机器人被客户追着要货了？

导语

2026年世界机器人大会（WRC）上，奥比中光董事长黄源浩说了一句让整个产业圈侧目的话："我们干企业十多年，从去年下半年开始，第一次被客户追着要货。"

这句话的分量，不亚于任何一台现场翻跟头的人形机器人。因为它指向的不是演示效果，而是订单——是客户从"能不能做个Demo"变成"拿着计算器算ROI"的行业体感变化。当宇树科技以首日暴涨460%、3418亿市值的姿态登陆科创板，当产业界开始密集谈论"具身智能的ChatGPT时刻"，一个问题浮出水面：机器人改变物理生产力的临界点，到底到了没有？

📈 从看Demo到算ROI，买方逻辑变了

金句：客户的态度，是产业最诚实的温度计。

在WRC现场，展台上的人形机器人在表演各类场景，台下的产业从业者讨论的却是更务实的问题：机器人何时能真正走进工厂？

星动纪元联合创始人席悦观察到市场反馈的根本性转变——客户从过去关注"能不能做Demo"，转变为现在拿着计算器算ROI（投资回报率）。

"越来越多的客户开始愿意真实探讨商业落地，特别是在物流等场景，客户开始愿意为真实的效率提升买单。"席悦说。

这个转变看似微小，实则是行业转折的关键信号。技术验证阶段，客户买的是"可能性"；商业验证阶段，客户买的是"确定性"。前者的预算来自创新部门，后者的预算来自生产部门——后者的钱，难拿得多，但一旦拿到，就是可持续的生意。

据多位接近产业的人士透露，今年不少下游客户的采购思路已经变了：不再问"机器人能做什么"，而是直接给出产线节拍和准确率要求，反推方案可行性。

明略科技董事长吴明辉的判断更直接：从AI发展的阶段来看，具身智能目前已处于从2.0向3.0过渡的阶段，"差不多已经到了具身智能的'ChatGPT时刻'"。他解释，就像ChatGPT初期主要提供情绪价值和聊天功能，现在的具身机器人已能提供情绪价值（如陪伴），容错率较高；而真正的爆发点在于机器人具备严密推理能力，能像Manus等Agent一样真正解决复杂问题。

翻译一下：当前处于"能陪聊"向"能干活"过渡的档口。谁先跨过去，谁先吃到订单。

⚠️ 泛化能力，那道还没迈过去的坎

金句：会翻跟头和会干活，隔着一条叫泛化的鸿沟。

必须泼一盆冷水：技术临界点尚未真正到来。

王兴兴在宇树上市第二天亮相WRC，谈的依然是具身智能最大的瓶颈——泛化能力。在固定环境里，机器人经过充分训练可以完成很多任务，但一旦换到陌生环境、面对陌生物体，成功率就可能明显下降。

他给出了一个量化标准：如果未来机器人能够在陌生环境中，仅靠语言指令自主完成大约80%的任务，具身智能才可能接近自己的"ChatGPT时刻"。

这个时刻还要多久？王兴兴的答案是：快则两三年，慢则五到十年。

一个有意思的反差在这里出现：技术临界点仍在前方，商业规模却已经形成。2025年，宇树人形机器人已卖出5215台，实现收入8.68亿元，占主营业务收入51.78%，第一次超过四足机器人，成为公司第一大收入来源。

更反常识的是王兴兴本人的转向。早在2009至2010年前后，还在读大学的他就亲手做过一台小型双足机器人，成本只有几百元。能做出来，但他没看到一个值得押注的产品机会——"我斩钉截铁地说，我不做。"此后多年，每当投资人问宇树做不做人形机器人，答案都很坚决。

从"不做"到第一大业务，中间发生了什么？简单的答案是：本体技术成熟了，需求侧的土壤也变了。但皇冠上仍有一颗宝石缺失——机器人的"大脑"。

🧠 世界模型：被重金下注的"大脑"

金句：GPT能实现诗和远方，但世界模型能让机器人真正干活。

宇树此次IPO的募资结构，暴露了这家公司的真实赌注：42.02亿元募集资金中，20.22亿元投向智能机器人模型研发项目，11.10亿元用于机器人本体研发，其余用于新型智能机器人产品开发和制造基地建设。模型研发，成了最大的单一募投方向。

王兴兴在WRC上回顾了这条路："在2020年年初，我们就开始做基于视频生成的世界模型方向，当时做的效果不是特别理想，中间搁置了一段时间。"去年，公司再次聚焦这一方向。他透露，AI模型是宇树目前资金和人力投入最大的方向。

