9月27日至10月1日，第39届IEEE/RSJ智能机器人与系统国际会议（IROS 2026）在美国匹兹堡大卫·劳伦斯会展中心顺利举办。
上一次匹兹堡承办IROS还要追溯到1995年，时隔31年，这座老牌“钢铁之城”早已蜕变。依托卡内基梅隆大学（CMU）顶尖的机器人研究底蕴，匹兹堡斩获全新名片——“Roboburgh（机器人之城）”，本届大会主席也由CMU机器人研究所核心学者Howie Choset担任，含金量与行业关注度拉满。
本届会议论文投稿数据再创新高，共收到4348篇有效投稿，最终录用1585篇，整体录用率约36%。而代表会议最高水准的最佳论文、最佳学生论文，仅入围10篇。从数千篇投稿到千篇录用，再到十强入围，层层收窄的筛选漏斗，精准折射出当下机器人行业的真实现状：行业热度持续暴涨，技术门槛同步抬升。
相较于常规的论文成果解读，本届IROS最具价值、最能窥见行业未来的内容，藏在圆桌论坛与公开辩论之中。这里少有客套话术，多是学界、产业界、投资人的直面交锋、真话碰撞。
整场大会的核心争议与共识，最终汇聚为三大终极命题：机器人的未来，是通才还是专才？实验室技术如何落地为成熟生意？产业真正需要什么样的机器人、什么样的人才？
三场讨论，覆盖技术路线、商业化落地、人才需求三大核心维度，也完成了一次对全球机器人行业的全面盘点。全行业达成一个朴素共识：如今的具身智能从来不缺惊艳论文、不缺前沿算法，真正稀缺的，是把论文变成产品、把产品做成生意、把生意做成行业标准的人。
一、代际大辩论：年轻人赌通用缩放，老将坚守专业落地
本届IROS人气最高的论坛，莫过于“机器人通才vs专才”的终极辩论，近千人的主会场座无虚席。现场观众构成均衡，半数青年学生、半数资深学者，辅以创业者与行业投资人，堪称当下机器人行业的全景缩影。
整场辩论酣畅淋漓、正反交锋不断，但两轮现场投票结果高度一致：绝大多数从业者认可“机器人专才路线”。全程激烈辩论，却未能撼动行业主流认知，而两大路线的支持者，恰好形成了清晰的代际分割。
站在通才阵营的，是一批成长于大模型时代的青年新锐学者与创业者，包括达姆施塔特工业大学Georgia Chalvatzaki、CMU学者Katerina Fragkiadaki、清华大学许华哲、XDOF CEO Philipp Wu。他们的核心共识聚焦基础模型、数据规模、算力缩放与全域泛化能力，坚信通用化是机器人的终极未来。
站在专才阵营的，是深耕机器人领域数十年的行业泰斗，包括IEEE机器人与自动化学会前主席Nancy Amato、CMU机器人研究所前所长Matt Mason、名古屋大学IEEE前主席福田敏男、资深学者Yu Sun。他们深耕运动规划、精密抓取、机电一体化等底层技术，信奉场景落地、稳定可靠与工程实效。
简单来说：年轻人赌的是规模与上限，老将们算的是场景与底线。
专才派：靠谱，是工业与生命的底线
专才阵营的核心底气，源于真实且严苛的落地场景。手术医疗、工业制造、高危环境作业，没有任何场景愿意为“通用但不确定”的能力买单。
在手术场景中，专用机器人可以重复完成上万次标准化术式，精准识别人体解剖变异、术中并发症、异常出血等各类突发问题，这种“熟知风险、规避错误”的专项智能，是通用机器人无法替代的。现场一句反问直击核心：躺在手术台上，没人愿意交给一台通用性未知的机器人手术。
工业制造场景更是如此，传统产线的夹具、传送带、作业逻辑，本身就是为特定任务优化的智能体系。固定场景下，剔除冗余可变能力、极致强化专项精度与稳定性，远比堆砌通用能力更有产业价值。
CMU前所长Matt Mason更是从科学史观与哲学层面解构“通才神话”，抛出全场最经典的类比：“所有人都该成为人类吗？所有机器人都该成为通才吗？这本身就是一个伪命题。”
他指出，科学革命的本质是一次次“去中心化祛魅”：人类并非宇宙中心，个体也并非全能通才。人类受限于身体形态、成长训练，仅能擅长部分领域，机器人同理。所谓“通用通才”本身就是模糊的伪概念，相比空谈全能，聚焦专项、深耕垂直才是技术正道。
通才派：专用是弯路，通用是终局
青年主导的通才阵营，拒绝被动守旧，以科技迭代规律为依据，发起强势反击。
