作者：具身星探 出品：具身星球WAIC 2026 最容易被记住的，是又有多少机器人学会了新动作。

但同一场展会，三类人看的其实不是一回事。

围观者看动作漂不漂亮，企业负责人问能不能塞进现有流程，投资人追的是第二个现场还能不能跑通。

所以，今年真正值得带走的不是一段演示视频，而是三件事：

Token 开始被当成生意经营；场景开始被当成系统展示；数据藏在每套系统背后。

对具身智能来说，变化更具体。

以前企业带一台机器人参展。

现在，它们想把机器人要工作的那部分世界，一起搬进展馆。

01 一届 WAIC，三层信号

WAIC 2026 展览面积超过 10 万平方米，1100 余家企业带来 3000 余项展品。智算和具身智能两条赛道，各有超过 200 家企业参与。

论坛里，Token 是今年明显升温的新词。

本届大会，至少有四个不同论坛直接把 Token 写进名称。商汤在推 Token Plan，PPIO把自己定义为“Token 工厂”，中国电信也开始做 TokenHub 和 Token 套餐。

Token 正从模型里的技术单位，变成算力供应、模型调用和成本核算的经营单位。

但到了具身智能展区，最显眼的是一个个工作现场：家庭、货架、吧台、线边仓、柔性物料工位。

大会产业对接体系还公布了 63 个核心应用场景，组织 172 个采购团对接。场景不再只负责让观众拍照，也开始承接供需匹配。

数据则更安静。

它藏在世界模型、仿真训练、能力评测和部署反馈里，不一定写在最大块的展板上，却决定机器人下一次能不能做得更好。

把三条线接起来，就一句话：

台前在卖场景，台后在争数据，基础设施公司在算 Token。

三个词首尾相接，已经能拼出一条产业链。

02 今年变的不是“有场景”

2025 年的“WAIC 里”主题街区，已经让机器人在老上海弄堂布景里写字、煮串、剥蛋。

今年往前走了一步：企业从展示一项技能，转向展示一段任务流。

优艾智合在展台搭了一条微缩产线。5 台人形机器人和一台移动机器人，在模拟线边仓里完成物料拣选和配送。重点不再是某台机器能不能抓起来，而是多台设备能不能被同一套系统调度。

优艾智合在 WAIC 2026 展台搭建多机协同微缩产线。图源：证券时报

京东和星尘机器人搭建“智能零售工作站”，从消费者下单、识别商品、抓取整理到货品交付，展示的是一条零售服务链。京东背后还有门店、仓储、药房等真实业务空间。

傅利叶则把家庭空间搬进展馆，让机器人根据“我渴了”这样的模糊指令，完成找杯子、取水、递水的长序列任务。

傅利叶 GRW 轮式双臂机器人执行搬运任务。图源：每日经济新闻

企业在展台上呈现的，已经是系统能力。

镜头看的是动作，采购看的是系统。

但也只能说明到这里。

展台闭环不等于商业闭环。

几分钟演示顺利，不代表能在工厂连续运行三个月；展馆里没人接管，也不代表真实部署没有远程人工。

不过，企业选择展示什么，本身就是风向。

去年大家怕机器人“不会干”。

今年大家开始回答：它能不能进入一条真实业务流程。

03 为什么场景突然值钱

因为一个好场景，不只提供订单。

它同时是客户、数据工厂、考场和复制模板。

一个场景要真正值钱，至少同时满足四条：

任务够高频：每天反复发生，失败一次的成本能算出来。

过程可记录：误抓、停顿、接管和恢复都能留下数据。

结果可验收：成功率、接管率、连续运行时间有统一口径。

方案可复制：换一家门店、一座工厂或一种物料，不必从零重做。

少一条，它可能只是一个项目现场。四条同时满足，才可能成为持续产生订单和训练数据的产业资产。

真实场景里有预算、有任务，也有人为结果签字。机器人每一次误抓、停顿、碰撞、人工接管和恢复，又会留下训练数据。

纯采集场可以生产轨迹。

真实经营场景还会生产后果：什么错误会耽误出货，什么动作会损坏商品，什么故障会让工人停线。

它还能提供一张更难伪装的成绩单：任务成功率、接管率、连续运行时间、换物料后的泛化能力。

光轮智能这次展示的“数据—评测—部署反馈”系统，以及智元 GE-Sim 2.0 中用可验证成功信号评估策略，补的正是这张成绩单。

最后一关，是复制。

一家门店跑通，只是项目。

同一套任务和系统接口能复制到一百家门店，才接近产品。

所以京东、汽车工厂、物流仓库等场景拥有者正在升值。它们以前只是潜在客户，现在还可能是数据源、验证方和规模化入口。

04 Token 应该放在哪里

这届 WAIC，Token 的确很热。

但在具身智能里，别急着顺着热词硬造一个“物理 Token 市场”。部分模型使用动作 Token，另一些直接输出连续动作，行业并没有统一口径。

这里该算的是推理成本：机器人每完成一次视觉理解、任务规划和动作决策，要烧多少算力？高频运行后，这笔账客户能不能承受？

所以链路不能写反：

场景产生数据，数据训练模型，模型推理消耗 Token 和算力，任务结果再变成新数据。

Token 是成本尺子。

场景才是收入入口和学习现场。

05 三类人怎么判断

给产业领导和场景方：

先别急着问“要不要上人形”。先列出每天重复次数最高、最难招人、最危险或最容易出错的三项任务。再确认数据能否合规回流、失败能否被记录、系统接口能否开放。

场景开放不是把工厂借给机器人拍视频。

是把任务边界、数据权利和责任一起谈清楚。

给投资人：

看完展台，至少追问四个问题：有没有真实客户？每天实际运行多少次？失败和接管数据归谁？复制到第二个现场花了多久？

第一个场景证明团队会做项目。

第二十个场景，才开始证明它可能是一门生意。

给机器人和数据公司：

别再只报机器人数量和数据小时数。把任务成功率、人工接管率、连续运行时间、部署周期和跨场景复用率一起报出来。

行业现在不缺会动的机器。

缺的是能从一次成功里学会下一次，也能从一次失败里留下资产的系统。

最后的判断

如果只把 WAIC 2026 的关键词从“大模型”换成“数据、场景和 Token”，还是看浅了。

更值得注意的是，AI 行业开始有了自己的账本。

数字世界用 Token 计算智能供给和推理成本。

物理世界用场景验证任务、沉淀数据、产生收入。

对具身智能来说，最贵的展品可能不是灯光下那台机器人。

而是它身后那套能不断产生任务、数据、反馈和复购的工作现场。

以前，具身智能公司拿场景证明机器人会干活。

接下来，它们要靠场景持续生产数据和订单。

来源：WAIC 2026把工厂搬进展馆：具身智能公司开始抢“能产数据的场景” | 具身研习社