创业资讯门户网站
“2026年，创投圈的浪潮再次翻涌：AI从技术概念走进产业深水区，硬科技创业从“小众赛道” 变成“主流共识”，年轻的创业者们正在用代码和双手，重新定义中国创新的未来坐标。
每一年，由36氪 暗涌主办的WAVES大会，都是中国创投圈的年度风向标。今年的 WAVES 2026以“今年盛夏”为主题，落地广州番禺良仓新造创意园，在两天的时间里，我们汇聚了顶级投资人、产业领袖、新锐创业者，用14场深度圆桌、数十场独立演讲，拆解 AI、硬科技、出海、医疗等核心赛道的底层逻辑，见证那些“少数人” 的坚持，如何汇聚成改变行业的浪潮。”
何思翀丨蚂蚁集团NEXTA创新实验室 项目负责人（主持人）
罗霄恒丨帕西尼感知科技首席战略官
朱政丨极佳视界 联合创始人、首席科学家
孟浩｜大界机器人 创始人兼CEO
欢迎来到本场圆桌对话，2026科技这一年“少数，即浪潮”，我是本场圆桌主持人，来自蚂蚁集团NEXTA创新实验室的何思翀。
如果大家关注科技领域，一定会发现2026年，那些曾经被认为少数派的技术方向越来越走近我们的身边，成为定义未来的一个浪潮。不管是具身智能、世界模型、柔性制造还是触觉感知，这些词汇在几年前还是实验室中的概念，但是在今天，它们已经真实地在改变我们的工业生产线、服务场景以及我们和机器的交互方式，所以今天也是非常荣幸邀请到4位站在这场浪潮最前沿的创业者。他们来自不同的赛道，但都在做着同样的一件事情，那就是让这一切变成现实，发生在我们的物理世界。
我们先来认识一下今天的4位嘉宾，首先坐在我旁边的是帕西尼感知科技首席战略官罗霄恒，跟大家打个招呼。
何思翀：第二位是擎朗智能的CTO唐旋来。
唐旋来：大家好，我是来自擎朗智能的唐旋来，谢谢！
朱政：大家好，我是来自极佳视界的朱政，很高兴跟大家交流。
何思翀：还有一位是大界机器人的创始人孟浩。
何思翀：欢迎四位，圆桌从一个具体的问题开始。
2026年已经过去了将近半年的时间，在各自领域是否有感觉到一件事情，这个事情真的发生了，对大家非常有触动。一分钟各自分享一下。
罗霄恒：如果说一件事的话，可能发生的事情还挺多的，一个是张雪机车，一个是SpaceX上市，他们俩背后应该是相同的精神，这也是整体创业团队一直在学习的精神。
唐旋来：我分享一件日常产品训练中的一件事情，记得大概在3、4月份，因为我们是做具身服务机器人，我们的机器人主要应用在餐饮、酒店、零售、医院等各种生活服务场景中。当时我们在测试人形机器人做咖啡的整个流程，当时我也在陪着他们调试。实际上,整个训练、测试过程中没有其他任务，就是做咖啡，但这个过程中特别有意思。因为抓得不好，咖啡掉了，桌子上撒得全是水，杯子也倒在那里。我们工程师准备出手终止测试的时候，突然发现那个机器人自己触发了另外一个清洁桌面的任务。机器人试图把这个杯子捡起来，试图去抓桌面上的纸来清理桌面的咖啡，这一刻让我特别惊喜，我们讲的具身智能怎么走入社会，怎么产业化、工程化，我一下觉得它好像来了一个智能涌现，就跟我们人一样会根据环境的变化来灵活处理，今天我们探讨具身智能模型怎么进化，其实很多时候的训练、学习过程，给了它很多基础的数据和训练了很多技能，但是很少能够像人一样在遇到突发情况有智能涌现。我们的真实环境是复杂多变的，遇到这种情况怎么智能处理和灵活应对，这是真实的一个挑战。
何思翀：您刚才讲的时候我也是突然冒出“涌现”这个词，没想到机器人它突然涌现出来了。
