文 | 松果财经
今年 WAIC，机器人以顶流姿态闪耀全场。
据 《科创板日报》 报道，本届大会具身智能赛道首次迎来超 200 家厂商参展，仅人形机器人就超过 208 款，还有 261 个各类大模型亮相，与当下炙手可热的智算赛道火力相当。
从现场来看，海量机器人形态各异，人形、四足、轮式甚至机甲齐上阵，而它们的技能也指向了工业、消费等多个领域，包括但不限于叠衣服、炒菜、打球、巡检、载人载物等。
不过，如此大规模却近似 「非标」 的机器人大军，也引发了外界的新思考：不同的机器人如何适配不同场景？是各写一套系统，还是通用大脑？设计独特的机器人越来越多，要怎么让它们的智能水平在不同的场景、形态要求下高效迭代，推动规模化应用？
其实关于机器人智能背后的算法、硬件，市场早已有充分讨论。但关于这种智能怎么迁移复制、进阶升级，似乎还未有定论。而在 WAIC 上，恰好就有一批玩家给出了不同的回答，画出了一幅具身智能的产业坐标系。
同台不同路，从 WAIC 看具身产业坐标系
拿下本届 WAIC 镇馆之宝的 「基于蚂蚁灵波跨本体具身大模型的机器人智慧药房」 方案，是我们关注的第一个对象。
这个方案依托蚂蚁灵波 LingBot-VLA 具身基座模型，可统一驱动不同品牌和构型的机器人协同作业，覆盖单臂、双臂、双足、轮式等多种形态。这次现场展示任务的三台轮式机器人，就分别来自乐聚、星海图和蚂蚁灵波自研。据官方披露，目前蚂蚁灵波已在软件层适配 17 家厂商的 20 多种硬件构型。
统一模型这条路在逻辑上很像当年 Android 对手机行业的改造：操作系统统一之后，硬件厂商只管把产品做好，应用开发者只管把功能做精。
在当前应用层面，蚂蚁灵波的方案已在国大药房上海门店投入实际运营，门店无需为机器人专门改造空间，机器人可直接进入既有经营环境，与工作人员和顾客共处，包括承担夜间值班任务。
不过长远来看，机器人的构型差异远比手机大——手机的传感器和交互方式相对标准化，而双足人形和四足机械狗之间，运动学模型都可能存在根本性差距。通用大脑是真正做到了跨形态的深度推理，还是只控制那些所有构型共有的自由度？现阶段，这类通用大脑玩家仍在推动建设更大规模的数据体系和应用模板，或许在应用规模扩大后，市场会进一步看到其前景。
与蚂蚁灵波软件主导的思路不同，宇树和智元走出了另一条路径：把产品矩阵做到足够宽，把特定品类做到能铺量。宇树本届大会展出了 B2 等型号的四足机器人，G1 等型号的人形机器人，以及全球首款载人变形机甲 GD01。
B2 等不同型号的四足机器人面向工业、消费等不同场景。G1 人形机器人已是全球同类产品中出货量最高的机型，售价 9.9 万元起步，正在把人形机器人的门槛降低。GD01 可实现人形双足与四足行走的硬件级形态切换，其 3 米身高、机械结构的现场视觉冲击力极强。
从四足起家到人形量产再到载人机甲，宇树的进化路线始终围绕一条主线：在多个形态上各自突出单品优势，把能力打包给客户。
智元的路线也与之类似，只是在一些细分产品类型上有差异。智元在本届 WAIC 一口气发布了五款新品。其中比较有代表性的远征 A3 Ultra 拿下镇馆之宝，搭载 700TOPS 具身处理器和高自由度灵巧手，以统一硬件载体覆盖展厅、酒店、导览零售等终端场景；安规级重载具身机器人精灵 G2 Max 双臂峰值负载达 50 公斤，在发布现场宣布与京东物流合作，首次在人形机器人仓储作业场景中部署落地。
大规模量产的打磨让智元的硬件可靠性和场景适配效率进入了新的阶段。而它似乎更强调从通用本体出发增强覆盖不同需求场景的能力——智元的选配器件、可二次开发的算法，更适应一些终端客户微调的需求。
在它们之外，动易科技的展区呈现出另一种思路。其 M 系列全尺寸人形机器人、C 系列灵动服务机器人、D 系列四足机械狗首次动态同台亮相。
