WAIC2026 深度｜具身智能的“工程大考”：从20余品牌真机数据看跨本体对齐难题

撰文 | 白丽

出品 | 勇砺商业评论 阿桶观察 全球商业风向

作为全球人工智能领域的顶尖风向标，2026年世界人工智能大会（WAIC）的规模与规格再次刷新纪录。

来自全球数十个国家和地区的顶尖学者、科技巨头CEO与顶级资本齐聚上海，上百家大模型与具身智能企业在此同台竞技。

在这个汇聚了全球AI产业最强声浪的最高舞台上，热闹与冷静正形成一道极其微妙的分界线。

如果你只是在主展馆里漫步，会觉得这是一个属于“钢铁侠”的黄金时代——这里有上百款形态各异的人形机器人，有的在倒咖啡、有的在叠衣服、有的甚至在表演高难度体操。

但如果你推开闭门研讨会的大门，在那些距离商业落地最近的圆桌论坛上，气氛却截然不同。

行业大佬们不再执着于用花哨的演示来证明“机器人有了灵魂”，讨论的焦点已经从“模型架构与参数规模”，下沉到了极其干瘪却致命的工程命题：跨本体的数据因果关系怎么对齐？端侧延迟如何降到毫秒级？在工厂搬砖的单机投资回报率（ROI）需要几年能打平？

具身智能正在经历一场从“规模幻觉”向“工程理性”的残酷倒逼。而在这个转折点上，星源智创始人兼CEO刘东，抛出了一个略显“冷峻”但直击要害的观点。

在“真机数据赋能基础模型训练”论坛上，刘东对着台下的产业代表们一针见血地指出：“具身智能的数据竞争，首先不是规模竞争，而是质量竞争。未经标准化和对齐的数据不宜直接混合训练。”

在这个笃信大模型“大力出奇迹”（Scaling Law）的时代，刘东显得格外冷静：“数据规模仍然重要，但扩大规模应建立在统一标准和高质量数据基础上”。

实际上，如果你了解它的来历，就会明白这种“工程实用主义”并非空穴来风。

谁是刘东？谁在试图做具身智能里的“Tier 1”

在创立星源智之前，刘东曾担任京东智能驾驶总经理，主导过自动驾驶产品从全栈研发到大规模商业化闭环的全过程。他太清楚技术从“实验室算法”走向“真实物理世界”时，需要踩过多少坑。

而在他背后站着的，是被誉为“AI黄埔军校”的北京智源人工智能研究院。

2025年8月，星源智带着智源的深度孵化背景正式成立。这匹黑马以惊人的速度在短短几个月内连续完成数亿元的融资，资方阵容堪称豪华：高瓴、赛富、中科创星等顶级创投，以及智元机器人、乐聚智能等产业龙头纷纷下注。

与展会上那些拼命秀机械结构的硬件厂商不同，星源智的定位非常独特——他们不造机器人的躯体，只造通用具身大脑（RoboBrain）。

刘东曾直言不讳地表示，星源智的目标是做具身智能领域的“ Tier 1 供应商”。他们要将这颗连接AI与真实物理世界的“物理大脑”标准化，卖给千姿百态的机器人本体企业。

但要指挥这支庞大的钢铁大军，星源智必须先跨越第一座大山：数据割裂的数据死结。

数据的“异构鸿沟”:标准化不是为了“整齐”，而是为了“因果”

在互联网和纯文本的世界里，数据天然具备极高的同质性。这让不少人产生了一种错觉：只要把全网的真机操作视频无限量地塞进模型，就能自动涌现出一个适应一切场景的“全能天才”。

但这在物理世界里根本行不通。

行业内很多家企业为了训练和验证基础模型，团队采买了20多个品牌的机器人本体，辛辛苦苦采集了约20万条真机数据。然而，在实际操作中，工程师们很快撞上了一堵极其坚硬的“异构之墙”。

不同厂家的机器人，相机的安装位置、视场角千差万别；轮式、四足、双足机器人的关节扭矩、自由度截然不同；底层的传感器采样频率和标注体系更是自成一派。

这就好比让20个说不同方言、戴着不同度数眼镜的人去教一个孩子画画。如果将这些未经对齐的数据直接混合训练，不仅练不出通用能力，反而会引入巨大的噪声，导致模型产生“神经错乱”，根本无法形成稳定的泛化能力。

面对窘境，团队回过头来做“修路”的苦活：自建数据采集与处理平台，对采集视角、关键信息、数据落盘及标注体系进行强行统一。

刘东在论坛上点破了这一步的本质：标准的意义，绝不仅仅是把Excel表格里的数据“整理得更整齐”，而是为了让不同来源、不同本体、不同场景中的“真实交互因果”变得可比较、可学习、可复用。

