WAIC 2026：中国机器人开始真正工作

乍一看，2026年世界人工智能大会就像是全球最大的机器人秀。人形机器人迎接访客，移动机械臂分类零部件，四足机器人在模拟的工业区内穿行，人工手抓取插头、玻璃和精密组件。然而，如果只是注意那些惊艳的动作，就会忽视来自上海的真正信息：中国的机器人产业正努力实现从令人印象深刻的单体演示向可靠工作流程的跨越。

WAIC于2026年7月17日至20日在上海举行。超过1,100家公司在首次超过100,000平方米的展区展示了3,000多件展品。根据主办方的说法，超过300款产品首次在全球亮相。仅应用展示就汇集了300多台机器人，场景涵盖生产、商业、日常生活和娱乐。这一规模并不自动证明市场成熟。但它显示了资本、工程能力和产业政策目前流向何处：即所谓的物理AI，即不仅能够生成文本或图像，还能感知物理世界并在其中行动的人工智能系统。

因此，WAIC 2026 的决定性进展不是某一个单独的机器人。而是一个由专用机体形态、更通用的人工智能模型、触觉传感器、训练数据、充电基础设施和试生产组成的新整体系统。问题不再只是：“人形机器人能走路吗？”而是：“机器人能否保持八小时可用、重复执行一项任务一百次、识别故障、与现有设备协作并经济地进行维护？”

摘要要点

AgiBot 发布了面向服务、科研、工业和操作的四款新产品：A3 Ultra、X2 Edu、G2 Max 和 OmniHand 3 Ultra-M。
MagicLab 推出了三种新型机器人形态：MagicBot X1、D1 和 MagicDog T1，以及型号为 Magic-VLA K02 的机器人模型。
Robbyant，蚂蚁集团的机器人公司，用LingBot 2.0展示了针对不同厂商机器的“机器人大脑”共同理念。
前觉机器人公司和复旦大学将触觉人工智能置于核心：机器人不仅要能看，还要在接触过程中理解力量、变形和滑动。
奥比中光展示了新硬件，可让人们从第一视角、手腕以及精细动作中收集训练数据。
可变的祈源T1质疑了个人机器人必须始终保持相同身体形态的想法。
上海的新训练和试制平台显示，真正的竞争越来越多地发生在机器人之间：在数据、测试、标准和可重复制造方面。

从展示到班组工作

服务型人形机器人和移动工业机器人在现代生产线上工作 [图像内容由人工智能生成] — 并非每个工作机器人都需要腿：服务型人形机器人和移动机械手承担不同的任务。自主编辑的人工智能可视化。

机器人展会多年来依靠编排表演生存。一个后空翻、一段舞蹈或一场短暂的拳击比赛可以吸引眼球并展示动作控制。但是，对于付费顾客而言，另一个问题更为重要：在重复了一百次之后会发生什么？生产系统必须能够应对位移的物体、被污染的传感器、衰减的电池电量、变化的光线以及不完整的信息。

正是在这里，WAIC的图像语言发生了变化。在一个仿制的电动车生产线上，机器人在电池、灯具、线束、变速箱和喇叭上工作。一个配备了视觉和触觉传感器的系统拾取零件，拧紧螺丝，连接接口，并随后检查照明。在另一项展示中，六台机器人连续15小时共同用8万个积木搭建了长城模型。这个任务虽然像游戏一样，但技术核心非常严肃：分配角色、识别工作进度，并将自己的动作调整以配合其他机器的动作。

展会本身也成为了一个测试场。根据AgiBot自己的说法，它在不同的活动地点部署了60多台机器人。它们引导参观者、提供信息并辅助展示。这样的使用方式尚不能证明其能实现盈利的长期运营。但它确实产生了有关导航、交流、充电计划以及在复杂环境中人类行为的真实数据。

AgiBot A3 Ultra：带值班表的类人机器人

在首映中，A3 Ultra 扮演了关键角色。这款成熟的人形机器人身高1.74米，体重60公斤，拥有51个主动驱动的自由度。每条手臂可承载最多五公斤的重量。AgiBot 表示其组合运行时间可达八小时，并支持直接充电、更换电池以及自动对接充电站。

