机器人下个十年，不靠奇迹靠闭环？

逛完这届 WRC，最大的感受不是「哇」，而是「咦」。

2026 年 8 月 19 日，北京亦庄，300 多家企业、2000 多件展品把具身智能能拿出的东西几乎搬空了。但全场没有让所有人起立鼓掌的时刻——宇树没展示能原地跳高 2 米的「超人」，展台上更多是已有产品在解锁新动作。开幕当天，宇树科技敲钟上市，盘中市值一度冲破 4000 亿元。

一边是资本狂欢，一边是技术「平淡」。这个反差本身就是答案：具身智能已经从讲故事阶段，被推到了必须回答收入、交付、毛利和规模化的阶段。行业最该回答的，不再是「什么时候有奇迹」，而是「谁能把闭环跑通」。

📈 宇树敲钟，资本锚点终于落下了

过去十年，中国机器人公司更多活在实验室、融资新闻和 Demo 视频里。

8 月 19 日，这一切变了。宇树科技上市当天，盘中市值一度冲破 4000 亿元——这可能是过去十年，中国机器人行业最接近「资本狂欢」的一天。

这不只是宇树一家的事。云深处科技已进入交易所受理或审核环节；智元机器人则在 2026 年 7 月确认启动赴港上市流程。一级市场的热，正在实打实地向二级市场传导。

一位长期跟踪该赛道的投资人私下感慨：「一级市场给估值看叙事，二级市场给估值看报表，宇树们现在是被迫从前者毕业到后者。」

这句话点破了行业逻辑的切换点。上市意味着每个季度都要交出数据，交付周期、毛利结构、复购率这些过去可以回避的问题，现在全都躲不掉了。资本锚点的意义在于：它给整个赛道提供了一个可以被定价、被比较的参照物——同时也意味着泡沫有了被戳破的可能。

具身智能不再是技术想象，它开始是一门需要算账的生意。

🤖 人形之外，形态开始分化

「像人」不再只有一种标准答案。

过去两年，具身智能的叙事被人形机器人高度占领：跳舞、跑步、打拳、马拉松，所有出圈事件几乎都长着一副人的样子。但这届 WRC 上，人形概念在延展——巨型、仿生、半人马，各种「半人形态」都上了展台；与此同时，越来越多公司开始根据真实任务重新设计机器人形态。

最典型的信号来自银河通用：轮式、重载和双足三种完全不同形态的机器人，跑的是同一套具身基础大模型。这个细节的产业含义很直白——当模型成为「大脑」，本体只是执行器官，那本体就没必要千篇一律是人形。轮臂方案成本更低、稳定性更高，在工业分拣、零售补货这些场景里，可能比双足更早跑通商业模型。

人形这条线本身也在分叉。宇树科技的 G1 打格斗，组合拳、回旋踢、飞踢一套下来，靠的是全身关节实时协调；H2 个头更大、关节输出更强，出拳抬腿更有分量感。两台机器人放一起，正好是「灵活」和「力量」两种产品路线。众擎干脆把八角笼搬进了会场，用格斗场景秀动态控制能力。

另一边，维他动力走的是反路：不从技术出发，而从真实使用场景倒推，推出了第一款人形机器人 Vbot ATOM，甚至用二次元偶像的方式做产品叙事。

形态分化的本质，是行业开始承认一个朴素事实：任务决定形态，而不是反过来。

🧠 通用性走到了哪一步？

通用模型的竞争，已经从「能不能动」进入「能不能用」。

具身智能的「通用性」是今年被追问最多的问题。展台上的答案是分层的：顶层是一套模型适配多形态的银河通用；中层是模型加场景的垂直深耕——自变量在物流分拣场景里，把效率做到了每小时 1816 件、准确率超过 98%，这是少数给出了可验证作业数据的公司；底层则是宇树乒乓球机器人这类「看懂来球再决定怎么回」的感知决策配合演示，加上全身遥操作格斗系统，操作者动作能被精准复现。

把这届 WRC 的进程串起来看，脉络很清楚：

需要泼一盆冷水的是：通用性目前的真实水位，比很多人期待的更低。展台上绝大多数还是 demo，能给出 1816 件/小时这种硬指标的场景级玩家凤毛麟角。通用大模型真正的价值验证，要等到它在一个商业场景里稳定跑满一年、且成本低于人工的那一天。

