擎朗智能以“岗位化”破局具身智能商业化：从酒店洗衣房到全球600城的商业闭环

企业扎堆机器人赛道已持续数年，目前多数仍停留在Demo演示、炫技动作或舞台表演层面。

而擎朗智能已进入精细化商业核算阶段，账目清晰具体：一台机器人在酒店洗衣房叠衣，日均处理量多少件、月租金多少、为客户节省多少人工成本——唯有这笔账算得通，生意才能可持续。

在2026年8月举办的WRC（世界机器人大会）上，擎朗智能将真实服务场景“搬进”展区：洗衣房、咖啡亭、甜品屋、零售店一一落地。XMAN-R1人形机器人在咖啡亭完成取杯、萃取全流程；同系列机器人同步在洗衣房执行叠衣任务。展板同步展示其全球化进展：据IDC 2025年度报告，擎朗智能全球出货量占比持续位居行业第一，业务覆盖全球600多个城市及地区。

SmartHey记者与多家媒体在展会现场专访了擎朗智能创始人兼CEO李通。他于2010年创立公司，带领团队成长为全球出货量最大的服务机器人企业。围绕“岗位化”战略及WRC最新实践，我们展开了一场深度对话，试图厘清擎朗对具身智能商业化路径的独特解法。

（以下内容基于现场采访整理）

01、为何锚定服务场景？

擎朗智能在WRC展区呈现出鲜明的“生活感”：机器人不是悬浮于展台的科技符号，而是扎根于洗衣房、咖啡亭、甜品屋和零售店的真实工作者，充满烟火气与实用性。

但具身智能落地服务业实为高难度选择：技术碎片化、行业标准缺失、客户流程不可改、环境不可控。为何主动迎难而上？

答案源于李通长期的场景判断。他认为，家庭通用机器人尚需至少5年突破，主因在于家庭环境要求机器人具备“无限泛化”能力，而服务业中大量重复性岗位仅需“有限泛化”即可胜任。

更关键的是数据价值。越是混乱的真实场景，越能产出高质量训练数据——实验室模拟一万次，不如在酒店洗衣房实际叠一百件衣服。“真实场景中的意外状况，恰恰是模型训练最珍贵的燃料。”李通表示。

选择生活服务场景，还蕴含三层战略逻辑：

第一，启动数据飞轮。 具身智能曾长期困于“无机型→无数据→难迭代”的死循环。一旦机器人在B端岗位实现商业化运营，日常运行即自动沉淀真实物理世界数据，驱动“数据→机型优化→新数据”的正向循环。

第二，铺设通往家庭的阶梯。 酒店清洁、餐饮配送、衣物处理等场景，既具明确需求，又保留充分环境变化与操作复杂度。机器人可先成为叠被、清洁、煮咖等细分任务的“专家”，待能力与数据体系逐步贯通，再自然延伸至家庭服务——此路径比直接攻坚家庭更具可行性。

第三，优先验证发达国家经济账。 多关节结构推高硬件成本，而欧美日等市场人力成本高昂，终端价格接受度更高。目前擎朗海外营收占总营收60%以上，全球服务机器人市占率达22.7%，其中配送机器人占比超40%；2025年商用清洁机器人出货量同比增长逾800%。

因此，“岗位化”并非退而求其次，而是以有限泛化能力切入高确定性B端岗位，在发达国家率先跑通ROI模型，用真机运营反哺技术迭代，最终为家庭场景储备底层能力。

02、“岗位化”的深层架构

擎朗智能提出“岗位化”策略：让机器人在具体岗位上实现连续作业、稳定交付、可量化产出。

李通指出，2026年已是具身智能商业化落地元年。“机器人是否真能干活”，才是商业本质；而“岗位化”，正是通向规模化落地的必经之路。

这一策略直面现实生存命题：在通用机器人尚未进入家庭的当下，企业靠什么活下来？擎朗的答案是——先上岗、再进化：让机器人真正在岗干活，边干边积累数据，用数据驱动技术升级。

当然，“岗位化”也引发一个关键质疑：在洗衣房叠一万件衣服的数据，能否迁移至咖啡亭做一杯拿铁？若各岗位数据彼此割裂，是否终将陷入“专用机器孤岛”，永远无法抵达通用？

破解之道藏于其双层模型架构：

• 上层：KEENON ProS——面向具体岗位的垂域模型，如“咖啡师模式”“洗衣工模式”；
• 底层：KOM大模型——通用能力底座。2026年WRC发布的KOM 3.0，是全球首个融合潜空间世界模型的服务业VLA（Vision-Language-Action）架构。通俗而言，它赋予机器人“先想后做”的能力：端起咖啡杯前，已在内部模拟重心偏移；抓取布料前，已预演柔性变形过程。