朱政：我非常赞同两位嘉宾说的，这半年以来，尤其是春节之后。可能春节之前大家都觉得具身智能、机器人在去年的判断里面普遍认为至少需要五年，甚至十年，因为之前大家在自动驾驶里面受过严重的挫折，尤其是L4自动驾驶，大家觉得解决这个问题大概花了十年时间，我们现在仍处在L2、L3的阶段。在去年，大家认为机器人，包括具身智能可能要重新走一遍这样的周期，但是春节之后我感觉大家的信心增加了不少，尤其是随着资本的涌入，随着人才的涌入，大家普遍这个事情会加速，而且不是线性家属，很有可能是非线性的加速，就像语言模型突然的涌现等等，这是我最大的一个感触。
孟浩：可能我个人期待比较高，我这半年一直在关注具身，也在关注所有行业里面在做的事情，我还没有找到那个让我“Wow！”的时刻！
何思翀：就着刚才几位的回答，我还想进一步问一下，因为有些嘉宾有一个“Wow”的时刻让我觉得充满信心，但有些可能觉得还不够，我们能不能再举一些例子，你所在的赛道有什么事情比你预期的快，而有什么时候没有达到你预期的速度呢？还是从罗总先来。
罗霄恒：我所做的赛道会比较多，包括具身智能、人形机器人，具身数据等。我认为投资界，包括政府领导对专业，跨领域或者交叉学科的学习程度和接受度是比我想象中快很多的。很多投资人，包括政府领导人对产业的钻研深度和前瞻性，远超我们的预期。
比我想象得更慢的，是整体社会或者公众，现在整体都是从上往下去推，在各类活动中，人形机器人已经层出不穷。但是公众对此类现象接受度未知。所以让公众真正感受到具身的便利，具身所带来的差异化价值点，会是一个很重要的点。
唐旋来：这半年的趋势让我感觉比较快的，像大模型以及AI Agent，它真正能够快速变为我们工作和生活中的工具助手，这个真的变化挺快的。你会发现今天我们的生活跟工作中，正在被这一系列的工具或者这样的Agent替代。
另一方面，在具身智能的应用和产业化落地的这一块，我们的人形机器人——具身智能这样一个AI+物理载体，它真正走入我们真实的生活场景，解决我们日常真实的问题，出现好的产品和应用场景，这个进度没有想象那么快。
朱政：其实大家对我们极佳视界印象最深的一个词就是我们做世界模型比较早，我们做世界模型做得比较早，大概2023年上半年的时间，从公司刚成立就确定了这个技术路线。
我非常赞同刚才罗总讲的，我感觉进展最快的一点就是公众，包括技术圈，包括工业界、学术界以及投资人对世界模型的关注。2023年的时候当时最大的任务就是说服投资人为什么做世界模型，因为当时不只一位投资人告诉我们，如果你们做语言模型或者语言模型的应用，一定会投你们，但是我实在搞不懂你们做的世界模型究竟是什么？问ChatGPT，跟你们学，但实在搞不懂这是什么词，所以这次不能投你们。去年随着李飞飞出来创业，这个词算是走到大众视野里面。到今年上半年已经有很多投资人过来教育我们，说他们认为世界模型应该是什么样的，建议我们未来应该做什么样的世界模型，已经发展到这种阶段了，我觉得这是大家转变非常快的一个点。
进展比较慢的是，我觉得是现在做具身的，各种工业界、学术界大家的争论仍然停留在所谓的数据、模型结构、训练方法，部署场景，里面噪声还是挺多的，大家很有可能自己做的侧重点不一样，对这个事情的分析也不一样，所以说我觉得还没有像语言模型真正达到一个收敛的状况。
何思翀：孟总跟我们分享一下，你说没有到“Wow”的时刻，是什么不及你的预期呢？
孟浩：其实跟各位嘉宾的想法也一样，资本，人才，技术,迭代肯定是越来越快的，但是具身要比大语言模型难很多，因为要跟物理世界接触，一接触它就要转化成生产力、效率、精度、执行力，现在看目前所有的具身公司在产品的落地上还是偏慢的。我们觉得这里有一个周期，包括具身要收敛，大家也要聚焦在不同的细分领域，去做差异化产品，避免同质化的竞争。
何思翀：因为我刚才听到四位谈起来，整体上大家都还是在逐步提高认知，甚至认知有时候超过了想象，但是具体到落地的层面，未来还有一些待解决的问题。