从现场演示来看，其身高 180cm、体重 70kg 的 M 系列大尺寸人形机器人互动动作流畅；相对小巧的 C 系列人形机器人带来拳法展示和功夫秀，萌态外形和流畅自如的运动速度吸引了不少观众驻足；D 系列四足狗的官方参数显示其常态化承重 210kg，最大负载可达 500kg，能稳定通过 45°斜坡与 85cm 高台，它也确实在现场平稳驶过室内路面，并数次通过楼梯这种非平整路面。
据现场信息，动易科技这三种运动学约束完全不同的物理形态共享同一个智能底座——PhyAgents 物理智能体。其下层 PhyCore 运动控制模型相当于 「小脑」，负责步态规划、动态平衡、触地反馈和关节力矩分配；上层智能 AGENT 多模态模型相当于 「大脑」，能够处理环境感知、场景语义理解和行为决策。
大脑和小脑之间不是简单的指令传递，而是持续的双向交互。基于物理智能体，动易科技的亮点在于从现实中 「学习」 和强化运动能力，可迁移、能进化，然后让不同构型的机器人都能借此获得智能的提升。
各自押注，路线会合还是分化？
不难发现，WAIC 上这些实践各有各的精彩，同时也折射了当下机器人赛道对 「智能」 及其迭代理念的分化。
甲子光年智库刚刚发布的 《2026 中国具身智能行业洞察报告》 指出，当前机器人加速进入物理世界，因此产业更加关注长期的稳定性和在运行中持续学习、创造价值的能力，以及对应的能力底座。
《报告》 还提出，AI 正在获得 「身体」，机器人正在获得 「大脑」。只不过这个过程中，存在 AI for Robot 和 Robot for AI 两种思路不同的研发范式——前者是本体先确定，AI 去适配并负责用好这台机器人；后者则从 AI 需要什么出发，反向回答机器人应该怎样设计。
两者可以粗略理解为一个问题：具身智能，「身」 和 「智」 到底哪个占主导地位？这个问题目前并没有答案。不过回到 WAIC 现场，我们也能从不同玩家的展示中看出各自的优势、潜力以及需要突破的潜在关卡。
蚂蚁灵波的通用大脑，目的就是 「一种 AI 适应多种 Robot」，其核心优势在于边际成本。适配第 18 家厂商的第 21 种构型，大概率比适配第一家时快得多，因为中间层的抽象能力会随适配量增长而加速沉淀。对应用方来说，这意味着供应商解耦的可能性：如果 A 厂商的机器人出了问题，可以切换到 B 厂商，同一个大脑继续运行。
而它要回答的问题在于，跨形态的通用是真正的深度推理，还是只在当前比较纯粹和垂直的场景里才有效？当场景复杂到一定程度时，它还能很好地处理共有自由度吗？还是说把形态特有的运动能力交由底层固件自行处理？这就是我们之前提到的系统与硬件能否长期契合的问题，业界还需要更大规模的验证。
而继续往下看，宇树和智元又和通用大脑的路线不太一样。它们的产品矩阵×规模效应，逻辑上相对接近消费电子的打法。由于规模大、资源多、下游应用多样，它们不会死磕一条路线，而是能围绕终端场景、需求的不同，调整自己的策略。比如宇树的教育产品往往会有较高的二次开发自由度，让下游能自由进行调试；而智元面对垂直行业提供的产品，会像消费电子产品 plus、pro、max 的型号差距一样，通过微调配置直接给用户能用的产品。
在它们的路线中，AI for Robot 的特点也存在，不过最重要的并不是 AI 和 Robot 的关系，而是规模化时代的软件和服务能否同步跟上。因为当成千上万台机器人进入不同客户手中，后续的运维、升级、场景适配能不能尽量标准化，才决定了规模优势能否转化为长期壁垒。
相比较来看，AI for Robot 路线参与者众多，Robot for AI 却方兴未艾。这可能是因为，Robot for AI 对软硬件两方面能力的考验是更强的。
以动易科技为例，它的物理智能体路线就是 Robot for AI 的具象化。在现场展示中，就像人类通过物理感知提升自己的智能一样，其 PhyAgents 底座也让这些机器人在现实运动时 「感知、思考」 物理世界，然后做出智能的应对。当不同构型的机器人基于同一个智能底座迭代，相关的数据经验就有了复利效应，比如四足机器狗在复杂地形中习得的步态策略，就可以反哺人形机器人运控能力。有了更强的智能支持，Robot 本身就可以更灵活地设计。
