当机器人不再跳舞翻跟头，而是真正走进工厂拧螺丝、搬箱子、做质检，一个属于中国制造业的新时代正在开启。

七月中旬，上海出梅不久，天气转入桑拿模式。但酷暑并未迟滞世博展览馆门口的人流，队伍从早上八点半就开始拐弯。一千一百多家参展企业里，人流最密的方向始终是具身智能展区——二百多家展商、三百多台真机，比去年多了将近两倍。

但今年最大的变化，不在数量，而在气质。

机器人不“表演”了，开始“干活”了。

从翻跟头到“班味”，AI的成人礼

把时间拨回一两届WAIC，具身展区的标配节目是机器人跳舞、翻跟头、打太极，短视频一发百万播放。今年这些表演并没消失，但不再是主角。近60台人形机器人在“三地四馆”常态化上岗——这是国内大型展会第一次大规模让机器人从展品变成从业者。

“去年主要是静态的，今年展区内所有机器人都动起来了。”具身展负责人的这句话，就是AI从“表演秀”转向“真干活”的生动注脚。

“WAIC 2026呈现出最明显的转变是，具身智能正在从过去两年的'秀能力''炫技'，转向真正的部署状态和生产力释放。”智元联合创始人、总裁兼首席技术官彭志辉说。

一句话：衡量AI的“尺子”变了。 不再是参数规模、榜单排名，而是“能不能落地”“在哪落地”“怎么落地”。

产线被搬进会场，机器人集体“进厂”

今年WAIC最震撼的场景，是一条条真实产线被搬进了展馆。

均普智能展出了全球首条多机器人协同作业汽车BMS精密装配量产中试产线。整套产线原生部署了6台G2系列轮式具身智能机器人，覆盖从原料转运、精密装配、贴标装箱到全产线智能巡检、预测性维护的全部生产工序。6台机器人分工明确，由产线PLC统一全局调度，实现7×24小时全链路无人化连续量产。并线作业稳定率达99.9%，单工序节拍控制在70秒以内。

这不是实验室里的概念展示——这套系统已在BMS汽车电子中试产线完成长期实测。

它石智航把一条1:1复刻的汽车线束环形流水线搬进展台。A1机器人在AWE 3.5驱动下跑取线-布线-插接的循环，专攻保险杠、天窗、车门等量产线束场景。目前已经在天海电子、安波福落地了近百台级客户现场作业，插接失误率已低于人工。

苏度科技现场复现了一条适配宁德时代的电池模组产线——4台机器人在流水线一字排开，上料、电芯装配、扫码、下线，一气呵成。

腾讯Robotics X联合越疆，在全球头部化妆品制造企业的真实产线工位上完成了VLA模型从训练到部署的全链路验证，任务成功率超95%。

这些案例传递的信号再清晰不过：具身智能正在从展台走进车间，从Demo走向交付。

中国工厂的“生产力新物种”

在制造业的深水区，具身智能正在解决那些传统自动化解决不了的问题。

微亿智造展示的双臂质检机器人，搭载0.2μm级检测精度与1m/s动态飞拍成像能力。它像经验丰富的老师傅一样，“看懂”零件，“拿捏”缺陷。传统车企产线上，外观缺陷人工检出率仅90%，而这款机器人的检出率高达98.5%。目前，这套系统已同步在全球顶级车企在中、美、德三地的生产基地投入运行。

更值得关注的是上下料场景。传统自动化方案模式固化，难以适应多品种、小批量、快迭代的生产需求，换线时需要专业技术人员停机逐台手动示教调试，耗时费力。而微亿智造的上下料机器人“看一遍就能学会”，让工厂换线时间从几天压缩到几小时甚至几分钟，效率提升最高达40%。投资回报周期稳定控制在1到1.5年，作业成功率可达99.75%。

节卡机器人与华域汽车联合打造的具身智能新能源电机协同装配系统，入选了大会“具身智能标杆应用”。这套系统实现了电机壳体转运与0.5毫米微型螺钉精密锁付的全流程无人作业。在此之前，节卡在华域的产线上已部署近千套智能协作机器人，长期在产线上打磨。

这套系统能有现在的精度和能力，靠的不是实验室里的“灵光一现”，而是一台台机器人长期泡在汽车制造生产线上，靠一颗颗螺钉、一次次锁付，一点点磨出来的。

这正是工业AI的底层逻辑：它不是凭空诞生的技术奇迹，而是在真实产线的汗水与数据中长出来的生产力。

从“炫技”到“干活”，还有几道坎？

热闹归热闹，产业一线的声音远没有展台那么乐观。

“能用到可用，是从0.1到100的鸿沟。”智元合伙人姚卯青坦言。博世中国战略副总裁刘敏给出了更具体的数字：节拍压进6秒、准确率做到99%以上——达不到这些，工厂不会买单。

上个月在江西南昌的产线上，智元机器人六天操作六万多件产品，成功率达到99.99%——但此前已经在24小时产线上全工段跑了三四个月。机器人在实验室能干活，不代表去到现实世界也能干活。 这背后涉及节拍、准确性、泛化性等一系列硬骨头。

“行业去年已经解决了运动性问题，今年在探索、迭代操作性问题。”刘敏说。算法变成具身大脑落地，在一些工业场景已可满足使用，但准确率仍需提高。

更底层的挑战在于泛化性。真实物理世界没有“标准答案”——随机摆放的来料、不断变化的光照、固定的生产节拍、复杂多变的工艺流程，任何一个细小变量都可能让实验室表现优异的模型失效。“这个鸿沟可能是因为在实验室时，机器人所有的数据场景都是提前设计好的，一旦走向真实世界、开放任务，模型暂时无法展现智能涌现的能力。”北京大学研究员仉尚航说。

目前整个具身智能的技术栈远未收敛——去年VLA还是行业热词，今年主角已经换成了世界模型，但行业连定义都还没对齐。

从“能表演”到“能干活”，中间隔着的是从0.1到100的漫长爬坡。