8 月的北京略比 7 月的上海凉爽一些，WRC 的热度却丝毫不逊于一个月前的 WAIC。
火热的背后，一个问题依旧值得令人深思：具身智能的 "iPhone 时刻 " 何时到来？
人多、钱多的具身产业
具身智能可以说是今年资本最为关注的一个市场，据不完全统计，2026 年上半年，2026 年上半年国内具身智能赛道融资总金额超 900 亿元，较 2025 年同期呈倍数级提升。IT 桔子数据显示，2026 年上半年共发生 288 起融资事件，涉及 226 家企业，披露融资额超过 460 亿元。如果把统计周期拉长到 2025 年 7 月至 2026 年 6 月，这个数字膨胀到 503 起融资、超 960 亿元。
日前正式完成 IPO 的宇树科技高开 629%，报 1100 元，单签收益为 47.46 万元，总市值达 4449 亿。
钱多，预期更高。对标电动车，意味着一个万亿级的制造业；对标 AI，则意味着根本没有天花板。一位在展馆里逛的投资人跟我说了句大实话：" 现在你不投具身智能，都不好意思跟同行打招呼。"
另一方面，一位行业从业者告诉我们，" 这届 WRC 最明显的感受是，大家不再讨论能不能做出来，而是什么时候能大规模交付。"
但热闹归热闹。当我们在现场看了一个又一个跳舞、踢球、打招呼的机器人之后，一个问题慢慢浮上来：这些机器人，到底有多少真的在 " 干活 "？
能唱能跳，但离 "iPhone 时刻 " 还很远
资本很热，无论是宇树科技 4000 多亿的市值，还是具身公司超 900 亿的融资规模，出货量数据也在涨，据美国加州研究公司 SAG 统计，2026 年上半年全球人形机器人出货量约 1.91 万台，同比增长 274.5%。高盛预测 2026 年全球出货量可达 5.1 万台。摩根士丹利则将中国市场的预测从 2.8 万台大幅上调至 5 万台。工信部相关负责人预测，今年国内人形机器人整机产量有望首次突破 10 万台。
但这些数字经不起细看。IDC 数据显示，2025 年中国工业具身智能机器人市场规模约为 57.4 亿元，其中以工业机器人为载体的具身智能应用占据主体，而人形机器人尚处于示范产线部署和场景验证阶段，规模仅约 21.1 亿元，。
换句话说：出货的主力不是售价高昂的通用人形机器人，而是在工业制造、仓储物流等相对封闭场景中率先跑通经济账的专用机器人。人形机器人看起来光鲜，但真正买单的人没那么多。
为什么会这样？我们在展馆里跟几位从业者聊了聊，答案逐渐清晰起来。
第一个问题是 " 贵 "。一台全尺寸人形机器人的成本动辄几十万甚至上百万。以物流分拣场景为例，如果执着于使用 " 人形 + 灵巧手 " 的复杂硬件方案，不仅成本大幅提升，复杂的机械结构还可能导致故障率上升。工厂老板算的是投资回报率 , 一台机器人能不能在两年内把本钱赚回来？目前大部分通用人形机器人还做不到。
第二个问题是 " 不靠谱 "。很多具身智能产品在展厅演示中表现优异，但一落地到真实的工厂、仓库，识别精度和操作稳定性就出现明显波动。实验室是可控环境，真实产线是复杂、非结构化的，光照变化、物体堆叠、空间拥挤，任何一个变量都可能导致机器人 " 宕机 "。有从业者跟我们说：" 你在展台上看它抓杯子十次全中，到产线上抓不同形状的零件，可能十次里要掉三次。"
尤其是在工业领域，客户对设备连续运行成功率的要求通常在 99% 以上。但在粉尘、油污、电磁干扰交织的真实工况下，任何一次意外停机都可能意味着整条产线的损失。
这些问题在 WRC 现场并非没有体现。在一些展台，我看到机器人因为网络延迟而卡顿，因为光线变化而无法识别物体，因为地面不平而摔倒。工作人员不得不频繁介入重启或手动调整。
第三个问题是 " 数据不够 "。 行业最核心的瓶颈之一是高质量物理世界数据的稀缺。真实场景高度非结构化，采集高质量的真机数据极其困难。没有足够的数据，模型就难以泛化，比如机器人在 A 场景能干活，换到 B 场景就懵了。而无法大规模商业部署，就产生不了高质量的真机数据，进而难以对模型泛化能力提供有效支撑，这是一个恶性循环。
