具身公司变"老实"了：WRC 2026 把"卷大脑"换成"卷数据"

王兴兴在科创板上市次日站上世界机器人大会的讲台，第一句话承认的是「偏差」。

2026 年 8 月 19 日，「人形机器人第一股」宇树科技登陆科创板，发行价 150.80 元，开盘报 1100 元，暴涨 629.44%，收盘 845 元，总市值 3400 亿元。创始人王兴兴持股约 30%，首日持股市值超千亿，直接坐上科创板 90 后首富的位子（来源：创业邦 2026-08-20）。

上市次日，他站在 2026 世界机器人大会的主论坛上，发表了题为《从展品到产品：人形机器人产业的下一个十年》的演讲。台下 300 多家机器人公司刚刚结束布展。这一年最大的新闻是——整个行业悄悄换了剧本。

去年还在被反复挂上展台、演讲和采访的 VLA（Vision-Language-Action），今年很少再被当作完整答案来讲。「端到端」也退到更靠后的位置。接棒的新词「世界模型」还在争论自己到底要不要生成视频、要不要预测动作后果、要不要在潜空间预演。像去年那种围绕技术路线产生的激辩场面，今年几乎消失了。

取而代之的是一个最朴素的共识——所有没有数据支撑的算法路线之争，最后都是梦幻泡影（来源：WRC 观察 2026-08-21）。

这句话是今年 WRC 给整个具身智能行业的「判决书」。

<!-- 配图：WRC 2026 路线收敛示意 -->

一、王兴兴的「最后几毫米」

王兴兴在演讲里给出一句难得的坦诚：

「目前全球具身智能最大的瓶颈，就是 AI 模型的输入和输出，与真实世界之间仍然存在偏差。从大的趋势来看，现在的模型其实没有太大问题，大差不差能够执行你的任务。问题往往发生在最后几个厘米，甚至最后几个毫米。」（来源：创业邦 2026-08-20）

这句话翻译成大白话就是：大模型在仿真里看着都对，但真到机器人身上，最后几厘米的精度就是过不去。

宇树在 2020 年初就做过基于视频生成的世界模型，年底发现效果不理想，搁置了一段时间。去年又重新大力发展。这条路线上，宇树起步很早，但今年承认问题最坦率。

王兴兴还透露了一个反常识的事实：宇树目前绝大部分 AI 团队的工作，是推动机器人真正进入家庭和工厂里干活。这部分事情没大规模推广，最主要的原因是「目前的效率和泛用性能力还不够高」。机器人能做简单装配，但效率比人工更低；每次有新任务都要重新调整。

这是宇树作为「人形机器人第一股」上市当天讲的实话。资本市场给的是 3400 亿的市值，但公司自己承认：产品还没 ready。

二、四家公司的同一句话：算法够用，物理世界不够

WRC 现场观察组和行业内 6 家公司聊下来，发现一件反常的事——今年没人愿意再说自己的算法路线最厉害。

宇树：物理世界对齐才是瓶颈

王兴兴把偏差归因到「AI 模型的输入和输出与真实世界之间仍然存在偏差」，不是模型本身不行，是模型和物理世界没对齐。这句话和他在演讲里反复强调的「今年 4 月我们刷新了人形机器人最快奔跑纪录」形成微妙对比——表演级的运动能力可以靠模型堆出来，但干活级的精度不行。

自变量：VLA 回答「做什么」，世界模型回答「做完会怎样」

自变量创始人王潜的总结更直接：VLA 主要回答「下一步做什么」，世界模型则帮助机器人理解「这样做以后会发生什么」。两者不是替代关系，而是会逐渐在统一模型中融合。

这家公司去年押注 VLA，今年的观察重点变成 WALL-WM——一个「以完整事件对齐视觉、语言和动作」的统一模型。但统一模型的训练数据，从哪儿来？

擎朗智能：数据是「原油」，瓶颈在「炼油」

擎朗智能把这件事说得最直接：现在采集数据本身不难，让采集到的数据真正提升模型能力才难。戴个头环拍几小时视频，数据远远不能直接用。

从原始视频到可训练的结构化数据，中间要经过去畸变、姿态估计、深度重建、手物分割、自动标注等一系列处理环节。如果这套「数据炼油」能力跟不上，采集再多原始数据也只是「原油」，没法变成驱动模型的「燃料」。

星海图：VLA 和世界模型「同源共生」

星海图更激进：VLA 和世界模型本质相通，都是把输入转化为 Token，通过 Transformer 多层神经网络完成编码，再通过自监督方式开展预训练。二者区别仅在于自监督训练的方式不一样。

