WAIC2026满场热议物理AI，云迹十二年来时路，早已写满场景落地

作者：sandra

出品：具身研习社

在WAIC 2026的展馆里走了整整两天。说实话，机器人的品类比我想象的还要多——双足的、四足的、轮式的、人形的。它们在跳舞、在翻跟头、在精准抓取、在与人握手。每一个展台都在宣告一些令人兴奋的可能性。

走得越多，越有一个问题在脑子里盘旋：这些东西，有多少真正在真实世界里稳定跑过一年以上？

这不是一个挑刺的问题，也不是抬杠，只是一个朴素的观察——我们见过太多精彩的演示，却很少听说哪台机器人在某个行业里每天工作、持续数年、服务过上亿次。演示和部署之间，隔着的不是一段代码，是成千上万次真实场景的打磨，是无数个你永远无法在实验室预见的意外。

这种打磨，需要时间。钱可以买到数据，买不到数据背后的时间；可以买到机器人，买不到机器人跑过的里程。

先算一笔行业里很少有人公开算的账。

据2026年机器人全产业链接会披露，要实现可用的具身智能至少需要1000万小时的多模态数据。而截至2026年初，全球高质量真实物理交互数据总量仅约50万小时。

据行业测算，一条30秒的真机操作数据，采集成本10到15元。采集1小时约需1000元，凑够20万小时需要两亿元以上。

仿真数据是另一条被寄予厚望的路线，成本几乎为零。但每个做过的人都心知肚明一个问题：模拟器里跑出来的能力，一到真实世界就打折扣。训练时好好的，一出门就水土不服。

行业里讨论数据缺口的声音此起彼伏，但大家都心照不宣地绕开了一个更棘手的问题：即使有钱，能否加速“物理世界的数据积累”？

大语言模型的训练数据是互联网上已经存在的文本，爬取即可。自动驾驶的数据是路上跑出来的——装上车就能采集。具身智能的数据呢？它需要机器人在真实物理世界中，一遍一遍地执行任务、遭遇异常、调整策略、重新执行。这个循环本身就需要时间。

物理世界的数据，无法被加速。

就像不能通过给一棵树浇更多水，让它一天之内长成参天大树。

如果数据只能靠时间积累，那云迹在这个维度上已经跑了12年。WAIC上，它发布了“人机共生世界价值模型”。

发布会上展示了一套精密的T1-T4四层架构——场景理解、任务规划、资源调度、原子执行，以及四项核心能力——多机协同、长程规划、人机共生、价值驱动。今年5月，它已入选中国人工智能学会《人工智能关键能力清单1.0》。

但真正让我在展台前站了很久的，不是这些技术名词。

是角落里那组低调的数字：全球超4万家酒店，累计超11亿次服务。

11亿次。不是实验室里的模拟运行，不是遥控器操纵的“表演”，是机器人在真实世界里一趟一趟跑出来的。11亿次意味着什么？意味着你白天看到一个机器人顺利送了一瓶水，深夜它可能遇上电梯突发故障；今天它走的是干爽的地毯，明天换了一家酒店地毯厚得能把轮子陷进去。你永远不知道下一个corner case在哪里，但11亿次跑下来，它都遇到过。

云迹科技首席发展官谢云鹏讲过一个关于酒店地毯的故事——有的酒店把地毯做到软得能让人陷下去，然后机器人的轮子真的会陷进去并发生故障。这不是段子，是云迹在全球4万多家酒店里跑了11亿次后，撞到的无数“小问题”之一。在他眼中，云迹的护城河，正是在一次次解决这类小问题的过程中，一点点垒起来的。

物理AI与数字AI最根本的区别就在于此。数字世界的数据可以爬取、可以合成、可以购买。物理世界的数据不行。电梯门关不上时怎么重试？深夜高并发时如何动态排序？医院特殊病区有哪些权限规则？洗衣房设备被占用时怎么排队？这些东西，没有任何一个仿真引擎能完美生成，也没有任何一家数据工厂能靠短期突击采集完成。它们只能在真实的商业环境里，一天一天地跑，一次一次地撞，一个一个地解决。

而“活出来”这件事，没有捷径。

行业正在经历一次关键的认知切换。

过去两年，角逐的焦点是本体——谁能造出更能跑、更能跳的机器人。但进入2026年，竞争的重心正在从硬件转向数据。硬件已经够用了，但模型还没有。

具身研习社在走访中发觉，大多资方逐渐意识到，具身智能真正的卡点已由硬件生产、运控算法，漂移至模型能力。而模型能力的上限，由数据质量决定。

这里有一个容易被忽略的递进关系：数据的“量”决定模型能不能学会，“质”决定模型学得对不对。而“质”来自哪里？来自对真实场景中corner case的覆盖——那些教科书里没有、仿真环境生成不了、只有在真实运营中才会撞上的边缘情况。

云迹的11亿次服务，本质上是在做一件事：用12年时间，把物理世界可能遇到的各种corner case，一个一个地跑出来、记下来、消化掉。然后把这些经验编码成一套可以规模化复制的决策系统——人机共生世界价值模型。

2026年上半年，国内一级市场投向具身智能赛道的资金约460亿元。资本可以买到硬件、挖到人才，却买不到在真实场景中跑出来的时间。这正是云迹最深的护城河：它不只是技术的护城河，还是时间的护城河。

在WAIC的展馆里走了整整两天，有一个感受越来越清晰。

我们见过太多能跑能跳的机器人，但真正能在真实世界里稳定服务的，凤毛麟角。物理AI世界不需要巨婴，那些在实验室里被精心喂养、但一走进真实世界就手足无措的机器人。它需要的是老手，那些在真实场景中摸爬滚打多年、见过足够多corner case、知道“世界不按剧本运行”时该怎么做的机器人。

云迹的“人机共生世界价值模型”，本质上是把12年“老手经验”编码成了一套可以规模化复制的决策系统。

这，才是物理AI时代真正的护城河。