XDOF CEO Philipp Wu观点最为激进：各类专用算法、专用机器人系统，只是行业发展的阶段性弯路。正如智能手机诞生后，彻底整合了独立GPS、相机、iPod等专用设备，通用终端终将全面收编专用设备。
他结合AI行业发展规律总结出机器人新法则：AI最有效的技术，永远是可规模化、可依托算力迭代的技术；延伸至硬件领域，最通用的硬件，终将成为最有效的硬件。他甚至大胆预判：五年内，人形、半人形通用机器人出货量，将全面超越传统工业专用机器人。
清华许华哲则用极简类比戳破专用系统的局限：专用软件终将沦为“电脑里的Excel”，硬件价格最终会回归“金属重量+加工成本”的本质。行业不该反复迭代专用工具，而要对标GPT，打造具备全域适配能力的通用智能。
他补充道，iPhone诞生前，无人知晓自己需要智能手机；同理，当下专用系统只能适配已知需求，而未来层出不穷的未知场景，唯有通用机器人能够灵活应对、兜底承接。
终局共识：通用大脑，搭配专用双手
自由辩论火药味拉满，双方针锋相对、互不相让。Yu Sun直言：“未来十年，专用机器人依旧是行业主流，2028年不会出现通才颠覆的行业拐点。”Georgia Chalvatzaki则反问，未来护理、制造行业用工缺口巨大，依赖人工实时调试、更换夹具的专用系统，终将面临人力枯竭的瓶颈。
但激烈辩论的尽头，双方意外走向了同一套技术架构共识。
通才阵营Katerina Fragkiadaki提出分工模型：常态化、标准化任务，由专才机器人高效落地；遇到突发状况、计划外问题，由通用智能负责诊断、重构规划、解决难题，再交还专才执行。通用模型可拆解长程复杂任务，按需调用各类专项工具。
专才阵营Yu Sun也认可这一图景：未来机器人系统，必然是通用感知+全局调度大脑，搭配专用任务本体、专项工具、安全控制器的组合形态。
正如现场嘉宾调侃：两方激烈争论的，其实是同一种未来。机器人的终局，从来不是纯通才或纯专才，而是懂全局、能兜底的通用大脑，带着一群高精度、高稳定的专业双手协同作业。而行业投票的结果也证明，当下产业最看重的，永远是落地的可靠性。
二、技术商业化：原型出圈容易，做成生意很难
本届IROS另一场极具现实价值的圆桌论坛——《机器人创业与企业家精神》，直面行业核心痛点：无数亮眼的学术成果、实验室Demo，为何绝大多数无法落地为商业化产品？
本次嘉宾阵容囊括学界泰斗、行业龙头创始人与一线投资人：无人机领域权威Vijay Kumar、柔性机器人标杆Sami Haddadin、医疗机器人创业者Andrea Thomaz、Field AI的Ali Agha、Near Earth Autonomy CEO Sanjiv Singh，以及多位资深投资人与行业学者，从实战视角拆解技术落地的底层逻辑。
论坛开场便抛出一句清醒定论：并非所有学术研究，都适合做成创业项目。
1、创业起点是客户刚需，不是技术炫技
学术研究追求广泛适用性、技术创新性，而商业创业的核心，是找到“等不及解决方案”的真实刚需客户。
Near Earth Autonomy的自主飞行器，最终落地于矿山高危作业场景；Diligent Robotics的服务机器人，精准解决医院护士被低价值事务占用核心精力的痛点。所有成功落地的机器人项目，都是市场需求拉动技术迭代，而非技术强行推向市场。
2、原型一次成功，产品万次稳定
实验室Demo只需一次完美运行即可出圈，而商业化产品需要上万次稳定重复运行。99%的单次成功率，在高频作业场景中，意味着每隔数十次就会出现一次故障、一次人工接管。
从原型到产品，还要跨越制造、供应链、行业法规、现场运维、售后支持等一系列学术研究从未涉及的难题。嘉宾统一建议：从小切口、强刚需的垂直场景起步，先验证算法价值、积累落地数据、打磨稳定模型，再逐步拓展通用场景，切忌开局就搭建全品类通用平台。
3、商业模式的核心：算清谁付钱、怎么付
技术落地的终极瓶颈，从来不是算法，是付费逻辑。企业客户严格区分资本性支出与运营性支出，高价硬件设备极易面临闲置贬值、库房积压的问题，客户付费意愿极低。
相较之下，按效果、按服务计费的模式更适配机器人行业：测绘按面积计费、运输按里程重量计费，让收费与实际价值精准绑定。但这种RaaS（机器人即服务）模式暗藏隐患：前期硬件部署成本高、回款周期长，极易出现账面盈利、现金流断裂的危机，极度依赖资本支撑。
