錯失AI的王興興們，正在爭搶進廠的最后窗口

（來源：源媒匯）

一年一度的工博會收官了。31萬平方米展館，3200多家展商，近300項首發首秀——數字還是那麼漂亮。但真正讓人駐足的東西變了。

上一屆工博會，人形機器人是絕對主角。各家把本體往臺上一擺，拼關節自由度、拼行走姿態、拼能不能后空翻，圍觀的人舉着手機拍個不停。今年機器人還在，動作也更利索了。

但觀眾問的問題變了——不再只問「像不像人」，而是追問一句更實在的話：它到底能在車間里干什麼活？

關注點的遷移，正是機器人賽道的範式切換。具身智能告別概念與演示，2026年的核心主題只剩一個：交付落地。

頭部廠商褪去舞臺炫技，聚焦真實產線，用工序、節拍和效率驗證價值：匯川輪式人形機器人入局弧焊，庫卡以「開天 KAI」平臺打通數據與數字孿生，節卡將某合作企業大燈產線節拍從105秒壓至28秒，部署周期由12個月縮至57天。

圖示：上面分別為匯川、庫卡和節卡工博會期間展示或發佈的相關產品

此外，值得關注的是，產線部署也不再單一押注人形構型，輪式、四足、雙臂、人形機器人開始根據工序需求混編協同，適配什麼任務，就上什麼形態。

展臺之上的樣機與成果只是表象，藏在熱鬧背后的行業心態轉折，纔是這次工博會最重要的信號。

PART.01

大模型提速，行業陷入窗口期焦慮

本屆工博會最強烈的產業信號，來自宇樹科技創始人王興興的一次公開復盤。

他説，過去十幾年自己犯的最大錯誤，就是對AI還不夠相信。

這句話分量很重。一家做了十幾年機器人的公司，承認過去低估了AI的作用，本身就説明行業邏輯正在被重寫。

王興興還補了一句更具體的：GPT-6發佈之后，團隊把它部署到各種機器人上做任務測試，「效果實際上非常不錯」。

不錯到什麼程度？

綜合媒體報道消息，GPT-6 Astra在機器人控制任務中的成功率達到95%，前代模型只有40%。從抓取到旋轉到遞送，甚至面對筷子這類需要精細力控的物體，GPT-6已經能做到認識桌面上的東西，也會往正確的位置走。

能力的躍升不止體現在數據層面。鳳凰網曾報道稱，DeepSeek入局具身智能，背后很可能也來自GPT-6帶來的競爭壓力。

圖示：鳳凰網科技報道

加快驗證、迅速跟進，説明大模型對機器人行業的衝擊，已經從技術討論進入了實際佈局階段。

王興興由此作出了更加激進的判斷：具身智能的臨界點，「快的話甚至一兩年內就有可能」。他的理由是，等到GPT-7出現，或許會直接把具身智能的核心問題打穿。

回顧他此前的預測，也能看到時間線在不斷前移：從最初的三到五年，壓縮到兩三年，如今進一步收窄至最快一到兩年。

樂觀預判之下，行業現實依舊清醒。

當前所有具身智能方案，仍以工廠試點為主，核心痛點集中兩點：泛化性不足、產線穩定性欠缺。機器人可在單一工位精準作業，但跨場景、跨產線遷移適配難度極大；工業生產對節拍、容錯率、穩定性有剛性要求，機器人適配不足會直接拖累整條產線效率。

GPT-6讓機器人「學會了操作」，但工業場景需要的是「零失誤的穩定量產」。因此，王興興的覆盤不僅是個人反思，或也是全行業警報。

GPT-6撕開了一道口子，讓所有人看到大模型打穿具身智能的可能性。但窗口期不會太長——當通用大模型巨頭開始向物理世界伸手，做本體的公司如果還停留在「本體思維」里，錯失的就不再是某個技術路線，而是一個時代。

PART.02

滲透率加快，進廠也在漸進中

具身智能的躁動之外，工業AI是本屆工博會看似存在感不高、卻更有分量的暗線。

從數據看，滲透確實在加快。IDC調研顯示，36.6%製造企業已部署2至5類工業智能體；預計到2026年底，部署超100個智能體的企業佔比將從0.4%升至13%，規模化部署趨勢顯現。

