中新网上海7月19日电(李佳佳 缪璐 张亨伟 李秋莹)正在上海举行的2026世界AI大会上，具身智能成为舞台“主角”，参展企业从去年的80多家跃升至200多家。展会现场，具身智能机器大家不再满足于跳舞、打招呼式的表演，开始从“展品”走向“从业者”。
从“能走”到“能干活”：真实场景成验收标准
机器人咖啡店中，人形机器人自主完成取杯、咖啡萃取制作等步骤；洗衣房内，人形机器人在统一调度平台下自主协同完成洗衣、叠衣全步骤；甜品屋中，人形机器人通过视觉辨别系统实时分辨并精确抓取目的颜色巧克力豆……擎朗智能展台上，依托自研融合世界模型的VLA(视觉|语言|行动模型)构造，塑造覆盖商超零售、咖啡店、甜品屋及全新酒店洗衣房场景的“具身社区”。
擎朗智能展台上，人形机器人正在叠衣服。擎朗智能供图
更多企业选择将展台布置成真实的作业一线。神州控股旗下科捷携手大咖机器人，将镜头延伸至天津武清科捷物流仓，多台机器人在数千平米真实仓库内持续拣选作业。机器人面对长走廊定位漂移、不同货架抓取适配、货品极端差异等挑战，多机并行作业，通过调度算法自动避让排队，并与科捷职员一同完成订单履约——机器人拣选，人工复核。
面对工业物流“最后20米”刚性接驳的人力短缺和复杂多变的非标工业场景痛点，赛那德携“自主作业机器人天团”亮相——六台量产机器人集中展出。其中iLoabot|X2.0完成了柔性拆码垛、产线上下料的全步骤作业演示，1:1模拟真实仓内作业场景，其搭载的Robot Insight智能大脑兼顾环境理解、任务规划等，在物流装卸、码垛、搬运、上下料等复杂状况下，达成全步骤无人自主作业。
极智嘉发布面向长程任务的统一具身智能框架Gravity。此前行业语言脑与物理脑各说各话，Gravity构建“双脑协同”：认知脑(AR Transformer)拆解长程任务，行动脑(Diffusion Transformer)预演物理后果。在公开基准LIBERO|Plus上，引入4D表征后成功率从73.73%提高至78.62%。极智嘉业务互联网覆盖40多国超1700个项目，服务沃尔玛、阿迪达斯等950余家国际品牌。
极智嘉初次公开的通用人形机器人Gino1，它的吸睛之处不靠外形，而是靠“干活”。 极智嘉供图
从“看见”到“预见”：物理直觉成技术分界线
在这次世界AI大会上，物理人工智能成为热词，机器人本体、具身大模型等方向成为关注焦点。当机器人真正进入工厂、园区、道路和应对救援现场，仅有实行任务的机器人本体、作为“大脑”的大模型和负责运动控制的“小脑”仍然不够。
“物理世界是连续变化的。”当虹科技首席技术官、机器人业务线负责人吴奕刚说，机器人不只要辨别眼前有哪些，还要理解人物、动作、事件及其空间关系，并且能预测行动之后环境的变化。这也成为当虹科技此次亮相W人工智能C的核心看点：从了解视频、理解真实环境、预测环境变化，到远程控制物理设施，一条面向物理人工智能的重点能力链，已经开始在真实场景中验证。
赛那德最近发布的全新一代Senad Robot Insight|World V3.0模型是物时尚业多模态垂域大模型，该模型包括感知层、预测层(物理引擎)、认知决策层、动作实行层与安全闭环层的五层革新构造。据赛那德首席技术官王义山介绍，不同于传统框架“先看见再考虑”的被动逻辑，该模型直接将物理规则“教”给机器人，使其拥有在抓取前就能预测物理后果的“预见”能力。
极智嘉Gravity4D从“预测视觉适当的将来”转向“建模三维运动规律的将来”，让机械臂动作在物理上“对”。极智嘉指出，该场景集齐高频、真实、反馈明确、可迁移、接近商业闭环五大稀缺条件，Bin|picking被视为“圣杯问题”——一旦攻克，整条能力树即被点亮。极智嘉将仓储作为物理人工智能练习场，构建具身数据飞轮。
从“单品”到“矩阵”：规模化量产成产业分界线
傅利叶以“机器人怎么样服务于人”为主线，从居家场景下的具身智能技术Demo，到首款轮式双臂机器人GRW正式发布，再到“猫猫头”机器人家族初次完整亮相，集中展示了具身智能在交互伴随、辅助作业等真实场景中的最新探索。其发布的首款高负载轮式双臂机器人GRW，进一步拓展傅利叶具身智能商品体系。GRW聚焦仓储物流、工业制造、康养照护等高负载人机协同场景，为机器人辅助作业提供了全新的解决方法。
量产能力成为下一阶段核心命题。智身科技在展会初次完整展示商品矩阵，包含行业级四足、防爆机器人、人形机器人智身银毅NE01及仿真平台MATRiX2.0。截至2026年6月，其累计量产突破15000台，6月单月量产突破5000台，曲线陡峭上升。
本届W人工智能C释放明确信号，具身智能正从“数字智能”迈向“物理智能”，量产与部署双元年叠加，推进“让人工智能真正干活”成为紧迫产业命题。当赛道重心从本体硬件转向“大脑”能力，具身智能也从“炫技表演”全方位转向“价值创造”，企业角逐的核心在于哪个能率先用人工智能规模化完成工业、服务业等真实场景的复杂任务。
来源：中国新闻网