WRC的场景大考，谁在用心做Demo，谁在敷衍交答卷

如果你在 WRC 现场逛一圈，会看到一个分裂的画面。 一边，跳舞、格斗、踢球的机器人展台被围得水泄不通，观众举着手机踮脚看，像在看一场电子马戏。众擎和宇树的格斗表演区里三层外三层，加速进化的足球场边挤满跃跃欲试的小朋友。这些展台展示内容和一个月前的WAIC几乎没有区别，有公司甚至把在上海发布过的内容，原样又搬来在北京发布一遍。 对大众观众来说，这依然是一场机器人科幻盛宴。但对很多业内人士来说，这些东西几无新意。不少人选择避开人流，绕道而行。 但如果因为这边的热闹，就断定 WRC 没什么新东西，那就错过了真正的信号。 具身大脑公司们的展台前，人流确实会相对稀疏一些，但行业人士的密度却明显要高过前者。所有人都在说着同一个关键词——场景。这里的展板、屏幕和通稿里，物流、零售、商业服务、灵巧操作、长程任务，这些词汇反复出现。 乍看之下，每家的场景Demo都在讲同一套话术。但当你把相似的Demo放在一起，逐一对照，你会发现一件事，这也是今年WRC最残酷的真相： 同样类型的场景Demo，公司间的差距，大到像是两个时代的产品。 整个WRC上，精神最紧绷的人或许不是场馆的安保，而是机器人公司的PR们。他们一方面要应对大量的接待和PR工作，一方面还要提心吊胆，时刻准备着为Demo的不佳表现去做解释。 “这真不是公司之间硬实力的差距，更有可能是团队在Demo上用心和投入程度的不同。”当一位投资人发现自己投资的某头部具身大脑公司的Demo演示差到令人发指，甚至不及WAIC上的展示时，对我们说。言语之间带着一点解释的成分。 物流场景： 物流分拣任务，凭借其相对可控的环境（传送带、固定工位）、边界清晰的任务（抓取 - 翻面 - 放置）、容易闭环的数据飞轮以及明确可观的ROI回报率，成为越来越多机器人公司选择场景落地的第一站。 Figure AI在5月做的那场火爆全网的物流分拣直播，更为国内的机器人公司们塑造了一个极为优秀的Demo样板。据不完全统计，2026 WRC上的展示了物流分拣场景的机器人公司超过10家。 而对这个场景Demo的观测，其实有着非常明确的标准，从最能够被大众理解的节拍、成功率、持续时长，到相对深入的物流包裹的多样性、坏件/异形件的识别与处理、失误的兜底机制等等，我们可以清晰地分辨出会场里这类Demo的优劣。 左：自变量的物流分拣Demo；右：星动纪元的物流分拣Demo 最直观的维度就是节拍（分拣速度）。从上一届WRC就已经开始专注物流分拣场景Demo的星动纪元，依然保持了极高水准。其采用了全尺寸人形机器人 + 五指灵巧手方案，搭载端到端 VLA模型ERA-42，实现了常态化下1200件/小时的高节拍。 而在8月份刚刚结束了一场物流分拣直播的自变量机器人，也把自己最新的在双机械臂+夹爪的分拣Demo（搭载端到端WALL-B世界模型）复现到了WRC现场，更是将节拍推高到1800件/小时的水准。 而除了这两家公司的Demo之外， 我们所看到的绝大部分的物流分拣Demo，都缓慢，甚至卡顿。 而另一个明显的差距就在于包裹多样性的设计。无论是星动纪元，还是自变量机器人，在物流分拣这个Demo中所使用的包裹，都极度逼近真实物流场景：尺寸各异、颜色不同，既有软包，也有纸箱，重量也保持了与真实物流件一致的范畴。而反观现场其他的物流分拣Demo，大部分用的都是规格、颜色一致的标准包裹，而且基本都是分拣难度相对更低的软包包裹。 所以真实表现就是，WRC现场大部分的物流分拣Demo还停留在缓慢地分拣简单包裹的初级阶段。 