WAIC觀察：具身智能迎來拐點，行業洗牌比預想來得更早

今年的WAIC，具身智能依然是最擁擠的展區之一。

機器人在不同展臺打乒乓球、製作飲品、疊衣服、彈鋼琴、分揀商品，靈巧手甚至開始組裝另一隻靈巧手。熱門展臺從早到晚圍滿觀衆，廠商也在不斷延長演示流程，讓機器人一次完成更多步驟。

逛上一圈，卻很容易聽到相似的說法，工業、家庭和城市服務的應用場景各不相同，廠商反覆談到的仍是世界模型、數據閉環、長序列任務和泛化能力，量產和交付的時間表也越定越近。

這些詞最後都指向同一個難題，機器人完成一次設定好的任務並不夠，換一個房間、一個工位，或者面對訓練中沒有出現過的情況，它還能不能繼續做下去，才決定產品能走多遠。

一位具身智能行業人士表示，大模型讓產業界重新看到了這條路徑的可能性。過去需要工程師逐條編寫規則的感知、判斷和動作能力，現在有機會通過數據和訓練不斷改善。機器人能否像大模型一樣隨着數據規模擴大持續提升，目前還沒有答案，但資金、人才和企業已經先進入了賽道。

熱度之下，差距也在加快拉開，大額融資、客戶訂單和市場聲量，正在向少數公司集中，具身智能行業的洗牌，或許比多數人預想得更早。

01 融資分化，馬太效應凸顯

最先發生變化的是資金流向。

據IT桔子等公開融資信息統計，2026年1月1日至6月4日，國內具身智能及機器人領域共發生288起融資，涉及226家企業，已披露融資額超過460億元。無論從融資數量還是金額來看，資本並沒有離開這個賽道。

但這些錢分得並不平均，融資額排名前20的企業拿走約330億元，佔總額的七成；僅前5家公司便獲得約171億元，佔比達到37%。剩餘200多家公司合計分到約124億元。種子輪和天使輪雖然發生了73起，融資額合計卻不到13億元，只佔約3%。

不過，早期項目並非完全沒有機會，但投資人繼續出手的門檻正在提高。正奇未來披露，公司在8個月內完成3輪數億元天使系列融資，資金將用於世界模型和運動執行平臺研發、短途出行機器人量產及渠道建設。其首款產品已經量產，並在全球十多個國家和地區獲得商業訂單。

這種分化也開始延伸到上市進程。7月24日，智元創新確認已啓動赴港上市流程，不過截至目前，尚未有證監會備案文件公開披露。Omdia數據顯示，智元創新2025年通用人形機器人出貨量超過5100臺，佔全球市場約39%。當不少企業還在爲下一輪融資尋找籌碼時，少數公司已經開始嘗試進入公開市場。

一位具身智能行業人士表示，業內對長期方向仍然樂觀，但融資、商業化和市場聲量正在呈現越來越明顯的馬太效應。拿到更多資金的公司可以擴充團隊、採購算力、加快產品迭代並爭取客戶，這些進展又會成爲下一輪融資的籌碼。

今年早些時候，亦有機器人企業負責人將2026年形容爲行業不斷“交卷”的一年。在他看來，如果有公司率先實現萬臺級交付，或者在機器人“大腦”上取得明顯進展，企業之間的差距還會繼續擴大。

企業之間的差距在拉大，賽道的參與者卻還在增加。在WAIC期間，智元具身智能研究院院長姚卯青被問及大型企業相繼入局是否會帶來壓力時，就表示至少在數據層面，更多參與者進入並非壞事。具身智能所需的數據量和場景覆蓋，靠單個品牌很難完成；擁有零售、物流等業務的大型企業，既能增加數據來源，也會推動關鍵零部件和產業鏈更快成熟。

但參與者增加，並不意味着融資機會會平均分配，大額資金繼續向少數項目集中後，投資人關心的問題也更加具體。除了團隊背景和技術方向，產品是否進入真實場景、客戶是否願意繼續採購、部署過程中能否積累有效數據，都開始影響企業的下一輪融資。

行業還在擴容，留給企業慢慢解釋技術路線的時間卻在變少。

02 演示時長翻倍，暴露落地難題

往年在展臺前停幾秒，通常就能看懂一場機器人演示，抓取、行走、開門，一個動作就是一次展示。今年，不少廠商把幾個環節接在一起，觀衆要等機器人把整套流程做完，才能知道這場演示是否成功。

傅利葉的“具身之家”技術解決方案中，工作人員只說了一句“我渴了”，機器人便需要判斷這句話背後的喝水需求，自主尋找瓶裝飲料，規劃路線並完成遞送。每一步單獨看都不新鮮，難處在於感知、推理、規劃和執行必須連續運轉，前一步的判斷會直接影響下一步，整個過程還要能夠隨時中斷和調整。

