刚刚落幕的WAIC 2026上，具身智能无疑是最受瞩目的焦点之一。

【图源网络】

从参展阵容来看，无论是机器人整机还是零部件企业，都迎来了大规模入场。由智元与觅蜂科技联合主办的“智启具身论坛”，也被正式列入大会的核心官方分论坛。

而在展示内容上，以往那些翻跟头、跳舞式的炫技表演已悄然退居次席，取而代之的是工业分拣、物流搬运、能源巡检等实景作业，稳稳占据了展台的C位。

【图源网络】

比如，它石智航直接将1:1还原的汽车装配流水线搬进了展馆，A1机器人在观众面前行云流水地完成了“取线—布线—插接”等真实工序；千觉机器人的双臂即便在人为干扰下，依然能稳稳完成耳机精密装配，将精度牢牢控制在毫米级。

对于制造业的决策者而言，WAIC 2026释放的信号已经十分清晰：

头部场景的技术可行性已经得到验证，但想要实现大规模复制，仍面临不少挑战。从产业演进的节奏来看，当下正处于从“技术验证”向“商业验证”过渡的关键阶段，这也是一个值得高度关注的战略窗口期。

不过，这个窗口期并不会永远敞开。据甲子光年智库数据显示，2026年上半年，中国具身智能领域的融资事件就已达322起，总金额约934.7亿元，半年度融资额已显著超越了2025年的全年水平。

资本正以“投场景、投生态、投产业链”的方式，加速抢占先机。

那么，这场变革究竟从何而来？面对这样的趋势，制造业企业又该如何从容应对？

01 WAIC背后，图灵埋下了怎么的伏笔？

要理解这股热度，得先把时间往回拨。具身智能不是一夜之间冒出来的概念，它的思想源头可以追溯到70多年前。

1950年，艾伦·图灵在《计算机器与智能》中预言了人工智能的两条路径——一条专注于抽象计算，另一条"为机器配备最佳传感器，使其可以与人交流，并像婴儿一样学习"。后者正是具身智能的哲学雏形。

1986年，罗德尼·布鲁克斯（Rodney Brooks）提出"没有表征的智能"，主张智能应由身体与环境的实时交互自然涌现，确立了"感知—行动"闭环系统的可行性。但受限于当时的计算能力，这一理念长期停留在理论层面。

2012年，AlexNet掀起的深度学习革命让机器人学会了"看"。2013年，波士顿动力Atlas展示了极端环境下的运动能力，但噪音大、成本高、无自主决策，应用限于科研和特种场景。

2022年，ChatGPT发布，大模型展现出的通用认知能力，补上了具身智能最缺的"大脑"。

2023年，Google RT-2提出VLA（Vision-Language-Action，视觉-语言-动作）模型，让机器人能够"看懂指令并直接动手"，标志着具身智能从"执行预设指令"进化为"理解模糊指令"。

到2026年，行业竞争的焦点已经从"谁能造出机器人"，转向"谁能让机器人在真实场景中稳定工作"，以及"谁能持续采集数据、跑通商业闭环"。

放在制造业的演进脉络里，这条线更清楚：

从早期固定程式化的工业机械臂，到具备感知能力的协作机器人，再到如今融合VLA模型的通用具身智能体。

甲子光年报告指出，机器人产业正经历从"能力展示"走向"能力兑现"的关键转变——未来领先的机器人不一定是最炫的，而是在复杂环境里能把任务完成得最稳定的。

铺垫至此，2026年的拐点就不是偶然了。

02 三个信号：WAIC 2026在告诉制造业什么？

把甲子光年报告和WAIC现场观察放在一起看，本届大会关于具身智能释放的信号可以归纳为三条。

信号一：应用实质化，从"炫技"到"实干"

