踏入现实，机器人的新奥德赛｜蓝驰WRC观察

蓝驰创投·2026年8月25日·5·17

中国机器人创业者正在书写新的机器人叙事

今年的 WRC，机器人开始做更难的事了。

连续观察近几届 WRC，蓝驰创投看到，机器人正在从大尺度运动走向精细操作，从单点任务走向长程执行，从探索性Demo走向明确的场景落地；中国创业团队开始建立自己的模型预训练与后训练能力；过去几年不断探索的应用方向，也开始沉淀出物流、工业、零售等更明确的场景，并进一步考验场景理解、可靠性和交付能力。

机器人在2026年从实验室走向了真实场景：真实世界把问题变得更难了，需要处理更多的硬件稳定性；模型的部署、后训练和自进化；场景任务的鲁棒性和泛化性等系列问题。

这也是蓝驰持续深耕具身智能多年，在今年 WRC 看到的一条更加清晰的技术与产业脉络。而另一面，蓝驰长期沿着这些关键变量，寻找和支持的创业者，也正在成为这轮变化最直接的参与者。

*在今年WRC，*蓝驰家族企业也沿着不同技术路径，持续向真实世界推进，交出了一系列亮眼的技术进展与成绩：

*银河通用机器人让机器人横跨家庭、零售与工业，并开始现场学习新的任务；*墨奇智能把机器人长程任务推向更稳定的执行；莫刻机器人用真实物理交互检验世界模型的推理与决策；灵初智能尝试让真实世界数据走向百万小时规模；苏度科技把"超过 99% 的高可靠"摆到了规模落地之前；程天科技和庞伯特，则让机器人能力真正进入真实场景。而在世界人形机器人运动会赛场上，智元机器人在非结构化、高扰动、长流程的场景赛中拿下两金；临界点AGILINK三个自主赛队全部夺冠，跑出断崖式领先。

*在下文中，*蓝驰梳理了今年 WRC 值得关注的6个技术与产业变化，也记录下蓝驰家族企业在展会上的技术进展。Enjoy：

1. 从"不动"到"能动"：机器人产品成熟度正在快速提升

今年的WRC，可以明显看到机器人产品成熟度的变化。

*如果说过去展会上仍有不少机器人需要依靠吊架、固定装置完成展示，今年最直观的变化是：*绝大多数机器人已经能够完成动态展示，开始具备更加稳定的运动控制和任务执行能力，机器人逐渐走向更加成熟的产品形态。这背后反映的，是具身智能领域中，随着本体设计、运动控制、感知能力等环节不断成熟，机器人基础能力的提升。

今年 WRC 所体现出的本体成熟度提升，是具身智能从技术验证走向任务验证的重要基础。蓝驰长期关注具身智能领域，也持续观察机器人从单点能力向系统能力演进。

2. 从"大动作"到"精细操作"：机器人操作能力提升

今年WRC另一个明显趋势，是灵巧操作展示明显增加。

过去几年，机器人展示集中于行走、运动等大尺度动作，而今年大量机器人则开始展示精细操作能力。无论是灵巧手方案，还是基于夹爪的操作系统，都开始尝试完成更复杂的任务，像是弹钢琴这类典型灵巧操作展示。

精细操作对于机器人的感知、控制和环境理解能力提出了更高要求。机器人需要更加准确地识别物体状态，并根据任务需求完成连续、精细的动作。机器人正在逐步具备处理更加复杂任务的能力，也为后续进入更多真实场景提供基础。

3. 从"寻找场景"到"理解场景"：机器人竞争开始转向交付能力

在今年WRC，一个明显变化是：相比早期阶段对于"机器人能做什么"的广泛探索，行业正在逐渐形成一些具有共性的验证场景。机器人不再只是展示单点能力，而开始进入具体业务流程，接受真实需求的检验。

*物流供包便是今年展会上较为明确的落地方向之一。物流供包本质上是机器人在物流环节中完成包裹识别、抓取、放置，面单识别等连续任务，将包裹送入流水线，并推进后续的扫描、分拣等流程。相比单一动作展示，这类场景对于机器人的要求是：*供包节拍速度、准确率、对不同包裹的泛化性、客户的回本速度，并且在长期运行中保持稳定

*当机器人进入这样的真实应用场景，在技术可行性经过验证之后，机器人的规模化落地便成为了关键，*对场景的理解、产品交付能力以及产业经验成为了行业竞争的重点。

蓝驰认为，具身智能走向产业落地，在于本体的成熟稳定、可用的预训练模型、成熟的数据采集和Infra工具平台。在此基础之上，需要公司真正理解场景，形成从技术能力到产品交付的完整闭环。进入真实世界的机器人，面对的不再是标准化的仿真及实验环境，而是复杂、多变的实际环境。未来机器人公司的竞争力，需要长期积累的行业 know-how。在WRC2026，我们判断具身智能已经进入综合竞争力比拼阶段。

