WRC 2026：中國機械人由「表演」走向真正工作

2026年8月19日至23日，北京亦莊舉行的第十一屆世界機械人大會（WRC 2026），呈現出一個正在轉型的行業。展館內，機械人不只是在台上打拳、行貓步或做一次性的高難度動作，還示範分揀包裹、處理生產流程、包裝手機、煮食、沖咖啡，以及協助完成家務。3417

大會真正拋出的問題，已經不再是「機械人可不可以令觀眾嘩一聲」，而是：它能否在真實工作環境中，長時間、反覆而可靠地完成有價值的工作，最終成為企業營運流程的一部分？3417

不過，另一個訊號同樣清晰：要做到可以廣泛適應不同工作的機械人，背後的軟件與數據基礎仍未有共識。企業正以不同方式回答同一個難題——機械人需要多少物理世界理解、多少訓練數據，以及怎樣才可以由一項預設任務延伸到更多不可預測的情境。

由「睇落識做」到真正可以交貨

WRC 2026以「人機共生，產需共融」為主題，將應用場景及潛在買家推到更接近舞台中央的位置。展品涵蓋包裹分揀、手機包裝、物料搬運、接待、零售及家務。路透社形容，行業正嘗試由吸引人群的展示，走向更廣泛的商業用途；但同時提醒，示範本身並不足以證明系統已能持久及大規模部署。217

這個分別相當關鍵。一部機械人在準備好的展覽場地完成任務，只能證明它具備某種能力；如果它要在會變動的工作場所持續運作，才算是可以真正投入營運的產品。WRC 2026展示了不少由前者邁向後者的跡象，但距離大規模落地，仍然有一段路要行。

幾個展台反映了這股由炫技轉向工作的趨勢：

• X Square Robot展示以統一模型支援物流及家居場景。其機械人示範了整理衣物、清潔、取送貨品及飲品、淋花等多項家務，亦展示其他家庭服務任務。
• UBTECH以多部人形機械人協調工作，示範搬運、堆疊、分揀及補貨等物流流程；Walker C1則定位於接待等服務及面向公眾的互動場景。
• 京東將JoyInside AI平台應用於宇樹R1人形機械人，示範機械人行走並帶動一隻機械狗。這個展示突出了京東不只是潛在機械人用家，也希望成為AI平台及產業生態的一環。
• 自動煮食、沖咖啡及機械人零售等餐飲、零售和服務示範，則直接展示了機械人走向消費及商業場景的意圖。516

至於AI² Robotics及LimX Dynamics在WRC 2026的具體應用，現有資料並未提供足夠證據，因此不宜把兩者的展會角色說得過滿。

規模很大，但規模不等於成熟

大會公布的數字相當可觀：五日活動共有373間境內外企業參展，展出逾3,000件產品，當中311款為首發新品。34

這個規模的重要性，不只在於參展商數目，而在於它顯示機械人商業化鏈條正逐步串連起來。展會同時聚集了機械人整機、驅動器及感應器、晶片、數據採集系統、基礎模型、應用軟件，以及可能採購和使用這些技術的企業。靈巧手、力傳感器、關節模組及晶片等核心零部件，也獲得相當突出的位置。5

但這些數字仍要看清楚。數百間企業及數千件產品，反映的是行業活動及市場雄心，並不能證明有數千套系統已經能夠以盈利方式大規模運作。更值得留意的訊號，是示範與具體工作之間的距離正在縮短：搬運物料、分揀包裹、補充貨架、服務顧客，以及處理家務，開始成為機械人展示能力的主軸。

具身智能的「路線分歧」仍未解決

大會亦凸顯一個基本的策略問題：要令機械人具備適應能力，最有效率的智能化路線究竟是甚麼？

路線一：用大量人類影片學習物理行為

Dyna Robotics的Dyna-2代表其中一種方向。公司將它形容為用於機械操作的「世界行動模型」（world-action model），以超過一百萬小時的第一身人類影片作預訓練，約等於一百七十年持續清醒生活的片段。其核心想法是，大量影片可以讓模型學習場景如何變化、物件接觸後如何反應，以及人類如何進行實際動作，從而減少對稀缺機械人動作數據的依賴。

Dyna表示，Dyna-2可以跨越不同機械人平台轉移，並只需數小時額外微調便能適應。不過，這些是公司公布的說法，並不等於已經有獨立研究確認其具備普遍用途的表現。

路線二：睇一次示範，快速學識新任務

Generalist的GEN-1.5則採取另一種取向。公司稱，這是一個多模態機械人基礎模型，可以在數秒內透過一次示範學習新任務，而毋須進行梯度更新或微調。系統會同時處理影片、感應器、語言及本體感覺輸入，再輸出行動軌跡。

這種方法重視「即時情境適應」：與其每逢新任務便重新訓練機械人，不如由操作員示範一次，再讓模型嘗試把指令推廣到新的情況。和Dyna-2一樣，現有證據主要來自公司自行公布，因此應視為已報道的能力，而不是已經確立的行業基準。

真正未知的地方

兩種方向的差異，正好揭示行業仍在摸索的幾個問題：

• 從人類影片而不是機械人互動中，究竟可以學到多少有用的物理世界知識？
• 甚麼時候真實世界數據比模擬數據或錄製示範更有價值？
• 開發者應優先追求更大的模型、世界模型、模仿學習，還是快速適應任務？
• 在不同感應器、機械結構及控制限制下，一個機械人學到的模型能否可靠轉移到另一個機械人身上？

目前資料並未證明哪一種架構或訓練配方勝出。這場路線分歧不是旁枝末節，而是會直接影響企業日後加入新任務、新環境及新機械人身體時，要付出多少成本。

所謂「落地年」，實際上是兩條腿走路

WRC 2026所呈現的，較像是一套雙軌策略：一方面，企業先把倉儲、裝配、物流、零售及服務等經濟效益較清楚的受限應用推向市場；另一方面，繼續投資基礎模型、數據基建及硬件，為更通用的具身智能鋪路。24

這種做法相當務實。專注單一或有限任務的系統，可以先取得客戶回饋及營運數據，即使它們仍未解決通用機械人的問題。人形機械人固然最吸睛，但在特定工作上，輪式機械人或專用機械可能更合適；大會相關報道亦指出，許多真正負責生產性工作的機械人，其實是靠輪子移動，而不是用雙腳行走。

因此，機械人市場正在技術前沿尚未定案之前，先行嘗試商業化。WRC 2026並不是宣告通用人形機械人已經全面到位，而是一場市場測試：企業要證明自己可以把令人印象深刻的示範，變成可重複、可維持的工作流程；同時利用真實部署累積數據，在具身智能方法仍然競爭激烈之際繼續改進。

換句話說，這個「落地年」的重點未必是誰先造出最像人的機械人，而是誰能先讓機械人穩定地做好一份值得付錢的工作。