PODCAST · 商业科技
84.49 家央企采买进场，史上最热 WRC：泡沫被挤压，具身行业进入实战阶段｜14 年从业者的行家鉴别指南
一语总结对话 14 年机器人从业者叶杨笙，从 WRC 现场观察出发，拆解人形机器人行业从概念展示转向实战落地，破除出货量与预训练神话，给出展台 Demo 鉴别指南与数据底层痛点分析。
本期对话仙工智能联合创始人叶杨笙，围绕刚刚落幕的世界人形机器人大会（WRC）展开深度复盘。嘉宾认为今年最大变化是行业从展示后空翻、跳舞与概念 Demo，转向算 ROI、看真实出货、拼落地能力的实战阶段。节目给出了一套行家鉴别指南：展台定时演示多因成功率不稳或硬件不耐久；连续运行、泛化抓取、失败自恢复才是头部水平。同时指出行业真实需求被高估，公布的订单量需除以十，真正有落地价值的比例可能不足 10%，且三百余家公司拥挤在物流搬运、工业上下料等少数场景。嘉宾还披露预训练水分巨大：真正砸千卡做预训练的创业公司可能仅 1-2 家，许多头部公司手握几十亿融资靠利息存活。节目后半段详解数据采集的四大痛点——格式、时序、标注、采集口径——以及成立数据子公司的思路，并预测明年 Scaling Law 将初步显现，强化学习与后训练是当前技术进步的主要驱动。
- 人形机器人行业正从概念展示转向实战落地，展台定时演示暴露真实能力
定时演示多因成功率不稳或硬件不耐久，连续运行且泛化抓取的企业才是头部水平。
- 真实需求被高估，行业订单量需除以十，靠谱比例不足 10%
出货量含素材、科研与吃灰库存，只有物流搬运、工业上下料等刚需场景有真实价值。
- 预训练投入被严重夸大，真正砸千卡做预训练的创业公司仅一两家
多家号称千卡却账面没投入，许多头部手持几十亿按利息生存，等待范式清晰再入场。
- 数据标准化是行业核心痛点，格式、时序、标注、采集口径各自为政
传感数据需纳秒级时间同步，标注规范不统一，导致跨公司数据转换成本高、模型效果受损。
- 技术进步主要由强化学习与后训练驱动，明年 Scaling Law 将初步显现
世界模型展示仍少，VLA 在限定场景已够用；机器人整体速度仅人类 50%-80%，提升空间仍大。
84.49 家央企采买进场，史上最热 WRC：泡沫被挤压，具身行业进入实战阶段｜14 年从业者的行家鉴别指南
本期对话仙工智能联合创始人叶杨笙，围绕刚刚落幕的世界人形机器人大会（WRC）展开深度复盘。嘉宾认为今年最大变化是行业从展示后空翻、跳舞与概念 Demo，转向算 ROI、看真实出货、拼落地能力的实战阶段。节目给出了一套行家鉴别指南：展台定时演示多因成功率不稳或硬件不耐久；连续运行、泛化抓取、失败自恢复才是头部水平。同时指出行业真实需求被高估，公布的订单量需除以十，真正有落地价值的比例可能不足 10%，且三百余家公司拥挤在物流搬运、工业上下料等少数场景。嘉宾还披露预训练水分巨大：真正砸千卡做预训练的创业公司可能仅 1-2 家，许多头部公司手握几十亿融资靠利息存活。节目后半段详解数据采集的四大痛点——格式、时序、标注、采集口径——以及成立数据子公司的思路，并预测明年 Scaling Law 将初步显现，强化学习与后训练是当前技术进步的主要驱动。
机器人从业者叶杨笙与主持人卫诗婕复盘 WRC，把注意力从展台动作拉回采购、成功率、数据和 ROI。正文给出的行业水位是：2026 年上半年全球人形机器人出货量超过 2.2 万台，中国厂商约占 97%；但公开订单量可能需要除以 10 才接近真实落地。它提供了一套实用的 Demo 鉴别问题：能否自主恢复、换环境是否有效、断网还能否工作。具身智能进入实战后，可靠数据与交付能力比表演更稀缺。这组问题也适合投资人和采购方现场判断项目成熟度。
文章金句
"很多其他厂商他们的 demo 可能是要定时的，比如说整点可以去演示一下。……可能一个是对成功率不太自信……第二点就是我认为可能是硬件也不足以支撑长时间的这么个运行。
"就是这些机器人到底在什么场景中在使用，然后能不能是一个确实有价值的一个场景在用。
"目前可能真正的在做预训练的公司可能只有 1 到 2 家……大家可能拿着几十亿在账上都不花。
"你们的成功率是挑了多少次场景算出来的？这里其实是一个数据口径披露的问题。