在如何让机器人进入日常生活这件事上，Intbot的回答是，让它拥有一个“社交大脑”。
而之所以有这样的判断，在Intbot联合创始人兼CEO雷洋（Yang Lei）看来，是因为机器人进入真实环境后，很少只面对一个清清楚楚的问题。机场大厅、酒店前台或零售门店里的服务机器人，面前可能同时经过好几个人。有人停下来张望，有人想问路却没有开口，有人只是看了一眼屏幕。机器人如果立刻说话，可能是在打扰别人；如果一直等人发出指令，又可能错过一次服务。
对人来说，这些判断大多发生在下意识里，换到机器人身上，就变成了很难被一句“接入大模型”解决的问题。
也正是围绕这些语言之外的判断，Intbot把自己的方向放在机器人的“社交大脑”上。正如雷洋在BEYOND Expo 2026物理AI峰会“灵魂与钢铁的融合：基础模型与人形硬件的互通构建”圆桌中介绍，Intbot不做自己的机器人本体，而是希望让机器人在真实环境里完成更自然的人机交互。
顺着这个方向看，运动能力和操作能力并不是全部。过去一段时间，外界看到的机器人进展，很多来自会跑、会跳、会抓取，这些能力会让机器人看起来更接近真实劳动力。但雷洋认为，机器人未来如果要进入家庭、商业空间和公共服务环境，还需要理解人的意图，和人自然交互，再完成相应任务。
在他看来，这种能力可以被称为social intelligence（社交智能）。任务智能和交互智能就像人的左脑和右脑，都是机器人真正进入大规模商用所需要的能力。
交互智能容易被低估，是因为它看起来像“说话能力”。雷洋在圆桌中提到，一个常见误解是，机器人接入ChatGPT或豆包，就能和人打交道。但人与人之间的交流并不只靠语言。大量信息来自nonverbal cue（非语言线索），包括动作、表情、微表情、人的行为和意图。
到了多人环境里，问题还会更复杂。机器人面前如果同时出现几个人，它要判断谁是互动对象，谁只是在路过，什么时候该开口，什么时候不该打断。当前的大语言模型，甚至VLM，都很难完整处理这些细节。
Intbot正在训练的Social World Model（社交世界模型），也是沿着这个方向往前走。通常所说的world model（世界模型），更多强调理解物理世界，预测下一步物理状态。雷洋希望加入的是social context（社交语境），让机器人不只理解物理规律，也能理解social cues（社交线索）。
这种思路也延伸到Intbot对“大脑架构之争”的态度。雷洋认为，机器人foundation model（基础模型）目前还没有形成共识，不同领域仍在探索自己的路径。Intbot更偏向务实做法：通过类似harness layer（编排层）的方式，把不同基础模型、VLA、VLM能力和端侧计算结合起来，先解决真实应用里的问题。
也就是说，机器人不一定要先做到general purpose（通用能力），才能进入商业环境。对于Intbot关心的交互类服务来说，只要能在具体环境里解决问题，就可以先部署、先迭代。
因此，Intbot选择先从真实服务场所切入。公司成立于美国硅谷一年多，目前已经推出交互机器人产品，并和国内头部具身机器人本体公司展开合作。它的机器人已经在机场、酒店、零售等环境中进行全天候部署，主要面向美国和海外市场。
而这些真实部署的价值，不只是让机器人先进入商业空间。雷洋特别提到Human Robot Interaction（人机交互）数据，而这类数据很难在仿真环境或数据工厂里完整造出来。一次问询里的停顿、一次误解后的修正、一个人是否愿意继续和机器人互动，往往只有在人和机器人真正相遇时才会出现。
自然，商业化在这里也不只是收入问题。客户愿意使用并付费，机器人才能持续遇到真实的人和真实问题，交互数据也才有机会不断积累。雷洋把Intbot的路径概括为逐步迭代、小步快跑：在实际商业落地中改进算法，收集更多数据，再拓展更多应用。
对于更远的家庭场景，雷洋的判断相对谨慎。真正能进入家庭、洗衣做饭、做家务并提供陪伴的机器人，可能还需要5到10年。但在这条路上，酒店、机场、零售等交互类服务场景，已经可以先产生价值。
所以，Intbot把短期答案放在更有限也更真实的服务环境里。机器人先学会处理人的犹豫、停顿和误解，再谈进入家庭和更复杂的日常生活。对用户来说，模型路线和技术名词会退到后面，真正留下印象的，是一次求助有没有被顺畅处理。社交大脑的价值，可能就藏在这种不被察觉的顺畅里。
扫码关注我们
2027
澳门
不见不散