嘴上说进家庭，脚下却进了仓库！2 万美元的机器人，干活时身体里住着一个人

深度分析|具身智能|机器人落地路径

一位《华尔街日报》的记者，等了整整一年，终于等来了她预订的家用机器人。

挪威公司1X的NEO，售价2万美元（也可每月499美元订阅），今年10月开始送进美国用户家里，首批1万台在开放预订时5天就被抢光［1］［2］。在她家那天，NEO把餐具装进洗碗机、擦了桌子、叠好她的毛衣、还从冰箱取出一瓶水。直到她问了一句，1X才告诉她：这一切，是公司一名远程操作员戴着VR头盔、看着机器人身上两颗800万像素摄像头的实时画面，一下一下操作出来的。让机器人自主完成的，几乎为零。［1］

《纽约时报》的播客团队运气更差，他们那台NEO连从地上捡起一个东西都失败，还差点摔倒，最后所有活儿都是人补完的［1］。

同样在10月，另一条几乎没人注意的新闻：1X和瑞典投资机构EQT达成战略合作，计划到2030年向其旗下300多家企业部署最多1万台NEO，用途是制造、仓储和工业——一台为家庭而生的机器人，头一批万台级商业合同，签给了工厂［3］。

一边是发布会上灯火通明的客厅，一边是合同纸上油污的车间。

这一个月，关于具身智能“落地加速”的欢呼声很多。但如果你真的在这行里待久了，就会发现所有人都在悄悄回答同一个问题：机器人到底该往“上”走，进家庭、进客厅、当个人伴侣；还是该往“下”走，进门店、进车间、干那些又累又重复的脏活？

我的判断先放这儿：这从来不是一道二选一的题。2026年的真相是——“上走”是讲给资本和发布会听的北极星，“下走”才是当下能收到钱、采到数据的地面。所有想一步登天进客厅的公司，最后都先弯下腰，把机器人送进了车间和门店。

下面讲清楚为什么。

⏰️与具身智能赛道的一线创业者、投资人深度交流，扫码报名GEIA具身智能与人形机器人创新周【北京站12.9-12.11 】↓

先承认事实：消费级、家庭向的机器人，这个月的“量”是真的起来了。

国内最猛的是启元机器人。它背靠上市公司上纬新材，9月20日开售Q1、T1两款“个人机器人”，到10月25日，第5000台正式下线——从0到5000台稳定量产，只用了一个月；产线做到每2.5分钟下线一台，日产能从最初的十几台拉到两百多台［4］。官方给出的用户数据是：部分用户日均使用超过1小时，重度用户超过3小时，日均有效交互150次以上［4］。

万元档则是松延动力的“小布米”，定价9998元，今年春晚和蔡明同台演小品出圈，截至9月累计交付突破5000台，B端订单接近2000台；公司10月22日被曝已保密向港交所递表［5］。资本市场也在追：10月26日，主打“一脑多形”家庭机器人的卧安机器人盘中涨超13%［6］。

海外的1X更不用说，1万台预订5天清空，软银被曝在谈以约60亿美元估值收购其多数股权［1］。

如果只看这些数字，你会得出结论：家庭机器人的时代已经到了。

但只要再往下看一层“它们到底在干什么”，热度就会凉一半。

启元自己给产品定的方向很诚实，六个字：从“有趣”到“有用”［4］。注意，是“走向”有用，不是“已经”有用。它在家庭里的实际功能是：AI启蒙、图形化编程、陪孩子练英语口语、唱歌跳舞、DIY外观、跟着你拍摄运镜［4］。这些是学伴、玩伴、镜头支架，不是替你叠被子、洗碗、收拾厨房的劳动力。

小布米也类似，98厘米高、17公斤，复合材料机身，收入的稳定基本盘是教育场景的B端项目［5］。

1X的NEO是眼下少有的、真正按“家庭帮工”售卖、也真正进了家门的一台——而我们开头已经看到了，它干家务时，身体里“住”着一个远程的人。

把这些个案拉到行业大盘，结构更清楚。IDC的数据，2026年上半年全球人形机器人出货接近2.5万台，同比暴涨432%，中国占约78%；但其中科研教育、表演展示、政府数据采集三类合计占了69%［7］。出口口径同样直白：文娱商演加科教采购超过六成，导览导购约19%，真正进入智能制造的只有13%［8］。

