优必选WRC现场复刻客户产线，具身智能落地不再靠Demo

在2026年的世界机器人大会（WRC）上，判断一家人形机器人企业是否具备真实力，最直接的方法不再是观看精心编排的舞台演示，而是观察其是否敢于将客户工厂的复杂作业环境进行1:1的现场还原。优必选此次的展台布置，正是对这一判断标准的直接回应，将汽车制造、物流分拣等真实工业场景从客户工厂搬到了展会现场，展示了具身智能从实验室走向实际生产的可能性。

从表演到生产：人形机器人的角色转变

长期以来，公众对人形机器人的认知多停留在舞蹈、跑跳等表演性功能上。然而，随着技术演进，行业的核心竞争点正在发生根本性转移。优必选在WRC现场展示的并非单一的明星产品，而是工业、商用、家庭消费三条产品线的并行作业。其中，工业人形机器人Cruzr S2与Cruzr Y1在无人工干预、无预设程序的情况下，持续进行着高强度的拆码垛、上下料及分拣作业，平均抓取节拍接近1100件/小时。

这种作业型“打工机器人”与表演向“跳舞机器人”在硬件选型与算力配置上存在巨大鸿沟。表演型机器人多采用轻量化设计，身高约1.2米，依赖行星减速器与低算力芯片执行预编排动作；而面向真实生产的机器人身高普遍超过1.7米，需选用高刚度、抗疲劳的谐波减速器，并搭载英伟达Thor等高算力芯片，以支持环境感知、力觉反馈与任务拆解等复杂功能。两套硬件体系无法互通，这决定了企业必须明确自身的战略方向。

具身大脑的三层架构与端侧部署

支撑优必选机器人完成连续作业的核心，是其自主研发的“具身大脑”体系。该体系由三层架构构成：第一层为Thinker基座大模型，负责让机器人理解视觉、语言与空间环境；第二层为Thinker-WM世界模型，用于预测动作执行后的物理结果，如物体是否掉落、是否发生碰撞；第三层为Thinker-VLA，负责将任务理解转化为具体的连续控制信号，实时调整机械臂轨迹与抓取力度。

公开资料显示，Thinker模型在10B以下具身智能大脑权威基准评测中取得9项第一，最大基座模型达到100B。而Thinker-WM已在具身智能评测基准LIBERO中登顶。优必选副总裁焦继超博士表示，理解、预测、执行三层能力连接起来，机器人才能从“会看、会想”走向“会干”。

针对工业落地的实时性需求，优必选将高实时性能力压至端侧。经过优化，Thinker-VLA的推理效率提升176%，存储用量降低60%，端侧GPU存储需求从64GB降至32GB。团队将算法从x86平台迁移至低功耗ARM平台，旨在让整套软件系统在一块嵌入式板卡上运行，减少电路板数量，从而解决空间、续航与可靠性问题。云端则承担慢推理、多机调度与模型管理等非实时任务。

数据闭环与“1+N”战略

具身智能的竞争最终回归到数据。与依赖互联网数据的传统AI不同，机器人在物理世界中的每一次抓取、移动与纠错，都会因物体重量、位置变化而产生不同结果，这些真实反馈难以仅靠仿真获得。优必选训练模型的数据构成中，真机数据占比高达60%-70%，Ego（第一视角）数据约占20%，仿真数据仅占10%。

为此，优必选构建了完整的数据闭环：机器人在生产环境持续产生数据，经过上传解析、清洗标注、模型训练、部署验证后，再反馈至下一轮采集。目前，其日均可产生千小时级原始数据，经清洗后每8小时约留下1.5-2小时有效数据。这一机制不仅服务于自身模型迭代，也已吸引头部具身模型客户采购其真机数据。

面对工业、商用、家庭三类机器人的适配问题，优必选提出“1+N”战略：“1”是共性技术基座，“N”是面向不同场景定义的机器人产品。在具身技术尚未完全泛化前，只能通过场景反向定义产品。例如，工业机器人关注负载与精度，商用机器人关注高动态交互，家庭机器人则需理解表情与情绪。同一套智能基座可复用，但不同本体仍需围绕具体场景进行工程优化。基于此，商用服务人形机器人Walker C1从产品定义到样机完成仅需4-5个月，而完全从头开发通常需要6-9个月。

