撰文 | 吴先之
编辑 | 王潘
2026 WRC 展会第二天，千寻展位前出现了一群特殊的“访客”。来自竞品公司的工程师并未关注长程任务成功率或模型架构，而是直接触摸 Moz1 机器人的关节检测发热情况。他们清楚，演示用的舞蹈机器人与产线连续作业机器人之间存在巨大的工程与成本鸿沟。
除了散热问题，千展台的另一处细节同样引人深思：半身人形机器人手臂末端配备的是夹爪而非行业热门的灵巧手。千寻方面表示，夹爪或简单三指结构已能覆盖 80% 的任务场景，为剩余 20% 的任务增加十倍成本的灵巧手并不划算。同理，因工厂无需爬楼梯且轮式底盘更利于部署算力单元，千寻坚持不做双足。
这种“反共识”设计的背后，是千寻从本体到大脑、从 Demo 到产线的 ROI（投资回报率）判断体系。在具身智能落地过程中，它选择“不做”什么，往往比“做”什么更能说明问题。
做减法的人
千寻目前已推出两代机器人产品，虽应用场景不同，但核心设计逻辑一脉相承。
Moz1 主打工业场景，外观冷峻、线缆外露，唯一的设计语言是“不干扰作业”。无论是 CNC 机床上下料，还是宁德时代电池包产线的高压插接，Moz1 均以满足功能性为首要目标。
Moz2 则面向商超、酒店等商服场景，采用圆角柔和的奶杏色机身，并预留了磁吸装扮空间。尽管外形变化显著，但其内核依然遵循“如无必要，勿增实体”的原则。
在设计细节上，千寻倾向于用加工精度代替结构复杂度。例如，Moz1 头部视觉模组放弃了可能产生误差的电动限位，转而采用粗暴但可靠的物理限位，确保每次复位精确到机械公差级别，避免深度信息漂移。
关于灵巧手，千寻本体产品经理坦言暂无开发计划。实际场景验证表明，通过软垫配合力控传感的夹爪方案已足够应对多数需求。力控是千寻少数做“加法”的领域，其自研的一体化力控传感器方案，让夹爪具备了感知能力。例如在分拣药片时，力控能让夹爪在接触瞬间减速，避免捏碎胶囊，这比单纯增加自由度更为务实。
对于放弃双足选择轮式底盘，千寻列出了三大工程优势：首先，底盘空间可容纳强计算模块，解决具身模型算力需求；其次，急停断电时轮式底盘稳定性远高于双足；最后，轮式方案维护成本低，避免了双足机器人笨重难搬运的问题。
“没必要”是千寻团队的高频词汇。在模型泛化能力尚处初级阶段的当下，每新增一个自由度都会引入新变量。千寻将 32 个自由度全部集中于操作和交互，行走功能交由无需模型学习的全向舵轮底盘，从而降低变量，加速模型收敛。
身体的阵痛
千寻主动为本体做减法，但大脑与本体之间的适配仍是行业难题。跨本体模型迁移无法做到一比一复刻，硬件参数的微小变动都会导致模型损耗。
千寻内部人士透露，在 Moz1 上训练达到 90% 成功率的模型，无法直接部署到物理参数不同的 Moz2 上。即便是同一代产品的硬件微调，如关节坐标变更，也会迫使模型团队重新适配。这种硬件拓展与模型迁移之间的拉扯，是所有一脑多形厂商不愿提及的困境。
目前，DAgger（远程接管与数据回流闭环）是解决这一问题的主要工程手段。当现场机器人动作执行失败时，系统发起远程接管，操作员完成动作的同时，系统同步采集失败场景数据与接管操作数据。这些融合数据用于模型后训练优化，并通过 OTA 实时下发。
99% 的成功率往往是动态维护的结果。从 90% 到接近 100% 的提升，依赖于真实部署中的失败数据回流。这最后的 10% 不仅是拉开厂商能力差距的关键，也是行业的及格线。即便经过调优，仍需承认存在 1%-2% 的失败率，因此千寻借鉴智能驾驶方案，建立了远程监管与本地诊断兜底机制。
外界看到的“高成功率”背后，是被掩盖的远程接管基础设施与持续迭代闭环。对技术人员而言，失败数据是模型进化的燃料；对市场人员而言，这些数据却需谨慎处理。当前行业稀缺的并非算力，而是高质量的真机数据与 Corner Case（极端案例）回流，而 DAgger 机制正是获取这类数据的核心管线。
Demo 之后
行业普遍强调交付数量，但实际境况与官方数据存在落差。交付不等于部署，部署也不等于开工。从机器人进场到真正替代人工，需经历数据采集、二次开发、场景适配等漫长过程。这也催生了 RaaS（机器人即服务）模式的商业价值。
商业化落地的核心指标是回本周期。按头部企业基准，若一台机器人投入 20 多万元，替代 1-2 个三班倒工位，约 1-2 年可收回成本。但在实际落地中，受限于续航、发热及技术成熟度，往往需要折中方案：精度不够用力控补偿，稳定性不够用远程接管兜底，甚至通过换电解决续航问题。
千寻的策略借鉴了国产新能源汽车的方法论：先在特定场景（如 CNC 上下料）跑通从部署到回本的完整闭环，再横向扩展。千寻判断，未来几年工业场景将率先真正落地，而家庭场景仍存在不确定性。
行业共识已从“比拼 Demo"转向“谁能真正落地”。具身智能目前的喧嚣很大程度上由 PR 驱动，旨在融资与招人。然而，模型框架与物理世界的约束尚未收敛，机械特性、环境摩擦力等因素均会造成偏差。做一场吸引人的 Demo 不难，难的是在意外频发时仍能持续作业。
理解千寻“不做灵巧手、不做双足”的反常识逻辑，关键在于认识到：在技术体系尚未成熟时，每一个多余零件都可能增加失败路径。做减法，是为了将不确定性压缩至可控范围。
WRC 闭馆前，C 馆表演翻跟头的人形机器人已关机充电，而 B 馆干活的机器人仍在安静地执行指令。它从未翻过跟头，但它一直在干活。