另據36氪研究院測算，預計2026年中國工業AI可落地市場規模約1163億元，到2030年將突破3000億元。

圖示：36氪研究院《2026年中國工業AI行業發展研究報告》

工博會上，海智智造的工業基礎模型HAI1.0、黑湖科技十余個決策型Agent、京東工業"工品智煉"平臺把物料治理和合規審覈封裝成22個智能體——這些都是AI從感知走向決策的信號。

順着這一方向，拓斯達也將探索指向具身智能，跳出「傳統機器人+AI大腦」的思路，從底層架構重新定義工業機器人，並聚焦本體研發與設備升級：本體研發以「大腦+小腦+本體」三層協同保障穩定運行，提升「智商」、降低使用門檻，讓普通操作工也能快速上手；設備升級則基於現場數據構建「採集—訓練—推理」閉環，使存量設備無需更換硬件即可升級為可自主感知、智能分析、精準作業的智能體，從而降低轉型門檻與成本。

不過，製造AI化的內涵並不止於單點智能體。

海爾周雲傑在工博會開幕式上的判斷説的很直白：真正的製造AI化，不是疊加大模型、堆砌智能應用，而是讓AI貫穿研發、採購、生產、供應鏈、服務的全鏈路。

但展館里的熱鬧，掩蓋不了行業內部的剋制。

施耐德電氣把工業AI劃分爲場景化、體系化、規模化三個階段，其OEM行業能力中心負責人楊小雷認為，當前整個行業更多處於場景化階段，大量工作仍是單點應用。

ABB機器人中國區總裁韓晨也坦誠，垂直場景已有成功實踐，但跨場景遷移仍然吃力，模型泛化能力不足是主要難點。

真正的瓶頸，甚至不在算法。

PART.03

具身智能、大模型耦合拐點來了

施耐德電氣方面曾透露了一個細節：在一家自動化水平並不低的化工企業，客户想優化某台能源設備的能耗，翻開數據庫卻發現存在多個使用相似名稱的點位，已經無法準確判斷這些點位具體代表什麼。

中國工程院院士王堅在工博會開幕式上的比喻更形象：工業界的數據還鎖在每個人的抽屜里。

王興興也點到同一件事：AI需要數據，但企業普遍有保密要求。

還有一個容易被展臺燈光蓋住的現實：通用大模型動輒二三十秒的思考時間，在工廠現場沒有意義。京東工業CTO谷應鯤説得很具體，產線預警要求秒級甚至毫秒級響應。

一旦設備出現異常，延后幾秒才收到提醒，很可能安全事故已經發生。

所以，京東工業用的不是千億參數的大模型，而是3B、8B、32B的小模型做本地部署，一臺二三十萬元的服務器就能跑起來。

但中小企業的難題從來不在模型大小——在於缺硬件、缺人才、缺算力。

感知層其實已經在交作業了。海康威視今年工博會的主題是"物聯感知+AI"，帶了100多款場景數字化產品，不喊具身智能的口號，但活兒乾得很實。

AI超聲檢測拿了工博會工業自動化獎，對超聲原始信號做建模和定量分析，缺陷分類定位自動完成，識別準確率99.5%以上，把過去靠老師傅手感判斷的"技術活"變成了標準化動作。

圖示：工博會上海康威視展示的質量檢測相關產品

更硬的一個數字是：海康機器人視覺產品累計出貨量超過1000萬台，移動機器人下線突破20萬台。

工業AI真正的底子，有時候不在模型參數里，在這些已經趴在產線上的「眼睛」和「腳」里。

把這些線索拼在一起，工博會釋放的信號就清晰了——大模型是趨勢，工業AI是增量，具身智能是重構製造業生產力的底層力量。

企業密集押注具身智能，並非技術完全成熟，而是行業共識徹底反轉：不佈局的風險，已遠超試錯成本。

GPT大模型將物理智能從理論推向實景，也急劇壓縮了行業窗口期。

換句話説，機器人廠商多年積累的本體技術、供應鏈體系、場景經驗，只有與大模型深度耦合，才能完成價值兑現。

注：文章素材來源於官方報道和公開資料，觀點僅供參考｜部分圖片來源於網絡，如有侵權請告知刪除。