傅利葉董事長兼CEO顧捷認爲，AI進入物理世界後，機器人不僅要給出判斷，還要把對人和環境的理解轉化爲行動。具身機器人的競爭，也將從單純展示運動能力，轉向能否理解需求、適應環境，並穩定地完成一整項任務。

傅利葉圍繞“主動式交互”搭建機器人技術平臺，希望機器人不再只按預設指令執行動作，也能根據人的需求和現場變化調整後續行爲。

要讓機器人在杯子換了位置、貨架重新擺放後仍能繼續工作，訓練階段就不能只讓它反覆記住一套流程。京東在WAIC展示了平時藏在後臺的數據採集環節，觀衆戴上頭戴式設備整理貨架、拿取商品，第一視角畫面、手部軌跡和周圍的空間關係被同步記錄，再經過處理成爲模型訓練數據；貨架擺放、商品位置和人的動作各不相同，這些差異也會被納入數據採集。

把更多場景記錄下來只是第一步，機器人開始執行任務後，仍會不斷遇到訓練數據沒有覆蓋的情況。一臺設備遇到的問題，能否轉化爲其他機器人的經驗，也會影響訓練的速度和效果。

在智元的訓練中，多臺機器人會同時執行任務並共享經驗。姚卯青提到，單靠示教和模仿學習，機器人很難覆蓋真實環境中的各種偏差；單機在自己的工位上練得再熟，換到另一處環境仍可能“抓瞎”。不同設備遇到的問題匯入同一個模型後，機器人能接觸到的情況也會更多。

過去的展臺通常只展示機器人最後做出的動作，但在今年，數據採集、模型訓練，也開始成爲展示的一部分。

03 洗牌已開始，交付定勝負

展臺上的一次成功，可以證明機器人已經具備相應能力，卻不能直接說明它能夠投入使用。到了客戶現場，機器人要在第二天、一個月後仍然把任務做完，遇到路徑受阻、物體移動或流程變化，也不能頻繁停下來等待工程師處理。

顧捷將這種差別形容爲，機器人“不是一次性的答辯試題”。它不是隻回答一道題，而是要在真實環境中持續工作。在他看來，人形機器人進入產業化後，競爭重點會從能力展示轉向可靠交付。

傅利葉因此強調“由場景定義產品”，將康養陪伴、工業協作和商業服務等具體環境作爲產品驗證的起點。客戶的工位、設備和操作流程早已存在，機器人只能去適應這些條件，而不能要求現場圍着它重新佈置。

酷哇科技創始人、CTO廖文龍認爲，機器人需要理解重力、摩擦和慣性等物理規律，也要熟悉人類社會的規則和行業SOP。它不僅要判斷一個動作應該怎樣完成，還要知道一項工作按照什麼順序推進，遇到意外後該如何繼續。

這些要求通常要在客戶現場一點點調出來，第一個項目可以由原廠工程師長期駐場，反覆修改軟件、硬件和操作流程；換一個工位或另一位客戶後，還要不要從頭再做一遍，會直接影響企業能接多少項目。

智元方面介紹，早期推進一個從0到1的項目通常需要三四個月，隨着部署工具、二次開發和運維繫統逐步完善，部分新場景已經可以由合作伙伴在一兩週內完成。能否把原廠團隊的經驗沉澱成合作夥伴可以複用的工具，也會影響方案能否快速複製。

一位行業人士給出的觀察方法更直接，第一批設備交付後，客戶會不會繼續採購，機器人在無人看護的情況下實際運行了多長時間，節省的人力能否覆蓋採購和運維投入，這些數字比一次演示是否成功更能說明產品的進展。

同樣拿到一筆訂單，一家公司可以很快把產品複製到下一個項目，另一家公司仍要重新開發和調試，兩者在交付成本、回款速度和可承接的訂單規模上都會逐漸拉開差距。客戶現場形成的結果，也會影響投資人是否願意繼續投入。

對整個行業來說，洗牌通常不會從公司集中退出開始。資金和訂單會先向更容易交付、能夠獲得復購的企業集中；長期拿不到後續訂單，又無法依靠融資維持投入的團隊，則可能縮減研發和擴張計劃，轉向更窄的場景，甚至最終離場。

WAIC展館裏有不少機器人亮相，但在展館之外，資金、訂單和客戶已經在重新分配。第一批設備交付後，客戶是否繼續採購，項目能不能複製到下一家企業，原廠團隊還要不要長期駐場，都會影響一家公司還能在這輪競爭中走多遠。

等到行業真正出現大規模退出時，洗牌往往已經進行了很久。