8 月 19 日，2026 世界机器人大会（WRC）正式开幕。

今年，仙工智能以「从预见，到看见」为主题，将机器人大脑、世界模型、真机数据与多形态机器人带到现场。

关于具身智能的未来，行业已经有越来越多的预见：更强的模型、更好的泛化、更长的任务链，以及机器人进入更多真实世界场景。

而真正重要的是，这些「预见」能否走出模型和实验室，进入真实机器人、真实任务与真实场景，并经受住真实世界的持续验证。

这也是仙工智能此次带到 WRC 的答案：让机器人大脑进入不同形态的机器人、让具身模型在真实任务中运行、让机器人在工作中持续产生真实数据，让「预见」真正可「看见」

8 月 20 日，仙工智能举办发布会，正式公布三大具身智能战略方向，推动「让具身智能没有门槛」：

推进机器人大脑通用化：通过机器人大脑载体、模块化生态与模型能力的持续投入，构建面向不同机器人形态的通用机器人大脑体系。

建设真实世界数据基础设施：成立具身智能数据公司，打通真机数据采集、治理、训练、评测与模型回灌，建设机器人大脑持续进化的数据基础设施。

共建百万台机器人进化网络：通过「阶梯计划」，与生态伙伴推动 100 万台具身机器人进入真实世界。

三大战略指引下，短期内仙工智能将通过优先推动具身智能在核心场景稳定落地；长期则向跨自由度、跨构型、跨模态的具身智能基座演进，让复杂的模型和数据逐渐隐于幕后，最终留下的是机器人直接可用的能力。

一、推进机器人大脑通用化

仙工智能提出，进一步强化机器人大脑能力，在原有机器人控制与平台能力基础上，持续向具身模型与智能决策层延伸，通过机器人大脑载体、模块化机器人生态与具身模型能力的持续投入，构建面向不同机器人形态的通用机器人大脑体系。

在硬件层面，机器人大脑需要面对越来越丰富的机器人构型和算力需求，并逐步实现从局部控制到全身协同控制；

在生态层面，仙工智能希望连接机械臂、关节、灵巧手、传感器、执行器等模块，使不同组件能够更快组合成新的机器人形态；

在模型层面，则围绕空间理解、任务推理、动作生成、世界建模和长序列任务等不同需求持续布局，让不同模型能力可以根据场景和任务被调用，并最终通过同一套机器人大脑进入机器人。

在仙工智能看来，机器人大脑不是运行在机器人上的一个大模型，也不是域控制器，更不是一块算力板。

机器人大脑=模型+小脑+神经，三位一体架构，赋予机器人完整的智能体系。

模型层作为认知中枢，负责「看懂和想明白」：完成环境感知、任务理解和智能决策；

小脑层作为执行中枢，负责「把动作做出来」：完成运动规划、轨迹生成与实时执行，让机器人动作做准、做稳、做安全；

神经层作为连接中枢，负责「把大脑和身体连起来」：通过统一接口与协议栈适配 400+ 核心零部件，连接传感器、关节与执行机构，向下把控制指令送到关节和执行器，向上把位置、速度、力矩、传感器状态实时反馈，形成完整闭环。

二、建设真实世界数据基础设施

如果说大脑通用化，解决的是具身智能「能力怎么形成」，那么真实世界数据解决的则是「能力如何持续进化」。

仙工智能正式成立具身智能数据子公司——杭州开物创新具身智能科技有限公司，打通真机数据采集、多源接入、数据治理、模型训练、仿真评测与能力回灌的完整链路，建设机器人大脑持续进化的数据基础设施。

机器人在真实场景中运行，持续产生感知、动作、状态与反馈等真实数据。经过多源接入与数据治理后，进入模型训练与迭代，再将不断提升的模型能力重新带回生产现场，创造新的任务价值，并进一步产生新的真实数据。

由此形成「真机产生真实数据，数据驱动模型迭代，模型回到生产持续创造新数据」的闭环。

围绕这一数据闭环，仙工智能将进一步构建覆盖本体真机自主运行、人类接管、本体仿真、跨构型真机以及人类行为等高质量真机数据，进一步形成由场景 3D 高斯数字孪生资产、高规格人类第一视角示范数据、真机运行数据、任务级干预数据构成的完备数据集。

同时，仙工智能将搭建面向下一代的具身智能数据与 Agent 平台，并计划于今年第四季度开源完备具身数据集和自研评测基准。

从一次真实作业，到持续积累的数据，再到不断进化的模型与机器人能力，仙工智能正在让机器人真正形成「越干越聪明」的进化循环。

三、阶梯计划：共建百万台机器人进化网络

发布会上，仙工智能宣布联合火星加速器发起的「阶梯计划」正式落地，并公布首期 20 家生态合作企业名单，覆盖具身智能产业链多个关键环节。

首批伙伴的加入，标志着这一计划从目标提出进入生态共建与真实场景落地阶段。

「阶梯计划」的核心目标是：到 2030 年，与生态伙伴一起实现 100 万台具身智能机器人落地，覆盖多种本体形态，可在各类真实场景中持续执行多样化操作任务。

这一目标并非单纯追求机器人数量，也不是一家企业能够独立完成的目标。

具身智能背后，是一条漫长而复杂的产业链：数据、模型、芯片、算力、零部件、本体、场景、应用……每一个环节都不可或缺。

因此，「阶梯计划」也不是简单的伙伴招募，而是希望携手更多产业伙伴，共建开放共生、互联互通、共同繁荣的具身智能大生态。

在这一过程中，仙工智能将开放自身在工业及商业场景、行业应用和机器人适配等方面的积累，与生态伙伴围绕真实场景联合验证、产品化与规模协同、产业资本与创业陪跑、全球化连接等方向，共同推动具身机器人规模化落地。

