WAIC 上的实践折射出机器人赛道对“智能”迭代理念的分化。甲子光年智库发布的《2026 中国具身智能行业洞察报告》指出,产业正关注长期稳定性及持续学习能力,并存在"AI for Robot"和"Robot for AI"两种研发范式:前者是本体确定后 AI 去适配,后者是从 AI 需求出发反向设计机器人。具身智能中“身”与“智”的主导权尚未有定论。蚂蚁灵波的通用大脑旨在“一种 AI 适应多种 Robot",核心优势在于边际成本递减和供应商解耦。但其挑战在于跨形态通用是否能在复杂场景中保持深度推理能力,这仍需大规模验证。宇树和智元的产品矩阵策略接近消费电子打法,通过规模效应覆盖多样需求。其关键在于规模化时代的软件和服务能否同步跟上,将规模优势转化为长期壁垒。相比之下,"Robot for AI"路线对方兴未艾,对软硬件能力考验更强。动易科技的物理智能体路线即为具象化代表,其 PhyAgents 底座让机器人在运动中感知物理世界,不同构型间的数据经验可产生复利效应,反哺运控能力。该路线要求研发者充分理解 AI 算法与硬件特性,难度较大。动易科技坚持全栈自研,已在线下“够 C 羽球馆”形成消费级场景体验闭环。同样坚持此理念的深度机智,推出了全尺寸拟人体机器人 Prime,能在实验室场景中适应多种设备,无需专门改造环境,展现了能力的泛化性。从 AI 适配机器人转向原生协同,"Robot for AI"路线正寻求突破。报告指出,该路线并非简单加装大模型,而是让身体、感知和控制从设计之初就服务于 AI 学习。在硬件接口未统一的当下,不同路径各有价值,而全栈自研的深度耦合更易实现系统协同效果。