2026年，具身智能已经走出实验室的玻璃房。
行业报告预测，今年全球人形机器人出货量将达到6.25万台，同比增幅接近247%，中国厂商占据绝大多数份额。
在刚刚结束的外滩大会上，机器人不再只用来跳舞表演，药房里的分拣机器人穿梭在80厘米窄货架间完成夜间分拣；在工厂产线上，机械臂承接小件上料、纸箱拆垛；在医院场景中，康复机器人日复一日辅助病患肢体训练。资本、政策、供应链集体向这个赛道倾斜。
但热闹背后，行业还没有从样板点走向规模化复制。大量样机停留在展会演示，一次完美的Demo可以靠反复调试拿到，但换到另一家门店、另一套产线，成功率便断崖式下滑。
模型：回归能力本身
过去一年，VLA、WAM的路线之争占据了具身智能行业大量讨论篇幅。
蚂蚁灵波首席科学家沈宇军在圆桌论坛上直言：“上半年大家一直在争论做VLA还是做WAM？站在现在这个时间点往回看的时候，感觉那时候之所以会有技术路线之争还是因为大家过于想走捷径。”
香港中文大学校长特聘助理教授薛天帆补充了另一重现实约束。语言大模型可以在统一模态下完成训练迭代，具身智能却做不到。不同机器人本体传感器配置千差万别，灵巧手、轮式底盘、人形躯体硬件差异巨大，模态很难统一。
对此，行业普遍认为，具身模型还是要从机器人需要什么能力出发，而非从已有工具出发。
“沿着借用数字模型那条路走有短期价值，但走到最后，有一些门槛一定要跨过。”沈宇军说。
刷榜、跑分、演示之外，行业还需要一套面向真实物理世界的评判标尺。
沈宇军提出一个设想：“把机器人带上模型，在这个会场通上电，跟所有的人接触，要能待满一整天不出问题。”
这个标准看似简单，背后却是对泛化性、安全性和长程任务能力的综合考验。“如果这件事情做不到，它只能是在某一个特定场景或封闭场景待着的话，谈通用还太远。”沈宇军表示。
生态：垂直场景先落地，协同进化破局
具身智能是闭门修炼内功，还是直接下场干活？蚂蚁灵波CEO朱兴的回答是：“哪怕当童工，也该干活了。”
不过，落地不等于能直接奔赴全场景。最大的阻碍之一，是复制成本居高不下。同一个机器人方案，跑通第一家药房、第一个工厂工位，再复制到第二家，环境SKU、布局发生变化，往往要投入高额二次适配成本。泛化不足，直接限制商业化复制，账算不过来。
产业一线已经出现小批量落地的样本。乐聚机器人联合创始人兼CEO常琳介绍，家庭消费级通用机器人距离大规模普及尚需时日，但工业场景已经出现客户愿意付费采购的项目。汽车零部件小件上料、工厂纸箱拆码垛，机器人承接重复性岗位，缓解工厂招工难的问题。
傅利叶创始人兼CEO顾捷回顾，早在“具身智能”这个名词火爆之前，康复机器人就已经批量走进医院，辅助中风、帕金森患者做肢体康复训练。客户并不关心背后是传统编程还是大模型驱动，只看疗效、安全性以及商业账能不能算过来。To B封闭可控场景，依旧是未来三五年产业的主战场。完全非结构化的家庭全场景通用机器人，还有很长的路要走。