4. 预训练与后训练能力增强，中国机器人团队的训练路径

蓝驰团队连续观察近几届 WRC并发现，过去展会上机器人展示更多集中于已有模型能力的验证。例如，叠衣服等任务有着较丰富的数据积累，成为过去较常见的展示内容；也有不少机器人能力依赖针对特定任务的工程化编程。

今年的WRC，中国机器人创业团队正在从"复现已有能力"走向探索自己的模型训练路径，通过自有数据积累和真实场景反馈，不断提升模型对物理世界的理解和任务泛化能力。

*一方面，*机器人领域开始出现更强的预训练能力。另一方面，后训练能力的重要性开始显现。中国机器人团队开始尝试通过更大规模、更丰富的数据，让模型获得对物理世界更通用的理解能力；也利用真实场景数据，对基础模型进行进一步优化，使其适配具体任务，拉开机器人能力差距。

蓝驰长期关注具身智能领域，关注的正是在这一技术范式演进过程中，能够推动机器人从"完成任务"走向"理解世界"的中国创业者。

5. 从通用到垂直：机器人正在进入更多细分场景

在今年WRC，工业、重载等垂直领域的机器人探索明显增加，产业竞争正在进一步向具体垂直场景深入。这些机器人更多围绕具体行业需求展开，需要适配特定环境、任务流程和作业要求。

未来机器人产业的竞争，不只是单一机器人本体能力的竞争，而会逐渐演变为不同垂直领域中的综合能力竞争。比如，工业场景更关注稳定性、精度和长期运行能力；重载场景更关注负载能力和可靠性；服务场景则需要更强的环境理解和交互能力。具身智能的发展不会只有一种技术路线或一种机器人形态，而是在不同垂直领域中形成差异化竞争。

蓝驰认为，随着产业进入更深阶段，真正具备长期竞争力的机器人公司不仅需要技术创新能力，也需要对具体产业需求的理解和持续积累。

6. Robot Native一代形成中，蓝驰持续期待新的创造者

除了机器人技术本身的演进，在WRC现场，我们也欣喜地注意到：年轻一代正以更深入的方式理解机器人。蓝驰在现场观察到，许多年轻观众对于机器人技术的关注已经不止停留在外观和动作层面，而会主动询问零部件等问题。机器人正在从一个专业领域，逐渐成为年轻一代成长过程中接触到的重要技术。

一方面，他们对于机器人产品和应用的接受程度更高，具身智能正在成为一种自然融入生活的技术形态，机器人有了更广泛的用户基础；另一方面，更早接触机器人，也意味着更多年轻人更可能进一步进入机器人研发、工程和创业领域，未来机器人产业将拥有更充足的人才储备和创新动力。

蓝驰期待的，便是具身智能这一技术方向在长期形成的创新生态：未来十年，推动机器人持续演进的，不仅是今天的创业者，也将是一批从机器人时代成长起来的新一代创造者。

银河通用机器人

从多场景探索到具身智能通用能力 在本届 WRC，银河通用机器人围绕家庭、重工业、零售等多个场景展开展示：Galbot G1 在家庭场景、零售场景中完成长程任务；重载机器人 Galbot S1 则面向工业环境，展示物料搬运等任务。银河通用也发布全球首个具备自主学习能力的智能体人形机器人 Galbot ET1「银河星仔」。不同于依赖预设动作的机器人，银河星仔可以通过与人类实时交互，自主识别并提取运动轨迹，实现现场学习、现场复现。

银河通用自主研发的具身大模型体系：银河星脑（AstraBrain）让不同形态的机器人可以共享同一套智能能力，在不同物理环境中理解任务、规划行动并完成执行。

银河通用正在探索如何让机器人具备跨场景、跨任务迁移的通用智能。这也体现了蓝驰持续关注具身智能领域的重要判断：未来机器人竞争的核心，不只是机器人本体能力，而是模型、数据与真实世界交互能力共同构建的长期能力。

智元机器人

两金领跑，具身智能走进场景赛 *在第二届世界人形机器人运动会上，蓝驰家族企业智元机器人携精灵 G2、灵犀 X2、远征 A3 参赛，其中精灵 G2 在更强调真实作业能力的「场景赛」中拿下消防应急、图书场景两枚金牌，*累计取得两金三银两铜。场景赛重点考验机器人在非结构化、高扰动、长流程实景环境中的综合作业能力。

这些不同场景并非依赖"一场景一套系统"的专项开发。智元以 GO 系列模型完成视觉理解、指令解析与任务泛化，以 Genie Studio Agent 进行场景理解、任务拆解与能力编排，再通过强化学习工具链完成策略训练和优化，在不同任务能够复用同一套能力体系。

