WRC 2026：机器人在真进化，还是伪繁荣？

2026年8月19日，2026世界机器人大会（WRC）开幕。同一天，宇树科技登陆科创板，盘中市值一度冲破4400亿元。A股“具身智能第一股”的锣声，成为这场大会轰轰烈烈的背景音。

373家企业带着三千多件展品挤进了6万多㎡的展馆，它们搬箱子、打拳、跳舞、翻跟头……初看有趣，但如果连续几届大会看下来，难免陷入审美疲劳，因为它们来来回回都在做着重复的事情。

很多看起来花哨的动作，其实是“不过脑”的，甚至还有些鱼龙混杂。有公司演示了精细组装，零件底座却钉死在桌面，稍有变动便无法应对，机器人甚至没有视觉输入，仿佛蒙着眼死记硬背动作；在五花八门的Demo背后，究竟是模型驱动的智能，还是过拟合、预编程，抑或更不入流的遥操作，也真假难辨；在未被对齐的评测基准下，每家都宣称自己最优……

当然，机器人并非全无长进。从能力的维度来看，机器人展示的任务变得更长程，对象变得更泛化，且越来越需要双臂协同、多机协作。比如各家扎堆展示叠衣服这类柔性操作，或者快递分拣、超市拣货等场景，衣物的形状千变万化，商品与包裹形形色色，必须靠真实的智能随机应变。

这类任务既能秀肌肉，又可以顺便“沿途下蛋”，赚点小钱，也给资本回馈一点信心。

不过，目前机器人展示的场景本质仍是有限度的泛化，它不时犯错，需要人类从旁监督，相当于需要安全员兜底的自动驾驶L2阶段。

“对人类智力而言困难的高层次推理，对机器人来说轻而易举；对人类而言简单的感知和运动技能，对机器人来说却难如登天。”1980年代，由汉斯·莫拉维克（Hans Moravec）、罗德尼·布鲁克斯（Rodney Brooks）、马文·闵斯基（Marvin Minsky）等人提出的“莫拉维克悖论”（Moravec's paradox），至今无解。

上个世纪就在国际象棋比赛中击败人类的机器人，至今也难以平稳地端起一杯水。人类的优越性，源于在几十万年的进化中对物理世界的熟稔；机器人没有这样漫长的历史，也缺乏真实世界的经验。这个高智低能的“缸中之脑”，还要靠海量数据和试错，缓慢地向前走。

根据Counterpoint Research、Smart Analytics Global等多家第三方机构的数据，2026上半年全球人形机器人出货量约2万台，前五大厂商均为中国企业，占据全球约86%的份额。因此，WRC也被视为全球具身智能发展的风向标。

在商超、物流、家庭、运动等具体场景中，各家厂商生产的机器人的真实表现、技术难点和落地应用情况如何？以下是南方周末研究员在WRC2026的现场观察。

商超拣货，已有常态化运营

星海图把一座“前置仓”搬进了展位，观众在小程序下单后，两台机器人便开始行动。

其中一台负责跑腿，它在货架之间穿梭，利用视觉识别出所需商品，逐一将之夹取并放入托盘篮，再送回柜台；此时，另一台开始“接手”打包，它一手撑开软塌塌的塑料袋，一手将商品从柜台捡起，装入塑料袋中，最后提起、打结封口。

星海图机器人分拣商品并打包

从接单到交货，全程约3-4分钟，作业效率约为人工的70%-80%，订单执行的成功率超99%。目前，该套方案已在国内十余个网点开展常态化运营。

这一场景的难点在于，一方面，商品形态各异、摆放随机，轻薄的塑料袋会发生难以预测的形变，这意味着，机器人需要在识别、抓取方面具备泛化能力。另一方面，机器人还需要双臂协同、多机协同，移动、抓取、撑袋、装袋、封口等多个步骤必须排好时序、连续完成，任何一个环节卡壳都会干扰后续的整条任务链。

完成长程的任务意味着，机器人必须能记住任务进度。比如，那些已被放入袋中、无法看到的商品。对此，星海图将一个轻量的记忆模块塞进了作为机器人大脑的G0.5模型中，它通过视觉编码器将过去几秒的视觉信息注入，为机器人提供类似大语言模型的“上下文”。

不过，这个系统仍有不足。在打包时，机器人主要依赖商品的重力将塑料袋自然坠开，任务才能继续，当商品过轻时，撑袋就无法成功。人类随手一抖袋子的小动作，机器人还需要一段时间才能掌握。

