乌镇峰会观察丨破局“最后一公里”：机器人从表演走向上班

11月4日下午，2026年世界互联网大会乌镇峰会“机器人与具身智能论坛”在浙江乌镇举行。

与往年展台上机器人“跳舞”“后空翻”炫技不同，今年乌镇峰会的具身智能论坛更聚焦一个朴素的问题：机器人能不能在真实环境里，把一件完整的事做完。

在峰会期间，蚂蚁集团旗下蚂蚁灵波带来了全栈开源的机器人通用大脑，展示模型研发、开源协作和场景应用进展；上海墨奇智能则从家庭长程任务切入，强调机器人不能只会聊天，更要能整理桌面、补货冰箱、折叠衣物。两条路径一个偏“开源底座”，一个偏“工程落地”，共同折射出中国具身智能正在从概念验证走向真实场景。

蚂蚁灵波通用大脑驱动机器人自主取药。受访者供图

突破难点，从“想得好”到“干得好”

具身智能的难点，不只是让机器人“想明白”，更要让它“做得对”。通用大模型已经能看懂图片、听懂指令、规划行程，但真实世界充满不确定性：桌上杂物没有固定位置，冰箱里可能少了一瓶酱油，衣服洗好后可能堆成一团。机器人必须看清、判断、抓取、控制力度，还要记住任务进度，中途被打断后也能继续完成。

11月4日，墨奇智能联合创始人兼CTO黄青虬在乌镇峰会“机器人与具身智能论坛”发言。受访者供图

墨奇智能联合创始人兼CTO黄青虬在接受新京报贝壳财经记者采访时表示，“想明白”对应大语言模型类的语义推理能力，能清晰表达逻辑但不代表可完成实操；“做明白”需要融合灵巧操作、触觉/力反馈、肌肉记忆类的动作控制能力，仅靠语义推理无法实现从“想得好”到“干得好”的跨越，例如掌握交规不代表会开车、能识别物体不代表可以拿稳物体。

“具身原生大脑”MoRA的目标未停留在演示中完成几个漂亮动作，而是让机器人在执行层持续维护目标、记忆与进度，结合实时观测生成动作，并与上层任务编排协同。为了训练这种能力，墨奇把采集设备Sense Kit交给酒店、公寓的一线保洁人员，记录人如何在真实环境里完成工作。

“我们坚持‘真实人、真实场景、真实作业’的数据采集原则，拒绝摆拍、表演式数据：这类数据场景多样性差、泛化性低且采集人员非对应岗位专业从业者，动作专业度不足，数据质量低。”黄青虬表示。

在今年8月世界机器人大会上，墨奇展出的轮式双臂机器人KINO零人工干预完成约15分钟、七八十个连续动作的居家长程任务，包括桌面整理、冰箱补货和衣物洗烘折叠。黄青虬认为，家庭是具身能力的终点，不是起点。现阶段更现实的路径，是先在酒店、公寓等高频、复杂、可回流数据的场景中把能力做厚，再逐步走向客厅。

机器人进药房，不到1分钟完成订单

与墨奇强调“长程执行”的工程路线不同，蚂蚁灵波更关注如何让不同机器人共享同一套智能底座。当前机器人本体形态差异很大，任务场景又高度分散，如果每个团队都为每一种构型、每一个场景从头训练大脑，研发成本会非常高。灵波给出的方案是开放具身基础模型，围绕“看得更清楚、想得更明白、干得更利索”构建全栈能力。

目前，灵波已开源覆盖空间智能、灵巧操作与环境反馈的核心模型。LingBot系列模型开源9个月来，下载量突破220万，GitHub Star数超过3.3万，相关成果被斯坦福大学、韩国FastOPD研究团队、瑞士洛桑联邦理工学院等机构复用或引用。

开源的价值最终仍要回到产业。在乌镇“互联网之光”博览会现场，灵波与国大药房展示了智慧药房场景，机器人在80厘米宽的通道内自主完成订单接收、智能分拣和商品交付，配药全程不到1分钟。该方案已在国大药房多家上海门店上线运行。此外，灵波也在与隆盛唯睿、德马科技等企业探索工业上下料和物流分拣场景，并与阿拉伯数字经济联盟签署合作备忘录，推动机器人通用大脑在中东零售、物流、酒店餐饮等行业应用。

从乌镇峰会来看，行业不再只比拼单个动作的惊艳度，而是开始用“连续干活的天数”来衡量能力。蚂蚁灵波希望通过开源降低通用大脑的研发门槛，让更多机器人本体和应用场景接入同一套能力体系；墨奇智能则试图证明，机器人进入家庭前，必须先解决安全、稳定、亲和与长程执行等工程问题。

具身智能还远未成熟，长程任务对硬件、算法、软件的可靠性要求极高，家庭场景又比酒店、药房更加复杂，还涉及安全、隐私和人机交互体验。不过，当机器人开始走进药房、酒店、公寓和工厂，它离普通人的生活也越来越近。

新京报贝壳财经记者 俞金旻

编辑 王进雨

校对 卢茜