被客户追着要货，机器人上桌了？

干了十多年企业，奥比中光董事长黄源浩在2026年世界机器人大会（WRC）上说了句大实话：从去年下半年开始，第一次被客户追着要货。

这句话的分量，比展台上任何一个空翻都重。当人形机器人还在会场里表演才艺时，台下产业从业者关心的问题已经变成了——机器人啥时候能真进工厂干活？多位受访者的判断高度一致：具身智能的'ChatGPT时刻'正在逼近。但通往那个时刻的路上，各家已经选了完全不同的赌法。

这篇文章，我们顺着2026WRC传出的信号，拆一拆具身智能从'能干活'到'干好活'之间的那段路，到底有多长，卡点在哪，谁先趟过去。

📈 从摆Demo到按计算器，风向彻底变了

客户不看Demo了，开始算账了。

今年WRC展厅里最直观的变化，是舞蹈和空翻明显少了，干活的场景多了起来。京东零售具身智能机器人负责人郑小丹的总结很精辟：'去年机器人还主要在表演，今年所有人都在关心场景。'观众围着自变量机器人展台，看的不再是'机器人能做什么'，而是'干活效率够不够高'——那两条机械臂在全自主模式下持续分拣大小、形状、材质完全随机的真实物流包裹，此前直播实测分拣速度最高达到每小时1816件。

星动纪元联合创始人席悦观察到的变化更具信号意义：客户的态度正在发生根本性转变，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。'

这不是小细节。从技术验证到商业验证，是任何一个技术行业跨越鸿沟的关键信号。互联网如此，新能源车如此，机器人也躲不过。

产业逻辑层面，几位企业家的判断也出奇一致。黄源浩认为，2022年底GPT问世展示了语言交互的强大，而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——'GPT能实现诗和远方，但世界模型能让机器人真正干活'。他预测属于具身智能的'GPT时刻'拐点很快会到，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。

明略科技董事长吴明辉则从AI发展阶段切入：具身智能目前已处于从2.0向3.0过渡的阶段。就像ChatGPT初期主要提供情绪价值和聊天功能一样，现在的具身机器人已能提供陪伴等高容错率服务；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。

共识有了，分歧也在——模型层面仍未收敛，数据层面仍缺好几个数量级。共识不等于成熟，但共识本身，标志着中国具身智能产业正在进入更大规模应用的下一程。

🏭 物流，凭啥成了头号战场

最痛的场景，往往就是最好的切入点。

如果盘点今年具身智能落地的最大公约数，物流几乎没有悬念。星动纪元把物流选作切入口，京东把物流场景开放给机器人合作，自变量机器人直接在展台分拣真实包裹。据接近行业的人士私下聊，好几家头部本体的第一个批量订单，都是物流场景给的。

但席悦说得很坦白：选物流，不是因为技术最简单，而是因为它痛点最痛，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。

物流这个场景有多'反人类'，机会就有多大：

需求侧的动力同样实在。郑小丹透露，京东从去年开始就把物流在内的场景开放出来与机器人合作，此前曾宣布未来五年要采购300万台机器人。'我们大概有3600多个仓库，物流在我们整体业务中占比很重，有很强的动力尝试新技术来提升效率。'

当然，甲方也没有无条件乐观。她同时坦言，现阶段具身智能干活的节拍、准确率可能还不及人类，正确姿势是'以终为始'——一边跑、一边迭代，而不是等技术完全成熟再进场。这也是整个工业场景落地'最后一公里'的真实写照：客户给出场景和耐心，厂商拿产品和迭代速度来换。

产业链视角下，这其实是一场从感知器件到本体再到'大脑'的接力赛：

注意最后那条回流线——场景不是终点，而是数据飞轮的起点。谁能先在场景里跑起来，谁的数据和模型就滚得更快。

🤚 触觉：从卖一块传感器，卷到一条数据链

今年触觉赛道最大的变化，是大家不吹硬件参数了。

过去谈触觉，谈的是传感器灵敏度、点位密度。今年WRC上，一些玩家开始摆数据集、摆模型、摆评测基准——围绕触觉的竞争，正从一块传感器，扩展到数据采集、模型训练和能力评估的整条链条。