不过，这样的迭代需要研发者充分理解 AI 算法和机器人硬件的特性，未来还需要具备面向不同场景进行差异化开发的能力，其难度自然是不小的。
自 2024 年成立起，动易科技就对 Robot for AI 有自己的理解，并选择了全栈自研的深度耦合路线，推动软硬件一体化。今年以来，外界也逐渐关注到它的成果。比如此前广交会上，C 系列机器人与人自主智能地互动对打羽毛球的案例就得到了央视报道。目前，它已在广州落地线下 「够 C 羽球馆」，消费级场景的体验闭环初步形成。
除了动易科技，2025 年成立、由中关村学院与中关村人工智能研究院联合孵化的深度机智，同样坚持 Robot for AI 理念。它明确表示不是为了做硬件而做机器人，而是为 AI 模型设计更合适的身体。深度机智推出的全尺寸拟人体机器人 Prime 也是这一逻辑的产物。
Prime 在实验室场景内能进行长程连续任务，并能适应混匀仪、振荡仪、水浴装置等不同的常用实验设备，不需要专门设置符合机器人习惯的操作环境。而这种能力的通用性还可以迁移到其他场景，比如包粽子。说白了，机器人是一个可以泛化的载体，能力、智能，以及创造能力和智能的架构才是最重要的。
从 AI 适配机器人转向机器人与 AI 原生协同，Robot for AI 路线上的企业还在寻求更多突破。前述 《报告》 提到，Robot for AI 不是给传统机器人装上更大的模型，而是让身体、感知和控制从设计之初就服务于 AI 学习与进化。关于智能和身体的关系，产业界已经在重新审视既有的研发惯性。
而回归现实讨论，在硬件接口和行业协议尚未统一的当下，不同路径自然都有各自的价值。相对来看，Robot for AI 会更依赖全栈自研的深度耦合，因为通用零部件加第三方算法不容易复现同等级别的系统协同效果。而如果要加速产品化、推动规模化，市场会更青睐什么样的产品方向，那就需要进一步的测试和反馈了。
在 WAIC，已经有很多人抱着这种测试和观望的心态，详细审视在场的机器人们。
从动态展示看能力边界，行业分水岭渐近
展会从来不是工厂车间，任何一家企业在 WAIC 上呈现的机器人都无法完整复现真实工作环境中的全部变量。但恰恰是这种不完整，反而让动态展示本身变成了一道筛选器——在现场，大部分投资人和产业机构关注的核心问题其实很朴素：机器人怎么运动、如何应对变化、在不同形态之间能不能保持一致的响应水平。
动态展示方面，宇树选择让 G1 机器人在现场齐舞、格斗，展示的是量产机型在高速动态中的整机稳定性。同样强调动态的动易科技，四足机械狗的下楼梯和姿态调整、人形机器人的高速行走与灵活交互，让同一套智能底座支撑多形态运动能力的意义得到了放大。
场景化展示方面，蚂蚁灵波直接把线下药房场景搬进了展馆，让在场人员具体看清机器人是怎么拣选物品、规划动作的。而面向消费市场、以租赁为主要商业模式的未来不远机器人，一直在现场持续展示叠衣服、开饮料、收纳玩具等家庭任务，验证的是面向非结构化家居环境的泛化能力。
这些机器人的 「工作」 细节，总结起来无非是动态平衡、运动微调、实时交互。从底层逻辑看，它们对 「感知-决策-执行」 闭环的需求非常强烈，因为这是提升机器人实时工作能力的关键一步。从 WAIC 现场看，能在这个维度上拿出多形态机器人同台运行实证的企业并不多。
接下来，它们的迁移与进化，还会更依赖真实环境的反馈持续喂养。届时，无论是形态的创新改进还是单纯的规模增长，都会衍生更多关于效率和成本的问题，持续挑战这些创新者。市场也会继续关注它们的表现，继续关注到底是哪些玩家、什么策略，能真正帮机器人走进规模化时代。
总之，2026 年 WAIC 上 200 余家企业同台，或许许会是一个转折点。盛会之后，将有更多机器人走出展馆、走进现实。从一台机器到下一个场景，从一次演示到持续运行，产业对高效部署和复制应用的需求会越来越强烈。在规模化前夜，可迁移、能进化，或许才是机器人时代真正的护城河。