同时To B落地存在典型的三方博弈难题：机器人的使用者是一线员工，预算审批者、采购决策者却是管理层，想要落地普及，必须同时打通使用、预算、采购三方链路。
4、学术创业的清醒认知
针对学界普遍关注的融资问题，嘉宾给出明确结论：当下行业不再认可空泛的愿景与纸面意向书，付费试点客户，是最硬核的市场证明。
绝大多数学术创业者无需追求巨额估值、大额融资，只需拿到支撑下一个技术里程碑、落地节点的资金即可。同时，教授创业可初期试水，但企业规模化后必须全职运营，无法兼顾高校科研与企业管理，避免出现利益冲突与团队内耗。
整场圆桌论坛沉淀出统一共识：技术只是创业入场券，客户价值、产品稳定性、现金流、团队市场化能力，才是决定项目生死的核心筹码。
三、产业真实需求：不追噱头，只重可靠与沉淀
学界普遍乐观，认为3-5年即可迎来机器人全面爆发的时代，但产业界始终冷静克制，更看重长期落地、稳定运行与行业标准。
1、产业核心指标：自主运行比例
特斯拉机器人车队负责人在论坛中分享了产业真实的评判标准：跟踪百台机器人的日常作业，核心指标不是论文中的准确率，而是自主运行比例，即人工干预的频次。
人工干预分为两类：工程干预修复机器人硬件、算法、数据缺陷，运营干预处理外部环境波动。干预次数持续下降，才是实打实的技术进步。频繁需要人工介入调试的机器人，再亮眼的算法数据也没有产业价值。
产业界最稀缺的能力，是机器人的长期记忆与自主修复能力：遭遇故障、失败后，可自主溯源问题、沉淀经验、迭代优化，无需人工反复调教。本届IROS最佳论文《LT-Mem:Volatility-Aware Spatio-Temporal Memory for Lifelong Scene Understanding》，恰好聚焦机器人长期记忆与场景持续学习，也印证了产业需求正在反向引领学术研究方向。
2、爆发温差：学界看3年，产业看10年
对于24小时不间断自主运行的通用机器人，产业嘉宾直言：目前行业尚未实现。工业机器人可落地工厂，但人形机器人走进千家万户，至少还需十年沉淀。
核心瓶颈在于标准化：一把普通椅子，拥有500余项行业标准覆盖生产、安全、使用全流程；而动态、多变、柔性的人形机器人，至今没有完善的标准体系、监管体系与可靠性验证体系。
业内学者指出，当下是人形机器人建立行业标准的黄金窗口期，从业者需要主动参与标准制定、行业共建，用统一规则夯实行业发展根基，而非单纯追逐技术噱头。
3、产业最需要的人才：懂本质、能落地、会沉淀
产业招聘视角，早已跳出论文数量、榜单排名的单一维度。企业招聘负责人明确表示：不看论文堆叠数量，只看单篇成果的深度与真实理解能力。
大模型时代，AI可快速生成论文、模拟成果，极易造成虚假科研成就感。产业真正需要的人才，是能吃透问题本质、自主核验成果、掌控技术逻辑的实干者。给青年研究者的建议十分朴素：少刻意自我推销，多深度拆解问题、沉淀核心能力。
多位资深学者补充，青年从业者不必沉迷堆砌模型，要深耕基准测试（Benchmark），搭建能真实反映行业痛点的评测体系；无需追求高频发文，要力争做出能被行业记住的标志性成果（Grand Slam），做到开源透明、可复现、可迭代。同时，要主动传播研究成果，通过公开网站、演示视频、开源代码，让优质技术走出实验室、被行业看见。
写在最后
时隔31年重回匹兹堡，这场IROS大会恰好见证了机器人行业的轮回与迭代：从钢铁重工的确定性，到具身智能的不确定性，行业一路从轻、从软、从智不断进化。而如今，全行业重新回归务实，重新重视重量、重视稳定性、重视产线节拍、重视商业闭环、重视行业标准。
通才未输，专才未赢，这场代际辩论的本质，是行业的一次自我校准。大模型拓宽了机器人的能力上限，但真实的产业落地、生命安全、工业生产，永远需要稳定可靠的底线保障。
学界负责乐观预判未来，产业负责冷静夯实当下，两种视角的碰撞与互补，正是行业走向成熟的标志。
当下的机器人行业，从不缺聪明的大脑、惊艳的论文、前沿的算法。真正稀缺的，是能把论文熬成产品、把产品熬成生意、把生意熬成行业标准的实干者。
期待下一个行业周期，当IROS再次回归此地，我们如今热议的技术图景，都能落地为各行各业稳定运行、默默发力的机器人，安稳跑满每一个八小时。