为了感知，这款机器人结合了3D激光雷达、RGB-D摄像头、鱼眼摄像头和双目视觉。GPS、RTK和UWB旨在实现不同环境下的位置定位。对于高级人工智能处理，AgiBot使用NVIDIA Thor。这听起来像是一长串技术组件，但正是这份清单体现了产品的定位：A3 Ultra不仅是舞台机器人，而是面向接待、访客引导、商业和其他公共服务的系统。

关键是可用性。“最长八小时的综合运行时间”并不一定意味着在满负荷下的八小时自主工作。运行时间取决于动作、计算负载、有效负载和休息时间。尽管如此，AgiBot仍将讨论引向正确的方向。服务机器人不仅需要灵活性，还需要能源和车队管理方案。关于这一瓶颈的更多信息，请参阅我们关于类人机器人的电池续航时间的背景介绍。

G2 Max：为什么更好的工作机器人可以有轮子

AgiBots G2 Max 可能在经济上比双足明星更有吸引力。该机器人使用全向底盘，配备力控机械臂，并且可以调节其工作高度。它适用于物料搬运、托盘堆放、机器供料以及其他重复性体力劳动任务。

该结构遵循一种简明的逻辑。当必须应对楼梯、门槛或由人类使用的户外空间时，腿是合理的。相反，在平坦的工厂地板上，它们会消耗能量、增加控制复杂性和维护成本。轮式底盘更加稳定，可以承载更大的电池，并且更容易保证安全。类人理念在上半身得以保留：两个手臂、灵活的活动范围以及适合人类工作站的工具。下半身则根据实际任务进行调整。

AgiBot展示了G2系统，这些系统在平板电脑生产中取料、给检测设备供料并将成品返回。这比单一的抓取演示更重要，因为它描述了一个完整的流程。然而，这个流程是否经济，需要通过周期时间、错误率、干预率和维护成本来评估。

MagicLab打造的不是一个机器人，而是一个家族

MagicLab也摒弃了“一台机器必须完成所有任务”的想法。公司展示了双足机器人MagicBot X1、可移动的工业人形机器人MagicBot D1以及轻量四足机器人MagicDog T1。该家族还补充了型号为Magic-VLA K02的机器人。

X1 是用于移动任务和全身协调的通用类人平台。D1 将稳定的轮式底盘与用于工厂工作、物流和科研的两条机械臂相结合。T1 旨在携带传感器或额外的操作装置，适用于检查、厂区安保或在较困难地形上进行短途运输。据 MagicLab 称，D1 已经在 Dreame 的智能工厂中定期工作。

这种划分是市场成熟的一个标志。在技术的早期阶段，制造商通常会试图将所有注意力集中在一款旗舰产品上。在产品阶段，会出现针对不同成本结构和使用场景的变体。AgiBot 和 MagicLab 展示了同样的战略见解：共享平台可以是通用的，但机体不必如此。

Magic-VLA K02 及更长工作流程的探索

Magic-VLA K02 模型旨在将任务理解与直接动作控制结合起来。MagicLab 使用它演示了多步骤的操作：堆叠和封箱、折叠柔性衣物以及整理行李箱。这类任务比传统的抓取与放置更具挑战性，因为每一步操作后环境状态都会发生变化。

对于柔软物体，机器人不能仅通过固定的 3D 几何形状来确定抓取位置。一件衬衫在折叠过程中会不断改变形状。纸箱可能会倾斜，一块搭扣可能无法正确卡住，物品在打包时可能会滑动。VLA 模型——视觉、语言、动作——尝试将感知、用语言或语义表达的目标与运动策略结合起来。

MagicLab 为组合堆叠和封装流程公布了超过 90% 的成功率。这个数字很有趣，但不能等同于独立的行业指标。尝试的次数和变化、速度、人为干预以及一次成功操作的具体定义仍不明确。文章不应忽视此类制造商数据，但应透明地标明为制造商提供的数据。

