在北京亦庄举办的2026世界机器人大会上，300余家企业携超过2000件展品亮相，其中150余款为全球首发新品。与往届相比，今年展出的机器人更注重实用性场景应用，从药房分拣到家庭叠衣，从零售取货到工业产线作业，功能覆盖多个领域。然而，记者在现场观察到，尽管技术进步显著，机器人在复杂环境中的表现仍存在明显短板。
在无人零售展台，一款机器人因人流干扰出现操作停顿。当观众下单货架内侧的小件商品时，机器人因避障识别受阻无法完成取货。这一场景引发讨论：若在真实零售环境中，干扰因素更多，机器人能否胜任？云迹科技首席产品官段炎彪指出，当前机器人缺乏像人类一样的灵活应变能力，其行为高度依赖前期数据采集和场景训练，面对未训练过的情况时往往束手无策。
这种局限性在酒店场景中同样存在。段炎彪举例称，地毯长毛可能卡住机器人轮子，此类长尾问题在实验室中难以完全模拟，导致客户需额外投入精力维护。宇树科技创始人王兴兴在主论坛上表示，具身智能的泛化能力不足是全球性瓶颈，多数模型在固定场景中表现优异，但环境或物品稍有变化，成功率便大幅下降。他预测，当机器人能在陌生环境中完成约八成任务时，将迎来具身智能的“ChatGPT时刻”，这一目标可能需两至十年实现。
面对挑战，行业正探索“沿途下蛋”的过渡路径。银河通用创始人王鹤提出，机器人应先在零售药房、工业产线等场景落地，再逐步渗透至养老、残障辅助等家庭场景，最终进入普通家庭。小米的实践印证了这一思路：其人形机器人“铁大”在汽车工厂螺母工站作业，成功率从初期的90%提升至98%，接近人工水平。但小米机器人事业部总经理向迪昀坦言，任务复杂度增加时，机器人效率会显著下降，例如长任务效率可能降至人工的三成。
技术层面，行业正通过模型迭代缩小差距。2025年，多数企业采用VLA模型（视觉—语言—动作模型），2026年则开始叠加世界模型，以预判环境变化减少偏差。同时，“快慢脑”架构成为共识：大脑负责深度推理，小脑负责即时执行，平衡算力与响应速度。数据积累方面，企业通过客户现场部署和仿真训练双轨并行。京东零售具身智能业务负责人郑小丹表示，未来两年计划采集千万小时级高质量场景数据，覆盖物流、零售、健康等多领域。
仿真训练虽能低成本覆盖大量场景，但“仿真到现实的迁移损失”仍待解决。智平方副总裁莫磊指出，揉皱的纸巾粘在机械爪上的触感等细节难以在虚拟环境中还原，纯仿真训练的机器人在真实场景中性能常下降。他强调，机器人需在客户现场持续“干活”以积累数据、迭代模型，仅做模型而不涉足硬件和场景的公司难以突破瓶颈。
成本与硬件稳定性是另一大挑战。莫磊认为，人形机器人若要进入家庭，硬件成本需降至A级车价格区间（约10万至20万元），且需具备高可靠性。以特斯拉Optimus为例，其灵巧手寿命仅6周，单只手成本超4.2万元，年零部件更换费用近70万元，远未达到家庭使用标准。
数据与算力是大脑进化的关键。华福证券研报指出，特斯拉AI5芯片算力达2000至2500TOPS，是上一代的4至8倍，为Optimus下一代大脑提供算力基础。特斯拉FSD系统已在中国部分城市测试，其积累的自动驾驶数据和算法可直接用于机器人训练。产业巨头正加速布局：英伟达、谷歌、京东、华为等公司从不同方向切入，共同聚焦大脑开发。
尽管市场情绪逐步升温，但投资者仍持谨慎态度。一位分析师表示，当前A股人形机器人标的以本体公司为主，宇树科技上市后虽提供估值基准，但本体产业链的长期发展取决于大脑能力突破。他计划下一步重点关注数据链和模型训练领域。逐际动力负责人陈丰直言：“大脑能力的突破是一切落地的前提。”
