2026世界人工智能大会（WAIC 2026）现场，具身智能赛道迎来集中亮相时刻，经过数年硬件参数内卷，行业发展逻辑正在发生深刻转向，数据、模型与真实产业落地能力成为衡量企业核心竞争力的新标准。当前国内供应链逐步完善，资本持续加注赛道，但规模化落地难、硬件耐久度不足、行业缺乏统一评测标准等痛点普遍存在，产业仍处在样机走向批量商用的关键过渡期。
灵初智能CEO王启斌在WAIC 2026期间接受《中国经营报》记者采访时表示：“在行业早期，大家卷自由度、扭矩、负载等硬件指标，如今硬件供应链基础方案已经成熟，绳驱、直驱两条路线均有成熟零部件，行业竞争重心彻底转向数据、模型、场景落地能力。”王启斌分析，当下行业处于样机迈向小批量量产的关键过渡期，供应链虽已成型，但硬件耐久、连续作业发热、百万次工况稳定性仍是规模化落地的核心短板。
“大脑自研+硬件集成”全栈路线
记者走进灵初智能展台，一条完整的光模块自动化产线直观展现企业核心技术逻辑：工作人员穿戴轻量化采集设备复刻人工操作，海量视觉、触觉、关节动作数据输入自研世界模型完成训练，再搭载高自由度灵巧手完成400G/800G光模块亚毫米级插接、检测、柔性打包全流程作业。
“我们从实验室时期就深耕灵巧手复杂精密操作，公司成立之初就定下清晰定位，不做通用夹爪，长期聚焦长程精细操作，这是刻在企业基因里的选择。” 王启斌在专访中表示，这条差异化技术路线，也是摩根士丹利将灵初智能纳入中国具身智能标杆企业、持续获得资本青睐的关键原因。
行业内如今并存三种主流数据训练方案，不同路线各有明显短板，这也成为灵初智能选择真人穿戴采集路线的重要出发点。真机采集单套设备造价高达40万至50万元，不同机器人硬件构型下数据通用性差，大规模量产训练成本难以承受；纯仿真合成数据则存在现实场景偏差，仿真模型迁移到真实产线后效果大幅缩水。
对比之下，人类操作天然融合环境感知、任务拆解、手眼触觉协同、失误自主纠错等复合能力，是仿真、真机遥操作数据难以复刻的优质训练素材。王启斌介绍，目前公司已积累 10 万小时人类操作数据集，数据配方中90%以上来自穿戴设备采集的真人多模态信息，真机仿真数据仅作为少量补充。轻量化采集设备可直接进驻真实产线，采集贴合真实生产节拍、动态物料环境的数据，训练出的模型在精密操作场景中表现显著优于行业通用方案。
不少到场观展的产业人士都向王启斌抛出同一个疑问：灵巧手何时才能真正达到人手的灵活程度？对此他给出清晰判断，类人灵巧操作绝非单一硬件或算法的单点突破，而是硬件、传感器、控制系统、AI 模型深度耦合的系统工程。
基于这套数据驱动的底层技术逻辑，灵初智能搭建起 “大脑自研、硬件整合” 的稳定业务模式，以此平衡研发投入与产业落地效率。企业自主定义全套数据采集设备，联合硬件厂商协同定制开发整机本体；市面上成熟通用零部件直接整合复用，把核心研发资源全部集中在数据管线与操作世界模型两大板块。
人形机器人告别参数内卷
不止灵初智能一家，本届WAIC上，许多机器人相关企业都带齐自研人形本体与灵巧手产品，赛道竞争热度拉满。但在王启斌看来，行业竞争逻辑已经迎来根本性转变，彻底告别早年单纯比拼硬件参数的初级阶段。
“如今，行业硬件供应链基础方案已经成熟，绳驱、直驱两条主流技术路线均有配套成熟零部件，产业链国产化率提升至 75% 以上，行业竞争重心全面转向数据管线、世界模型泛化能力、真实场景落地价值。”王启斌分析，当前整个行业正处在样机迈向小批量量产的关键过渡期，供应链框架虽已成型，但硬件长期耐久、连续作业发热、百万次工况稳定性等短板，仍在持续限制规模化落地的速度。
从市场交付结构就能直观看到行业的落地短板，目前超七成机器人产品流向高校、展厅用于演示，真正落地工厂稳定作业的设备占比不足一成，制造业场景批量部署规模大多仅10至30台，距离万级规模化普及还有很长的发展周期。
赛道参与者日益多元，不同主体手握差异化优势，也形成了独特的竞合生态。王启斌将市场玩家清晰划分为三类：互联网大厂大模型厂商、专注整机制造的人形本体厂商、聚焦精细操作的具身大脑企业，三类玩家各有长短，更多是互补共存而非完全对抗。
资本持续涌入之下，赛道泡沫与真实产业需求的边界如何区分，成为当下市场热议的话题。在王启斌的判断里，具身智能属于十年维度的超长周期产业，而资本投资周期远短于产业落地周期，节奏错配之下，2027年行业将迎来明显的企业分化洗牌。
未来能够穿越产业周期的企业，必须同时具备三大核心能力：低成本批量采集数据、持续迭代模型的能力；模型与整机深度耦合、实现系统最优的整机交付能力；而支撑前两项能力的底层基座，则是企业长期稳定的资金储备，以及适配多技术栈协同研发的复合型组织管理能力。那些仅依靠展厅样机展示、无真实场景落地、缺少数据与模型核心壁垒的企业，将会逐步被市场淘汰。
站在全行业长期发展的视角，王启斌也指出了未来一两年产业亟待补齐的三大短板，这同样是行业下一阶段的核心发展方向。第一，由头部模型企业牵头，建立行业统一标准化训练数据配方，解决当下数据格式、采集标准混乱的行业通病；第二，打造软硬件深度耦合、综合性能突出的整机系统，打破硬件与算法脱节的普遍问题；第三，搭建以真实产业需求为核心的场景级机器人评测标准，摆脱纸面参数的无效内卷。
