文丨李佳晅
八月下旬，我在北京见到李通，他瘦了很多。“我最近在健身，为了活更久一点。”李通还是一如既往的幽默且真实，他说自己瘦了20斤，但又反弹了5斤。这个反复的规律，很像李通所理解的技术发展路线：冷了又热，周而复始。
李通于2006年考入华中科技大学电气学院攻读硕士学位，师承中国科学院院士、人工智能专家程时杰教授。2010年他创立擎朗智能，经历2015年AI深度学习的兴起，2023年大模型的爆发，以及当下的具身智能浪潮，技术几经更迭，关于擎朗的定位，李通的回答十分干脆：没变，还是服务机器人。
“2030年可能还有新的东西出来，但这不重要，重要的是能不能把这项技术用进商业化中。”他说。
从场景角度理解，李通指的“服务”一直在扩大范围，从商业，到工业，未来甚至是家庭。李通的设想是，擎朗围绕服务业这个场景布局，先靠专用机器人把广度铺开，把客户跑通，把商业闭环跑顺。等到技术持续迭代，原来做不到的事能做了，那就带着具身智能的能力再把这些场景重新做一遍。
擎朗智能创始人、CEO 李通 （受访者供图）
商业化是贯穿我们整场谈话的一个词，也是贯穿擎朗智能的终极理念。李通一贯的论调就是“不谈商业化的企业是耍流氓”，他拆解了当前技术不够完善的时候，具身智能应该怎么商业化，以及如何通过商业化反哺具身大脑。
区别于互联网时代那种“三年定胜负”的战争，具身智能注定是一场长跑，李通认为，要有长期可持续的节奏，热的时候能投入，冷的时候也能投入。“人形进家庭至少还要五年，这五年里资本市场不可能一直热。你见过资本市场在一个领域热过五年吗？两三年就算很久了。”李通说。
所以他的策略是“沿途下蛋”。目标是远大的，想做家庭、做人形，但得先活下来。在服务业里找具体的岗位落地、商业化，赚到钱、拿到数据、活下去，才能坚持到家庭场景真正打开的那天。“如果只做梦，可能还没做到那天就挂了。”李通说。
目前，擎朗智能构建了覆盖人形机器人、配送机器人、清洁机器人等全品类的产品矩阵，业务已落地餐饮酒店、医疗康养、工厂商超等全生态场景。产品畅销全球60余个国家和地区、600多座城市，在韩国、荷兰、美国、日本、中国香港等地设有子公司或办公室，全球建有80余个运营中心，全球累计出货量已超10万台，位居全球商用服务机器人出货量第一。
01
先搞定有限岗位，再研究通用形态
在擎朗智能的商业化逻辑里，他们选择了一条“用有限泛化换可靠交付”的务实路径。
李通的思路很简单，如果技术边界达不到，那就把任务范围缩窄，把工作量减到机器人刚好能胜任的程度。这个思路落地到餐饮场景，效果立竿见影。
以擎朗最早合作的火锅连锁店为例。后厨有至少二十个工种，互不干扰，有序运行。擎朗当时只盯住了其中一个岗位：传菜流程里的中间环节。具体来说，就是一单菜从下单到上桌，要经过三个人：第一个是配餐员，拿着小票在后厨逐个配菜，牛肉、丸子、蒜苗，一样一样拣出来码好；第二个是传菜员，把配好的托盘端到桌边；第三个是服务员，负责端茶、倒水、下菜、收桌，管着周边几张桌子的所有现场服务。擎朗用机器人做了传菜员，与配餐员和服务员配合。
李通说，选这个岗是因为它既不像工厂里那种完全精准、死板的机械重复，又不像服务员那样需要高度灵活的人际交互。配好的托盘送到桌边，路径相对固定，但每次摆放位置又有点偏差，需要一定的泛化能力，这种“有限泛化”刚好能够达到当下机器人技术稳定交付的门槛。技术刚好够用，场景刚需明确，这就有了商业化的地基。
而这个岗位并不只是火锅店独有。这套逻辑一旦跑通，能复制到所有中式火锅、西式快餐，乃至整个餐饮配送链条里的同类工种。李通给出了一个非常诱人的判断：搞定这一个岗位，机器人至少能卖几十万台，甚至上百万台。
既然专用机器人已经能在这些岗位上稳定干活，为什么还要去搞通用？通用到底有什么用？
李通的回答很干脆，不是“要不要”的问题，是“能不能”的问题。他设想过一个最优解，假如世界上有一万种工作岗位，理论上最理想的状态就是造出一万种专用机器人，与人力岗位互补，效率最高、成本最优。但现实是，没有哪家公司能设计出那么多专用机器人。李通说：“擎朗做了这么多年，一年也只能推出一两款、两三款新品。”
所以问题的本质不是专用不好，而是有些岗位量太小，不值得专门研发；有些流程会变，专用机器人一定型就废了。这时候就需要一种东西，能跨岗、能迁移，这也就是通用的价值。
至于通用机器人和专用机器人应该以什么样的搭配比例出现在解决方案中，李通表示：“客户不关心这个，他们只看两样，你能干什么活，和收多少钱。”
这个账并不难算。比如在某火锅连锁店，传菜员端一盘刷一下手环拿4毛钱，机器人送一趟只花1毛7。至于用多少通用机器人或者专用机器人，客户并不关心。他们更大的焦虑是招不到人，活能干、钱能省，方案是什么并不重要。
