本文来源：时代周报 作者：朱成呈

近两年来，国内人形机器人赛道持续升温。

据毕马威报告指出，人形机器人领域融资规模逆势上扬，从2020年的15.8亿元激增至2024年的72.3亿元，年均复合增长率达35.6%。进入2025年，智元机器人、银河通用、逐际动力、穹彻智能、众擎科技等企业接连完成数亿元融资，资本正密集涌入该行业。

然而，资本繁荣背后，技术与商业化的挑战依然严峻。擎朗智能创始人李通在接受时代周报专访时坦言：“大规模商业化可能还需5年以上时间。”他指出，尽管小规模商业化已在餐饮、酒店等特定场景逐步展开，但要实现家用机器人洗衣、烹饪、育儿的普及愿景，技术瓶颈尚待突破。

“人形机器人的‘身体’（如机械结构与运动控制）已相对成熟，但‘大脑’的智能化水平仍有较大提升空间，行业仍在探索阶段。”李通表示。

擎朗智能创始人李通 受访者供图

擎朗智能于2010年创立，提供服务机器人产品和完整解决方案，拥有引导机器人、消毒机器人、清洁机器人等。3月31日，擎朗智能发布人形具身服务机器人XMAN-R1，打造多形态具身服务机器人协作生态。

据IDC预测，具身服务机器人自2025年开始逐步落地，到2030年全球具身服务机器人市场规模近939亿美元，将实现86.2%的高速复合增长。

轮式机器人短期更易商业化

时代周报：在开发具身智能模型时，数据是一个关键问题，擎朗是如何解决海量数据需求的？

李通：这确实是我们在思考的技术路线问题。

具身智能模型需要海量、真实的交互数据，而这些数据不像互联网数据那么容易获取。现在行业里有些公司尝试用仿真数据来训练模型，但仿真毕竟和现实有差距，效果有限。还有些公司通过部署几十台、几百台机器人去采集数据，类似自动驾驶的形式。这种方式在特定场景下可行，但数据量还是太小，离大模型的需求差了几个数量级。

擎朗智能提出了一条更务实的路径：岗位化落地。我们不追求一步到位做出通用人形机器人，而是先聚焦特定场景的岗位。比如，可以先做一个只在餐厅里做汉堡的机器人，训练它专精于某项任务。这样数据需求会大幅减少，100台、200台机器人的运行数据可能就够用了。

在专精场景下，机器人可以快速量产，进入实际应用。比如，做汉堡的机器人部署到连锁餐厅，假设有几千家店，每家一台，很快就能积累几万台机器人的运行数据。这些数据再反哺模型，逐步提升能力。然后可以再推一个专精做清洁的岗位化机器人、擦玻璃的机器人，逐步扩展场景。久而久之，这些专精能力整合起来，就可能接近通用智能。

时代周报：目前，具身智能机器人行业在下肢设计上分为轮式和足式两大方向。你如何看待这两种形式在人形机器人中的应用前景？

李通：轮式和足式各有优势，关键看应用场景。

从通用性角度，双足机器人更灵活，能应对台阶、斜坡等复杂地形，理论上适用范围更广。但轮式机器人在平坦环境下的移动效率更高，且技术成熟度更高。更重要的是，轮式在商业化上更有优势。比如，双足机器人重量通常在60公斤左右，断电或失衡时可能倾倒，存在安全隐患。相比之下，轮式机器人在平坦环境中的移动效率更高，稳定性更强，技术成熟度也更高，短期内更易实现商业化落地，特别是在需要快速部署的场景中。

擎朗采取的是双线并行的策略：一方面优化轮式机器人以加速商业化，另一方面也在研发双足人形机器人，预计今年下半年会有初步成果发布。擎朗的目标是平衡短期收益与长期潜力，既要“今天能挣钱”，也要为“明天的大市场”做准备。

时代周报：提到商业化落地，不少人形机器人企业认为工业场景是重要的切入点。你如何看待工业场景与服务场景在人形机器人应用中的优先级？

李通：工业场景和服务场景各有其价值，但我们更看好服务场景的长期潜力。工业场景，比如黑灯工厂，通常是高度结构化的环境，任务标准化程度高，机械臂等成熟设备已经占据主导地位。人形机器人在这类场景中的角色更多是辅助性的，比如在汽车产线上贴车标、装配简单部件。

反观服务场景，比如餐饮、零售或养老服务，对机器人的交互能力和灵活性要求更高。人形机器人不仅能完成物理任务，还能通过语音、表情与人沟通，满足情感陪伴等需求。我们认为，从服务场景切入，逐步迭代技术，是一条更现实、更可持续的商业化路径。

最大的挑战是市场教育

时代周报：截至2025年1月，中国服务机器人行业企业数量已超88.23万家，2024年新增注册企业高达17.53 万家。你如何看待这一行业热潮？面对竞争，擎朗有何对策？

李通：虽然目前服务机器人行业呈现出企业数量激增的热潮，但真正能实现商业化落地的并不多。大量企业涌入，说明这个市场被广泛看好，具有极大的潜力，吸引了众多参与者。然而，需要明确的是，做出一个机器人样品（demo）和实现实际的商业化落地完全是两码事。

从行业发展的角度看，目前最大的挑战并非来自同行间的竞争，而是市场教育问题。国内部分行业对服务机器人认知和应用较成熟，但其他行业及国家还有很大差距。不同国家市场差异大，进入每个国家都要重新开展市场教育，这是行业一大痛点。所以，擎朗希望市场上能有更多有实力的企业加入，大家携手将市场蛋糕做大，共同推动行业的发展。