LingBot 2.0：一个可以控制多个机器人身体的大脑

三台不同的服务机器人在现代药店里共同处理一项订单 [图像内容由人工智能生成] — 一个人工智能模型，多具身体：不同的机器人共享完整的药房流程。独立的编辑人工智能可视化。 [图像内容由人工智能生成]

策略上最重要的构想之一来自Robbyant，这是一家阿里巴巴集团旗下专注于具身人工智能的公司。LingBot 2.0采取的方法是在不同的机器人上使用同一模型系列。目标是“一个大脑，多台机器人”：能力不再完全依赖于单一制造商的机械结构。

该展会在一个智能药房中展示了这种方法。三台不同的机器人随机接收订单，分配工作，取出药品并交付完成的订单。根据主办方的说法，相应的解决方案已在上海药店连锁郭大药房的分店中使用。

如果一个模型确实可以可靠地在不同的机器人之间迁移，这将改变机器人市场。如今，一项学会的技能通常与特定机器人的摄像头位置、关节几何结构、夹持器和控制紧密相关。一个跨厂商的模型必须能够识别差异，并将动作转换到各自的运动学中。因此，它可能成为一个软件层，使技能传播得更快。

与智能手机操作系统的比较很自然，但只是有限适用。一个错误的软件指令不仅可能让机器人崩溃，还可能引发物理碰撞。因此，通用机器人人工智能还需要额外的认证安全边界、明确的职责分工以及本地控制，以阻止危险的模型操作。

触觉将成为决定性竞争力

触觉机器人手将透明连接器插入汽车灯 [图像内容由人工智能生成] — 光看是不够的：触觉传感和力控制使接触丰富的精密组装成为可能。自主编辑的 AI 可视化。 [图像内容由人工智能生成]

视觉在机器人技术中已经非常先进。摄像头可以识别物体、估算位置并创建空间模型。然而，许多错误却是在接触时才产生：插头插歪了、布滑动了、玻璃开始倾斜，或者螺丝达到其规定的扭矩。没有触觉，机器人要么太晚才察觉这些情况，要么只能间接地感知。

因此，Qianjue Robotics 提出了一个新的 VTLA 方法：将视觉、触觉、语言和动作融合到一个多模态模型中。展示的系统可以区分表面结构、硬度和弹性，识别物体开始打滑的情况，并在操作过程中调整动作。在一个演示流程中，柔软的衬垫被无损取出、进行传感器检测后再重新放回。

数据采集握把 XTac UMI G1 结合了视觉触觉传感器、IMU、高分辨率编码器以及机械爪的状态。因此能够同步记录图像、力、接触、运动和打滑。这些数据非常有价值，因为仅仅通过视频无法显示人类施加了多大的压力，或者物体何时即将打滑。

Qianjue 还展示了一只配有指尖传感器和电子皮肤的完整手。目标是建立一个由许多接触点组成的网络，而不是单个力传感器。对于机器人手来说，这意味着与高分辨率摄像机为图像处理带来的发展步骤相同：从粗略的信号获得详细的空间感知场。

OmniHand 3 Ultra-M：一只用于训练和工作的手

AgiBots OmniHand 3 Ultra-M 从硬件方面补充了这一发展。该手设计有 20 个主动自由度，整合在一个重 630 克的外壳中。它能够抓取最高 5 公斤的物体，大约在 0.3 秒内打开或闭合，并实现 ±0.2 毫米的重复精度。手指尖的视觉传感器和手掌内的触觉感应区域可以感知接触和物体运动。

值得注意的是其计划中的双重用途。该手不仅可以在成品机器人上工作，还可用于远程操作和记录人类示范。这样，数据采集和后续执行在机械上更加相似。运动、接触力和抓取状态无需过多传输到完全不同的终端设备上。

为了精确操作，扭矩控制仍然至关重要。一个学习型模型可以生成抓取计划；然而，快速的局部控制环必须防止电机对敏感物体或人施加过大的力。

复旦展示了为什么插头比后空翻更难

复旦大学与合作伙伴共同展示了一套用于汽车灯组组装的视觉-触觉系统。机器人抓取螺丝和连接器，将它们安装好，监控力，并在最后检查灯具功能。所使用的传感器应提供每平方厘米约40,000个感知点。大学称已收集超过10,000小时的交互数据。

