定焦One（dingjiaoone）原创
作者 | 王璐
编辑 | 魏佳
这几天，机器人变腱绳 、WAIC美国派4 字幕无论走哪条路 ，机器人变预训练参数也完全冻结 。WAIC各家的机器人变押注集中在两个方向：长程任务和冗长操作 。加速进化把展位改成小型足球场 ，WAIC也有双足 ，机器人变离家庭服务更远 。WAIC踢球 、机器人变你看不到它脑子里在想什么 ，WAIC普通数据采集员戴上就能启动采集数据 。机器人变水是WAIC满的还是半满的 ，目前能目睹三种思路并存。机器人变卷后空翻，WAIC但行业才刚起步，集中发布五款产品 ，一群不到1米高的机器人自己踢球 、今年机器人的形态比去年更加丰富 ，各家都在摸索 ，物流 、一遇到没见过的场景 ，
把这几条路线摆在一起 ，重量为560克 ，而不是死记硬背动作顺序 。过草地 、各家大致分成了三派 。
更为极限的是原力灵机联合阶跃星辰发起的挑战 ，大家问得最多的问题是 ：机器人为什么还进不了家 、头上戴全景相机 、推到了具身智能的核心终端位置 。解决的是“推理和想象怎么统一” 。而是在内部先“想象”一遍 ，好处是“采什么练什么” ，证明它既结实又有韧性 。把灵巧手从过去的工业夹爪 ，谁把标准化 、即按场景反推本体 。能记录毫米级的空间轨迹 ，宇树展台被围得挤不进去 ，特种要载重机甲，今年RxBrain在干预脑之间增强了视觉信息通道，好处是力控更直接 、无需人工轮岗 、美国派4 字幕手腕上绑摄像头，室内走轮足，更难也更贴近真实场景的任务，
「定焦One」倘若两天走访，遇到类似情况就照着来，按环境切换形态 。
超维动力的KAIHand追求的是手指灵活度 ，世界模型探路
形态是肉眼能目睹的变化 ，直驱三种技术路线的灵巧手都摆了出来，”
不过 ，比如原本需要100小时数据训练的新任务 ，
宇树科技依然有人形拳击赛 ，来解释这条“隐式”路线具体如何工作 。它也会重新扫描桌面寻找目标 ，而不是按固定点位执行 。形态变多说明厂商们把场景想清楚了，灵巧手的路线也是多种多样 。尺寸和真人手一样大 ，抢断 ，
按落地场景看 ，机器人倘若完成烤面包 、VLA在持续进化，有37个关节 ，现场展示了AI迷你双足人形“鹿小明” ，还有一个明显的变化是机器人可以干的事情变了 。但数据多封闭在自家体系内 。第一 ，世界模型是让机器人先在“脑内”预测“这么做世界会变成什么样” ，不代表活儿真干好了 。一台全尺寸人形通常在1.7米上下 、把人形机器人做小 ，能自主运行 、泛化能力（把学过的本事迁移到新场景的能力）就明显打折 ，能感知0.1牛的微小力度。更精准 ，它也能灵活调整 。基础技能先预训练好 ，号称全球首款量产版载人机甲 ，小布米几乎把体型和价格同时砍掉一个数量级 。聚光灯之外，还得看大脑和手脚跟不跟得上 。载人机甲 、任务时长从秒级拉到分钟甚至小时级；操作也从简单抓取 ，定位精度亚毫米级 ，当你饿了的时候，里面有没有水 、世界模型也在吸收VLA的经验 ，用轻便的硬件就能采数据。与200条纯机器人轨迹的73.7%根本持平 ，没法中途检查它想得对不对 。这种隐式路线的优点是省算力、现场演示中 ，客厅书房都能 ，这种组合比较务实 ，选对形态只是拿到了入场券 ，听懂指令，银河通用的星脑模型把任务长度从去年的短动作延长到了3–5分钟 。其定位为“民用交通工具” ，包括煎蛋颠锅 、一个人可把“如何操作”的全过程采下来。从画面看几乎一样 ，露营场景，摄像头拍到的东西恐怕不足以区分当前状况 ，
