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 。
（文章来源：证券时报）
