2026世界人工智能大会（WAIC）现场，具身智能展区的氛围焕然一新——机器人不再局限于静态展示或预设轨迹下的舞蹈表演，也会实打实“干活”了。208款终端、超300台真机散布各展台，承担产线、导览、问询、迎宾等实景任务；参展具身智能企业，也从去年的80多家猛增至200多家。
世界模型登场
本届WAIC上，世界模型成为高频词汇，多家厂商将集中展出面向机器人的世界模型成果。
例如，智元Genie Envisioner-Sim 2.0首度让具身智能在“模型世界”中自主学习与进化；它石智航将“复杂线束精密装配”作业场景1:1搬进展台；蚂蚁灵波开源LingBot系列模型，基于两万小时真机数据训练，实现一脑适配九类主流双臂机器人，输出标准化通用具身方案；苏度科技Sudo R1实现行业突破，仅靠纯仿真训练达成近100%零样本抓取成功率。
实操场景成为主流，抓取物品、叠放衣物等和现实世界直接交互的演示案例大幅增加，这种变化背后，是具身智能技术路线的一次深层演进。从VLA（视觉—语言—动作模型）到世界模型，再到两者的融合，具身智能行业正在经历一场从“看见就做”到“先想后做”的机器人物理交互迭代。
融合共生
多家头部企业与业内人士在WAIC期间形成的共识是：VLA与世界模型并非“二选一”的对立关系，而是“融合共生”，世界模型不是VLA的竞争路线，而是VLA体系中的核心组成部分。
智元合伙人、觅蜂科技董事长兼CEO姚卯青在WAIC期间举办的一场论坛上表示，实现智能涌现，模型必须集合视觉、语言、动作的多模态体系，具备理解生成一体化能力。
姚卯青判断，以达到GPT3.5级通用具身智能为标准，行业有望在2027年底至2028年初看到较强的智能涌现时刻，核心驱动条件是千万小时级海量具身数据积累。
千寻智能创始人韩峰涛认为，世界模型并非VLA的替代，VLA解决的是“看到什么就做什么”的直接映射，而世界模型让机器人具备了“预测这么做会发生什么”的推理能力，融合VLA与世界模型的混合架构被普遍认为是更优解。智元联合创始人、总裁兼首席技术官彭志辉也表达了类似判断，他认为VLA和世界模型是互补关系，长期最优技术架构是世界模型搭配机器人大小脑快慢系统，实现“理解物理世界、预测环境变化、主动改造世界”的完整闭环。
智平方创始人兼CEO郭彦东表示，如果不把世界模型合并在VLA里面，很多任务完全做不了。智平方尝试用世界模型生成真实环境中难以采集的边缘数据，补足VLA的训练样本。
数据规模化元年
路线融合的共识已经清晰，但训练融合模型的数据从何而来，仍是悬而未决的难题。
在今年WAIC上，上游数采厂商的数量明显增加，数据正在成为具身智能从“炫技”走向“干活”的核心变量。展会上有数十家企业展示了自己在数据采集方面的进展，行业一致认为，高质量的真实世界数据，才是决定具身智能泛化能力的天花板。
光轮智能联合创始人兼总裁杨海波将2026年定义为“具身智能数据规模化元年”，今年行业数据需求较去年增长百倍至千倍，百万小时级订单成为常态。
为了突破高质量物理世界数据稀缺的问题，行业正沿两条路径突破：一是将数据问题转化为算力问题，用高保真模拟器生成海量仿真数据。
例如跨维智能在本次WAIC首次公开亮相DexVerse可视化生成式仿真能力，解决真实场景数据采集贵、样本少、场景有限的痛点。光轮智能杨海波也表示，仿真数据能提供具身智能企业渴求的“规模化数据”。
二是规模化采集真机真实数据。
觅蜂科技打造了全链路物理AI（人工智能）数据基础设施，依托MEgo系列采集终端、MEgo Engine治理平台与真机数据集AGIBOT WORLD，从源头解决数据稀缺难题。姚卯青表示，这些数据几乎全部必须来源于真实世界，机器人必须用真实物理世界的数据来学习真实世界的规律。
两条路径各有千秋，行业达成一致的是，仿真可解决0到90%，最后那10%的长尾细节仍需真实数据弥补，两条路径不是替代，而是互补。
从VLA到世界模型，再到“融合共生”的新架构，具身智能的技术路线在WAIC 2026上完成了一次关键的认知升级。业内人士认为，当VLA与世界模型不再是二选一的对立，当仿真数据与真实数据不再是非此即彼的取舍，具身智能的智能涌现或许将从理论预测走向产业现实。
第二证券提示：文章来自网络，不代表本站观点。
