具身智能的下半场，拼的是交付。逛完今年的WRC，兴奋的同时，又有一些揪心。没人再怀疑机器人到底能不能干活了。         This photo shows the reusable rocket Nebula-1, developed by Chinese private rocket company Deep Blue Aerospace, blasting off during a high-altitude vertical recovery flight test in north China's Inner Mongolia Autonomous Region, Sept. 22, 2024. (Deep Blue Aerospace/Handout via Xinhua)
China's commercial reusable launch vehicle sector continues to make steady progress, as a company announced on Friday that it had completed a long-duration test firing of an engine for a large recoverable carrier rocket.
Deep Blue Aerospace, a commercial space startup based in Wuxi, east China's Jiangsu Province, said it recently completed a 100-second static-fire test of its Thunder-RS engine, a 130-tonne-class liquid-oxygen kerosene engine designed for the company's large reusable rocket, Nebula-2.
The test reached 1,297.5 kilonewtons of thrust, or about 132.3 tonnes. The company said multiple short-duration test firings had been conducted previously to evaluate engine performance, with no anomalies recorded.
The recent 100‑second run was the engine's first crossing of that steady‑state duration threshold, serving as a comprehensive verification of its performance, the company said.
    This screenshot from a video clip shows the first stage of the Zhuque-3 Y2 rocket making its land-based recovery, Aug. 19, 2026. (LandSpace/Handout via Xinhua)
Rocket reusability can greatly cut launch costs and boosts launch frequency, making it key to achieving large-scale, routine access to space.
China launched the reusable rocket Zhuque-3 on Wednesday morning, achieving its first recovery of a rocket's first stage on land, marking the country's first successful land-based recovery. This mission followed the successful sea-based net recovery of the Long March-10B's first stage on July 10.
More models of Chinese reusable rockets are scheduled to conduct tests this year. 
。分拣台上，机器人抓着一件件包裹，翻过面单，送上传送带；咖啡吧里，机械臂取杯、萃取、递杯一气呵成；家庭展区，机器人在叠衣服、收拾桌面、给垃圾桶套塑料袋，全程自主完成。干活几乎成了展台标配，而且大部分任务，完成得都还不错。从另一个角度说，这些演示又多少带着点“欺骗性”。

B | 毕竟，人类善于根据眼前的事物产生联想。看到机器人在叠衣服，或许会觉得它也能做收纳，能叠T恤，那也能叠大衣、裙子，在现场能干，搬到任何一个家庭，也可以直接上手。但这份想象，机器人目前还很难接住。

C | 光锥智能在展会了解到，很多演示比较流畅的任务，其实是根据固定的场景和流程，特调出来的。一旦换上没见过的物料，或者打乱流程，甚至干扰光影，表现就会不如人意。有展台工作人员向我们坦言，演示前在现场临时采了数据，或表示做了“微调”。演示中的干活，和真正的干活，仍隔着一些距离。这段距离有多远，取决于模型的泛化能力，精准度和反应速度如何，数据能否供应得上，采集方式有哪些新的解法……但时间不等人，机器人行业已经来到了关键转折点。在过去大半年间里，机器人行业涌入了太多资源。

D | 几乎每两周就有融资事件，IPO的门口排着一长串人，机器人这个还处于早期的行业被资本、客户、产业链们共同推到了史无前例的高位。

E | 尤其是当宇树上市首日达成4千亿市值，标杆效应打开了机器人行业的天花板，同时也让那些试图在公司低估时期入局的投资人，少了“捡漏”的可能。

F | 但热闹终将散场，筹码总会兑现成价值。当行业融资通道收窄，随之而来的就是靠硬实力的长跑。从这个角度看，今年的WRC可能会变成很多玩家的最后一舞。那么，当机器人会干活已经不再是新故事，行业的下半场，到底比什么？面对这个问题，众擎机器人创始人兼CEO赵同阳给了光锥智能一个答案，没有订单数字，没有宏大叙事，行业应该更关注交付的“质量”：交付必须是有质量的交付，而不是为了营收凑数。在一个所有人都在抢着证明自己的展会上，头部公司反而主张克制。这某种程度上正是下半场竞争逻辑的注脚。三种场景三种验证逻辑今年WRC上机器人干的活，大致可以分为工业、零售、家庭三类。三类场景的区别不在环境，而在验证逻辑：工业验证效率，零售验证流程。至于家庭，这暂时无法验证。