这段描述揭示了一个残酷的现实：大多数具身智能企业仍困在缺少高质量物理操作数据的瓶颈中。与大语言模型不同，人形机器人需要的是 " 传感器到执行器 " 的同步数据——看见什么、如何判断、如何抓取、失败后如何恢复。这类数据昂贵、稀缺且高度专有，仿真与合成数据能够加速训练，却无法完全替代真实环境验证。
而这也造就了今年 WRC 上很多厂商都带来了数据采集的解决方案，这其中有一些诸如他山科技主要以提供触觉数采硬件设备和代建设数据采集中心为主的，也有类似觅蜂科技这样提供整体数据解决方案的服务商。
如果具身智能行业想要迎来自己的 "iPhone 时刻 " 就必须要解决上面三个问题，才能实现当年苹果重新定义手机的目标。而这些答案自然不在展馆之内，而是在真实的应用场景之中。
从炫技到 " 干活 "
展望未来，具身智能的商业化路径逐渐清晰。短期来看，工业、康养、物流是先跑的赛道，家庭还远。但要问具身智能的 "iPhone 时刻 " 何时到来，我们认为应该是这样一个节点：机器人不再是展台上的表演者、工厂里的试验品，而是真正落在产业里，发挥价值，改变原有的 " 运行 " 模式，进而是像手机、汽车一样，成为普通人日常的一部分，让更多人买得起、用得住、离不开。
这个时刻还没来。但这不意味着这个行业在空转。但要走到那一天，行业还需要解决几个关键问题。首先是数据飞轮的建立。谁掌握了高密度的物理多模态数据，谁就握住了通往物理 AGI 的钥匙。
这次 WRC 上，我们也看到了数据采集已经成为了具身行业关注的焦点。以他山科技为例，这家专注于 AI 触觉感知的公司，在他们的展台展示了全球首款动态触觉感知芯片— E10A 绿宝石芯片，通过 ASC 将触觉信号直接转为脉冲信号，实现事件驱动、稀疏计算，达到微秒级时间分辨率与超低功耗运行。TS-F 系列全手传感器模组覆盖指尖、指腹、手掌，具备 0.01N 高精度力分辨率、30+ 种材质识别能力，并通过 300 万次 / 过载 1000N 以上寿命测试验证。TS-R 触觉感知服务机器人结合了他山科技触觉感知与云迹科技多态复合移动平台，能够精准感知与调节递物时的力道，实现递水、递话筒等类人服务动作。
在数据采集方式上，无本体采集成为降低门槛的重要探索。他山科技研发副总裁侯广东分析了无本体采集的优劣势：优势在于成本较低，人直接接触对象操作，相对于遥操隔一层的方式，在采集效率和数据质量上有一定益处；劣势在于关节信息的高精度采集困难，触觉手套笨重影响动作灵活性，完全依靠视觉定位关节精度受影响，还可能存在遮挡问题，人手自由度与机器人灵巧手不完全匹配，需要更多工作才能将数据用上。
" 各有优势和劣势 "，侯广东总结道，" 无本体采集适合快速启动，但要获得高质量数据，还是需要结合多种方案。"
针对无本体采集的上述痛点，他山科技推出了 TS-ECHO 触觉感知指套。这款轻量化指套旨在将人类操作过程中的接触、受力、滑移与交互状态，转化为可训练、可同步、可标注的高质量数据，并支持与视觉、动作、语言等模态融合采集。与笨重的传统触觉手套不同，TS-ECHO 采用轻量化设计，不改变人手重心与运动轨迹，确保操作灵活性；其传感器构型与机器人灵巧手同构，采集到的触觉数据可直接用于灵巧手的训练，大幅降低数据跨本体迁移的难度。系统适用于机器人操作学习、世界模型和 VTLA 等前沿方向，帮助机器人从 " 看见世界 " 迈向 " 真正理解物理世界 "。
无独有偶，觅蜂科技也在本届 WRC 上带来了站式物理 AI 数据服务平台，该平台包括了 MEgo 系列无本体采集产品、MEgo Engine 一站式数据治理平台，以及全链路数据底座解决方案。据展区负责人介绍，目前，觅蜂科技从数据采集端、治理端、评测端三端发力，全栈自研重构具身智能数据供给体系，打造具身智能数据 " 平台型供给 " 基础设施。
虽然具身智能的 "iPhone 时刻 " 确实尚未到来——因为它需要的不仅仅是一款惊艳的产品，而是一个完整的生态系统：成熟的硬件、强大的算法、丰富的数据、完善的运维，以及真正被用户接受的使用习惯。
但当我们在 WRC 上看到越来越多的机器人从展台走向工厂、医院、酒店，从跳舞表演转向真实干活，从单一功能转向多机协同，我们有理由相信：那个时刻，正在路上。
（文｜Leo 张 ToB 杂谈，作者｜张申宇，编辑丨杨林）