为什么是世界模型？在2026世界人工智能大会（WAIC2026）上，行业专家已形成标准化界定，区分"视觉生成模型"与"物理原生世界模型"——后者作为AI的物理直觉引擎，核心能力不是渲染画面，而是预测动作发生后的世界真实状态，遵循动力学、空间、力学、因果的客观规律。

其四大必备能力：多模态融合感知、物理规律认知、因果长时序推理、闭环自迭代。

其完整智能链路：

这是一个闭环。王兴兴在答谢午宴和WRC上都谈到了宇树正在做的事：物理AI机器人模型自进化——让AI模型自行编写机器人的控制代码，在仿真环境训练验证，再放到真机中做反馈分析。

他给出的规模效应逻辑很清晰：基础模型越强，自进化能力越强；多源数据越规模化，自进化的规模效应越明显；真机部署越多，数据积累和能力迭代也会越快，走向规模化技能生态。

这就是当下物理AI行业最主流的技术叙事："真机—数据—模型"飞轮。谁的本体卖得多，谁的真机数据就多；数据多，模型迭代就快；模型强，产品就好卖。飞轮一旦转起来，头部效应会远超纯软件行业。

黄源浩的判断则给出了天花板：GPT在2022年底展示了语言交互的强大，2023至2024年兴起的"世界模型"概念补齐了机器人实操能力的短板。他预测，属于世界模型和具身智能的"GPT时刻"拐点很快会到来，且物理智能对应的市场规模，未来有望达到数字智能市场的五倍甚至十倍。

政策端也在同步加码。宇树上市前一天，工信部科技司副司长甘小斌在中国人工智能产业发展联盟第十八次全会上指出，下一步将以技术攻关为驱动，加快智能芯片等关键核心技术攻关，探索类脑智能、世界模型、物理模型等前沿技术。

🏭 物流场景："最后一公里"的第一站

金句：最脏最累的地方，往往是新技术的第一块试金石。

大脑还在研发，落地却不能等。于是产业界的共识路径浮出水面：先挑痛点最痛的场景下手。

星动纪元选择了物流。席悦坦言，这并非因为物流场景技术最简单，而是因为其痛点最痛，是具身技术发展时点和产业需求的最佳结合场景，还具备规模化复制的市场潜力。

拆开看物流场景为什么合适：

• 对人不友好：作业环境恶劣，噪音大、无空调，有害化学物质多，且多为后半夜工作；
• 对机器友好：有明确的节拍和准确率要求，ROI容易计算。

一句话总结：人类不想干的活，恰好是机器最容易证明自己的活。而"ROI容易计算"这一条，在当下的市场环境下尤其致命——当客户开始用计算器说话，账算得清的场景就先跑出来。席悦透露，星动在物流领域已实现具身的批量化部署。

准确率可量化"]

B --> E["环境恶劣

人力缺口大"]

D --> F["ROI清晰

批量部署"]

E --> F

F --> G["数据反哺世界模型"]

（注：图中为物流场景落地要素拆解）

这个路径选择的背后，是产业链各环节的协同推进。覆盖本体制造、核心感知器件到上层智能"大脑"的不同环节玩家——从奥比中光这类视觉感知厂商，到帕西尼（创始人兼CEO许晋诚）这样的触觉感知公司，再到浙江中坚科技首席战略官、上海桦之坚科技CEO鲍嘉龙代表的工业侧力量——虽然在落地路径、数据壁垒和商业化模式上各有思考，但在"具身智能的ChatGPT时刻即将到来"这一判断上达成了高度共识。

💡 写在最后

金句：临界点不是被宣告的，是被订单确认的。

把2026年WRC的信号拼起来看，具身智能行业正在经历一次关键的换挡：

• 需求侧：客户从看Demo转向算ROI，奥比中光们第一次被追着要货；
• 供给侧：宇树IPO募资过半押注世界模型，"真机—数据—模型"自进化飞轮成为头部共识；
• 场景侧：物流等ROI清晰的工业场景率先破局，成为"最后一公里"的第一站；
• 技术侧：泛化能力仍是最大瓶颈，80%陌生环境任务完成率是公认的及格线。

技术临界点快则两三年、慢则五到十年，但商业化不会等技术的完美答案。就像大模型行业在ChatGPT之前已经完成了大量底层积累，具身智能正在用"场景养数据、数据养模型"的方式，把自己一步步推向那个拐点。

物理智能的市场天花板，被业界普遍认为将数倍于数字智能。这颗皇冠上的宝石，各家公司正在用自己的方式去摘。下一届WRC，我们或许该问的不再是"机器人能做什么"，而是"你的产线上，机器人占了几个工位"。

本文信息来源于2026世界机器人大会（WRC）现场报道及公司公开披露，不构成投资建议。