G | 这次WRC上，工业领域依旧集中在上下料、搬运、码垛几项任务上。优必选用隔离带围出一个上百平米的空间，多台机器人协同完成物料搬运、分拣、流转，亮点是支持3分钟自主换电，解决了续航的问题。银河通用的Galbot S1主打重载搬运，双臂最大负载达到了50公斤。虽然这些任务机器人都完成得不错，但在这个高度可标准化的场景里，如何跟传统工业设备对标，是行业最大痛点。比如优必选的Walker S2，从搬起料箱，移动几米，再放到传送带，全程用了10秒以上。这个速度，远低于机械臂和AGV的水平。工业流水线之外，快递分拣成了这次大会最卷的场景之一。走了一圈，大概有七八家都在演示。这是工业领域里，极少数已经能用计件数量来衡量的场景，任务明确、节拍可量化。其中，星动纪元最快速度每小时将近2000件，自变量之前直播的战绩是一小时1816件、准确率超98%。

H | 这个数量水平，已经接近人类熟练工。其中，自变量的方案很有意思，它没用看起来更“高科技”的人形和灵巧手，只有两只机械臂，安装两个夹爪，而且就连夹爪也几乎不怎么张开。就是在这么朴素的设备上，既展示出了效率，也兼具了具身智能的泛化性。

I | 比如翻面单时，它是用一只夹爪先挡住包裹，再用另一只夹爪直接把包裹掀过去，然后推到传送带上。用东北话说，这个动作叫“扒拉”。这一方式不仅拓宽了可处理包裹的尺寸、形状，也能提高效率。演示环境中，自变量的包裹并不是统一的，有柔软的塑料包装，有不同尺寸的硬纸壳箱，其中还掺杂了不是快递的毛绒玩具等物品，机械臂都能快速识别，进行分类处理。遇到两个尺寸相同的纸箱挨在一起时，它会先把旁边的包裹推出去，再操作眼前的包裹，一次翻不过去就再翻几次。

J | 光锥智能询问了自变量这个方案的落地情况，展台工作人员称，目前已经在全国多个快递中心投入实际应用了。但问到具体是多少家，是哪家快递，对方表示无可奉告，并表示确实是真的干活，不是为了采集数据。零售是今年展台密度上升最快的场景，背后逻辑是“半结构化”场景，比工厂开放、比家庭可控，既能算商业账，又能持续产生多样化的真实交互数据。蚂蚁灵波展示了在超市和药房场景中，从扫码下单、机器人到货架取货、把商品送到前台的标准流程，并且，智慧药房的方案已经在上海真实门店投入运行。零售要规模化，靠的就是流程的可复制性。同样的场景银河通用和星海图也都在验证，后者展示的规模最大，号称能泛化到万种SKU，但现场抓取时出现过多次失误。

K | 值得思考的是，光锥智能注意到，今年WRC展示的零售场景似乎有些“退步”。在2025年WRC时，银河通用的演示具有明确的“非标”特征。比起今年的演示，去年货架商品摆放紧密，辣条一类的产品还挂在钩子上，完全就是真实小卖部的样子。但今年的演示一眼望去都是标准化，标准的货架、间距一致的商品摆放。或许，今年的设计是基于演示成功率的考量，但行业从“秀泛化”变成了公式化的“保交付”，也失去了不少“灵性”。不同于货架销售，零售领域今年还出现了各种制作奶茶和鸡尾酒的货柜，里面是一个机械臂，根据点单现场调制饮料，调完之后自动冲洗杯具，周围买单的人不少。有趣的是，对比场馆内“无人问津”的自动售货机，消费者对机器人零售的接受度显然更高。家庭场景的任务是所有赛道里最杂的，有叠衣服的、切黄瓜的、整理桌面的、给垃圾桶套袋的……这不禁让现场观众浮想联翩，机器人真的什么都能干了，机器人养老已经成了？种种需求确实是真需求，毕竟人在家躺着，能不动手就不动手。但问题是，泛化的能力和完成的质量很难验证。在银河通用的展台，光锥智能对挂衣服这一任务询问，把一件衣服挂在衣架上大概要多久？工作人员表示，平均3分钟一件，“很快”。又问这和人比还是慢了许多，对方回答：“这毕竟是机器人”。厂商自己都把差距解读成了理所当然，这说明家庭场景的分水岭，远还没到来。热闹的背后仍需冷静判断，家庭叙事想象空间很大，但短期内不可证伪。工业场景里，每小时分拣多少件就是多少件；而叠衣服叠得好不好、陪伴得开不开心，没有客户会在下个季度拿着验收单找上门。

