宇树把80%定为拐点线，机器人第一关却只过了16%

同一场大会，两条不同的拐点线

8月19日至23日，2026世界机器人大会在北京走完5天：373家企业、3000余件产品、55.7万人次现场参会。

真正被行业反复引用的不是这些数字，而是会上关于什么时候才算做成了的两次定义。宇树科技创始人、董事长王兴兴把门槛设在80%：把一台机器人带到任意陌生环境，基本可以实现80%左右的任务，就差不多实现了具身智能的ChatGPT时刻，这是未来真正的产业临界爆发点。他还给出时间区间——快则两三年，慢则五到十年。

一篇5月公开的论文给出了另一头的坐标：不用机器人真的伸手去抓东西，只考它能不能把一桩家务按顺序想完，顶尖模型完整做完一件事的成功率是16%。

银河通用创始人、首席技术官王鹤的判断更靠前：在今天数据的积累与后训练技术持续突破的前提下，银河通用将在2028年问鼎具身智能的ChatGPT时刻。他在大会期间接受媒体专访时补了两层信息：一是当前具身大模型的水平大约相当于GPT-2；二是他给这道门槛定的条件不只是成功率，还包括没有任何专业技能的人也能把具身大模型后训练成在场景中百分百干活的模型。

同一场大会，同一个名词，两条不同的线，时间判断最多相差7年。分歧的意义不在于谁更乐观，而在于这道门槛究竟卡在哪里。

拿掉手脚只考脑子，最好的成绩是16%

卡点的第一个证据不在展会现场，在那篇论文里。

2026年5月公开的基准测试LongAct专门评估机器人完成长时序家务任务的规划能力，设计上刻意抽象掉了各家具身特有的低层运动控制，只考察指令理解、任务依赖管理、记忆维护和自适应规划。论文以GPT-5、Qwen3-VL这类顶尖模型为底座，结果是：目标完成率59%，从头到尾完整做完一件事的成功率只有16%。

这个16%的分量在于它已经降低了难度——不用真的动手，只要想清楚先做什么、后做什么。也就是说，即便只考脑子能不能把一件事按顺序想完，行业最好水平离80%那条线也还差着一大截；而80%的定义要求的是陌生环境加端到端完成，两个约束同时成立。

王兴兴自己在大会上说的核心难点指向同一件事：AI模型的输入输出与真实机器人之间存在偏差，也就是对齐问题。宇树正在研发的方案叫物理AI机器人自进化V1.0，思路是让模型自行编写机器人控制代码，先在仿真环境训练验证，再放到真机上做反馈分析。宇树方面称，目前机器人已能完成简单装配，但效率低于人工，新任务仍需工程师重新训练，泛化能力是全球共同瓶颈。

4万台和2.2万台，同一周互相打架

产业信号的另一重混乱，出现在最容易被当成景气度证据的出货量上。

8月20日，由中国人形机器人与具身智能百人会组织编纂的《2026年人形机器人产业发展报告》在大会上发布，其中提出2026年上半年中国人形机器人出货量已超4万台，全球占比进一步提升至97%，这一口径也在闭幕通报中被引用。同一周，市场研究机构Counterpoint Research给出的口径是：2026年上半年全球人形机器人出货量突破2.2万台，同比增长接近300%，并预计全年全球突破5万台。

两组数字在同一时间轴上无法互相容纳。是否把轮式底盘、科研与数据采集用途的设备、已交付与已接单纳入统计，公开材料都没有给出完整定义。因此97%这类份额更适合被理解成产业组织和参与程度，而不是可以直接换算成收入的商业化规模。

官方描述现状时用的词也印证了这一层。中国电子学会理事长徐晓兰判断，具身智能产品正处于从小批量试用转向大规模落地的关键拐点，我国已有近10家主流汽车生产商在实际产线部署验证。中国人形机器人与具身智能百人会理事长张峰的说法是，人形机器人正在从跳起来、跑起来迈向工厂干起来、家庭用起来。从展示到使用中间这段路有多长，4万台里有多少是能干活的、多少是拿来做展示和数据采集的，目前没有公开拆分。

决定速度的是飞轮，不是那只更灵巧的手

把几位一线创业者的表述放在一起，会看到同一个指向。

王鹤的落地路径重心在数据端：银河通用已在北京等6个省市建训练场采集各行业应用数据；在宁德时代，机器人通过单台POC和单一工厂落地验收后正向数十个工厂横展，任务从堆垛、拆垛、搬运、分拣延伸到拧螺丝和异形物体操作。但他同时明确，针对奔驰、北汽、上汽这些客户，仍需训练一个工业垂类模型，部署还需要工程师做后训练。京东集团技术委员会主席曹鹏的判断更接近产业侧：过去一年人形机器人从实验室原型机转向量产交付，处在爆发前夜，制约在于没有足够数据训练模型，所以无法规模化复制。

支撑这条逻辑的基础设施正在补齐。过去18个月，全球推出了100多款开源基础模型，大约每3个月出现一次可感知的能力进步；大会期间中国电子学会宣布成立世界模型专家委员会，仿真与数据生成从企业内部工序变成了行业公共议题。

商业形态已经在松动。星海图创始人高继扬提到，2026年之前机器人以整机销售为主体，现在出现了方案订阅模式；星海图2026年交付千台级模型驱动的真实生产力订单，2027年的目标是万台级。北京经开区在大会期间发布北京机域构想，提出100款产品、1000种细分场景、10万台套级量产、100万套核心零部件的目标——这仍是规划口径，尚未成为已实现结果。

当交付从卖一台机器变成卖一个持续变好的场景，收入确认方式与估值锚都会跟着变。这是这届大会给二级市场最重要的提示：出货量思维的天花板，恰好是数据飞轮逻辑的起点。

接下来该盯哪三个指标

第一条是陌生场景的无干预完成率。值得看的不是熟练场景下的连拍演示，而是厂商敢不敢公布换新环境、不重新训练的数据。

第二条是后训练成本。一个问题最诚实：现场部署要不要常驻工程师。如果每一家客户都得单独训一个垂类模型，所谓规模化在报表上更接近项目制。

第三条是数据回流是否真的发生。判断标准是模型迭代周期有没有随装机量上升而缩短，以及订单是已交付还是意向。

具身智能的拐点不会是某只手更灵巧的那一天，而是普通用户不需要专业训练也能把机器人教会干活的那一天。在那之前，分水岭不在展会的演示台上，在谁的数据管道更粗。