时代周报：服务机器人进入酒店和医院等应用场景，能解决哪些痛点呢？

李通：服务机器人在酒店和医院等场景落地，主要是针对效率、人力成本和用户体验的痛点。以酒店为例，核心需求集中在两个方面。首先是配送效率问题，比如高峰时段的外卖、客房用品（如酒店六小件）配送需求激增，人工配送往往人手不足，导致排队或延误。现在，配送服务机器人已成为许多酒店的标配，能实现24小时高效配送，大幅提升服务响应速度。

其次是清洁问题。酒店的公共区域，如走廊、地毯、电梯间，需要高频次清洁以维持环境品质，但人工清洁存在效率低、频次不足或覆盖不全的短板。特别是在海外市场，劳动力成本高企，清洁人员短缺更为明显，机器人能有效填补这一缺口，提供标准化、高频次的清洁服务。

医院场景则更强调精准性和安全性。比如，药品、医疗器械的配送需要高可靠性和低差错率，机器人可以通过精准导航和智能调度降低人工失误风险，同时减少医护人员在非核心任务上的时间消耗，也可以避免一些感染风险。

时代周报：家用服务机器人领域，追觅、石头、科沃斯等企业发展迅猛。商用服务机器人与家用服务机器人在技术、市场需求上有何显著差异？擎朗是否有意进军家用市场？

李通：在技术要求和市场需求上，公共服务机器人和家用服务机器人的差异主要体现在可靠性和场景复杂性上。

家用场景的环境相对可控，比如扫地机器人主要在固定的家庭环境中运行，容错空间较大。即使偶尔出现定位失误、漏扫或多扫，用户通常也能接受。而公开服务场景，比如酒店、医院或餐厅，要求极高的稳定性和安全性。试想一下，如果一台配送机器人在商场里撞到人，或者把货物送错楼层，客户体验会大打折扣，甚至可能引发安全问题。因此，公共服务机器人对导航、避障和定位的精度要求远超家用机器人。

但家用市场不仅仅是技术竞争，品牌影响力、营销策略和渠道建设同样关键。消费者对品牌的认知度往往比纯技术参数更具决定性。因此，尽管我们在技术上有信心，但进入家用市场需要综合考量，擎朗的愿景是让更多机器人走入人们的生活，目前的产品矩阵更聚焦在公共服务领域，未来会根据市场机会评估进入家用市场的时间。

时代周报：康养领域对机器人需求日益增长，擎朗是否考虑布局辅助机器人或康复机器人？

李通：康养领域确实是服务机器人行业的重要增长点。目前，我们的医疗事业部已在医院场景中落地了多种机器人项目，比如消毒机器人和医疗物资运输机器人，这些项目在一定程度上也与康养相关。

从市场趋势看，全球老龄化进程加速，特别是日本、欧洲和北美等地区，由于劳动力短缺和护理成本高企，对康养机器人的需求尤为迫切。中国市场虽然也在快速增长，但需求成熟度相对较低，市场培育需要时间。

海外市场营收占一半

时代周报：擎朗目前在国内和海外市场的销售比例如何？在出海战略上，主要目标市场是哪里？此外，海外市场的合规要求复杂，这方面如何应对？

李通：目前，我们的国内和海外市场销售比例大致各占一半。在出海战略上，主要聚焦劳动力成本较高的国家和地区，比如韩国、欧洲、北美等地。这些市场劳动力成本较高，服务机器人的经济性更具吸引力。

例如，擎朗的机器人定价通常是当地人工成本的二分之一左右，能显著降低客户运营成本。相比之下，在劳动力成本较低的地区，市场对机器人的需求较弱，因为人工替代成本低，短期内推广难度较大。

至于海外市场的合规问题，核心在于严格遵循各市场的法规和标准。擎朗旗下服务配送全系列产品已全部通过欧盟、日韩、北美等多项国际认证，擎朗云平台通过了欧盟GDPR法案认证，确保客户的隐私权益和信息安全，也是业内首家获得该认证的服务机器人公司。如今，擎朗智能已获得全球62个国家/地区质量安全与合规认证。

值得一提的是，不同国家和地区标准各异，有些市场甚至缺乏明确的机器人相关标准，擎朗参与制定7项国家标准、23项团体标准和3项国际标准。比如，擎朗参与制定的UL服务机器人标准已于去年正式落地。通过前期的充分准备和持续的本地化适配，擎朗确保产品能够顺利进入目标市场并满足客户需求。

时代周报：在目前的时间点上，你觉得国内机器人整体实力和海外相比怎么样？在服务机器人、人形机器人方面分别处于什么梯队？

李通：不同产品线情况不太一样。

服务机器人方面，国内凭借丰富的应用场景和海量数据，已跻身全球第一梯队。我们的技术在导航精度、避障能力和多场景适配性上，与国际顶尖企业不相上下，甚至在某些细分市场占据领先地位。这得益于国内强大的AI算法开发能力和供应链整合优势，类似于新能源汽车行业的崛起，我们通过场景驱动和技术迭代实现了从追赶到领先的转变。

人形机器人则处于全球早期探索阶段，中国与美国等主要玩家大致并跑，处于同一梯队。

人形机器人可以拆分为“身体”“小脑”和“大脑”三个部分：身体方面，国内在制造业上有明显优势，成本控制和供应链稳定性领先，机械结构的可靠性与生产效率都非常出色；小脑方面，国内在强化学习等训练方法上进展迅速，步态规划和动作精度的表现已接近国际先进水平，差距微乎其微；至于人形机器人的大脑，这是全球共性难题，无论是中国还是其他国家，目前都处于探索阶段，尚未找到明确的解决方案。