L | “能干活”已是行业共识，“活干得怎么样”开始成为可量化、可被证伪的分水岭，已经成为了下半场的入口。谁说VLA死了？机器人能干活，靠的不是某个单点突破，而是一套“模型+数据”的底层体系。今年最值得关注的变化有两个：模型侧，争论变了，不是有了终极答案，而是大家发现瓶颈不在架构，在数据；数据侧，采集的“无感化”和多模态化同时加速。今年，机器人行业关于技术的一大讨论就是“VLA已死，世界模型当立”。但光锥智能在各个展台走访之后，可以确定的是，支撑机器人干活的主力架构，依然是VLA：把视觉感知、语言指令和动作输出映射进同一个网络。VLA能成为主力的原因，并不是因为最先进，而是最工程友好。机器人经过相对简单的训练和调试，就能在新环境里快速获得“干活能力”，不需要工程师为每个场景写死规则。同时，现在VLA在跨本体能力上越来越普遍了。过去“一种本体配一套模型”，每换一个硬件就重烧一笔训练成本，现在模型积累开始摆脱硬件绑定。银河通用展台上，轮式、重载、双足三种形态完全不同的机器人跑的是同一套具身基础大模型；星海图的G0.5通过统一动作编码适配不同本体；深诣机器人也强调其基座模型支持“一脑多形”。这种方案，既降低了训练成本，不同本体的经验又可以打通和复用。虽然各家都在谈泛化，但本体的泛化，不等于场景和任务的泛化。世界模型被更多的引入系统当中，就是为了补齐模型真正理解物理世界的能力。维他动力的Vbot-WorldModel展示了更务实的用法，世界模型不负责生成动作，只在行动前推演不同候选动作的结果，为策略选择提供评估信号。先把预判当辅助工具用起来，而不是等它成为全能大脑。

M | 银河通用的WAM架构，是把世界模型的预测和VLA的动作决策合进统一模型。在这里，世界模型不只是提供了一个预测层，也直接参与到动作生成当中。无论是VLA还是世界模型，两条路线的优劣，行业自己会算这笔账：VLA短暂学习就能投入使用，弱点是需要大量对齐数据、泛化有限；世界模型在同等数据量下泛化更好，因为它学的是可迁移的物理规律，而非具体动作轨迹。光锥智能也就这个问题采访了蚂蚁灵波。

N | 在现场工作人员看来，这场争论本质是学术与工程实现的角度不同。VLA能通过短暂学习立刻投入使用，这是它被广泛采用的原因；世界模型能理解世界，但这是长期愿景，温度、材质等大量物理数据目前极度缺乏，且难以被正确表达，导致世界模型当下的使用效果并不理想。

o | 对于机器人什么时候能迎来ChatGPT时刻？赵同阳告诉光锥智能，三年之内。“人形机器人需要体能，还需要智能，因此一个行业的发展肯定是每一个领域都在同时发展。AGI时刻的到来，据我观察，从硬件到软件，从小脑、大脑到算法，应该在3年之内。”整体结论就是，VLA是当下的饭碗，世界模型是未来的期权。纯路线之争今年明显升温，但所有没有数据支撑的算法之争，最后都是梦幻泡影。

p | 而数据采集方式的演进史，就是一部“减重史”。今年技术侧最深的共识是，数据不够，所以算法才不行。一个很有趣的案例是机器人的触觉。在没有触觉维度之前，靠算法只能把纯视觉的成功率拉到七八成。但加入了触觉之后，成功率立马能上升到95%，算法立刻“支棱”起来了。算法的瓶颈，有时候得靠数据采集层面解决。回看采集方式的演进，从遥操作、ego到数采手套，每一步都在给采集者“减重”。遥操太重且拿不回实时反馈；ego估不准手部关键点；手套隔着厚厚材料，终究不是人的真实触感，数据的终极问题，是像不像人真实干活的状态。采集层面“减重”，数据维度在不断增重。外骨骼和肌电今年的爆发，正是这条线索的延续。强脑、优龙、程天等出身各异的公司都在这个窗口期推出外骨骼数采产品，解决全身运动数据的规模化。章鱼动力的肌电手环号称做到跨个体零样本泛化，新人佩戴即用；ORIGINFLOW甚至试图捕捉比动作早约50毫秒的发力意图。它们的共同目标都是，让采集者在正常生活、工作的过程中，顺便把数据采了。数据的维度也在同步拓宽，触觉在今年基本成了标配。曦诺未来在WRC发布的直驱灵巧手Prima1，集成了视触觉加分布式触觉阵列，指尖触觉分辨率达0.1N，产品定位直接瞄准“AI训练平台”。

q | 为模型训练提供高保真的力控与触觉数据，这本身就是一个信号，执行端硬件正在为数据而设计。可以说，数据采集今年已跨过“能不能采”的第一阶段，下一步，则是进入采什么、怎么评价、哪些数据真正提升模型的第二阶段。