先看一组时间线，它本身就说明了问题。

据新华网报道，2026年1—5月，我国工业企业购进的具身智能机器人总金额同比增长2.3倍；全年人形机器人整机产量有望突破10万台。

企业侧的规模化验证同步推进：2026年6月，中科慧灵与杰克科技签署2000台制鞋场景定制机器人的预交付订单，合同金额4.04亿元；7月17日，京东物流与智元在WAIC上联合发布精灵G2 Max，宣布将部署至京东物流智狼仓，承担料箱搬运、码垛等任务，支持24小时连续作业。

值得注意的是，这些进展大多发生在政策出手之前或与之同步。

2026年6月，工信部与国资委联合印发《2026年度人形机器人与具身智能实景实训专项行动通知》，定下"2026年底重点产品常态部署、万台级规模落地"的目标。

换句话说，需求不是政策催出来的——政策是在为一个已经在跑的趋势确认方向、划定时间表。

对企业而言，这意味着落地窗口获得了官方背书，也意味着竞争对手拿到了同一张时间表。

本届WAIC的展台是同一趋势的现场注脚：除开头提到的产线复刻外，跨维智能把商超扫码、手机装盒等真实工序也搬上了展台——展示的不是预设动作的表演，而是对落地工序的复刻。

信号二：路线分野，工业派与陪伴派各走各路

WAIC 2026清晰展示了具身智能的两大阵营：

制造业为什么成了"第一战场"？

甲子光年报告给出三重逻辑：工业制造场景任务边界清晰、流程相对标准、ROI（投资回报率）可计算；环境更可控、任务更高频、价值衡量更直接；工业现场积累的高质量操作数据，还会持续反哺机器人的智能化水平。

信号三：生态补位，"卖铲子"的企业成规模亮相

本届WAIC还有一个容易被忽略的结构性变化：数据与基础设施企业占比从去年的不足10%提升至约30%。

资本的关注点正从"看本体"转向"看控制点"：大脑决定智能上限，数据决定模型迭代速度，灵巧手决定任务效果。

三条信号合在一起，意思其实很朴素：

技术能用了，场景跑通了，生态正在成形。

接下来的问题落到企业自己身上——不同体量的制造商，面对的不是同一道题。

03 梯度分化：该如何踩准具身智能的落地节点？

1. 头部链主：从"观望"到"战略投入"

头部企业已经过了观望期，进入战略投入阶段，关注点集中在两件事：规模化部署与产线重构。

策略建议：

1. 建立自研或深度绑定的生态。头部企业需要掌握数据主权，避免核心工艺数据外流。

2. 抢占标准制定权。参与行业标准、测试基准的制定，影响下一代技术路线。

3. 关注整线智能化升级，而非单点替代。从"机器人换人"升级为"产线重构"，才能形成柔性制造的系统性优势。

头部企业已经下场。对数量更多的中型制造商来说，问题更现实：跟不跟，怎么跟？

2. 中型制造：从"被动了解"到"主动试点"

中型制造企业已经开始主动接触供应商，但决策仍然谨慎——成本和回报周期算不清楚，是主要顾虑。

从场景优先级看：

策略建议：

1. 聚焦"三高"场景单点突破。高重复性、高危险性、高精度的工位是最佳切入点。

2. 优先采用SaaS化或租赁式的AI能力。以"按效果付费"或RaaS（机器人即服务）模式验证ROI，降低前期试错成本。

3. 要求供应商提供"展会之外3—6个月的运营数据"。 单台成功率99%不等于连续运行8小时无故障，必须验证真实产线表现。

极智嘉CEO陈曦的话说得很直白："大家看到满屏Demo，但是真正去干活，客户其实是非常抓狂的状态。做完Demo之后没法持续，这是产业真正的问题。"

再往下，县域制造的处境又不一样。

3. 县域制造：不必焦虑，但要清醒

大量中小型、县域制造企业的信息相对滞后，多数仍在观望，关注点还停留在"机器人会不会取代工人"的焦虑上。

策略建议：

1. 不必自研，关注"具身智能即服务"模式。依托产业集群或行业云平台做轻量化部署。

2.主动卡位"供应链倒逼"窗口。当头部企业的供应链要求（如"供应商产线需具备自动化质检能力"）传导至县域时，提前完成1-2个工位的自动化改造，比"完全被动等待"更具议价能力。