相比之下，在物流分拣场景里已经与顺丰、中国邮政达成合作，在全国十余个物流中心实现常态化运营的星动纪元，和同样官宣已与国内头部物流企业合作，将方案部署至真实产线常态化运行的自变量机器人，确实在这一个细分场景落地上做到了断层领先。 值得一提的是，自变量的此次Demo设计中，还突出展示了分拣任务中对于异形件的识别和处理能力。机器人会精准地识别出毛绒玩具和生鲜泡沫箱，并能够极灵敏地将其拣出并推进其他通道。而据我们解，星动纪元的分拣方案其实也具备对于异形件和坏件的实时识别和拣出能力，只是在Demo设计中并未展现。 家庭场景： 家庭场景Demo一直也是机器人公司们的必争之地，因为它同时是审视技术能力的极限考场和满足大众想象的最佳橱窗。清理、做饭、叠衣比工厂装配更能检验机器人在非结构化环境中的长程规划与泛化能力，又无需解释就能让每个人都瞬间理解其价值。更关键的是，它锚定了万亿级的C端市场叙事，在IPO和融资的窗口期，没有家庭demo的展示，就少了一个很重要的公众认知杠杆。 要看懂一个家庭场景Demo的门道，相较于物流分拣这种标准化场景要复杂地多。我们与多位行业人士交流之后，总结出了两条关键维度： 第一，看任务链条的规划深度。现阶段，我们早已不用关注机器人是不是能把杯子稳稳放到桌上这种单动作，而更应该关注机器人面对“收拾客厅”这类模糊指令时，能否自主拆解出更细致的完整任务链条，并且理解各个任务之间的关系。 更高维的节点的是长程执行中的动态重规划：当中途被打断、路径被挡住时，机器人是卡住报错，还是能调整顺序、寻找替代路径、恢复上下文继续执行？链条越长、干扰越多、人工干预越少，规划能力越真实。 第二，看泛化与流畅。操作台上的物品有多少种类？是随机摆放还是提前标定？机器人认不认识他没见过的东西？能不能叠衣服（柔性物体）？有没有精细的力控来操作鸡蛋、瓷碗（易碎物品）这类物品，还是只敢碰刚性物体或者容错率极高的毛绒玩具？这些都是具身大脑泛化性的基础体现。 同时我们还要关注机器人执行动作的速度和流畅度。这里其实有一个反直觉的判断：过于丝滑的表现反而要引起警惕，大概率是环境被过度布置或用动作预编程来辅助了。而另一方面，如果过于卡顿或者缓慢，就会显得不是同一个时代的产品了。 在现场，我们发现某家头部具身大脑公司的家庭场景Demo展示极为卡顿和缓慢，效果远远不及同级别对手。在确认不是网络以及机器过热等因素的影响后，现场工作人员给了我们一个有点荒诞的解释：卡顿和缓慢是为了提高任务的成功率。然而尴尬的是，在我们耐心等候了5分钟后，那个Demo的展示还是失败了。 在家庭场景的Demo展示上，千寻智能、自变量机器人和墨奇智能都表现地十分亮眼。 左：自变量机器人Demo；中：墨奇智能Demo；右：千寻智能Demo。 WAIC上就已经展示过Spirit v1.6具身模型性能在“客厅整理”长程任务中强势表现的千寻智能，这次在Moz1的反应速度与执行丝滑度上又有了明显的提升。不但可以流畅完成听指令，感知现场环境，识别不同物品和位置，自主拆解规划出子任务。同时还强化展现了在干扰和强制打断时，机器人重启和继续任务的能力。在具体动作上，开关垂直的洗碗机门，夹取碗边，推拉洗碗机里的不锈钢框体等等小设计也都能充分体现Spirit v1.6在精细操作上的能力。 自变量的家庭场景Demo重在任务的多样性，可能是WRC上最接近真实落地的家庭场景demo。搭载了世界统一模型WALL-B的量子2号（QUANTA X2），在一个数十平米的客厅内，覆盖了取外卖、拿饮料、收拾桌面、浇花、拉台灯、铲猫砂、拿玩具逗狗等超多任务形态。与着重体现长程任务能力的其他友商不同，这些任务的