"，究其原因机器人 "泛化能力不足" 关键在真实场景数据的稀缺，不同于大模型拥有海量的互联网语料数据，物理世界的数据极度匮乏需要深入不同的真实场景逐一采集。在 WRC 的一场论坛上有具身智能数据基建企业高管直言当前具身智能行业的聚光灯都打在模型和算法上，但真正趴在一线的人才知道 ——"做数据是个辛苦活"，"采集员需要一帧一帧地进行遥操、动捕、标注等操作，整个过程枯燥、重复且易出错；采集回来的数据还得清洗、对齐、质检…… 一堆脏活累活。" 光轮智能联合创始人兼总裁杨海波在接受采访时表示随着具身智能加速迈向产业化高质量、多样性和大规模的数据需求大幅提升，但是具身智能的数据市场才刚开启有效数据的缺口还很大，行业所需的具身数据远超千万小时级。高质量的数据决定机器人认知能力的上限，如何缓解行业 "数据饥渴"？南都记者注意到今年 WRC 展馆里多家厂商将最新的数据采集设备放在了显眼位置，其中傅利叶展出了其生态合作伙伴 "一行凌光" 的 EGO（第一人称视角）数据采集头环 Lume R1 和配套数据平台，称能覆盖感知交互、边缘计算、通信连接、设备管理、数据治理与标注等环节；帕西尼的全新一代五指数据采集手套 PXCap Pro 也在 WRC 亮相，据工作人员介绍这款产品集成 "触觉、视觉、关节" 三大感知模态，可解决行业因采集员手形尺寸与操作习惯差异导致的数据失真、复用困难等痛点。从实验室走向真实任务机器人需要持续学习、迭代能力，今年 WRC 期间有企业宣布启动数据共建计划希望通过产业协同降低高质量数据的获取门槛。当行业目光不再单纯看算法模型而投向与真实物理世界的稳定交互意味着具身智能下半场竞争已然开启，产业爆发前夜机器人正从舞台展示迈向实景作业，未来能否自主稳定运行还有赖于模型、数据、核心部件、场景与生态的协同创新。