除星海图外，蚂蚁灵波也展示了类似场景。客户下单药品后，库存管理系统会告知机器人药品的位置，随后机器人自主导航过去，并依靠视觉标签定位目标、判断抓取方式，它“左手”的吸盘用来吸附盒状药品，“右手”则是一只夹爪，适合夹取瓶装、袋装药品。目前，其机器人已在上海国大药房门店正式上岗，承担夜班药品的分拣任务。

物流分拣，灵巧手与夹爪齐上阵

物流分拣与零售拣货有着“异曲同工”之处，但对节拍的要求更高。

在自变量机器人的展台上，传送带上的包裹五花八门，机器人的两只夹爪左右开弓，夹起一件，干脆利落地翻个面，让面单朝上、稳稳落在传送带上，一只手还在翻转包裹，另一只手已伸向下一个包裹。扫不到码的问题件则被拨到另一条传送带分流。不过现场也有小失误：一个没贴面单的电脑包成了漏网之鱼，溜进了正常快递通道。

自变量机器人分拣包裹

WRC期间，除自变量外，星动纪元、原力灵机等都展示了同样的场景。

为何机器人扎堆分拣包裹？

这是一道恰到好处的考题。一方面，快递分拣需要机器人具备一定的泛化能力，包裹材质、形状、重量、大小随机，小盒子可以直接夹起，软包则需摊平理顺，夹取策略各不相同；另一方面，这一场景有较高的容错率，能秀技术，风险又可控，还能落地赚钱。

目前，星动纪元面向物流产业的全栈式具身智能解决方案已与顺丰、中国邮政两大物流企业合作，并在全国5个省份的十余个物流中心实现了常态化运营。

但落地就得算清ROI（投资回报率），效率成为硬通货。2026年5月，美国机器人企业Figure AI连续进行了200个小时的物流分拣直播，3台机器人自主轮换，累计分拣了超过24.9万件包裹，平均效率约1248件/小时。三个月后，WRC2026前夕，自变量开展了类似直播，分拣效率达到1816件/时，超过前者45%。

值得注意的是，与星动纪元不同，自变量没有采用昂贵的五指灵巧手，而是配备了两只夹爪，证明了低廉的硬件也能实现抓取泛化。但夹爪的开合角度受限，遇到体积超出单爪开合范围的快递箱时，机器人会两只爪协同将之捧起来再翻面。

灵巧手可以用硬件“代偿”智能，而夹爪没有退路，对模型的要求更高。自变量的WALL-B世界统一模型将视觉、语言、触觉、动作和物理预测融进同一个神经网络，避免相互“传话”带来信息损失或误差积累，并让机器人理解重力、摩擦力，以便实时预测和应对。

家务活：从削黄瓜，到叠衣服

家庭是终极考场，它意味着最复杂多样的任务、最非结构化的场景。

原力灵机的机器人展示了“削黄瓜”的技能。它一手捏住瓜身，一手持削皮刀贴皮滑过，削完一排，再转动黄瓜换一面继续，削完整根黄瓜耗时约1分钟。

原力灵机机器人削黄瓜

这项技能的难点在于双臂协同和复杂的力控。比如，要抓稳但又不能捏坏脆嫩的瓜肉，同时还要配合任务进度转动黄瓜；削皮刀要“有分寸”地贴住黄瓜表面，确保削出连贯的瓜皮但又不能切下瓜肉。这就要求双臂分工同步、互不干扰。为此，机器人搭载的DM0.5模型需要根据感知到的接触力，实时调节夹爪力度和走刀角度，“边摸边削”。

叠衣服是家庭场景内的另一个“圣杯”任务，多家公司展示了相关Demo。

西湖机器人是其中之一，其两只机械臂会协同捏住T恤的两角，展开、抚平、折叠，全程用时约50秒，随后它会从篮中再取一件衣服，最终将折好的衣服码放成一沓。这个看似简单的任务考察了机器人对柔性物体的处理。衣服的颜色、款式多样，且会随每个动作不断变形，这种充满随机性的场景很难通过预编程解决，需要靠机器人实时生成抓取、折叠的策略。

西湖机器人叠衣服

银河通用展示了同样的场景，速度却如同开了“慢放”，叠好一件衣服需要3分钟多。不过它展示了一个令人惊喜的、类人的恢复动作：在衣服折错、多次尝试仍不成功后，机器人会拎起衣服抖一抖，重新开始。在充满意外的现实世界，知道如何从错误中恢复至关重要。

在训练过程中，银河通用的AstraBrain大模型会在仿真环境中通过Self-Play进行海量尝试，从而让模型见识各种可能的褶皱形态，并从无数失败数据中学习到恢复的策略。

