本文来自微信公众号： 电厂 ，编辑：高宇雷，作者：何畅 董温淑，原文标题：《电厂 | WRC“火与冰”：300余家企业密集秀应用，但它们的技术路线还没统一》
8月19日至23日，世界机器人大会（WRC2026）在北京亦庄举办，工作日非早晚高峰时间段并不算繁忙的亦庄线地铁，这几天仿佛成了“大会专线”。
荣昌东街B1口是距离展馆最近的地铁出口。一位地铁工作人员向「电厂」介绍，由于WRC和同期举办的赛事吸引了大量观众，这一周的人流远超平时。另有一位探展观众告诉「电厂」，自己从荣昌东街地铁站下车时发现，几乎所有人都在往外走，“这个站下车基本就是去逛大会的，我回头一看，感觉整个车厢快空了”。
作为一年一度的机器人领域盛会，本届WRC共设置4个展馆，根据官方介绍，共有373家国内外企业及3000件创新产品参展，311款新品亮相。排队是多数观众进入展馆前的第一体验，但等待并没有消磨掉他们的热情。「电厂」注意到，C馆是整个大会最拥挤的区域之一——这里既是空调冷气最充足的场馆，也是机器人演示最集中的区域，“凉快”和“火热”同时存在。
机器人本体是大会上当仁不让的“明星：宇树科技展台的每一面都围满了观众，高举的手机记录下机器人打拳击、机器狗上下坡的瞬间；优必选、松延动力的仿生人形机器人吸引了大量关注的目光，以及“真像”和“高颜值”的感叹；冰壶比赛、踢足球、钢琴四手联弹和机器人乐队，是孩子们的最爱；酷炫之外还有实用，收纳、搬运货物、制作茶饮、摊煎饼的机器人备受欢迎……类似情景在几个展馆不断出现，拍下的视频被上传至社交媒体平台，并成为传播链条的一部分。
叠加有奖集章、互动打卡等环节，对参展观众而言，这是一次近距离接触“黑科技”、有所收获的机会。但对各家展商而言，他们既要向潜在客群与投资者极力展示机器人进入家庭视野、成为工作伙伴的可能，也要同步推进技术的密集迭代、不断试错狂奔。
「电厂」了解到，除去布展与公开论坛，至少有十余个闭门沟通同期举办，据从业者分享，“路线之争”成为大家的讨论重点。
从“展示”到“工作”的真实落地
从上游零部件、核心技术，到机器人本体、应用场景和潜在用户，整条具身智能产业链被压缩进5万平方米的展馆。如果说展台的汹涌人潮体现了公众对机器人进入未来生活的好奇，那么场内密集的演示，则反映出行业正在进入新的阶段——企业不再满足于让机器人完成一个动作，而是开始给他们安排“工作”了。
在智平方展台，机器人AlphaBot 2（爱宝）的展示更接近商业服务现场。它可以根据任务进行咖啡、冰淇淋和鸡尾酒的制作，随着观众现场下单，机器人自主识别订单、精准取杯、操作设备、完成制作。此外，它还是官方礼品店的“机器人店员”，既承担纪念品售卖工作，还通过猜拳互动游戏带动现场氛围。
自变量将展示重点放在复杂环境中的自主执行能力上。家庭场景下，机器人将整理衣物、取外卖、拿饮料、收拾桌面、浇花、铲猫砂、充电等家务都做了一遍；物流场景下，两条机械臂搭配夹爪，持续分拣物流包裹，面对不同包裹，会自主采取不同策略。比如，轻小包裹直接夹取搬运，大件沉重包裹从侧面推动，蜷曲折叠软包先摊平理顺，再调整面单方向。
仙工智能则更加偏向机器人基础设施和智能系统能力——没有某一台机器人单独成为主角，人形、机械臂、配送车、叉车等多种机器人形态协同完成任务，均由同一套机器人大脑驱动。截至目前，仙工智能机器人大脑累计装机超5万台，覆盖全球43个国家，适配2000多款机器人、20多个行业。
随着机器人从固定环境走向开放空间，拥有更接近人的运动能力至关重要。逐际动力展示了Oli、Luna、TRON 2三大主打产品。其中，Oli是一款全尺寸通用人形机器人，有31个自由度，其构型设计能最大程度地适配真实场景中的任务需求，以及支持更高复杂度的全身移动操作控制与动作生成。
宇泛智能带来的全栈自研四足机器人“灵猫Cyvet”，新增背越式跳高1米、立定跳远近2米两项运动能力，可跨越电力铁塔台阶、化工园区碎石路段及厂区排水沟等障碍，目前已进入量产交付阶段，将率先在社区巡检等场景投入规模化应用。
在引发驻足围观的超仿生人形机器人之外，优必选CruzrY1和CruzrS2两款工业人形机器人也进行了实景作业演示，展示汽车钣金件上下料、汽车机加件上下料、料箱和纸箱拆码垛、物流电商小件分拣四大场景解决方案。
操作能力方面，灵心巧手展示了多款灵巧手产品，并以灵心巧匠全自动机械臂产线带来了“灵巧手组装灵巧手”的现场演示，多个工作台协同作业，自主完成从零部件抓取、装配到成品下线的完整流程。对投放于医疗等场景机器人来说，一双能够灵活工作的“手”，是打开应用空间的关键。
帕西尼聚焦机器人触觉能力，其首发的足底多维触觉传感器PX-FOOTRIX，实现足底全域三维阵列力觉与六维力/力矩感知，让人形机器人从“能够行走”迈向“理解如何行走”。相比视觉和语言模型，触觉是机器人进入真实物理世界的重要一步。
产业企业的加入呈现出另一条发展路径。京东并未单纯展示机器人本体，而是围绕物流、零售、工业等自身场景展开，希望证明机器人可以成为产业效率提升的一部分。值得一提的是，京东专门了设置机器人维修中心展台。「电厂」了解到，维修服务依托京东自营工程师团队，联合各家机器人品牌打造，计划未来三年内拓展至全国超50个核心城市。
