过去几年，人形机器人在展会和晚会上刷存在感的方式，主要是唱歌、跳舞、拳击、迎宾、做咖啡。有网友评价得直接，这只是远程遥控的玩具。宇树科技创始人王兴兴当时的回应是，表演和运动是比较容易落地的场景，宇树的目标是让机器人干更多有实际价值的工作。8月的2026世界机器人大会，风向变了。宇树科技带来近3米高的巨型载人机甲，智澄机器人现场收拾家务，自变量机器人叠完衣服还浇起花来，海康机器人套上围裙模拟快餐店员做取餐、摆放餐盒。智澄AI创始人胡鲁辉说，这次参加WRC最直观的感受是展会风向发生明显变化，各家的机器人聚焦于做事情、完成任务，强调对生产力的真正提升。

换一个盘子，机器人可能就突然不会了

机器人想真正成为全能管家，还没那么容易。王兴兴在WRC演讲时说，机器人产业目前最大的瓶颈是具身智能的泛化能力不太够。泛化能力的意思是，机器人不能只会做标准答案。如果训练为看到A盘子就把A盘子放进洗碗机，它可能完成得非常漂亮。但如果换成一个B盘子，或者洗碗机的位置挪了，厨房灯光变了，旁边多放了一只杯子，机器人可能就突然不会了。胡鲁辉把这个问题的表现拆成三点，本体的泛化、任务的泛化和环境的泛化，机器人依然缺乏对物理世界的真正理解。瓶颈在于目前的AI模型输入和输出跟机器人的对齐程度不够，看起来只差一点点，实际上是从会做到做好的巨大鸿沟。

VLA模型和世界模型，走的是两条路

解决泛化问题的答案之一，可能是世界模型。胡鲁辉解释了两个主要流派的区别，VLA模型是见过所以知道，世界模型是推理所以知道。后者的泛化能力和因果推理能力更强，不纯粹依赖见过来知道。这个区分指向的是机器人学习范式的选择。VLA模型靠大量真实数据训练，见过的场景越多，表现越好，但遇到没见过的场景就容易失效。世界模型试图让机器人理解物理世界的运行规则，比如物体受重力会下落、施加推力会移动，这样即使没见过的物体，也能推理出该怎么操作。胡鲁辉的判断是，行业内过去可能侧重本体和小脑，现在落地的主要瓶颈和主攻方向已转向大脑，即人工智能大模型的理解能力。他把家庭视为人形机器人的终极目标场景之一，认为机器人将在家庭中扮演类似保姆的多样化角色，有望成为人类历史上最大的产业。

浙江的产业账本，和机器人公司的信心

浙江在机器人产业上的布局比多数省份早。2017年就印发了《浙江省“机器人+”行动计划》，是全国首个提出机器人+政策的省份。2024年起陆续出台专项政策，对人形机器人、具身智能产业进行针对性引导。杭州目前已集聚机器人产业相关企业700余家，2025年具身智能产业集群产值达1068亿元，其中四足机器人、人形机器人领域的国内市场份额分别占80%和50%。杭州正构建覆盖整机制造、核心零部件、软件算法、场景应用的完整产业链条。今年1至6月，浙江省人工智能核心产业营收达到4296亿元，同比增长25.6%，全省人工智能核心企业增至2080家。浙江省发展改革委副主任闫西安说，争取到2030年全省人工智能核心产业营收达到1.2万亿元。胡鲁辉提到，宇树科技的上市给了人形机器人领域的创业者很大信心，人才、资本纷纷涌入，很像十年前互联网汹涌的发展势头。

机器人从我能做什么走向我能真正帮你做什么，中间要跨过的就是泛化能力这道坎。这道坎跨过去之前，展台上的表演和真实家庭里的干活之间，还隔着一整套对物理世界的理解能力。