这样的一项装配任务看起来并不引人注目，但在技术上却非常关键。零件有公差，电缆会移动，连接器可能会倾斜，螺丝可能会损坏螺纹。单靠视觉系统无法可靠地识别一个插头是否以正确的力度卡入。触觉反馈可以使轨迹在接触过程中得到校正，并评估达到的状态。

这个例子展示了为什么工业未来的仿人机器人不会通过行走速度来决定。最大的价值创造往往发生在手部：在连接、安装、分类、检查和加工时。正是在这些地方，传感器融合、触觉、力控制和对工作流程的理解相互结合。

Qiyuan T1：一个能改变自身形态的个人机器人

Qiyuan T1 强调了一个不同的特点。这款首次公开展示的机器人可以在轮式支撑的人形室内模式和适用于草地、碎石、坡道及台阶的四足形态之间切换。基于变形金刚的通用架构可以在两种形态下控制平衡、运动规划和交互。

在室内，轮子应当安静且高效，并能够实现狭小空间的旋转。在户外，四足配置提供更高的离地间隙和接地接触点。预期的任务范围从陪伴，到在出游或家庭活动中自动拍摄影片。

这个概念在编辑上很有吸引力，因为它质疑了人们对类人多功能机器人的主导文化观念。个人机器人不一定总是要像人一样。也许适应性比解剖学上的一致性更重要。同时，仍缺少关键的产品数据：价格、实际电池寿命、防风雨能力、重量、安全变形能力和交货时间。因此，T1 是对未来的一个有趣的赌注，还不是一个经过验证的大众市场。

无需昂贵机器人训练小时数的数据训练

Orbbec带来了另一个首秀。Robot-Free数据采集平台包括用于第一人称视角拍摄的EGO，用于操作数据的UMI，以及用于手或手腕近景的WristCam。人们可以使用这些设备执行各种活动，同时收集RGB-D、运动和交互数据。

这解决了一个基本的成本因素。机器人在数据采集期间是被占用的，移动速度通常比人慢，并且在出错时可能会损坏。可穿戴数据采集允许同时记录许多人类操作演示。然而，这些动作后来必须转换到具有不同工作范围、力量和运动学的机器人上。因此，“Robot-free”并不意味着不再需要在真实机器人上进行训练。

奥比中光还与Robbyant共同展示了用于Gemini-330摄像头的LingBot深度滤波器。它旨在减少深度噪声、补充缺失区域并增强边缘。特别相关的是透明或有反光的物体，因为传统的深度传感器常常提供不完整的数据。由此形成了一条从数据采集到模型训练再到部署在机器人上的感知的完整链条。

机器人工厂背后的工厂

工程师在培训工厂测试类人机器人、机器人手和不同平台 [图像内容由人工智能生成] — 机器人的背后工厂：培训、测试和小批量生产成为战略性基础设施。独立的编辑性 AI 可视化。 [图像内容由人工智能生成]

WAIC 最可能产生深远影响的消息并非机器人产品。国家和地方类人机器人创新中心与华为共同展示了一个新的培训场。此外，由该中心和上海电气建设的前期生产和测试平台在浦东投入使用。

这座约6,800平方米的设施包括模块化装配线、测试区域和智能仓库。它旨在容纳不同的类人机器人、移动操作臂和四足机器人。据称，该设施的年处理能力可达2,000个机器人系统以及2,000个关节或手部模块。超过400种测试将涵盖组件和整体系统。设施配备了手部测试台、专用跑步机和可步入的温控箱。

这样的基础设施弥合了实验室与批量生产工厂之间的差距。年轻的制造商可以组装设计、进行负载测试、优化生产步骤并生产少量产品，而无需立即建造自己的工厂。更重要的是标准化：可比较的测试和统一的数据格式使进展更易于衡量，并便于供应商进行整合。

