2026年世界互联网大会乌镇峰会 机器人真正“会干活”，为什么关键不只在一双机械手？

11月2日，世界互联网大会领先科技奖揭晓，多项成果指向一个共同方向：让AI从屏幕里的“会说”，走到现实世界里的“会看、会想、会做”。其中，面向机器人操作的基座模型尤其值得关注。它试图解决的不是“机器人能不能动”，而是面对没见过的物体、变化的摆放位置和不同的任务指令时，能否更通用地完成操作。

传统工业机器人很擅长重复：在固定工位、固定夹具、固定节拍里，它能稳定完成焊接、搬运或装配。但如果把桌上的杯子换成软袋，把物体位置挪几厘米，或让它按一句自然语言指令去收纳，难度会突然上升。因为真实世界不是标准化流水线，物体形状、摩擦、遮挡、光照和人的动作都在变化。

“操作基座模型”可以把它理解成机器人的通用学习底座。它通常需要同时处理视觉、语言和动作：先从相机画面中识别物体及空间关系，理解“拿起”“放进”“避开”等任务要求，再输出机械臂、关节或夹爪该如何运动。这里的难点不只是识别一只杯子，而是把“看见杯子”连接到“以合适角度抓住它、移动时不碰倒旁边物品、放到指定位置”。

这也解释了为什么机器人研发越来越重视真实数据。文本模型可以从海量语言中学习表达规律，机器人却要理解力、距离、接触和失败：抓太紧会挤压，抓太松会滑落；路径看似可行，实际可能被桌沿挡住。真实操作轨迹、传感器反馈与失败案例，都是让模型从“知道”走向“做到”的材料。

但别把基座模型等同于万能钥匙。实验室或展示场景中的成功，不等于能立刻覆盖工厂、仓储、医院和家庭。安全边界、速度、成本、稳定性，以及面对异常情况时能否停得住、交得清，仍需要长期验证。尤其在人机共处环境中，机器人首先应做到可预测、可监控，而不是一味追求“像人一样”。

对普通人来说，这波进展最值得期待的，未必是机器人突然包办家务，而是它能更早进入重复、危险、精度要求高的岗位：协助分拣、搬运、巡检，或在特定场景中减轻人的负担。让机器从“按程序动”升级为“理解任务后再动”，是具身智能的一步；而真正的成熟，仍要靠每一次可靠、安全的落地来证明。