我也非常好奇的是，在我们去解决这些问题的路上，不管是各自的产品也好或者是各自组织形态也好，包括客户的需求有没有发生哪些变化，大家能不能具体谈一谈呢？
罗霄恒：其实整体的需求是不断提升的，之所以说投资者或政府领导的认知在提高。可能大家在舆论上或者短视频都经常看到机器人开始打工了，要开始进家庭了。这都是一个非常迫切的的期待。然而，智能体需要跟物理世界进行交互的时候，物理世界充满了噪声和不确定的点，机器人怎么像人一样去完成工作，怎么样精准完成任务，这些东西就不再是我们在实验室里抓拿放取这么简单的东西，而是要走到半结构化或者真实的场景里面去完成，这是我认为到今年年底乃至到明年所有机器人公司都要着重去推进的方向。
罗霄恒：实际上目前帕西尼有两个步骤。第一，我们全国布了5个数据采集中心，我们的核心优势是自投自建，全栈自研，自主可控，真实雇佣了1000多个数采员工，戴着数采手套进行采集。采集出来的触觉、视觉、语言、运动轨迹、自体感知等全模态信息等相当于老师傅的手感，里面包括了医疗、康养、医疗、消费、餐饮等15+N种场景数据。相当于洗盘子的数据能够被直接记录下来，这是我们为机器人开的幼儿园或者小学，这些的数据就是机器人的基础动作。就像小孩子一样，现在很多小孩子可能抓筷子都抓不好，最开始小孩子拧一下、扭一下、抓一下，这些基础动作没有练好，导致长程复杂的动作很难学好，这是我们为机器人打的基础。
下一步帕西尼会跟很多海内外产业方，比如说创始人团队以外最大的比亚迪、京东、TCL等等一线产业方合作，走到他们真实场景里，从数采再到部署，这一系列的任务落地我们会滚动完成。
唐旋来：擎朗是全球头部的通用+专用具身服务机器人公司，我们在服务行业做了十几年，不断在引领和推动机器人落地到我们的经济生活中，大家今天看到的，比如在餐厅、酒店、商场、医院的配送清洁机器人，其中有一大部分是擎朗的。
这两年我收到从客户层面最大的需求是，经常有朋友会问我，你们机器人搞得怎么样，什么时候能给我洗衣做饭带孩子。我们的客户，像酒店、餐厅客户经常会问我，我还有这么多需求，你能不能用机器人搞定，你的人形机器人或者下一代机器人能不能帮我搞定，我能感觉到大家对机器人的期待、激情与渴望。
刚才罗总也讲到，今天讲具身，大家可能觉得什么时候我真的能拥有一个类似于这样的，像一些朋友跟我讲管家机器人，像人一样的通用机器人。但这里面其实有很大的挑战，第一点是今天看到很多视频里具身智能机器人表现的能力，大都是在稳定环境中表现出来的能力，我给你创造一个稳定的环境，机器人按照这个相对稳定的条件去理解去推理，去把这个任务执行完。大家可以想像在现实环境中，或者是真实服务环境中，或者家庭中，它是一个完全开放的环境，一个随机的环境。这里面就带来一个问题，机器人在这些随机环境中怎么像人一样应对突发事件？就拿我前面举的例子，比如我在做咖啡的过程中咖啡撒了，或者有一个人把它抢走了，我怎么应对，我怎么针对原来的任务去做改变，去适应这个环境带来的变化？真实环境有太多类似的随机和未知，这是真正考验机器人智能程度的地方。再比如我把这个咖啡做完或者把这个桌子收好，或者做一件事情，但是它是单一事件的任务，而现实过程中往往是，我该怎么样把这些任务，根据环境的变化去做不同的组合，如何自主去做应变和适应，这是一个很重要的点。如果这个点能满足，我觉得它会变成一个很好的产品出来。
第二个，大家可能会想到机器人融入我们生活中，一个很重要的就是它自身的稳定性和安全性。我们可以想象我们生活中的很多电子产品，包括汽车等，你肯定希望它是一个田螺姑娘，一个机器人来到我家，什么都不用我管，它可以自己去完成任务， 自己学习，自己保证自身稳定，对我们又友好，这也是大家在商业化落地过程中需要考虑的重要因素。