临界点 AGILINK

三个自主赛队全部夺冠，跑出「断崖式领先」 *临界点 AGILINK在本届世界人形机器人运动会上交出了一张相当有说服力的成绩单：*灵巧手专项赛首日斩获 3 金 1 银 2 铜，三个自主赛队全部夺冠。

临界点自有赛队以全自主方式拿下镊子夹豆、积木搭建两枚金牌；使用 OmniHand 的武汉大学智元联合赛队，成为粉末称量项目全场唯一以全自主方式完成比赛并夺冠的队伍。

临界点自研算法完成「看见—判断—行动」的自主闭环，到外部团队使用 OmniHand 同样实现全自主夺冠，临界点正在把灵巧操作能力从单点技术优势，转化为可复制、可规模化的产品与系统能力。这也印证了蓝驰投资临界点时的判断：灵巧手是具身智能延展到物理世界的关键接口，真正的壁垒来自产品技术、工程化迭代、量产验证与真实场景闭环的共同积累。

墨奇智能

抗干扰、不中断。机器人开始完成长程任务 墨奇智能在本届WRC展示了 MORPHI KINO 在真实家庭场景中的长程任务能力。基于自研具身模型框架 MoRA，机器人接收到一个完整任务目标，自主规划，并持续推进任务，即使中途物品被拿走、环境发生变化，也能够根据当前状态重新规划。

在蓝驰看来，具身智能走向真实物理世界，比拼的不只是单点模型能力，而是软硬一体、实时闭环和工程可靠性共同构成的系统能力。长程任务中的稳定执行，正是这种系统工程能力最直接的检验。

莫刻机器人（MUKA）

把世界模型能力，转化为物理世界互动 作为一家成立不久的具身智能基础模型公司，蓝驰家族企业 MUKA 在 WRC 选择了一种很新锐的展示方式：通过冰壶、迷宫、积木等大量游戏互动，让观众直接改变物理环境，机器人则需要根据当前状态进行视觉推理、预测与决策。这也对应 MUKA 从底层出发的技术思考：让机器人从"执行动作"走向"理解世界"。

这些互动本身也是模型迭代的一部分：每一次现场参与，都能形成真实交互数据回流，用于模型微调与泛化验证。WRC 前后，MUKA 发布并展示了多项世界模型进展：面向物理世界的隐空间推理模型HDR、联合表征学习+高效训练模型LJM。MUKA进一步展现其围绕"理解物理世界"展开的底层模型探索。

灵初智能

穿戴式数采亮相，探索百万小时真实数据规模化 灵初智能在今年WRC重点展示了穿戴式具身数据采集方案：通过 Psi-SynEngine，将人在真实场景中的操作转化为机器人可学习的高质量数据，并进一步驱动端到端 PSI 系列模型与 Ψ-SynRobot 的训练和迭代。

真实世界的物理交互难以被仿真完全替代，而穿戴式数采能把人的灵巧操作低成本、大规模地转化为机器人学习的数据。灵初目前通过手套采集数据的综合成本约为真机遥操作方案的十分之一，并计划进一步走向便携式、众包式采集——当真实数据的获取成本持续下降，百万小时级的数据积累才真正具备规模化可能。

苏度科技

机器人规模化，需要从泛化到高可靠 在 WRC 主论坛，苏度科技联合创始人兼 CEO 韩铮分享了《从具身科研到规模落地：高可靠机器人智能体的构建之路》。他提出，当前具身智能仍以泛化能力探索为主，但人工智能不会因为问题更难，就降低真实应用的标准——超过 99% 的高可靠性，是机器人实现规模落地绕不开的前提。

苏度选择先聚焦最复杂、也最关键的「物体操作」：在不挑物体、不挑环境的前提下实现高可靠操作，再将抓取、放置、装配等能力沉淀为可复用技能，通过上层模型和智能体编排完成复杂长程任务。在保证泛化的同时，把可靠性真正拉到产业可用的水平。

程天科技

让外骨骼真正走进家庭 程天科技在本届WRC正式发布消费级新品 GoGo-H Pro 速行助力外骨骼，定位"家庭的第一台外骨骼"。产品基于程天在 1800 余家医疗机构积累的临床验证，以及超 100 万次、10 亿步真实康复训练数据，搭载新一代 AI 步态自适应算法，能够实时感知运动意图，并适配平地、上下楼梯、户外爬山等不同运动状态。

现场，程天把展台直接做成了可以试穿的生活场景：普通观众、中老年人和运动爱好者穿上外骨骼走路、上下台阶，直观体验人与机器协同运动。

庞伯特Pangbot

AI 教练，走进真实运动场 庞伯特带来了 Aura——全球首款 AI 多合一教练机器人，依托庞伯特体育大模型，Aura 能持续观察运动者的正反手、发球、截击、步法等动作，分析当前训练状态，并实时给出针对性的语音指导；同时一台设备覆盖网球、匹克球、板式网球等多个球类场景。机器人开始理解一个专业场景，并提供过去需要专业人员才能提供的服务。