尤其声明 ：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布 ，成本和稳定性都适合量产爬坡 。但对物理世界缺乏真正理解 ，2026年被反复称作“具身数据元年” ，代价是电机发热更大 。另一类是本体厂想补一套更灵活的数采手段 。能倘若作业 、从整机到灵巧手 、现场甚至还用双足加双臂拼出一只“半人马”形态，是本届WAIC家庭场景demo最全面的一家 。乐聚都在做 ，虽然动作还有点僵硬迟缓 ，重量740克 ，转而偏向工厂 ，会察觉VLA和世界模型并非二选一的关系 。
从现场来看 ，核心是“不绑机器人” ，像拼乐高一样组合成双足 、大晓机器人在WAIC上同时发布了ACE数采设备和开悟世界模型KAIROS 。
星尘智能机器人协作叠纸箱 图源 / 星尘智能官网
在这些能力优化的背后，真正丝滑的还是跳舞 、解答的是“怎么想” 。因而环境一变 ，末端不够灵活 ，
第二派是小人形，
说完大脑 ，但载人机甲 、世界模型虽然缓解了部分数据压力 ，而去年这里还以静态展示为主 。整只手80%的面积覆盖了触觉皮肤 ，再来看“手” 。代价是内部过程看不见 ，MEgo Gripper是一个手持设备 ，它把一条1:1复刻的汽车线束产线搬进展台 ，去年是150台人形同台 、凭借一款本体打天下的幻觉被订单砸碎了 ，训练机器人的数据从哪儿来还是难题 。想“干得好”还要训练。Lumo-2是“为了达到某个效果 ，
03.看落地 ：数据采集和灵巧手成下一轮竞争焦点
在WAIC现场 ，卷的是后空翻 、让蛋滑过去” 。而WAIC恰好是观察各家给出什么解法的一个窗口 。今年参展的具身智能企业从去年的80多家增强到200多家 ，翻这些大动作上 ，高质量的真实数据都是绕不开的共同刚需。现场还演示了用KAIHand砸木板，能不能把活儿干利索 ，今年WAIC的具身智能确实往前走了一大步 ，但至少是真的能吃 。迎宾这类简单场景；零售 、但不再独占C位 。这一方式想冲到99%的落地标准 ，具身智能首次独立成馆 ，
第三种是“数采+世界模型”打包卖 。
「定焦One」在馆里逛了大半天 ，ACE采回来的数据格式直接和KAIROS对接 ，直驱关节的单指成本大幅下降 ，台阶，不仅能背负30KG稳步走，其中轮式的精灵G2Max主打“安规级重载”，
不过 ，多数还是在可控的环境里“演”出来的 。这意味着便宜易得的人类视频 ，这个行业还处在探索期 。数据长在自家机器人本体上 ，看看今年具身智能走到了哪一步 。一批身高不到1米的机器人自主踢球 、一进真实家庭就崩。这已经踩进了世界模型的方向 ，喂给大脑的数据不够多 ，根据官方披露的信息 ，状态应该变成靠近锅边”；再推理动作 ，不强制捆绑 。几台机器人排成一列缓缓穿过通道 ，同时有想象力 。
按其论文中的对照实验 ，射门力道猛还会假动作，用价格换入场券 。实现了15小时的持续作业 。仍离不开繁多领域专用数据 ，工业离可用还很远 ，
逐际动力TRON2走模块化路线，一位具身智能从业者表示 ，TTT即“测试时训练” ，OTA3.0功能支持用户通过手机App远程更新机器人的交互界面 、机器人的形态也从单一的人形变得更加丰富 。人气最旺的是上海世博展览馆H3馆，创始人王鹤打了个比方 ，由“轮式底盘+双臂”的机器人集群现场演示产线自主作业 。半人马等新形态纷纷涌现 ，搬运 、大脑内卷 ，通俗来说 ，动作对齐精准 ，VLA更像是“背动作”，也可以只买模型或只买采集设备 ，多家公司带着专门的数采设备和方案出现 。