另一家公司墨奇智能把任务继续向前延长了一截，在叠衣服之前，机器人需要先拉开洗衣机门取出湿衣，然后送进烘干机按键启动，烘干后再取出。

一方面，开关门、按键更考验力控；另一方面，任务变长后，子任务的切割和规划也更复杂，且长程任务最大的挑战在于，环境的不确定性更高，错误会不断向后累积，比如烘干机门未关严、衣服纠缠在一起等情况，都会影响后续的整条任务链。

WRC期间，墨奇智能发布了MoRA模型，挑战了业界常见的“大模型外挂动作策略”架构，将目标直接写进策略模型，使之接收到的不再是碎片化指令，而是文本+图像定义的结构化任务目标，并始终围绕目标行动。且MoRA也给模型配备了记忆：短期处理毫秒级控制的连续性，中期记住“刚刚做到哪一步”，长期记忆则始终盯住任务的整体目标和进度。

打乒乓球，最难“表演”的场景之一

超维动力在展台放置了一张乒乓球桌，让观众与机器人对打，在多轮对决中，双方都完成了数个回合，机器人能打出长球、短球等多种回球方式。

超维动力机器人打乒乓球

作为最难“表演”的场景之一，乒乓球速可达每秒20米以上，视觉追踪容易因反光或球体重叠而丢失目标。同时，在极短的反应窗口内，机器人必须同步协调全身的多个关节，力矩和角度的微小误差都可能导致失误，而它的对面还有随时可能改变主意的人类对抗者。

面对这种需要快速、即时反映的场景，单纯依靠“规划-执行”的链路会失灵。

回看人类击球，运动员能在毫秒间接住高速飞来的球，但如此短暂的时间不足以让视觉信号到达大脑皮层，再由前额叶下达指令，完成这一动作更多靠“前馈控制”和“肌肉记忆”，也就是预测和本能驱动的“下意识反应”。

超维动力机器人搭载的SMASH 2.0就效仿了这一机制，通过高速视觉结合轨迹预测算法，机器人可以提前预判来球的落点和旋转方向，并将视觉感知、轨迹预测、动作规划与全身的运动控制连接成闭环。也就是说，这套系统通过高速视觉感知捕捉乒乓球的轨迹，在毫秒级的窗口内完成落点预测、击球类型选择和挥拍轨迹规划，并驱动肩、肘、腕、腰、腿等多个关节协同发力回击。

不过，一旦面对擦边球、侧旋突变等非常规来球，预测模型与真实物理轨迹就会出现偏差，“缺乏生活经验”的机器人就会“懵”在原地，即便勉强做出动作反击，也多为挥空或回球失误。

除了超维动力，智元远征A3全尺寸人形机器人、极佳视界Maker L01人形机器人都曾在不同场合展示过乒乓球人机交互。此外，银河通用、动易科技则分别展示过网球、羽毛球技能，后者还曾在广州开设了“够C羽球馆”，让大众与机器人对打，运营三星期多，累计入场近万人次‌。

2026年，正在进行中的第二届世界人形机器人运动会也将乒乓球列入比赛项目。相比田径、足球等上届项目，它对机器人的感知、决策、控制进行了更综合的考察。

机器人的订单和ChatGPT时刻

WRC2026与往届最大的不同，是开启了其12年历史上的第一个“采购日”，买家与展商可以直接谈订单。

2026年8月20日，前一天在上交所出席上市敲钟仪式的宇树科技CEO王兴兴出现在北京WRC现场，他在演讲中坦言，当人形机器人能在80%的陌生场景中完成80%的任务时，属于人形机器人的“ChatGPT时刻”才会真正到来。机器人真正走向工厂、家庭，理想情况下，也许还要2到3年；如果技术推进得慢一些，可能需要5到10年。

尽管如此，不需要等到产业完全成熟，资本甚至全社会似乎都选择相信这一产业的未来。宇树科技登陆二级市场，本身就是一个信号。

2026年机器人的销售和融资，也在一路水涨船高。2026年上半年，据Counterpoint统计，全球人形机器人出货量超2.2万台，同比增长近三倍；IT桔子的数据显示，中国具身智能赛道的融资总额达到935亿元，同比增长五倍。

资本的热情，无疑会大大加速机器人的工程进化和产业落地，同时也会不可避免地催生泡沫。WRC2026参展的企业有373家，他们中谁会成为下一年的老面孔？到时又会冒出多少的新面孔？

南方周末研究员 丁莉 曹妍

责编 黄金萍