时间线上看得很清楚，2026年触觉玩家的动作密集且方向一致：

• 2026年4月 ： 戴盟机器人发布含触觉全模态数据集Daimon-Infinity，首批1万小时数据在阿里魔搭社区开源
• 2026年6月 ： 戴盟机器人与银河通用发布触觉操作评测基准RobOmni，亿元A轮融资明确投向物理交互数据和物理世界模型
• 2026年7月 ： 千觉机器人同时发布数采夹爪、千小时视触觉数据集TacVerse 1k和触觉模型X-TouchMind V1
• 2026年同期 ： 他山科技传感器月交付量达数万枚，同步建设触觉训练平台，研发触觉原生模型
• 2026年 ： RSS 2026大会触觉专题研讨会上，头部企业与学界共识是触觉正被拉回机器人基础模型的核心设计环节

千觉机器人的三件套最典型，对应一条连续的技术链：

这背后藏着一个容易被忽略的悖论：触觉能补上纯视觉模型'看得见、摸不透'的短板，让世界模型对物理世界的想象更靠谱；但同一次接触，换一个传感器、换一只手，反馈信号可能完全不同。它让模型更懂物理，也更容易被焊死在某一套硬件上——触觉让世界模型更懂物理，但也更难通用。

说白了，只看出货，触觉还是一门硬件生意；看2026年以来的投融资和产品动向，它正在变成一门向着数据与模型靠拢的生意。这也是全行业的缩影：硬件降本只是入场券，数据才是新护城河。

⚠️ 卡住最后一公里的，还是数据和标准

共识越多的地方，往往坑也越深。

中国证券报在多方采访后给出的共识图谱相当冷静：模型层面仍未收敛；数据层面仍缺好几个数量级；硬件成本持续下降的同时，要求更高性能、更轻量化。翻译成人话——脑子还没定型，粮食严重不够，身体还得继续卷。

具体分歧至少在三处：数据采集标准怎么定、模型技术路线走哪条、场景落地节奏怎么踩。各家虽都认同'具身智能的ChatGPT时刻即将到来'，但在落地路径、数据壁垒和商业化模式上，战略布局差异明显——星动纪元押注物流场景深耕，触觉系公司押注数据链闭环，京东这类甲方则以场景开放换技术迭代。

pie showData

title 落地最后一公里的三大卡点

数据缺口 : 45

模型路线未收敛 : 35

标准与评测缺失 : 20

（示意图：基于多位受访者公开表态归纳的行业卡点权重，非精确统计）

这组卡点也解释了为什么触觉玩家急着建数据集和评测基准，为什么客户开始算ROI而不是看Demo——数据要靠真实场景一点点喂，标准要靠头部玩家互相打架才能磨出来，没有捷径。据多位接近头部本体厂商的人士透露，不少公司明年的资源已经从'堆场景Demo'整体转向'单场景打透'，宁可少演示三个场景，也要把一个场景的节拍和准确率做到客户算得过来账的水平。

对行业来说，这反而是好信号：当所有人开始关心场景而不是惊艳感，说明泡沫在退，产业在真实接棒。

💡 胜负手：不是谁的技术最炫，而是谁先跑通ROI

机器人行业第一次有了'被追着要货'的幸福烦恼。

回头看2026WRC，最大的看点不是某款人形机器人又学会了什么新动作，而是产业坐标系的整体切换：需求侧，客户从看Demo变成算ROI，奥比中光被追着要货；供给侧，玩家从卖传感器、卖本体，变成建数据链、定评测标准；生态侧，京东这样手握3600多个仓库的甲方，开始以终为始地跟技术方共同迭代。

真正的分水岭在于：谁的机器人能在物流这类'环境恶劣、节拍明确、ROI可算'的场景里，把效率账算得比人力更漂亮，谁就能拿到第一个规模化订单，进而拿到真实数据，进而加速模型迭代——这个飞轮一旦转起来，后来者追起来会非常吃力。

物理智能的市场可能真有数字智能的五倍甚至十倍，但通往那个市场的门票，不是用发布会换的，是用后半夜仓库里一件件分拣的包裹、一枚枚触觉传感器积累的数据换的。ChatGPT时刻到来之前，先干脏活累活的，才能等到属于自己的临界点。

小结：2026WRC传递的核心信号是'从表演到干活'的叙事切换。客户算ROI、玩家建数据链、甲方开放场景，具身智能的落地不再靠想象驱动，而是靠账本驱动。模型未收敛、数据差几个数量级、标准仍在打架——但正如ChatGPT之前的语言模型一样，临界点总在共识形成之后、在所有人反应过来之前突然到来。被客户追着要货的这一天，可能比大多数人预想的更近。