优必选WRC展示人形机器人 覆盖工业商业家庭三大场景
2026年的世界机器人大会（WRC）上，人形机器人赛道的竞争已经从早期的技术演示转向了商业化落地的实打实比拼。曾经让人驻足惊叹的跑跳、翻跟头、端咖啡的demo，如今已经成为展会的常规操作，而真正让观众眼前一亮的，是那些已经能够在真实生产场景中稳定作业的机器人产品。
作为入局较早的企业，优必选直接将客户的真实作业产线1:1复刻到了展会现场，没有花哨的演示，而是让真机全程完成作业流程，用实际表现回答了“机器人何时能真正上班”的行业疑问。
本次展会上，优必选带来了多款全新产品，覆盖工业、商用、家庭消费三大核心场景。其中，轮式人形机器人Cruzr Y1首次亮相，主打搬运、拆码垛等高频刚需工业场景；全尺寸通用轮式人形机器人Cruzr S2则瞄准汽车钣金件上下料、机加件上下料、物流电商小件分拣等重复性制造环节。
除了工业场景，商用人形机器人Walker C1和超仿生人形机器人U1也首次在WRC展出，吸引了大量观众驻足。Walker C1聚焦城市服务、产教融合、科研创新三大场景，既能承担迎宾接待、主持讲解、娱乐互动等服务工作，也可作为开发实操平台，搭载UIRO优诺智能助教系统的Walker C1 EDU Tutor还能实现全流程教学应用。超仿生人形机器人U1搭载自研的Resonanc-LM情感大模型，凭借贴近真人的外形、表情与互动方式，可应用于情绪支持、养老陪伴、文旅接待等多元场景。
工业场景：从演示到真实作业的落地验证
工业场景是本轮人形机器人商业化的核心试验场。过往几十年的工业自动化以固定任务作业为主，传统机械臂虽能高效完成标准动作，但面对频繁换产、物料变化与非结构化环境时，柔性适配能力仍有局限，这正是人形机器人切入制造领域的核心机会。优必选相关负责人表示，人形机器人并非简单替代现有自动化设备，而是作为补充能力与传统设备形成协同，共同提升制造业自动化水平。
在实际生产中，工厂更关注机器人的任务成功率、运行稳定性、维护成本与整体投资回报率。通过多台机器人协同调度，可满足连续生产需求，只要具备足够的抗干扰能力，任务成功率可达到99%以上，甚至99.5%。
在本次WRC现场，Cruzr Y1面对不同材质、尺寸与垛型的料箱、纸箱，独立完成了感知—决策—抓取—投放的完整流程，即使面对无序混放、异形物料等复杂情况，也能实时调整操作策略，作业表现超出预期。
Cruzr S2则进一步深入制造核心环节。在汽车钣金件上下料场景中，两台机器人协同作业：一台抓取超过1米的大尺寸钣金件，移动至机台后将工件精准放置于工装治具，完成定位孔与定位销的高精度对齐；另一台负责下料与转运，实现取料—上料—下料的连续作业。这一流程的核心难点在于对准精度，工业现场的工件可能存在变形，摆放位置也并非完全一致，长期运行还可能出现标定漂移，因此机器人需要在运动中不断修正，最终将定位精度控制在1mm以内。
汽车机加件上下料场景同样考验机器人的精准作业能力。机器人从皮带线末端抓取零部件，精准放置于机台定位治具后，触发工业相机拍照检测并同步呈现结果，再将工件取下放回皮带线回流至取料位，整个循环需要长时间持续运行，且需不断应对来料位置变化。这一过程中，Thinker-VLA直接参与动作决策，根据视觉输入实时感知工件位置变化，动态调整抓取与放置轨迹，最终实现小于1mm的定位精度。同时通过端侧部署，Thinker-VLA无需高度依赖云端算力与网络连接，进一步降低推理延迟，保障工业场景下连续稳定的作业。
物流电商场景中，仓库商品的种类、尺寸、包装千差万别，难以针对每一种商品单独编写程序。优必选采用双台机器人协同方案实现搬运—分拣自动化闭环：一台将满料箱从料架搬运至皮带线，另一台基于视觉识别从料箱中抓取不同规格的商品，逐一投入自动播种墙供包台完成分拣，空箱经皮带线回流后由搬运机器人送回料架。端侧部署进一步提升了作业效率，平均抓取能力接近1100件/小时，面对不同货品，机器人只需少量样本即可快速适应并保持稳定抓取，能够应对小批量、多品种、频繁换产的柔性生产需求。
在该负责人看来，工业场景的价值不仅在于完成当前任务，更在于机器人进入真实环境后持续产生数据。不同工位产生的成功、失败与异常数据，可用于优化模型能力，让机器人在下一次任务中具备更强的泛化能力。而工业场景的技术积累，也为优必选机器人拓展商业与家庭消费场景打下了坚实基础。
1+N技术架构：跨场景的能力复用与迭代
值得注意的是，工业、商业与家庭消费三大场景并非完全独立的技术路线，三者底层共享大量软硬件能力。比如视觉传感器与感知算法，工业端与商业端可直接复用；舵机等核心零部件在设计与制造层面也有较强共通性，消费端产品可在既有能力基础上进一步做小型化与紧凑化优化。模型与数据同样存在共享逻辑：工业场景更强调操作能力，优必选围绕搬运、分拣、上下料等任务训练对应的VLA模型；商业与家庭场景则更看重交互能力，包括对话、表情、眼神与记忆等。底层的视觉、语言、多模态理解能力，以及相当一部分训练数据，均可在不同场景间共享。软件层面也采用同一套基础设施，包括通信中间件、ROS操作系统等，可在不同机器人产品间复用。