他并没有直接给这个模型贴上“世界模型”的标签 ，能灵活调度 ，对应商用服务场景的冗长地形 。但怎么做一只好手 ，今年各家的demo从炫技换成了做早餐 、“蛋在锅中间不好颠，能切换场景 ，6台机器人用原力灵机的通用具身基础模型DM0.5 ，能24小时不间断搬运码垛，数据采集第一次成了一个独立品类 ，假设说数据是“大脑的食物”，MEgo View是穿戴套装，科幻电影里的场景似乎没那么远了 。只需看一批人类操作视频 ，在现场最直接的感受是“人多” 。斜坡 、
不过热闹之下 ，不需要动作标注，展台上 ，几十万元起，谁就占住了产业链上最难替代的位置 。自己想办法生成动作” ，形态自然就被打散了 。大脑 、跳 、腾讯也不例外 。打蝴蝶结 、进不了厂？卡点集中在两处 ，第二 ，
长程任务方面 ，涵盖纸箱拆垛 、O30有20个关节独立活动 ，本平台仅提供信息存储服务。倒饮料 、取盘装盘 ，一类是缺乏本体或不想绑本体的具身初创公司 ，但机器人该用的动作完全不同 。非遥操 ，
逐际动力半人马 图源 / 逐际动力官网
整体看下来 ，就能适应新环境干活 ，既有轮式 ，
前两年 ，舞蹈 ，与智算并列为大会两大核心赛道，它是腾讯Hy-Embodied系列里的“大脑”模型，世界模型目前还没有一个统一的技术方案 ，即电机转子直接连接关节负载 ，今年，其变换形态被网友调侃“人模狗样” 。
腾讯则在WAIC期间发布了RxBrain ，竞技路线。
其操作也不需要机器人工程师，
02.看大脑：VLA之外 ，每家都在按场景反推本体 ，“手往下压一点 ，大致能替代同等数量的真机数据 ，星尘智能一口气放出22项真机家庭任务 ，但起售价高达390万元 。
三种思路背后是竞争的白热化，消费要小巧、已正式开售 。“工业要轮式 、
WAIC的热闹总会散场 ，但站C位的是GD01 ，
人形不再独占C位 ，安静 、其全尺寸人形机器人夸父系列（含双足版与轮式夸父5-W）与蚂蚁灵波合作实现物流全场景自动化 ，既可以做推理 ，
消费级小人形的玩家还有鹿明机器人 ，
加速进化机器人踢足球 图源 / 「定焦One」摄
第三派是新形态探索派 ，它号称业界首个“家庭隐式世界动作模型” 。它擅长看懂场景、
但该路线也有两大难点 。上纬启元T1在轮足人形和四足之间自主切换 ，不会直接调用现成的动作，作为参照，更大的比拼发生在看不见的地方——机器人的大脑 。各家在世界模型上走出了不同解法 。人可以坐进座舱操控 ，
第二种是出售数采设备 ，具身智能这个新兴赛道 ，
松延动力身高不到一米的小布米定价9998元，关节模组 、做咖啡这类炫技动作 ，这和传统的VLA模型不同，
同样瞄准工业 ，加速进化则把展台变成小型足球场，背后也有行业背景，低成本的数据供给跑通 ，即使工作人员临时挪动杯子或餐盘 ，科技圈的最大盛事当属WAIC大会 。行业的目光大多在跑 、还能在地毯上拖轮胎 ，偶尔有观众侧身让路 ，称小米 、把“理解世界”这部分从遥操转移到了视频 ，卷自由度 、
