企业扎堆机器人赛道有几年了，到目前为止，大部分比拼的还是demo场景、炫酷动作或是表演场景。

而擎朗智能已经算起了商业账，而且非常具体。比如，一台机器人在酒店洗衣房叠衣服，一天叠多少件，租金收多少，客户省多少人工费。这笔账算得过来，生意才能做下去。

8月的WRC（世界机器人大会）上，擎朗智能把洗衣房、咖啡亭、甜品屋、零售店搬进了展区，咖啡亭里XMAN-R1在取杯萃取，人形机器人在叠衣。展板上对应的是擎朗智能的出海数据：据2025年IDC报告，擎朗全球出货量占比持续位居行业第一，覆盖全球600多个城市和地区。

DoNews和一众媒体在这里见到了擎朗智能创始人兼CEO李通，他在2010年创办了这家公司，到目前为止已经成长为全球出货量最大的服务机器人公司。围绕“岗位化”这一核心命题以及擎朗在WRC的最新布局，我们与李通进行了长达一个小时的对话，试图拆解这家公司对具身智能商业化路径的独特思考。

（以下内容基于活动采访整理）

01、为何选中服务场景？

擎朗智能的机器人在WRC展区有一股“接地气”的风格，它们坐落在洗衣房、咖啡亭、甜品屋、零售店，充满温馨的生活气息。

但在具身智能领域，这些都是难啃的骨头：技术碎片化、行业非标化，客户流程不能改、环境也不能改。擎朗智能为什么要选择这一赛道切入？

答案藏在李通对机器人落地场景的长期判断中。在他看来，家庭场景的通用机器人落地至少还需要5年以上时间，核心原因是家庭环境要求机器人具备“无限泛化”能力才能完成各类家务。而服务业中存在大量重复简单的岗位，仅需“有限泛化”能力即可胜任。

更重要的是数据质量。越是混乱的真实场景，积累的数据越有价值，实验室里模拟一万次，不如在酒店洗衣房叠一百件衣服。“真实场景里遇到的意外情况，是训练模型最值钱的东西。”李通说。

当然，选择生活服务场景，还有更深层的战略考量。

首先，这是数据飞轮的起点。 具身智能长期卡在无机型就无数据、无数据就难研发机型的死循环里，机器人一旦在服务业岗位商业化落地，日常运营就能积累真实的物理数据，推动“数据-机型优化”的飞轮运转。

其次，服务业是通往家庭的必经之路。李通判断，酒店清洁、餐饮、洗衣等工作既有明确需求，也保留了足够多的环境变化和操作任务。可以让机器人先成为清洁、叠被、烹饪等任务的专家，能力和数据逐步打通后，才有可能进一步走向家庭服务。相比直接进入家庭，这条路可行性更高。

第三，发达国家市场能算清经济账。 机器人多关节结构导致成本较高，而发达国家劳动力价格远高于国内，用户可承受更高的终端售价。擎朗的海外收入占营收大头，在全球服务机器人市场占有率超过两成，其中配送机器人占四成以上，2025年商用清洁机器人业务出货量同比增长超过800%。

所以，选择生活服务场景并非“知难而上”，而是用有限泛化能力切入可落地的B端岗位，在发达国家先跑通经济账，用真实运营数据反哺技术迭代，最终为进入家庭储备能力。

02、“岗位化”的争议

擎朗智能跑出了一条新路径，让机器人“岗位化”，即在一个具体岗位上先做到连续工作、稳定产出。

李通曾公开提出，具身智能走到现在，目前可以说到了商业化落地元年，“机器人是不是真能干活是商业化的本质，而岗位化策略则是通向大规模商业化的必由之路。”

这一路径解决了一个很实际的问题，那就是在通用机器人还进入不了家庭的当下，机器人公司靠什么活下来？擎朗智能选择先让机器人干活，在干活中积累数据，用数据反哺技术。

不过，“岗位化”也存在一个争议点。让机器人在洗衣房叠了一万件衣服，这些数据能让它在咖啡亭做咖啡吗？如果每个岗位的数据都是孤岛，那“岗位化”的终点就是一堆互不相通的专用机器，是否永远走不到“通用”？

想回答这个问题，需要从技术架构里找答案。

擎朗智能机器人的模型分两层：上层是KEENON ProS——针对具体岗位的垂域模型，比如咖啡师模式、洗衣工模式；底层是KOM大模型——通用底座。2026年WRC上发布的KOM 3.0，是全球首个融合潜空间世界模型的服务行业VLA架构。通俗点说，它让机器人“先想后做”，动手之前在“脑海”里预演物理过程：这杯咖啡端起来重心在哪儿，布料受力之后会怎么变形。

两层模型之前的关系是这样的：所有ProS都长在KOM上面。洗衣房的数据在ProS层面优化叠衣能力，但这些优化的成果会反馈回KOM底座。底座一旦学会了“布料受力之后会怎么变形”这个物理规律，从叠衣服到叠毛巾、叠床单，就不需要重新学，因为底层的物理规律是一样的。

