在2026世界人工智能大会的H3馆，160家具身智能公司中超过一半在展示同一件事：机器人真正能完成实用工作——泡茶、叠衣服、搬箱子、插电线、拧螺丝。没有人再为"会跳舞的机器人"鼓掌。

▍从"演示"到"干活"，机器人终于进了工厂

银河通用展示了机器人在新能源电池外壳安装和30公斤箱体搬运中的能力，已在某能源工厂工作三个月。智元把整个汽车零部件厂生产线搬进展台，三台机器人协同完成装卸、包装、搬运全流程。逐际动力的机器人在布满数十根细线的面板上挑线、整理、插入小孔——这正是汽车线束工厂的真实场景。公司联合创始人丁文超表示，机器人速度和精度已接近人类，双手同时插线效率甚至可能比人类高一倍。

机器人进入家庭场景的尝试也在增多。SWEET推出的启元Q1高88厘米、重约15公斤，售价数万元，主打陪伴功能——与儿童交流英语、一起玩耍。

▍上游产业已先赚钱

具身智能公司的需求已推动上游供应商盈利。塔山科技副总裁傅一辉透露，灵巧手行业需要触觉传感器的比例从去年不足20%升至今年60%。今年上半年订单量同比增长四倍，月交付数万个传感器。另一家触觉传感器公司易谋科技在WAIC期间获10亿元融资，估值破百亿。

数据公司同样受益。光轮智能今年Q1收到5.5亿元订单，估值150亿元。联合创始人杨海波表示，今年数据需求是去年的千倍——从几百小时飙升至数百万小时，且复购率和二次销售率都在上升。

▍瓶颈依然：效率不如人工，寿命不够长

安徽某制造厂负责人在看完搬箱演示后连问："周期能控制在15秒内吗？精度范围？能承受10公斤载荷吗？"工作人员答不上来。她告诉记者，工厂愿意为高温、高风险环境部署机器人，但不想花数十万买一个不如人类稳定的设备。

一位观众拍了两分钟机器人叠衣服的视频，发现还没叠完，放下手机说："我宁愿自己叠。"

灵心巧手联合创始人张延白坦言："相比经验丰富的工人，机器人成功率肯定不如。但今年明显的变化是——它们真的进工厂了。"这意味着机器人能像学徒一样从真实数据中学习。

▍行业需要更多"反派"来制造困难

现场出现了一种有趣的互动：观众主动给机器人制造麻烦——把螺丝移到不同位置、把瓶子摆得更密、下棋时突然悔棋。逐际智能联合创始人卢策吾让机器人抓取一堆紧挨的水瓶，机器人因找不到间隙失败。他建议机器人应学会主动重新排列物体再抓取。

这些"人为制造困难"是为了提升泛化能力。人类是最大的"制造麻烦的变量"，而机器人必须学会应对这种不确定性。

▍ChatGPT时刻：还在路上

一位投资者认为，当前具身智能最大的瓶颈是智能不足。ChatGPT之后两年，行业仍在等待"具身智能的ChatGPT时刻"。一家头部公司高管透露，现场灯光变化或观众手机手电筒都可能导致视觉模型崩溃——"直接部署世界模型仍然太难，目前还没有公司掌握它。"

今年，大家都在验证工厂方案是否可行。计算盈利，是明年的事。而机器人们已经在真实的工厂里，笨拙但认真地学着干活。