四家公司的共识落在同一句话上：算法路线不重要，数据才重要。

<!-- 配图：三类数据采集方案对比 -->

三、数据从哪儿来？三条路都在抢

WRC 上另一个明显变化——展馆里最热闹的地方不是讲模型的发布会，而是头环、腕部相机、触觉手套、灵巧手、遥操作台和数据工厂。

具身智能的数据采集主要走三条路：

第一条：无本体数采（真人穿戴）

不依赖机器人本体，通过头环、手套等穿戴设备采集人的动作。自变量推出的 QUANXTA Zero 方案，具备全身移动数采和移动采集数据本体回放能力，数据入库有效率超过 85%（来源：WRC 观察 2026-08-21）。

但这种数据有个死结——人的身体结构和动作方式与机器人不同，触觉、关节误差这些信号在穿戴数据里基本丢失。

第二条：真机遥操

让真人远程操控机器人执行任务，记录完整的状态、动作、环境反馈。这是目前成本最高但数据质量最好的一类。智身科技的判断很直接：「它的世界 ≠ 我的世界」，数据规模再大，没办法替代我们自己机器人在真实目标场景下产生的交互数据。

第三条：仿真合成

量大、能扩场景多样性，但 sim-to-real 的鸿沟让这些数据没办法直接用。物理引擎再逼真，也模拟不出真实咖啡机出水口的微妙差异、不同材质杯子表面的摩擦力变化、顾客临时伸手干扰操作轨迹这些真实世界的「意外」（来源：擎朗智能访谈）。

还有一个正在冒头的方向是触觉数据。一目科技的 TouchNet 想把真实接触中的压力、纹理、滑动、材质、力反馈变成可复用的数据基础设施。帕西尼同时在做机器人端的触觉传感器和灵巧手，以及真人穿戴的触觉采集手套。

四、从展品到产品的三个信号

WRC 不只是「产品发布会」，它还透露了三个产业信号。

信号一：王兴兴的演讲主题

「从展品到产品」——这六个字是宇树给自己，也是给整个行业提的命题。展品级的机器人已经有了（翻跟头、跳舞、打拳），产品级的机器人还没有（能在家庭和工厂稳定干活的机器人）。

信号二：墨奇智能的 15 分钟长程任务

墨奇智能（MORPHI）的轮式机器人 MORPHI KINO 在 WRC 上完成了一场 15 分钟连续家务演示：收拾茶几、发现冰箱缺货自动补货、开关洗烘设备、叠衣服。单动作早就不是难题，难的是把一整件事连续做完（来源：墨奇 WRC 报道 2026-08-21）。

任务连续性成为今年 WRC 上值得关注的技术信号——比起单独展示抓取或折叠，把机器人放进一个足够长、足够复杂的任务中，看它是否能一路执行到底。

信号三：数据底座产品化

2026 年 8 月 19 日，「具身数据底座」开始公开发售，首发价 5100 元（来源：36 氪系 2026-08-19）。

这件事的标志性意义在于：具身数据开始从「公司内部能力」变成「可买卖的基础设施」。当数据底座有了标准化的产品和价格，意味着**「采什么数据、怎么采、采多少」开始从研发问题变成采购问题**。

五、这场转向告诉我们什么

回头看 WRC 2026，具身公司「老实」下来不是认输，是认清了战场在哪。

两年前，行业习惯把具身智能理解成「给大模型装上一副身体」：摄像头负责看，关节负责动，灵巧手负责执行，所有人的注意力都放在「大脑」上。今年发现，身体反过来卡住了大脑——最后几厘米的偏差、接触瞬间的滑移、不同杯子的摩擦力，都无法从语言和互联网视频里直接长出来。

王兴兴的 IPO 给行业打了鸡血，宇树市值冲到 3400 亿。但王兴兴自己清楚，单靠模型能力堆不出 3400 亿对应的产品。他今年的演讲主题之所以叫「从展品到产品」，是因为他知道下一步的增长点不在模型上，在数据上。

具身智能的 GPT-3 时刻不会来自某个模型突破，而会来自一条数据管道的成熟。

这条管道现在还在打地基：有人在做无本体数采的头环，有人在做真机遥操的力反馈手套，有人在做 sim-to-real 的合成数据，有人开始卖 5100 元的数据底座。

WRC 2026 之后，具身行业的竞争不再是「谁的 VLA 更准」，而是「谁的物理世界数据更多、更真、更能用」。

这才是今年世界机器人大会真正「卷」起来的地方。