当一个双臂机器人因为抓取力度不够导致水杯滑落，和一个四足机器人因为重心偏移导致摔倒，如果它们的数据标准统一了，底层模型就能学到这两种不同表象背后的核心物理因果。这才是真正的高质量数据资产。

祛魅“Sora幻觉”：懂得“为什么失败”的世界模型

除了数据质量的重构，WAIC 2026的另一个核心暗线是对“世界模型（World Model）”能力验证的深层思考。

过去，以Sora为代表的视频生成模型让许多人产生了一种“Sora幻觉”——认为只要模型能生成高逼真度的物理世界视频，就能直接拿来当机器人的大脑。但“看起来合理”与“物理上的绝对精准”是两码事。

刘东指出，随着机器人开始进入真实岗位，世界模型已经进入了严苛的“能力验证阶段”。行业的竞争维度，正在从单纯的模型能力，迅速拓展到工程化能力和产业化能力。

真正具备产业价值的世界模型，必须穿透单纯的视觉生成，掌握三项硬核能力：

预测后果的物理直觉： 机器人不仅要能响应指令，更要能评估动作后果——预测“我推一下这个箱子会对物理世界产生什么影响”，并在微秒级的时间内根据真实反馈调整动作。

端侧闭环的实时性：如果在高危工业流水线上，机器人的大脑完全依赖云端大算力，一次网络抖动就可能导致机械臂撞毁精密设备。大模型必须在机器人端侧实时运行。

从失败中学习的能力（最关键的一环）：过去我们只教机器人“怎样会成功”，但真实的物理世界充满了变数。模型必须基于真实交互和失败经验持续学习，知道“什么情况下会失败”，才能不断更新策略，提升任务成功率。

这正是星源智押注“具身交互式世界模型 + RoboBrain Pro具身大脑 + 端侧算力平台”协同发展的底层逻辑。让大模型不仅能理解世界，还能评估动作后果并在失败中进化，最后通过标准化接口灵活适配不同躯体。

商业算账：告别展台表演，到真实场景去挣钱

技术价值最终要落在商业闭环上。判断具身智能实力的标准不再是论文的引用量，而是极其冷酷的商业账本。

本届WAIC展现出的一个鲜明变化是：机器人开始真正走向工业制造、公共服务等真实岗位“上岗”了。 机器人的产业应用，不仅依赖本体硬件的强化，更依赖底层智能能力完成的这一轮“工程化演进”。

在星源智与中力股份联合打造的具身装卸解决方案中，我们可以清晰地看到这种“算账思维”的胜利：

无人叉车：搭载具身大脑后，无人叉车的装卸效率已经达到了人工操作水平，双车协同装卸时间被惊人地压缩到了分钟级。

“擎天柱”高位作业机器人：这种能在十米高空进行复杂拣选的设备，直接切入了工业场景中最危险、最难招人的地带。过去这类高空作业需要复杂的系统和多台设备配合，现在被整合为单台机器人的自主闭环作业。

工厂老板不在乎你的机器人会不会翻跟头，只在乎它能不能替代十米高空的高危作业，单机效率能不能拼过三个产业工人。星源智通过真实的业务数据，验证了具身智能在工业场景中的硬核商业价值。

走向“Wintel式”的生态大航海

随着行业逐渐祛除虚火，具身智能正在从单点技术突破，迈向规模化应用的前夜。

目前，星源智的具身大脑已经覆盖了超过70%的主流机器人本体企业，包括智元机器人、极智嘉（Geek+）、乐聚等行业头部玩家都在将其技术体系应用于产品部署。

这种现象级覆盖率背后，是产业分工的必然规律。造出一台优秀的机械本体与训练一个高泛化的具身大模型，完全是两套不同的基因。

星源智选择了一条类似“Wintel / 安卓”的生态赋能路线：通过提供标准化的底层接口和“大脑模块”，大幅降低本体厂商的智能化门槛。

站在2026年WAIC的会场，回望过去几年的狂热与迷茫，一个清晰的事实正在浮出水面：

具身智能的终局，不仅在于聚光灯下多么优雅的炫技，或许更在于深夜无人的仓库里，无人设备能否精准、低成本地完成一次次复杂的交互与搬运。

当跨本体的数据因果被统一，当世界模型学会了从失败中总结物理法则，当这颗“大脑”能像芯片一样无缝嵌入到万千形态的机械躯体中时，这个行业，才真正迎来了它的“大航海时代”。（文/白丽）

#WAIC #WAIC2026 #世界人工智能大会 #星源智 #人工智能 #AI #具身智能 #大模型 #世界模型 #机器人