生态网络与规模化路径

单靠一家公司难以吃完整条具身智能产业链。优必选正将“朋友圈”扩展至芯片、零部件、整机制造与场景交付各层。在芯片层面，其与沐曦股份成立“曦选创智”，布局端侧芯片研发，计划2027年流片、2028年量产；在零部件层面，收购A股上市公司锋龙股份，推进灵巧手、伺服驱动器等核心部件研发；在制造端，与西门子合作建设万台产能的超级智慧工厂，已于2025年8月投产。

应用端方面，优必选已覆盖日立中国、富士康、三一重能等智能制造伙伴，以及比亚迪、吉利、东风柳汽等汽车产业伙伴。2025年全年营收超过20亿元，人形机器人总销量达13838台，其中全尺寸具身智能人形机器人收入8.2亿元，销量1079台，超80%应用于汽车制造、智慧物流等严苛工业场景。

国内视角

优必选在WRC上展示的“真场景”路径，也为国内具身智能赛道提供了重要参照。目前，国内厂商如智谱AI在“GLM-4V”等视觉语言模型上持续迭代，百度智能云的“文心一言”则强调多模态理解能力。但与优必选强调的“真机数据占比60%-70%”不同，多数厂商仍依赖仿真环境或互联网数据进行预训练。优必选将产线1:1搬上展台的做法，实质上是将数据采集与场景验证合二为一，这一“以场景换数据”的思路，或将成为国内人形机器人企业从Demo走向量产的关键分水岭。

商业化与技术进化的同一条曲线

人形机器人行业已不缺会走、会跳、会完成单次抓取的产品。接下来的差距将集中于一个更现实的问题：谁的机器人能够被客户留下来，第二天继续工作。真实场景中，机器人面对的是每天数小时、数百次甚至数万次的重复作业，这考验的是硬件可靠性、模型泛化能力、数据闭环效率及对业务的理解能力。

客户订单不仅是商业收入，更是验证技术路线最直接的一票。客户愿意部署，机器人才能获得真实反馈；反馈推动模型迭代，模型提升又帮助机器人进入更多场景。商业化与技术进步在此刻开始变成同一条曲线。优必选通过WRC的展示，向行业传递的信号是：具身智能的护城河，不在发布会上的参数，而在客户产线上每一秒的稳定运行。

常见问题

优必选在WRC上展示了哪些机器人产品？

优必选在WRC上展示了工业人形机器人Cruzr S2和Cruzr Y1，用于汽车上下料、搬运、拆码垛等作业；商用服务人形机器人Walker C1，主打迎宾导览与科研开发；以及搭载情感大模型的超仿生人形机器人U1，面向家庭消费端提供情绪陪伴。

什么是优必选的“具身大脑”三层架构？

“具身大脑”由Thinker基座大模型（负责理解）、Thinker-WM世界模型（负责预测）和Thinker-VLA（负责执行）三层构成。三者协同，使机器人从“会看、会想”走向“会干”。

优必选如何解决机器人的端侧部署问题？

优必选将算法从x86平台迁移至低功耗ARM平台，优化底层软件与算子，使Thinker-VLA的推理效率提升176%，存储用量降低60%，端侧GPU需求从64GB降至32GB，让整套软件系统在一块嵌入式板卡上运行。

优必选的真实数据占比是多少？

优必选训练模型的数据构成中，真机数据占比高达60%-70%，Ego（第一视角）数据约占20%，仿真数据仅占10%。其日均可产生千小时级原始数据，经清洗后每8小时约留下1.5-2小时有效数据。

优必选的“1+N”战略具体指什么？

“1”是一套共性技术基座，“N”是面向不同场景定义的机器人产品。工业机器人关注负载与精度，商用机器人关注高动态交互，家庭机器人关注情绪理解。同一套智能基座复用，但不同本体需围绕场景进行工程优化。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。