洗衣房是本届WRC最具看点的场景。工作人员介绍，两台XMAN-R1在统一调度平台下自主协同完成放衣、洗涤、取衣、叠衣全流程。柔性衣物的识别与处理是行业公认的难题，布料是软的，形状每次都不一样，没法用固定程序控制。能把这个场景跑通，说明模型对柔性物体的处理能力已经到了可以商用的门槛。

值得注意的是，KOM 3.0的训练数据全部来自擎朗智能在全球真机训练场中按照岗位化搭建的真实场景，以及大量客户实际场景中岗位化上岗后的运行数据。用上百个岗位的专精数据去“喂”一个能支撑一千个岗位的通用底座，正是能落地且跑通商业闭环的关键。

03、要想等到“大结果”，得先赚到今天的钱

2010年成立时，擎朗的启动资金只有20万，窝在上海闸北区一个70多平方米的毛坯房里。那会儿机器人行业连风都没吹起来，纯靠硬扛。

2016年AlphaGo带起一波热潮，没两年资本寒冬又来了。李通回忆，那时候想的是“要想等到'明天的大市场'，我得先活下去，'赚到今天的钱'”。

8年前，擎朗的第一代产品T1被送到日本餐厅打工，只租不卖，租金是当地服务员平均工资的三分之一到二分之一。一台T1干了8年，擎朗智能赚回近50万人民币。

2025年10月，盛茂香格里拉开业，8台擎朗机器人全面上岗。XMAN-R1负责迎宾递物，W3负责客房配送，C40负责清洁，T10负责送餐。这是全球首个拥有人形机器人服务员的酒店，也是全球首个“通用+专用”机器人协作的酒店。

到今天，擎朗累计出货超过10万台，覆盖全球60多个国家和地区，海外营收占总营业额60%。据IDC报告，擎朗以22.7%的全球出货量占比位居行业第一。

“客户不关心机器人是专用还是通用，只关心成本是不是比人工低，效率是不是比人工高。”早年间落地日本市场的经历，带给李通一个敏锐的直觉。在他看来，没人能准确预测一年后的行业状态，但从公司的布局和技术路线中，大概能摸出几条线索。

首先，大脑路线会进一步收敛。 李通认为，目前通用机器人的本体和小脑技术已经收敛，行业明确了技术路线；但大脑技术尚未收敛，各家路线不同，没有明确的最优方案——KOM 3.0的“潜空间世界模型”是擎朗智能给出的一套答案。明年的WRC可能会看到这套世界模型在更长程、更复杂任务上的表现，以及大脑技术路线的进一步收敛。

其次，更多岗位会被解锁。 从WAIC到WRC，擎朗智能的场景从咖啡、甜品、零售扩展到了洗衣房。李通提到，服务业中存在大量“专家岗”，清洁、叠被、烹饪等。明年我们可能会看到擎朗智能进入更多细分服务岗位，比如医疗康养、商超补货等场景。

此外，“通用+专用”的协同会更深。 擎朗智能在WRC已经展示了人形机器人XMAN-R1与配送机器人T10、清洁机器人C40的协同作业。李通明确，“通用+专用”的组合才是完成服务闭环的最优解。因为标准化程度高、需求规模大的工作可由专用机器人承担，面对场景变化、多功能协作的岗位，通用机器人则可发挥价值。明年的WRC，这种协同可能会从展台演示走向更复杂的真实场景联动。

最后，海外市场的规模化验证。 擎朗智能的产品已部署到全球60多个国家和地区、600多个城市。全新人形机器人产线已经在泰州工厂建成投产，产品顺利下线，将销往海外市场。随着人形机器人在发达国家市场的ROI被验证，明年WRC上可能会看到更多来自海外真实商业场景的数据和案例，而不只是展台上的演示。

尾声

人形机器人进家庭这件事，听起来还很远。但让它在酒店洗衣房里叠衣服，在咖啡亭里做咖啡，这些看起来很小但又很日常的工作正在进行。

其实往回看，擎朗智能的发展路很明确：生活服务场景虽然难，但能积累最有价值的数据；岗位化虽然看起来“不够通用”，但能最快跑通商业化闭环；KOM 3.0虽然刚刚发布，但训练数据却是来自全球10万台真实上岗的机器人。

采访期间，DoNews追问了一个略微“刁钻”的问题。早些时候李通认为表演不算干活，但后来发现，表演能卖出去，它就是个行业。于是擎朗的机器人今年在WAIC打起了腰鼓。

是什么原因让他改变了看法？李通（笑）：观念确实会转变，但“合理的商业化方向就不应被忽视”。到目前为止，一些展会、品牌活动、主题餐厅乃至文旅项目，都对具备表演能力的机器人有明确采购意愿，这构成了可落地的商业场景。李通还提出，部分海外客户尤其关注这类展示，并将其作为评估产品可靠性的参考维度。

这一认知转变让李通更坚定了一个原则，商业化的核心不是固守某种“严肃用途”的执念，而是识别并服务于任何愿意为之付费的真实痛点。这大概就是对擎朗智能商业化最适配的注解。