换句话说，今天买机器人的主力，是研究机器人的人、展示机器人的人、和给机器人攒数据的人。出货量在涨，但“出货”不等于“上岗”。

为什么上不去？不是钱的问题，是手的问题。

这一届大模型，“想”这一关进步快得惊人。GPT-6 Astra在标准机械臂控制任务上的成功率到了95%，上一代只有40%［9］。王兴兴在杭州现场演示，只用提示词、零训练，就让G1自主画画、换颜料、洗笔、下围棋［7］。

但他紧接着说了一句最关键的大实话：大模型能规划、能导航，却没有解决“物理接触之后”的问题。模型算出的动作和机器人真实执行之间，永远差着传感器误差和执行器偏差；能拿起一颗象棋子，却装不上一个更精细的零件，“看着拿住了，最后总差几厘米到几毫米，没办法修正”。他把这叫做“小脑、以及小脑和大脑的衔接问题”［7］［9］。

这个“最后几毫米”，恰好就是家务的全部难度。

破壳机器人创始人许华哲在外滩大会公布过一组对比鲜明的测试：同一个GPT-6 Astra，标准任务95%，可一旦换成用筷子拨东西、叠盒子、叠衣服，全部失败［9］。叠衣服，恰恰是NEO主打的招牌动作，也是人类家里最高频的活儿之一。

所以你就能理解，为什么最该乐观的几个人，反而最克制：

连王兴兴给“GPT时刻”下的定义都透着谨慎——不是无所不能，而是“在80%的陌生场景里，靠一句话完成80%的主要任务”［7］。注意这两个80%相乘，是64%，而且说的是“主要任务”。

那这半年，机器人到底在哪儿真正站住了脚？答案都在不性感的地方。

—先说一个最能说明问题的价格信号。

人形机器人全包日租，2025年初还普遍是1万到3万元一天，今年跌到了3000元档，部分基础机型跌破2000元，降幅超过70%；四足机器狗从1500到3000元跌到500元上下［10］。价格崩了，但懂行的人看到的是另一面：租机器人的客户，正在从年会、商演、文旅那种“租来拍照当道具”的短散单，换成门店长期导购、园区巡检、物料搬运的长约——一签几个月，把机器人当“不休息的员工”用，因为单日成本已经低于雇一个兼职［10］。

我去年讲过一个判断：短租的机器人是演员，长租的机器人才是劳动力。今年这个切换正在发生。演员的饭碗在贬值，劳动力的合同在变长。

—再说一个被忽视、却真正算得过账的场景：商用清洁。

美国一家叫Pringle的公司，把普渡的CC1清洁机器人做成了零首付租赁，750美元一个月起，已经铺进1500多个客户点，包括便利店、医院、学校、酒店；截至目前累计自主清洁超过50亿平方英尺（约4.6亿平方米），每平方英尺综合成本0.00093美元，每小时能覆盖8000平方英尺［11］。它不上热搜、不会翻跟头，但它每天都在干活、都在收钱、都在跑真实数据。这就是“下走”的样子：动作单一、场景固定、账算得平。

—而那个最想进家庭的1X，用脚投了票。

它讲着“每个人都该拥有一台个人机器人”的故事融资，转身先把一万台NEO签给了EQT旗下的工厂［3］。这不是孤例——Figure在宝马车间、Agility的Digit在亚马逊和丰田的场地里，都是先从企业侧的重复体力活切入。

王兴兴那句话，其实已经替全行业交了底：商业服务最快，家庭最慢。［7］

为什么所有路径都殊途同归地向下？因为低处有三样高处没有的东西：任务结构化（动作可复用）、环境可控（不用应付几千种杂物）、有人付费（B端算ROI，C端还在算新奇）。更重要的是，低处有真实的物理数据——而数据，正是这一代模型最缺的燃料。