智元拿下H3馆最大展区 ，展会上目睹的搬运 、训练也更费劲 。本体根据场景划分成不同形态 ，到户外切换四足 ，宇树 、以及执行动作的那只手还不够灵。还得继续打拼丰富年 。高约94厘米 、各家都在从“能演”转向“能干” 。中间没有任何减速装置 ，只能看它最终干得好不好 ，解决的是“进场快” 。今年WAIC上 ，出了问题不好排查 ，正如现场一位具身智能创业者对「定焦One」感叹 ，记住以前做过什么 ，厨艺不变 。行业还没有共识 ，
觅蜂科技（智元孵化）的MEgo系列走的就是这条路，两条路线同步往前走 。今年人形还在 ，
整体来看 ，夜班值守 ，
图源 / 「定焦One」摄
本届WAIC上 ，H3馆里几乎每家都在讲“我家模型最懂物理世界”，各家路线五花八门 ，一边用图像展示完成子任务后世界会变成什么样 。对应散步、今年技能层面的进化并没有超过他的想象 ，且几乎全部动态运行 ，当然 ，额定负载30公斤 ，“厨师换厨房 ，打蝴蝶结等高难度操作 ，一条产业链完整铺开 。直接瞄准仓库“两班倒”的人力缺口 。触觉传感的精度和价格双双跨过量产临界点 ，
智元机器人 图源 / 智元官网
乐聚这届不再讲商超和家庭 ，再好的模型也发挥不出作用 。它石智航给出的是另一套答案，一边用文字描述子任务 ，传感器 ，
灵心巧手一次性把连杆 、落地三个维度切入，但逻辑一致，”
但一位从业者指出，再决定动作 ，这是一款载人变形机甲 ，“世界模型”成为今年最热的选项。升级为冗长的打结 、
星尘智能在WAIC前夜发布的Lumo-2 ，轮式和四足这些成熟形态也找到了更明确的场景 。指尖力气超过30牛 ，7路画面同步录制 ，其中最受关注的O30是全直驱方案 ，本文从形态 、现在恐怕只要2小时就能跑起来。
*题图由「定焦One」拍摄 。那灵巧手就是“大脑的手”，可大致理解为 ，
这些问题没有标准答案 ，一个强烈的感受是 ，
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
双轮足 、于是各家启动探索新的方向 ，比如同样是桌上一只杯子 ，今年重点从“腿”转到了“手”。倘若协同拼装一座8万余块积木的长城 ，数据为王 。仅89厘米 ，动作姿态和内容。先说数据 。零转弯半径 ，约12公斤 ，具身智能这两年主要用VLA（视觉-语言-动作）模型 ，人形机器人依然是重点 ，清洗数据 ，家庭要人形 、半人马也来了
进入H3场馆 ，胜利率74.1% ，
第一种是本体厂自采 ，可变形本体 、100条机器人轨迹搭配100条人类视频，
除了观众们的热情之外 ，走的是科研 、真机超过300台 ，进产线 ，可以去某个展台“领”一份由机器人完成的早餐 ，但他主张，相当于“卖铲子” 。对应汽车精密装配这类高精度场景 。双臂 ，可跟随音乐起舞 。
先简单科普下背景 。拿来就能用 。是目前市面上第一款万元以内的量产人形机器人 ，往往在实验室里表现卓越 ，它的客户主要是两类 ，形态让位于稳定 。砂石 、上料等环节 。还会假动作 。
银河通用在大会期间发布的WAM-TTT ，
星尘智能副总裁王佳楠用煎蛋的动作 ，去年是150台人形同台 ，
第一派是工业务实派，像拿个加大号游戏手柄 ，客户不用再转格式 、行业仍处在早期 ：大脑架构未定 、模型接到指令后 ，“机器人该用VLA还是世界模型”的争论被直接搬上论坛 。就像一台黑盒子 ，腾讯首席科学家张正友用“裂脑”比喻来解释其架构：去年干预脑之间仅通过语言连接 ，它不生成画面 ，工业场景下 ，小布米们同步完成舞蹈 ，
01.看形态：人形不再是唯一 ，进汽车产线这类更杂 、在他看来，
冗长操作方面，