3.因地制宜、错位发展。县域往往不具备主攻研发的能力，应聚焦特定细分场景（如农产品分拣、纺织质检、五金抛光）的跟随式应用，利用行业共性需求降低定制成本。

甲子光年报告指出，物理AI将从工厂开始，逐渐向大型制造业与物流行业、中小型制造业、商业、ToC领域扩展。

对中小型制造业来说，具身智能的应用大概率不是"率先试点"，而是"被动跟随"——当头部企业的供应链要求、行业标准和成本下降传导到县域层面，规模化应用才会被真正触发。

三层企业，三种节奏。而决定各自节奏的，除了资本和规模，还有技术路线本身的走向。

04 从VLA到世界模型：技术路线的下一步

当前具身智能的核心技术路线是VLA模型，但它有一个结构性短板：

擅长根据当前观测生成动作，却缺少对行动后状态变化的显式建模。复杂任务需要连续预测、纠错和重规划，单步动作映射容易失效。

世界模型（World Model，一种能预测"做完这个动作后环境会变成什么样"的AI模型）正在补上这一环。

2011年诺贝尔经济学奖得主托马斯·萨金特在WAIC 2026上将VLA比作"开普勒式"描述模型——能拟合数据、描述现象，却不解释背后机制；世界模型则是"牛顿式"结构模型，不仅拟合现象，更解释因果逻辑。工业场景的答案不在二选一，而在两者融合。

当然，从长远来看，前路依然充满挑战。正如智源研究院院长王仲远所言，尽管AI行业已经迈入了追逐世界模型的新阶段，但当前在技术路线、数据积累等方面仍有许多悬而未决的问题，还需要可能至少3—5年时间探索。

路线未定，对企业意味着两件事。

其一，采购与合作要避免与单一路线、单一供应商过度绑定，保留切换空间。其二，无论哪条路线最终胜出，燃料都是数据——这正是最后一章要谈的问题。

05 结语

具身智能的标准化与生态战，本质上是一场"数据底座"之争。

谁拥有更多真实场景数据、更高质量的仿真数据、更高效的标注流程，谁就能在下一阶段胜出。

对制造业企业来说，这既是提醒也是机会：

产线上的每一次试运行、每一条工艺数据，都是未来的议价筹码。前文头部企业要"掌握数据主权"、中型企业要"向供应商索要展会之外的运营数据"，底层原因都在这里。

最后说回WAIC的展台。灵心巧手的展台上，多台搭载Linker Hand的双臂工作台协同作业，从零部件抓取、装配到成品下线完全自主完成——某种意义上，这已是“机器人在装配机器人”的雏形。

这条"自造"路径一旦批量落地，将从根本上改变机器人产业的成本结构和扩张逻辑。

对制造业决策者而言，企业需要的不仅是一台机器人，更是一整套战略规划、技术选型和落地陪跑的能力。

当AI获得身体、智能从数字世界走进物理世界，制造业的竞争规则也随之改写。

现在要回答的，已经不是"这场变革会不会来"，而是"自己以什么节奏进场"。

若您正在规划相关方向或有相关咨询需求，欢迎私信交流具体情境，我们愿意分享更多一线观察。

参考资料：甲子光年智库.《2026中国具身智能行业洞察报告》. 2026.07；新华网.《触觉原生破局具身智能，千觉机器人WAIC 2026打造全栈触觉生态闭环》. 2026-07-20；新华网.《新华网科技观察丨从一场大会看AI产业发展新方向》；环球网.《从"会表演"到"会干活"，WAIC 2026上具身智能更"务实"》。

关注【科瑞斯达】官方公众号，了解更多前沿资讯及落地经验