r | 无感化采集能否跑通，很可能决定下一轮Scaling何时爆发。产业链越成熟交付越见真章游走在场馆中，相信所有观众都会萌生一个念头——做机器人的门槛是不是其实不高？大脑、灵巧手、数据、运动底座、本体、线束、计算平台、减速器……好像都已经有了标准化的解决方案。

s | 机器人产业链看起来已经达到了成熟阶段。

t | 这届WRC，聚集了各种来自深圳和苏州昆山的供应链厂商，从核心零部件到解决方案，一应俱全。

u | 在机器人公司扎堆的深圳南山留仙大道，从触觉、视觉到关节、控制器，很多环节可以直接在一街之隔完成协作，上午研发、下午测试、晚上迭代。甚至供应商的方案已经溢出了行业的需求。比如，一家给兆维机电和灵心巧手提供感知方案的公司，多模态的维度已经上到了滑移觉、摩擦觉、硬度觉和接近觉。但询问后得知，目前行业的订单多数还是做触觉，剩下的模态还没有需求。

v | 产业链的成熟，让行业攒一台机器人变得更加容易，VLA让“干活”遍地开花，各家公司都在焦虑地寻找演示场景。

w | 但也正因如此，更尖锐的问题被推到台前：机器人本身的商业化，走到了哪一步？深诣机器人联合创始人黄康尧在WRC圆桌说道：“在工业或泛工业场景，客户愿意付费的时候，才算是落地了。

x | ”他判断，未来一两年工业和泛工业会率先跑出规模，因为这些场景能算过ROI；商业和家庭场景会有部署，但短期难盈利。工业场景中，头部公司已经从POC走向小批量交付。在合作方立讯的工厂里，众擎机器人在搬运、分拣仍处于联合研发和尝试部署阶段；智平方与半导体显示巨头惠科签下3年1000台、近5亿元的订单，并与东风柳汽完成国产具身大模型的汽车制造全场景验证。这个场景里，客户拿着验收单核对每小时多少件、成功率多少。接下来的分水岭，不是技术演示，而是交付成本能否继续下降、非标工序的交付半径能否扩大。零售场景中的超市和药房，目前还处于单店模型验证期。银河通用在药房和即时零售场景规模化运转，靠准确率挣续约；无界动力手握7亿元订单开始全球交付；星海图与京东的前置仓跑通了完整履约链路；蚂蚁灵波把履约做成了可复制的标准流程。智平方在展台摆了一个咖啡店的台面，后面的人形机器人“爱宝”负责递杯。现场工作人员介绍说，原本在工业领域打磨了很久，但发现很难落地，反而是零售场景很容易实现，而且容错率很高。

y | “我们觉得，先把好做的场景做起来，也是一个很好的选择。”原本以世界模型起家的跨维，这两年也开始做自己的本体。跨维联创、运营合伙人解锐说到，他们不仅在工业场景里有了实际落地，而且在零售赛道里同样在快速铺开。但和智平方、银河通用不同的是，他们更愿意把零售场景的运营交给第三方的运营商。

z | 付费客户已经出现，账基本算得过来，但都还停留在单点或少数门店。零售已被证明“是门生意”，还没被证明“是门能规模化的生意”，衡量进度的标尺是续约率和复制速度。家庭场景中，更大的增长则在消费级产品上出现。

| 松延动力依靠“小月”、“小布米”等主打C端交互的产品，已经拿下超亿元订单。维他动力的“交付-反馈-迭代”的产品闭环已经开始转动。

| 其四足机器狗“大头”首销6540台、订单金额近亿元。这款具备跟随、交互功能的宠物机器狗，现场有不少带孩子来的观众很感兴趣，想要直接买一台回家。有意思的是，维他动力在普通门店试点的机器人租赁效果平平，但搬进亲子酒店后出租率却高到周末需要提前预订。看来，机器人能不能创造价值，场景选择本身就是答案的一部分。上半场比本体、比模型的竞争正式翻页。下半场的竞争是能不能让客户愿意付费、续约、扩单。产业链的成熟让所有人都能把机器人造出来，而客户只认结果。结语逛完今年的WRC，最大的体感是这个行业正在被分成两半：一半开始被数字追着跑，每小时分拣多少件、成功率多少、订单多少亿；另一半还在被故事托着。

| 讲故事没有错，早期行业本来就需要故事。但当分拣台前的近十家公司开始用同一把尺子互相丈量，当客户拿着验收单走进工厂，当“交付”取代“演示”成为高频词，具身智能的竞争逻辑已经变了。能干活，只是入场券，把活干好、把货交付、让客户买单，才是下半场的比赛本身。