中国不仅在制造机器人，同时还在建设工业学习机器。数据从实际任务流入模型，模型在不同的机器上进行测试，组件在试生产中制造，结果又反馈回设计和训练中。这种速度可能带来比单一专利关节更大的竞争优势。

真正的新是什么——以及哪些只是重新呈现的

一份严肃的WAIC总结必须区分更新的首秀。上海电气的双足机器人苏缘早在2025年就已亮相。在WAIC 2026上，尤其引人关注的是其升级的运营概念，配备了两个电池的热插拔系统。Matrix-3 已在2026年1月宣布；而在展会期间，焦点是 WAVE 模型的更新和新的合作伙伴计划。Keenon 展示了酒店洗衣的新流程，但主要使用的是已知的机器人平台。

即使是有人驾驶的机械构造、篮球和杂技表演也提供了令人印象深刻的画面，但对经济工作的信息却有限。高关节速度既不证明安全的协作，也不证明可靠的物体识别。正是这种区分应当在编辑文章中始终如一地坚持。

令人印象深刻的演示背后的未解问题

这些系统到底有多自主？

在许多展会演示中，很难看出一个流程是完全自主的、部分遥控的，还是严格受限于预设条件。远程操作并不是缺陷；它可以是一种有意义的安全和学习机制。只有当将人类的工作表现为自主机器人完成时，才会出现问题。

一个任务完成得有多频繁？

没有数量、对象变化和时间窗口的成功率意义不大。对于工业客户来说，成千上万次重复才有价值，而不是最好的视频。制造商今后应公开成功率、平均周期时间、每班干预次数和安全的故障反应。

生产一小时的成本是多少？

仅凭购买价格是不够的。关键在于折旧、能源、维护、备件、控制中心人员、软件许可和停机时间。如果一个便宜的机器人需要技术人员频繁干预，它可能会很昂贵。而一个更昂贵的系统，如果能够可靠地执行多个任务，则可能具有经济效益。

模型和数据有多安全？

跨制造商的人工智能平台和可穿戴数据采集创造了新的攻击面。摄像头和麦克风可能会记录机密的生产或客户数据。操纵模型不得超过经认证的力量、速度和碰撞限制。因此，网络安全和数据保护也是物理安全的一部分。

有服务、备件和可靠的交货时间吗？

机器人行业充满了出色的原型产品。只有具备文档化的维护、培训、备件供应、更新和保险，产品才真正问世。尤其是对于年轻的制造商来说，不清楚在三年或五年后如何管理车队。

谁赢得了2026年WAIC

展现出最具说服力的产品套件的是AgiBot。A3 Ultra、G2 Max、X2 Edu和OmniHand针对市场的不同层次，并通过实际的车队和工厂经验得到补充。战略上最有趣的软件想法来自Robbyant：一个用于不同机器人机体的共同模型可以更快地传播能力，并使硬件供应商更具可互换性。

前觉和复旦的触觉方法代表了最深层次的技术进步。一旦机器人在接触过程中能够理解发生了什么，就可以完成仅靠摄像头和固定轨迹无法稳健解决的任务。MagicLab则展示了，一个共同的技术平台可以合理地分布到双足机器人、轮式机器人和四足机器人上。启源 T1 提供了个人机器人领域最大胆的设计。

从长远来看，然而，浦东的训练和小批量生产基础设施可能才是真正的赢家。产品变化迅速；一个将数据、测试、制造和标准联系起来的平台，可以加速整个行业的发展。

结论：最好的机器人并非最壮观的

WAIC 2026并未标志着通用机器人工作的突然突破。原因在于其可靠性、成本和安全性尚未得到充分证实。然而，活动展示了优先事项如何发生变化。腿部仍然明显，但手部、传感器、数据和充电规划变得更加重要。制造商不仅展示单一机体，而是展示产品系列。模型应在不同机器人之间切换。培训和制造平台应缩短向量产的过渡时间。

因此，未来几年的决定性标准不在于哪个类人机器人跳得最高。赢得胜利的将是那个在普通周二早上准时启动、持续八小时进行可追踪工作、能够安全处理错误，并最终留下比其所替代过程更低成本账单的系统。