目前，仙工智能已积累近 3000 个泛工业商业场景客户、20+ 细分行业经验以及 400+ 核心零部件适配体系，这些真实产业积累，也将成为「阶梯计划」百万台机器人进化网络持续扩大的重要基础。

100 万台机器人进入真实世界之后，真正增加的也不只是机器人数量。而是更多真实任务、更多真实数据、更多模型经验，以及一个不断被机器人大脑理解和学习的物理世界。

从一台机器人，到更多机器人进入真实场景，再到数据反哺智能能力——这是一条不断循环、不断向上的进化路径。

智能进化没有捷径，只能逐级攀登。

四、WRC 现场看见，让机器人越干越聪明

如果说发布会回答的是仙工智能准备走向哪里，那么 WRC 展台现场展示的，就是这条路径上今天已经能够被看见的样子。

1、单一动作走向更长程任务

具身智能真正进入真实世界之后，机器人面对的就不再只是一个单独动作，需要理解任务，处理环境变化，规划连续步骤，并把这些决策稳定地执行出来。

现场咖啡制作真正值得关注的，并不是机器人会做咖啡，而是它正在执行一项具有明确目标、包含多个步骤的长程任务。这一任务在步骤复杂度和执行速度上进一步强化了长程任务执行能力。

旁边的汉诺塔，则进一步考验机器人面对变化时的理解与执行能力。

机器人需要理解汉诺塔规则，记住连续步骤，并完成多次高精度抓取与放置。

现场不仅可以更换圆环颜色，圆盘和底座的位置、颜色及形状也可以发生变化，所有情况机器人均无需重新编程，可顺利识别目标并继续完成堆叠。

看似简单的变化，背后考验的却是机器人对规则、空间关系和物体属性的综合理解，以及从理解到连续执行的能力，意味着机器人执行的不再是一套预先写好的动作，而是在理解任务本身。

2、让机器人更自然进入真实世界

在互动区，仙工智能则把这种能力进一步带入人与机器人的直接交互。

当观众伸出手与机器人握手，机器人会随着人的动作完成回应。手掌真正接触的瞬间，不会出现明显的刚性顶撞，而是表现出更加自然的柔顺感。

对于人形机器人而言，这种能力看似细微，却直接关系到机器人能否真正进入人与机器共同工作的环境。机器人不仅要知道该做什么，还需要让身体以合适的方式展示出来。

这种能力同样延伸到了机器狗。现场的机器狗搭载机械臂，可以让腿部运动与机械臂动作协同起来，不再是「狗身负责走路、机械臂负责干活」两个彼此独立的系统，而是让整个身体一起完成任务。

不同身体，意味着不同的控制挑战，而机器人大脑解决的正是如何让智能进入这些不同的机器人本体。

3、VLA+高频控制完成精细操作

具身求签是仙工智能将 VLA 与高频控制融合的精细操作任务展示，非常典型的「脑身结合」案例。

看似简单的摇签，却是一项对控制频率和动作稳定性要求很高的精细操作。由 VLA 负责理解与决策，再由高频控制完成精细、稳定的摇签动作，背后是感知、理解、决策、控制与交互能力的完整协同。

即使当签筒位置发生变化、面对不同类型签筒，机器人基于强泛化能力依然可完成识别、抓取和摇签，展现出对真实场景变化的适应能力。摇签完成后，还会进一步通过视觉识别和大模型完成后续解签。

4、让具身智能进入真实产业

搭载机械臂的 AI 配送机器人展示了将具身能力带入传统商用配送场景。机器人可完成抓取、导航、绕障、3D 避障以及电梯交互，将过去需要多个设备甚至人工参与的环节连接为一个完整配送任务。

现场采用停靠后抓取的方式进行展示。相比传统配送机器人把东西送到，这里更重要的变化是，机器人开始具备拿东西、处理东西，再把东西送到目的地的能力。

另一侧，具身叉车展示了在更加典型的工业场景应用。

具身叉车面对黑、蓝两种不同颜色的托盘，可以持续识别并完成叉取。现场的 BEV 实时感知画面也会随着观众和环境的变化实时更新：哪里有人、哪里有设备、空间发生了什么变化，都被持续感知和记录。

机器人不仅在工作，也在工作中持续产生数据。这恰恰构成了具身智能最重要的循环：真实世界产生数据，数据推动模型进化，模型能力再回到机器人。

五、从百万台机器人，迈向通用具身机器人大脑

从机器人大脑，到真实数据，再到百万台机器人进入真实世界，仙工智能正在逐步构建一条从智能能力、数据积累到规模化落地的进化路径。

今天在 WRC 现场被看见的每一项能力，都是这条路径上的一个切面；而更多机器人进入真实场景，也将带来更多任务、更多数据和更多经验。

从看见能力，到让机器人真正进入世界、理解世界，并在真实世界中持续进化。这不是终点，而是通用具身机器人大脑的开始。