从整个展馆来看，今年WRC最大的变化，是机器人开始脱离单纯的“展示逻辑”，走向“寻找岗位”。某种程度上来说，机器人时代真正到来的标志，或许不是展会上出现了多少台机器人，而是这些机器人距离普通人的工作和生活还有多远。
应用已经“卷”起来，技术范式却还未收敛
WRC 2026展会持续5天，白天的喧闹虹吸了资本、客户、消费者的目光，但对许多从业者而言，严肃的讨论发生在夜晚。
17点，展馆开始清场，接下来是属于各类After Party、“具身智能之夜”和“闭门论坛”的时间。
尽管所在企业没有参加这次展会，具身智能从业者、机器人零部件供应商梓蓝仍从深圳赶往北京参会。白天的逛展行程之外，她选择在晚间参加行业闭门论坛，更新产业认知。
“这类活动至少有10余个。我参加了3场讨论，有大脑企业、本体企业举办的，也有协会性质的产业沟通，”她讲到，“每个场合，话题总绕不开‘路线之争’。”
路线之争，并不只存在于闭门讨论中。各家展商的应用展示呈现出一派热闹景象，但当视线下沉，具身智能的模型、数据、训练环节，尚未迎来范式统一。
就像某种预言，几乎在WRC同期，行业发布的两项研究成果，再次折射出研发路线尚未收敛的现实。
8月11日，曾获英伟达投资的美国具身智能企业DynaRobotics发布了新一代机器人基础模型Dyna-2。该模型的最大技术亮点在于，其在预训练阶段主要采用超100万小时的人类第一视角数据（Ego），并声称观察到了Scaling Law。
这项成果的行业背景是，具身模型企业对于仿真数据、真机遥操数据、人类第一视角数据的采用策略并不统一，具身模型是否存在类似LLM模型“数据越多，模型越聪明”的智能涌现也还要打个问号。据目前公开披露的信息，这也是具身智能领域目前已知规模最大的Ego预训练数据规模之一。
具身企业DynaRobotics发布新一代机器人基础模型Dyna-2，图/网络
对此，大晓机器人开悟世界模型研发负责人王飞向「电厂」分析：“Dyna-2用了百万小时的真人第一视角的数据训练出来一个WAM，这在整个世界模型（研发领域）不论是精度上的提升、还是能力上的涌现，都有很大的一个突破。”
新的标杆已经竖起，但这也并不意味着数据训练范式已经得到统一。以大晓机器人为例，其采用三层数据训练范式，包含开放物理世界的视频数据、Ego数据、真机数据。
王飞认为：“三层训练数据的类型不会变化，但是数据分布的比例会发生比较大的变化。”其中，“未来三年不好判断，但在一年以内，Ego数据规模可能会迅速突破100万、500万、甚至1000万的水平”。
“我们在去年底、今年初就已经提出，世界模型如果想要达到一个比较好的能力涌现，需要的数据规模可能都不止百万小时，我们判断可能是需要接近千万小时这样的规模。”他讲到。
不只是训练数据层，在模型训练端，新的尝试和成果也还在涌现。
就在WRC期间，8月19日，美国具身初创企业Generalist发布新一代具身基础模型GEN-1.5。后者经过连续8个月的持续预训练后，展现出了“one-shot/few-shot in-context learning”能力，也就是只需经过3到12秒的单次示范，就能在几秒内学会新任务，而无需再针对这些任务进行专门训练。
这意味着通过持续扩大物理世界预训练，模型可能会像大语言模型一样，涌现出新的学习范式。事实上，由于GEN-1.5展现出了类似于LLM模型的，通过一次示范完成In-context Learning的能力，许多人已经开始将其称为具身智能界的GPT-3。
数据采集服务商“聚身智能”创始人祝鹤槐则告诉「电厂」：“这同时意味着在数据采集环节，未来数据场景的丰富度，价值要高过数据的量级。换言之，谁能获得医院、食品工厂、超净车间等高壁垒场景的数据，谁就更有优势。”
GEN-1.5可根据5分钟左右的示范数据学会一个简单、短步骤的机器人操作任务，图/Generalist博客
凡此种种都印证出具身智能还在技术路线的密集创新期。而这造就了一种双重的焦虑，每家具身企业既要对尚未收敛的技术路线保持敏锐、及时调整跟进；又要抓紧“落地元年”的窗口期，尽快打磨出落地应用、标杆项目。
在一个没有标准答案但又不容错失的市场里，产业前景的确定性与技术本身的不确定性，构成了2026年具身智能最微妙的矛盾——技术路线还在高速迭代演进，但已经闯入了“落地元年”。
但在从业者看来，或许正是矛盾本身让人兴奋。
“如果范式还没有收敛，现在行业所做的一切，不就像是在颤动的地基上建危房吗？”「电厂」向一家深圳具身智能企业的CEO提问。
“这种问题你不能以终为始，未来当然会有好的方法——我毫无疑问，5年之后（技术）一定会收敛，我们今天做的一些东西可能到那时不是主流，但这是必经的过程。就像现在没有人再谈CNN（卷积神经网络）了，大家的路线收敛到Transformer（基于注意力机制的深度学习网络）上，但你不能说那个阶段的实践没有价值。”他讲到。
（应受访者要求，梓蓝为化名，除特别备注来源外，图片均为电厂拍摄。）