机器人在WAIC扎堆“干活”,距离入户养老还有多远
智能养老行业的逻辑是,养老机构选择机器人,不追求技术最前沿,而追求“最管用”。
2026年世界人工智能大会(WAIC)上,具身智能展区最直观的变化是:跳舞的少了,“干活”的多了——抓取物体、摆放物品、折叠衣物等动作已较为常见。
展馆内,机器人管家、康复助手、情感伴侣轮番登场,描摹出一个“机器人养老”触手可及的未来。而展馆外,一个现实问题浮出水面:这些在聚光灯下灵活“干活”的机器人,距离真正走进中国3.2亿老年人的家门,还有多远?
人形机器人成为智慧养老新赛道
工业和信息化部7月20日发布的数据显示,上半年,我国一批具有国际竞争优势的产业加快壮大。其中,在智能机器人领域,我国研发的四足机器人占全球销量份额接近70%,人形机器人整机产品达400余款、超全球半数。
这些数字背后,一条以人形机器人为核心的智慧养老新赛道正在成型。从康复护理到安全监护,从情感陪伴到生活辅助,人形机器人正在从工厂、展台走向养老机构和社区家庭。随着人工智能大模型与具身智能技术的持续突破,人机协同的新型养老服务模式日趋成形。
上海傅利叶智能科技有限公司在本届WAIC首次带来面向居家陪伴服务傅利叶“具身之家”技术解决方案。只需根据自然语言指令,傅利叶GR-3机器人就可以自主理解用户需求,随后自主规划最优路径,完成取物与递送等任务。
17日,在上海泰康之家申园举办的“2026上海长寿时代银发产业高质量发展会议”上,上海傅利叶智能科技有限公司创始人兼首席执行官顾捷表示,公司创立之初便以机器人为方向,首个落地场景是康复治疗,帮助患者恢复行走、进食等日常生活能力。这两三年,人工智能技术和机器人技术让企业看到了未来机器人能够走到我们身边最大的可能性。
来自武汉的企业光谷东智参展带来了面向机构养老场景Lumen S1人形机器人,核心是构建“1+1+N”智慧康养解决方案。
光谷东智负责人对第一财经表示,这套解决方案有“大脑”、有“身体”、有“场景”:即以光子系列具身智能机器人为硬件载体,搭载智慧康养垂域大模型,面向养老院、康养社区等机构,提供覆盖安全巡检、情感陪伴、健康管理、生活照料等多元场景的人机协同解决方案,完整覆盖机构运营与长者照护的全链条需求。

机器人进入家庭还有两座“大山”
顾捷说,现在他被问及最多的问题是机器人都可以跳舞了,那机器人什么时候能够进家里帮助大家打扫卫生、做饭?
“这需要比较长的过程。”顾捷表示,机器人进入家庭还有两座“大山”,一是安全认证标准极高,老人需要的不是机器人“翻跟头”等动作,而是能缓慢、安全地递上一杯水;二是模型的泛化认知能力尚不足,机器人需在非医院的非结构化场景中,自主进入陌生房间并完成递水这类任务。
业内人士认为,在机器人尚未大规模进入家庭之前,养老机构是主战场。那养老机构如何选择包括机器人在内的智能养老设备?
泰康之家副总裁徐晓欢在行业论坛上分享了实践经验。作为运营着全国数十个养老社区的头部机构,泰康之家在选择智慧养老产品时,既关注技术本身,更关注技术与服务场景的匹配度。科技和服务之间需要互相启发、联动,才能真正契合老人包括服务当中的痛点。
易普森智慧健康科技董事长李小军则从供应商角度指出,定位报警卡这类硬件技术并不复杂,但之所以成为养老机构普及率最高的安防设备,是因为它“一键呼叫加精准定位,能够大幅度缩短救援时间,降低运营安全风险”。这揭示了一个智能养老行业的逻辑,养老机构选择机器人,不追求技术最前沿,而追求“最管用”。
尽管障碍重重,养老机器人产业正在加速奔跑。在“2026上海长寿时代银发产业高质量发展会议”上,行业领军企业认为,未来3~5年养老机器人行业最大的变量是人工智能。
顾捷认为,未来3~5年最大变量是AI与机器人结合的速度。当前大模型像“做梦”,梦里逻辑自洽,但一接触物理世界就失效。只有将大模型与机器人模型真正融合,让其在真实世界探索,才能实现突破。届时,安全监测、陪伴、康复训练乃至家务协助都将迎来质变。
-
AGV调度系统数据瓶颈:没有更多数据时的优化策略AGV调度系统数据瓶颈:没有更多数据时的优化策略很多人以为,AGV调度系统的性能提升完全依赖于数据量的持续增加,其实不然。在工业场景中,数据获取成本与调度效率之间存在显著的边际递减效应。当系统已捕获足够覆盖95%以上场景的基础数据后,单纯增加数据量对调度精度的提升不足3%,反而会引发存储冗余与计算延迟问题。底层逻辑是:AGV调度本质是有限状态空间内的路径优化问题。以某汽车总装车间为例,其AGV网络查看详情
-
AGV机器人调度系统:数据瓶颈背后的底层逻辑数据孤岛与调度效率的悖论很多人以为,AGV机器人调度系统的性能瓶颈源于算力不足或算法复杂度,其实不然。在真实工业场景中,90%的调度延迟问题源于数据孤岛与协议异构性。当多品牌AGV混编运行时,不同厂商的通信协议、定位精度、传感器采样频率差异,会导致调度系统陷入「数据解析-转换-同步」的死循环,最终表现为路径规划失效或任务队列堆积。案例:上海临港某汽车总装车间的赛制级推演2023年Q2,某头部车企在查看详情



400-886-5570




