擎朗智能COO万彬：具身智能商业化仍需跨过四道槛

    本报记者 金婉霞

    2026年被业内视为具身智能“部署态元年”。上海擎朗智能科技有限公司（以下简称“擎朗智能”）首席运营官（COO）万彬在接受《证券日报》记者采访时表示，进入真实场景只是具身智能商业化的起点。“具身智能企业要真正实现商业化，仍需跨过四道槛：能否实现规模化量产，真实场景中的任务完成率能否达到商用标准，运行过程能否持续安全可控，以及投入产出的经济账能否‘算得过来’。”

    在万彬看来，具身智能产业不能只围绕机器人本体形态或模型能力讨论，更重要的是找到高频、刚需、客户愿意投入的具体场景。技术最终要进入业务流程，解决客户真实存在的问题。

基于需求寻找场景

    在2026世界人工智能大会（WAIC 2026）现场，擎朗智能在展台上展示的一场机器人“洗衣接力”，正是围绕具体场景形成的解决方案。记者在现场看到，专用配送机器人A负责取走装有脏衣物的洗衣篓；洗衣机旁的机器人B接过洗衣篓，将衣物投入洗衣机，并操作设备完成洗涤；机器人C则负责收纳洗净的衣物。记者从展台工作人员处获悉，这套方案已经在连锁酒店等客户场景中开展调试和试运行。

    万彬表示，选择洗衣场景并非从技术概念出发，而是基于擎朗智能长期服务酒店客户过程中发现的真实需求。“在大型酒店中，衣物收取、跨楼层转运和洗涤涉及多个空间和工作环节，具有流程较长、重复作业较多等特点，为机器人分工协作提供了应用基础。”

    记者注意到，擎朗智能并未选择用一台人形机器人包揽全部工作，而是将取衣、转运和洗衣等环节拆分，由不同机器人分别完成。对此，万彬表示，专业化分工会带来运营效率的提升。“通用型的人形机器人确实具备岗位迁移能力，但在具体商业项目中，所有任务都由一台机器人来完成未必划算。”万彬称，以洗衣篓的转运为例，通用型的人形机器人虽然也可以完成搬运，但其采购成本约为专用配送机器人的10倍，而且单次可运送的洗衣篓数量有限。

    “采购成本和单次运载效率，会直接改变项目的盈利模型。”万彬举例称，若一家酒店每天只有两笔洗衣订单，单台人形机器人承担多个环节可能更加经济；但对于拥有数百间客房、每天需要处理大量订单的酒店，由客房机器人、配送机器人和人形机器人分工协作，更有利于提高设备利用率和整体作业效率，而且相关技术后续可应用于连锁洗衣工厂、干洗店等。

仍需积累真机数据

    找到可落地场景后，企业还要解决机器人能否在真实环境中稳定工作的问题。万彬称，酒店、餐厅等商业空间环境复杂，人员走动、家具摆放、光照条件以及障碍物状态随时可能变化，都会影响机器人的识别和决策。而这类问题很难仅依靠机器人在实验室中的测试得到解决。擎朗智能长期深耕酒店和餐饮场景，大量商用机器人持续在线运行，使企业能够发现不同环境下的异常情况，并将数据反馈至感知、避障和路径规划系统，推动算法不断迭代。

    此外，多机器人协同则进一步提高了部署难度。万彬将多机器人协同比喻为接力赛：室内环境缺少统一的“交通规则”，企业需要自行搭建多机器人调度体系，避免机器人在走廊、电梯口等区域发生碰撞或拥堵；同时，机器人还要完成物品交接和设备操作等三维空间任务。

    不过，具身智能当前仍存在明显技术短板。记者在现场演示中看到，人形机器人已经能够抓取和投放衣物，但在整理、折叠衣物时，作业速度仍明显慢于人类。一位机器人行业人士向《证券日报》记者表示，衣物属于柔性物体，其形状会在抓取过程中持续变化，并可能出现折叠、滑落、缠绕和遮挡。机器人难以依靠预先设定的固定轨迹完成操作，因此对机器人的视觉感知、触觉反馈、精细力控以及具身模型的泛化能力均提出了较高要求。这意味着，从“能够完成一次任务”到“高频、稳定作业”，仍需要更多真机数据积累和模型迭代。

    量产能力也是机器人从样机迈向商用必须跨越的一道槛。据万彬介绍，擎朗智能已自建生产基地，拥有规模化生产能力。这一方面能够降低零部件采购和制造成本，另一方面可以通过更大规模的产品运行验证硬件寿命和可靠性。

    同时，在既有客户基础上，擎朗智能仍在拓展新的增长空间。在万彬看来，海外市场尤其是欧美、日韩等发达经济体，有望成为洗衣机器人等服务机器人产品的重要商业化市场。他表示，擎朗智能采取国内、海外双线推进策略，国内客户接受新技术的意愿较强，场景类型丰富，适合通过共创和试运行积累真实数据、迭代产品；欧美、日本、韩国等发达市场则普遍面临劳动力短缺、人工成本较高等问题，机器人替代重复性劳动的投入产出比更高。据介绍，目前，擎朗智能已依托配送、清洁等专用服务机器人进入多个海外市场。

    此外，万彬表示，公司未来的业务增量主要来自三个方面：继续提升已有专用服务机器人在酒店、餐饮场景中的渗透率；将已有能力向咖啡门店、洗衣房、工厂车间等新场景延伸；进一步增加存量客户可部署人形机器人的品类和密度，推动单台机器人应用升级为多形态多机器人协同作业。