优必选采用“1+N”的技术架构，其中1提供通用技术能力，N对应工业、商业、家庭消费等不同业务场景。业务部门提出具体需求后，底层技术团队再进行针对性优化。这一体系下，一个场景中验证成熟的技术能力，可快速迁移到其他产品与应用领域，推动人形机器人更快走向规模化应用。
具体到模型层面，优必选已经形成Thinker、Thinker-WM（Thinker-World Model）与Thinker-VLA完整技术栈，三者共同构成从感知、推理到行动的具身智能链路。最底层的基座大模型Thinker负责建立机器人对物理世界的基础理解能力，以小参数、高性能、全开源的特性突破行业技术瓶颈，在10B及以下具身智能大脑模型相关权威基准评测中获得9项第一，最大基座模型达100B。Thinker重点突破两大核心能力：一是机器人第一视角下的场景认知与任务规划能力，二是支撑物理交互的精准感知与空间理解能力。
仅具备基础场景认知还不足以完成复杂任务，机器人还需要学会对未来动作的预判——如果采取某一动作，后续物理世界会发生怎样的变化？这正是Thinker-WM世界模型承担的角色。在优必选的技术体系中，Thinker-WM通过两条路径进入实际机器人应用：一是知识蒸馏，将世界模型掌握的知识适配到具体下游操作任务，通过视觉—动作对齐数据训练更轻量的Thinker-VLA，降低真实机器人反复交互与采集数据的需求；二是生成训练数据，在现实工厂中，一些极端工况出现概率极低，部分危险动作也不适合让机器人反复尝试，世界模型可生成符合真实世界规律的多样化场景与交互轨迹，补充这些长尾数据。该负责人强调，当前阶段世界模型生成的数据仍无法完全替代真实机器人数据，优必选目前生成数据占比相对较低，真实场景采集的数据仍是模型训练的重要基础，世界模型更多承担推理、预测与仿真验证的作用。
最终负责将对物理世界的理解转化为具体动作的是Thinker-VLA，该模型已部署到Walker、Cruzr等多个系列的机器人上。在工业场景部署中，经过全栈优化，Thinker-VLA端侧推理效率提升176%，存储用量降低60%；端侧全功能模块对GPU显存的需求从64GB降低到了32GB。该负责人表示，具身智能的竞争重点并非单纯的模型参数规模，而是模型能否在真实任务中稳定运行。对于工业场景而言，一个能够快速响应、稳定完成任务的小模型，可能比参数规模更大的通用模型更具实际价值。不同工位对应不同任务，更适合通过面向具体场景的垂域模型或Agent能力完成，而非单纯追求更大的模型规模，这也是优必选强调端侧推理能力的重要原因。
此外，训练数据是决定机器人能力上限的关键因素。优必选当前的数据策略以真实场景数据为主，结合世界模型等技术进行补充。优必选研发的机器人进入真实场景后，本身就成为了数据采集入口，从工厂的上下料、搬运、分拣，到商业场景的交互服务，每一次任务执行都会产生新的数据反馈。这些数据经过整理与训练后，可反向优化模型能力，进一步提升机器人在下一轮任务中的表现，最终形成“场景产生数据、数据优化模型、模型反哺应用”的正向循环。
产业生态：从制造商到生态平台的转型
人形机器人的规模化落地绝非一家企业可以独立完成，芯片算力、核心零部件、规模化制造、应用场景与数据反馈，缺一不可。在产业链上游，优必选与沐曦股份合资成立曦选创智，布局具身智能端侧专用芯片，计划2027年流片、2028年量产；同时收购A股上市公司锋龙股份，推进灵巧手、伺服驱动器等关键零部件的研发与制造。
在规模化制造层面，优必选引入西门子数字化制造体系，双方合作的万台产能人形机器人超级智慧工厂已于2026年8月投产。
应用端的合作网络也在不断扩大，优必选已与比亚迪、富士康、本田贸易、日立中国、三一重能、东风柳汽、吉利汽车、德马科技、基本半导体、富奥股份、永茂泰等各行各业的头部企业达成合作，覆盖汽车、半导体、3C电子制造、物流等多个行业。
可以看出，优必选正在从单一的人形机器人制造商，向具身AI生态平台公司转型。
行业趋势：产业化落地的核心竞争
过去几年，人形机器人行业解决了大量“从0到1”的基础问题。到了2026年，行业竞争已经进入更现实的阶段：稳定作业、跨场景泛化、成本控制，以及最终能否获得客户认可，正在成为检验产业化能力的新标准。从这个角度看，优必选在WRC 2026展示的三大场景应用，只是能力落地的表层呈现，真正的行业竞争，已经转向谁能建立“具身大脑—真实场景—产业生态”的正向循环。只有当机器人不再只是展示动作，而是在真实世界中持续工作、学习和进化，人形机器人产业化的大门才真正打开。