在那之前，「通用」更多是融资叙事，「专用」才是现金流叙事。聪明的公司两头下注，糊涂的公司只会讲其中一头。

🔋 数据，正在从算法生意变成硬件生意

数据闭环的规则，正在被改写。

具身智能的数据从哪来？去年大家还在谈仿真合成、互联网视频蒸馏，今年展馆里给出的答案越来越物理：遥操作设备、全身传感网络、真机采集矩阵。

宇树的全身遥操作格斗系统是个信号——它既是展示，也是数据生产线：操作者的每个动作被精准复现的同时，也被结构化地记录下来。这种「边表演、边采数」的模式，正在成为头部本体的标配能力。没有真机的公司，连交学费的资格都没有。

帕西尼把这条路径走得更极端：它最初只解决「触觉」一个点，现在把技术方案扩展成了覆盖全身的感知网络。触觉数据是互联网上不存在的数据类型，谁掌握了触觉采集硬件，谁就掌握了一类独占数据。

这背后的产业逻辑是：具身智能的数据没法像语言数据那样爬虫获取，它必须通过物理设备一点点「长」出来。所以数据能力的竞争，正在沉降为硬件能力的竞争——传感器的密度、遥操作设备的精度、真机部署的规模，决定了数据护城河的深度。

据多位接近人士透露，头部本体公司内部已经把「数据采集效率」列为核心 KPI，优先级不低于硬件降本。

💡 算力军备赛，已经卷到千亿级

中国公司在攒数据闭环时，大洋彼岸在攒算力闭环。

9 月 3 日，Figure 宣布与 AI 基础设施提供商 Nscale 达成战略合作，将在得克萨斯州巴斯托部署 NVIDIA Vera Rubin 平台，规模最高 10 万块 GPU，初始算力承诺 35 亿美元，目标 2027 年下半年启动，双方还表达了将合作扩大到超过 60 亿美元的意向。一家机器人公司签下数十亿美元级算力订单——这在全球机器人历史上是头一遭。

同一天，NVIDIA 宣布以约 130 亿美元收购 Hugging Face，成为其史上规模最大的收购案之一。其中约 119 亿美元支付给投资者，另有最高 10 亿美元股权激励用于留任员工。黄仁勋的表态值得细品：「开放权重模型能够扩大 AI 的使用范围，并有助于确保 AI 领导地位由企业、机构和社区共同分享。」

这笔收购对具身智能行业的隐性影响可能更大：Hugging Face 平台上已有超过 1800 万名开发者、300 多万个共享模型、50 多万个数据集。英伟达收下它，等于把全球开源模型的分发入口和开发者数据流攥进了手里，也直接补齐了其 Nemotron Coalition 联盟——成员包括 Mistral、Thinking Machines Lab、Perplexity——的生态拼图。

产业链的权力结构正在快速集中：

注意到没有？这是一个闭环，而英伟达正在从「算力芯片」这一格出发，通过收购平台、担保数据中心融资（上月宣布为规模最高 5000 亿美元的数据中心融资提供部分担保）、为 OpenAI 俄亥俄数据中心注资等一系列动作，向闭环的每一格渗透。有行业观察人士担心，美国对开源模型的重视不足，可能促使企业和各国转用其他开放权重模型——英伟达这 130 亿美元，某种程度上就是买断这种担忧。

对中国具身智能公司而言，结论冷峻：当对手的算力按 10 万块 GPU 计价时，你的数据闭环必须按更高的效率转。

⚠️ 最后一厘米，卡住所有人

模型的天花板，最终由电机和指尖决定。

这届 WRC 上，藏在指尖、关节和电机里的关键零部件，「又往前走了几步」——但走得远不够。灵巧手的触觉传感、关节模组的力控精度、电机的功率密度，这些「最后一厘米」的问题，比大模型的迭代慢得多。

逻辑很清楚：自变量的 98% 准确率、宇树的格斗动作，表象是算法能力，底层是零部件能否稳定、高频、精准地执行。触觉网络、力控关节这些环节，恰恰也是数据闭环的物理入口——零部件不行，数据就脏；数据脏，模型就废。

这也是为什么本文开头那个判断越来越像行业共识：谁能把模型、本体、零部件和工程能力拧成一个闭环，谁才可能是下一阶段真正有价值的公司。单点冠军的故事，在这个行业讲不通。

小结。 WRC 2026 最大的信息量，藏在「没有奇迹」这件事里。宇树的 4000 亿市值钉下了资本锚点，银河通用证明了一脑多体的可能，自变量给出了场景硬指标，Figure 和英伟达把算力战争推到了百亿美元级。具身智能仍然早期，甚至比很多人期待的更早期——但它正进入一个更艰难、也更有价值的阶段。接下来两年，看点不再是谁能跳舞，而是谁能率先把「模型—本体—零部件—数据—场景」的飞轮转起来。转得动，上桌；转不动，看戏。