（来源：DeFam乐园）

　　上海三地四馆，展览面积首次突破10万平方米，汇聚1100余家参展企业，集中亮相3000余项前沿展品。但今年逛展的人明显感觉到一件事：秀参数的少了，秀"能不能干活"的多了。

　　从"模型军备赛"到"能不能赚钱"的现实拷问

　　一个业内共识是：前两届WAIC还在比谁的模型参数更大、榜单排名更高，但今年算力成本高企、商业模式模糊、落地场景分散，让"能不能用、能不能量产、能不能赚钱"成为比"模型有多大"更迫切的问题。这也直接反映在展区结构上——智算和具身智能两大赛道各自聚集了超过200家参展企业，算力基础设施从"拼单卡"走向"拼系统"，机器人从"炫技表演"走向"车间搬砖"。

　　这句话我觉得是今年WAIC最诚实的总结。

　　具身智能：工厂先落地，家庭还早

　　多位一线创业者的判断高度一致。智元机器人高级副总裁姚卯青认为，短期内更容易落地的是高频刚需、确定性强、容错空间大的"简单场景、简单任务"，工厂等标准化环境可以率先积累数据和产品经验，家庭等开放环境则需要更强的通用化能力。它石智航创始人陈亦伦也看好制造业，理由是制造业数据密度高、任务完成标准明确，且积累了大量人类操作数据。

　　现场也确实能看到这种"落地感"：智元的远征A3 Ultra在展台泡茶、打乒乓球，还把均普智能的整条芯片加工产线搬进展馆，让机器人连续完成芯片上料、成品装盒、整箱转运的超长流程作业；蚂蚁灵波则联合国大药房，用同一"大脑"驱动不同品牌、不同构型的机器人协同完成订单接收、智能分拣和商品交付，且方案已在上海门店实际运营。

　　但工程化的坑,一个没少

　　冷静的声音同样值得记录。东土科技人工智能研究院院长祝一蒙的判断很直接：AI需要行业数据训练，但工业数据采集困难，目前任何行业都没有相对规范的标准，数据采集过程中经常有"噪音"，有效性难以保证。前小鹏机器人产品设计负责人孙兆治则补了一刀：产线等结构化环境相对可控，而养老、家务等非结构化环境corner case非常多，技术成熟前应优先落地半结构化场景。

　　更朴素的问题甚至暴露在硬件层面——关节电机高密度运转、板载芯片持续推理，让钢铁躯壳半小时内就变成"烫手山芋"，发热这种基础工程问题,至今没被彻底解决。

　　大模型这边，参数竞赛还没停

　　语言模型这条线，"更大"依然是主旋律。Kimi K3发布的2.8万亿参数模型成为焦点,而多家企业透露，下一代产品参数量突破2万亿将成为标配。但同时,阶跃星辰这类厂商已经开始从纯模型研发转向"模型+应用"双轮，主攻智能终端Agent和垂类Agent的落地——这某种程度上说明,单纯堆参数的故事,资本市场也不一定还买账了。

　　我的判断

　　今年WAIC最大的变化,不是技术又跃进了多少,而是"落地"这两个字第一次被摆到台面上反复拷问。工业场景因为ROI敏感、数据结构化程度高,确实在加速验证;但家庭、养老等开放场景的商业化,离真正规模化还有相当距离。乐观者说机器人"拿到了工牌",悲观者说数据孤岛和标准缺失依然是硬骨头——这两种声音其实都对,只是描述的是同一件事的不同阶段。

　　问题留给你们：当具身智能开始从"炫技"走向"接单",你觉得第一个真正靠机器人挣到规模化利润的场景,会是工厂,还是别的地方?