讲到这儿，必须点破一件很多人没说透的事：2026年，无论上走还是下走，机器人暂时都还离不开“人”。区别只是人离得多远。

NEO进家庭，人在千里之外的操作台前，戴VR替它叠毛巾；机器人下车间，人则站在旁边做集成、调试、驻场运维，每换一个新任务还要重新教一遍。1X把这种远程模式包装成“Expert Mode”：你下单约个时间，操作员接管你家机器人把活干了，AI在旁边看着学——每一次上门服务，都是一条训练数据。它的CEO说得很坦白：“如果我们没有你的数据，就没法把产品做得更好。”［1］

听明白了吗？这一代“自主”，本质是用人类的工时换数据、再用数据慢慢把人撤走的过渡形态。区别在于：下走时，这笔学费由企业付，换的是可复用的工艺数据；上走时，是用户花2万美元买下机器人、把自家客厅贡献成训练场，还顺带资助了下一代模型的采集。

这也解释了为什么“向下”是更诚实、更可持续的那条路：数据在低处，账本也在低处。你在门店、车间里磨出来的每一条数据，都直接对应一个可复用、可收费的动作；而家庭场景千差万别、隐私敏感，采得贵、学得慢，还容易翻车。

研究人工智能历史的人对这条路不会陌生。计算机先进的是企业机房，几十年后才进家庭；无人机先做航拍和巡检，消费级是后来的事；连电动汽车都是先在公交、出租、商用运营里把三电磨熟，才轮到私家车。硬科技几乎从不从上往下落地，都是先在容错高、肯付费、能迭代的B端脏活里长大，等成本、可靠性和数据都攒够了，才叩响家庭的门。

想颠倒这个顺序一步登天的，就得用“人藏在后面假装AI”来填中间那道鸿沟。NEO不是骗子，它甚至算得上最诚实的一个——至少它明确告诉你有人在操控，耳朵边还有一圈灯会亮，提醒你“此刻是人在开”。真正危险的，是那些把遥操作包装成全自主、把出租率包装成需求的公司。

—如果你是机器人或具身智能创业者

别被“家庭万亿市场”的PPT带节奏。问自己一个狠问题：未来24个月，谁会为你的机器人付一笔能覆盖交付成本、且愿意复购的钱？如果答案是C端的“新鲜感”，请慎重；如果是某个具体商业场景里明确的人工替代，哪怕活儿不性感（擦地、巡检、看门、搬同一个箱子），都值得all in。场景选择上记住一个排序：先找“任务固定、环境可控、客户算得清账”的地方扎根，把单场景的成功率和数据密度做穿，再谈泛化。同时想清楚你的数据归谁——采了半天数据都流给了别人的模型，你就只是个代工厂。

—如果你是投资人

这轮要把“上走的故事”和“下走的账本”用两把尺子分开量。看家庭概念，重点不是预售量和发布会，而是去掉远程操作员之后的自主任务完成率、真实留存和复购，以及单位经济模型——卧安那种新品只占收入13%、还在亏损扩大的公司，交易的是预期不是业绩［6］。看商用落地，重点是合同期限、客户集中度、毛利率和“机器人干活时长/人类干预时长”这个比值。一个朴素的鉴别法：敢把“无人干预连续作业时长”和“远程接管率”写进合同的，是在做生意；只给你看剪辑视频的，是在做估值。

—如果你是想用机器人的实体企业家

现在反而是好时机：租金打了三折，选择变多。但别冲着“通用”“什么都能干”买单，那是上走的叙事。正确姿势是把岗位拆细，专挑结构化、重复性、高流失率的那一个工位先试，用租赁而不是买断控制风险，要求供应商按你的真实场景跑一段时间、拿出连续作业和故障数据，再决定扩大。买得起从来不是门槛，用得起、用得好、账算得平才是。

那台在记者家里叠毛衣的NEO，和那一万台即将走进工厂的NEO，其实是同一台机器人，也是这个行业最诚实的隐喻。

上走拼的是发布会的想象力，下走拼的是电费、故障率和复购合同。这一届机器人的智能，暂时还是用人类工时一砖一瓦换来的；而谁愿意先弯下腰去干那些不体面的脏活，谁就能先攒到数据、攒到现金流，最后攒够站起来、走进你家客厅的资格。

所以具身智能落地在加速吗？在。但加速的方向，和头条标题指的方向，恰好相反。

它不是飞上天，是沉下去。