总而言之，物理世界AI需要面对复杂多变的动态环境，需要更强的智能水平。
朱政：其实我们极佳视界做的事情有两个关键词，一个是世界模型，另外一个是具身的基模，就是所谓具身智能的基础模型，其实从这两个关键词可以看出来，我们还是把自己定义成一家模型公司。既然是模型公司，它的商业化一定是有步骤的，我们可以发现过去大多数机器人的系统可能是通过大量的规则，少量的小模型组合的一种形式，现在落地应该是规则和模型的混合体，我们希望在后面模型可以更多取代规则，直到达成在工业场景或者家庭场景全模型的状态。当然，大家可能都知道，训练模型是一件很难的事情，这个难不仅仅体现在技术角度，还体现在人才密度、组织架构，包括资金是否充裕等等。所以综合几方面来考虑，其实过去几年投资人对这个行业是非常宽容的阶段。
大家都知道，模型的迭代不管是以半年为周期，还是以季度为周期，总而言之不可能一蹴而就。从商业化角度来讲，我觉得相比其他行业的投资人，比如说生物制药或者说可控的核聚变，甚至量子计算等等，我觉得投资人对具身智能这个赛道应该是非常宽容，因为大家并没有要求你立即在工厂里面替代工人，甚至进入家庭里面，像刚才各位嘉宾说的洗衣服、做饭，做一个通用机器人。大家还是希望你能从细分赛道逐步迭代数据，收集数据，改进你的系统等等。当然经过2024、2025年这两年数据、模型的积累，尤其是2026年上半年随着资金的大量涌入，我感觉下半年或者是明年应该是商业化非常关键的一年半的时期，我们还是希望能够在为2028年之前大家做好准备，为2028年大规模不管是工业场景还是家庭场景，大规模商业化的拐点做好准备。
孟浩：虽然我今年没有“Wow”的时刻，但是我还是非常相信，具身智能，在五年左右时间里，能够变成真正的产品，能够跟人一起协同，创造一个人机共生的社会，当然我觉得家庭机器人产品化会更远，但工业里面其实有大量的场景是需要机器人，从工业机器人到协作机器人，到现在各种形态的具身机器人，能创造更大的价值和生产力。
但本质上我觉得不管投资人和政府怎么看，也不管市场的热度是怎么样的，其实客户的博士龙学习桌加盟需求永远没变，他就希望机器人能像人一样，对标人的生产力，能把这个事干好。
所以我觉得这个需求是一直在的，也没有变过，无非是大家在各自赛道里面，怎么样围绕真实场景的需求去定义产品，去迭代技术，我觉得这是最关键的。
何思翀：刚刚几位嘉宾谈到了他们期待具身智能有所突破的点，但事实上几位嘉宾在各自行业做出的产品都是可圈可点的，大家如果站在全球的视野来看，我们中国的科技在这几个赛道上大概处于什么样的位置？罗总你先来，因为帕西尼触觉传感器出货量已经排名第一了，可不可以给我们介绍一下，这个第一是怎么得来的，它能保住多久？
首先给大家介绍一下帕西尼，为什么叫帕西尼？帕西尼是一个小体，我们每个人身体中都有无数个帕西尼小体，它是专门负责感知高频次外部压力与震动变化的人类力学感受器。我们的初心是让机器人拥有人一样的手感和触感。
我们从2021年开始做触觉传感器，“十四五”期间，触觉传感器是工信部列的35项卡脖子技术之一，前四项分别是光刻机、芯片、OS、航空发动机短舱，第五项是触觉传感器。该产品曾经重度依赖进口，只存在欧美象牙塔里面，10万块钱一小片，这是没法产业化和商业化的。所以我们通过不断迭代，运用磁电原理，包括自研芯片和算法架构，最终把它降到199一片，所以这是很适合于产业化、商业化应用的区间。
整体占比在市场上大概是半壁江山，去年黄仁勋亮相的14款人形机器人里面有11款用的是帕西尼的传感器，我们希望真正给机器人带来更加丰富的、直接的触