02
在服务业攒数据，然后走向家庭
今年具身智能行业的技术分歧集中在“大脑”层面。业内将系统拆解为本体、小脑、大脑三块，前两者技术路径已基本收敛，硬件和运动控制能稳定落地，但大脑路线尚未统一，多种架构并存，还没有哪条路被商业化验证。
“今天的大脑，正处在几年前小脑的状态。技术路线五花八门，每隔一段时间就有新东西冒出来，但没人能证明哪条路是对的，只有商业化才能证明对错。”李通说，“一旦技术收敛之后，大家很快就都能做了。重要的是，你手里有没有场景，有没有客户，有没有真实的商业化。”
从擎朗的商业化历程来看，一个机器人从demo到真正大规模落地，要经历供应链打磨、成本控制、客户信任建立、全球售后服务体系建设，这是一整条长链，缺一不可。李通举了一个擎朗进入日本市场的例子，他们花了整整三年才让客户信任一家来自大洋彼岸的创业公司。“日本社会很稳定，爷爷传给爸爸，爸爸传给孙子，你要改变他们的流程，让他们把身家性命交给一个不认识的人，这不可能三个月搞定。”
不过一旦信任建立起来，效果是累积的。比如，擎朗先卖给某家酒店集团一台配送机器人，用好了，再卖两三台清洁机器人，再卖五六台人形机器人。信任滚起来了，需求也跟着滚。现在国内几大酒店集团，机器人已经进了他们的A标，即新酒店开业的标准配置清单里，有床、有电视、有机器人。配送机器人是标配，清洁机器人也逐渐成了标配。
“过两三年，人形机器人也会成为标配。”李通大胆预测。
商业化带来的另一个关键收益是数据。没有真实落地的机器人，就永远没有真实的物理数据，这也是具身智能行业最缺的东西。而擎朗交付的机器人已经在全球多种真实商业场景里每天运转，环境数据、操作数据、人机交互数据在源源不断地回流。环境数据来自餐厅、酒店等真实场景的空间信息，操作数据记录着机器人在配送、清洁中的动作执行，尤其在人机交互层面，通过大量传感器采集人的行为轨迹和动作习惯，用于预判人的下一步行动。当然，数据缺口仍然存在。李通坦言，目前物理数据仍然不够，需要靠合成数据来补，算力资源也在持续投入。
有了真实场景的数据，大脑才有可能真正变聪明。所以李通的路径很清晰：先从服务业里的专家岗做起，清洁、配餐、传菜，每个岗位都是一块独立的数据拼图。专用机器人每送一单、每扫一遍地，都在产生数据，数据回来喂给大脑，大脑变聪明之后又能覆盖更多岗位。当数据越滚越多，自然能合成一个全职的家政机器人。从服务业出发，从专家岗切入，一路滚数据、攒能力，最后走向家庭，这是李通认定的必由之路。
而这些大脑层面的能力，也会反哺到擎朗原有的专用机器人身上。李通用自动驾驶打了个比方：早期无人驾驶是一个个解决长尾case，后来特斯拉换了端到端的训练架构，整个性能将得到质的飞跃。
“算法架构变了，能力就跃升了。我们也是一样，大脑能力一旦加载上去，那些专用机器人的能力边界会一下被推开。”李通说。
03
人形双足，还没到时候
关于形态的选择，李通的观点很直接：现在做的这些场景，不一定非要人形。
他坦言，擎朗的产品本质上是一个“移动的双臂”：轮式底盘加上人形上半身。同时具备移动功能和操作功能，两者组合起来能覆盖的很多工种，这也是目前更有商业化落地价值的形态。
擎朗的人形机器人（受访者供图）
上半身坚持做人形而不是随便在轮子上加胳膊，李通的解释很务实：因为世界是为人类设计的。桌子的高度、柜子的深度、通道的宽度，所有东西都按照人的尺寸来。机器人有腰关节、臂关节，能伸能够，结构越近似人，适应性和操作覆盖度就越好。
至于双足机器人的前景，李通给了两个判断：第一，轮式人形肯定比双足人形商业化更快；第二，双足最终也可以商业化，但前提是ROI要算得过来。
他举了个很实在的例子：室外有台阶、有门槛，双足机器人能迈过去当然好。但如果为了几级台阶去研发一个双足系统，成本极高，不如直接把台阶磨成斜坡，改变环境比适应环境便宜得多。做单店定制化没问题，但如果想真正通用，双足确实更好，只是那个阶段还没到。
更关键的是安全。擎朗出货量已经到十万台量级，一个集装箱72台机器人，从洋山港发往全球各地，它们会出现在什么样的场景、面对什么样的人群，李通完全不知道。“所以安全是不能打折扣的红线。双足机器人一旦突然断电，可能会失去平衡倾倒，带来一定的安全风险。但轮式遇到断电会静止不动，安全性是相对有保障的。”
那人形形态到底意味着什么？在李通看来，人形确实是通用一个非常好的形态。不是因为人形本身有多特殊，而是这个世界就是为人设计的。胳膊长在哪儿、多长，所有东西都按这个尺寸来，所以人形天生适配。
李通用跳舞机器人开了个玩笑：“你去问舞蹈老师就知道，胳膊长腿长跳起来就是好看，动作幅度大、姿态优美。这倒不是说谁好谁不好，但人形这种形态在有些事上确实就是更合适。”
