①世界机器人大会上，机器人不再满足于“炫技”，而是真正走进工厂、前置仓和街头“上岗”。但在这些看得见的产品背后，一场围绕大脑、数据、灵巧手的系统级竞赛正在加速。
②模型能否泛化、数据能否规模化、灵巧手能否稳定作业，共同构成了具身智能从实验室走向生产力的完整闭环，这场竞赛才刚开始。

《科创板日报》8月22日讯（记者 李佳怡）8月19日-23日，2026世界机器人大会（WRC）在北京亦庄举行。人头攒动的展馆里，观众们追逐的不再是能走能跳的“炫技”表演，而是一台台真正能拧螺丝、能拣货、能执勤的机器人。

但在这些看得见的产品背后，一场围绕大脑、数据、灵巧手三大环节的产业链暗战悄然开打，成为决定具身智能能否走出实验室的关键变量。

大脑：从VLA到世界模型，谁在构建机器人的“思考中枢”？

本届WRC上，《科创板日报》记者观察到一个显著趋势，电机、关节模组、传感器等核心零部件的供应链已趋于成熟，硬件层面的差距正在被快速抹平。当“躯壳”不再构成壁垒，竞争便自然向上游迁移，今年不少参展商们纷纷亮出模型、算力与泛化能力的新牌。

北京人形机器人创新中心在展会期间发布大一统模型Pelican-Unify，集成VLM视觉理解、Action Model动作操控、WFM世界模型三重能力，打通了理解、推理、预演、执行全智能闭环，并实现天轶真机部署操作全流程跑通。

同期，北京人形正式宣布Pelican-VL 2.0商用，其为国内首个网信办备案通过的具身大模型，支持任务规划、意图理解和人机交互。

星海图则走出另一条技术路线，其首席科学家赵行在论坛上拆解了VLA模型G0.5——将视觉观测、语言指令和动作全部离散化为Token，像GPT一样逐个输出。

《科创板日报》记者获悉，8月底星海图将推出G0.5模型Max版本，该版本届时将全面开源。

“大家都在期待说具身智能的ChatGPT时代什么时候到来，但是我们觉得有一条非常通常的捷径，就是像做GPT一样的自回归模型，一个一个Token输出训练模型。”赵行表示。

蚂蚁灵波的全栈大脑2.0，则展示了“一脑多机”的产业化路径。据悉，LingBot-VLA 2.0在预训练阶段融入6万小时高质量真实物理数据，覆盖17个主流机器人品牌的20种机器人构型。

在其展台最核心的展项是一间1:1复刻的智慧药房，《科创板日报》记者在现场看到，观众下单后，机器人便可有序地从货架取下相应的物品。目前，蚂蚁灵波机器人已在上海国大药房正式上岗承担夜班分拣。

章鱼动力正式发布由SYNWorld具身原生世界基础模型，承担机器人的认知、推演与决策职能，让机器人能够理解不同任务背后共同的物理规律。据了解，SYNWorld V0.5采用MoT架构，参数规模为10+B，训练数据已累计至30+万小时，涵盖大规模异构图像、视频及带动作标注的机器人动作轨迹。

从大一统模型到自回归VLA，从“一脑多机”到世界模型，具身智能的竞争已从“有没有模型”升级为“模型能不能规模化、能不能泛化”。

数据：物理AI的“燃料”之争与“数据荒漠”破局

大语言模型的崛起已充分证明，数据规模决定模型上限。但当同样的逻辑迁移到物理世界时，问题变得棘手起来——机器人需要的数据，远比文字更难采集、更昂贵、噪声也更高。

觅蜂科技方面向《科创板日报》记者表示，主流大语言模型的预训练数据已达100万亿token，等效于100亿小时的数据。而物理AI需要的数据有效信息密度更低、噪声更高，对数据的需求量更大。

此次WRC，觅蜂科技带来了完整的MEgo系列无本体采集产品。其中，MEgo Gripper整机仅560克，支持毫米级空间轨迹定位和亚毫秒级全局同步；MEgo View采用“头部300°全景+腕部细节双视角”架构，一人即可独立完成全场景分布式数据采集。

工作人员告诉《科创板日报》记者，目前MEgo系列产品已实现量产交付，在工厂、物流、超市、家庭等真实场景采集数据。

光轮智能发布全球首个十万小时级全模态人类开源数据集EgoSuite-Open100K。该数据集覆盖7大类环境、128类场景，含15000余个采集场景和15000余项任务，采用头部与腕部双视角采集，首批数据将在Hugging Face和AtomGit同步开源，面向学术研究与商业训练使用。

光轮智能联合创始人兼总裁杨海波指出，当前具身智能迫切需要高质量、多样性、大规模的数据供给。同时，光轮智能同步推出5年100亿具身智能数据共建计划。

京东云展台则一比一还原京东“两年1000万小时高质量数据采集计划”中的家政服务场景。《科创板日报》记者在现场可以看到，家政阿姨佩戴着京东云自研的JoyEgoCam头戴式数据采集设备，向观众展示人类实操数据是如何采集的。

灵巧手：从“能抓取”到“会干活”的最后一厘米

一台机器人即便拥有最聪明的“大脑”和最敏捷的“小脑”，如果末端执行器连螺丝都捏不稳、连鸡蛋都抓不住，那么所有的感知与决策最终也无法转化为生产力。因此，灵巧手可以说是机器人从“能看会走”跨越到“能干会做”的最后一厘米。曾经作为机器人“附属配件”的灵巧手，也逐渐走向具身智能赛道C位。

灵心巧手展出的灵心巧匠全自动机械臂产线，由多台工作台集群构成，每台以双臂双手形态搭载Linker Hand系列灵巧手，能够自主完成从零部件抓取、装配到成品下线的完整流程。其中，直驱型Linker Hand O30拥有20个全独立活动关节，实现从手指根部到指尖的全链路直驱控制。

与此同时，针对大模型训练的数据需求，灵心巧手还展出了Linker Open TeleDex数据采集系统。Linker Open TeleDex集成了支持多种外接设备、多种机械臂、多种灵巧手的开放式硬件系统搭建体系，可同时采集视觉、触觉、本体感知三重模态数据。

章鱼动力则构建了完整的“脑-手-数据”技术体系。其发布的OctoH-Hand高自由度仿生灵巧手采用腱绳+小臂电机直驱混合驱动方案，拥有23个主动自由度，搭载超1900个触觉传感单元，可完成夹花生、拧瓶盖等精细操作。

禾赛科技三位联合创始人李一帆、向少卿、孙恺共同创立的AI机器人公司Sharpa，此次带来Sharpa Wave系列灵巧手。Sharpa Wave该系列采用人手尺寸的类人构型，集成22个主动自由度与高分辨率自研视触传感器。针对开发者、科研机构及机器人公司的不同需求，Sharpa还同步发布了特别版本Sharpa Wave SE，提供更具灵活性的选择。

工作人员向《科创板日报》记者介绍，Sharpa Wave的核心创新之一在于视触觉技术路线。与传统压力传感器方案不同，其指尖内壁嵌入240x240像素网格，内置微型摄像头通过观察接触形变来感知物体，实现视觉与触觉的双模态融合，从而避免单一感知路径可能带来的判断误差。

从大脑到数据再到灵巧手，本届WRC清晰勾勒出具身智能三大核心环节的竞争图谱。当硬件躯壳走向同质化，真正的壁垒正在向上游迁移——模型能否泛化、数据能否规模化、灵巧手能否在真实场景中稳定作业，三者环环相扣，构成了从实验室到生产力的完整闭环。