二者关系明确：所有ProS模型均构建于KOM底座之上。洗衣房数据优化叠衣能力的同时，相关物理规律（如“布料受力形变”）会回传并强化KOM底座。一旦底座掌握该规律，叠毛巾、叠床单便无需从零学习——因为底层物理逻辑相通。

本届WRC，洗衣房成为最具说服力的示范场景。两台XMAN-R1在统一调度平台下，自主协同完成放衣、洗涤、取衣、叠衣全流程。柔性衣物识别与处理是行业公认难点——布料柔软、形态随机、无法编程固化。该场景的稳定运行，标志着擎朗在柔性物体操作能力上已达商用门槛。

值得注意的是，KOM 3.0全部训练数据，均来自擎朗在全球真实“岗位化训练场”及客户一线部署后的运行反馈。上百个垂直岗位的专精数据，共同“喂养”一个支撑千岗演进的通用底座——这正是其兼顾落地性与扩展性的核心设计。

03、先赚到今天的钱，才能等到明天的大结果

2010年，擎朗初创时仅有20万元启动资金，办公地点是上海闸北区一套70平方米毛坯房。彼时机器人产业尚无风可借，全凭硬扛。

2016年AlphaGo掀起热潮，但资本寒冬接踵而至。李通坦言：“要想等到‘明天的大市场’，必须先活过今天——赚到今天的钱，才是生存底线。”

8年前，擎朗初代产品T1赴日本餐厅“上岗”，采用纯租赁模式，月租金仅为当地服务员平均工资的1/3至1/2。一台T1连续服役8年，为企业回款近50万元人民币。

2025年10月，盛茂香格里拉酒店开业，8台擎朗机器人全面入驻：XMAN-R1负责迎宾递物，W3承担客房配送，C40专注清洁，T10执行送餐——这是全球首家配备人形机器人服务员的酒店，亦是首个实现“通用+专用”机器人协同作业的服务实体。

截至2026年中，擎朗累计出货超10万台，业务遍及全球60余国、600余城，海外营收占比达60%。IDC数据显示，其以22.7%的全球出货量占比稳居行业首位。

“客户不关心机器人是通用还是专用，只关注两点：成本是否低于人工？效率是否高于人工？”早年日本市场的实战经验，让李通形成深刻洞察。在他看来，行业未来虽难精准预测，但技术路线与商业节奏已有清晰脉络：

一、大脑技术路线加速收敛。 当前本体与运动控制（小脑）技术已趋成熟，但“大脑”（决策与规划）仍处探索期。KOM 3.0所采用的“潜空间世界模型”，是擎朗给出的阶段性答案。明年WRC或将呈现其在长程、多步复杂任务中的实际表现，推动行业大脑路线进一步聚焦。

二、可落地岗位持续扩容。 从WAIC的咖啡、甜品、零售，到WRC新增的洗衣房，擎朗正系统性解锁服务业“专家岗”。李通透露，医疗康养陪护、商超动态补货等新场景已在验证中，明年有望规模化落地。

三、“通用+专用”协同深化。 WRC已演示XMAN-R1（通用）、T10（配送）、C40（清洁）的跨机型协作。李通强调，标准化高频任务由专用机器人承担，灵活多变、需跨域协同的环节则由通用机器人主导——二者组合，方为服务闭环最优解。明年WRC或将看到该协同模式从展台走向真实复杂场景联动。

四、海外市场规模化验证提速。 全新人形机器人产线已在泰州工厂投产，首批产品正发往海外。随着人形机器人在欧美日市场ROI持续验证，明年WRC展出的将不仅是演示视频，更是来自酒店、医院、商场的真实运营数据与案例。

尾声

人形机器人进家庭，仍是远景目标；但它已在酒店洗衣房叠衣、在咖啡亭萃取浓缩、在餐厅递送餐盘——这些微小却真实的日常劳动，正悄然重塑产业边界。

回望擎朗路径，逻辑清晰而务实：生活服务场景虽难，却能沉淀最高质量数据；岗位化看似“不够宏大”，却是最快跑通商业闭环的路径；KOM 3.0虽刚发布，其训练根基却是全球10万台真实上岗机器人的日复一日积累。

采访尾声，SmartHey记者抛出一个略带挑战性的问题：李通早年曾直言“表演不算干活”，但今年擎朗机器人却在WAIC现场打起了腰鼓。

是什么促成观念转变？李通笑答：“认知会随实践进化，但‘合理商业化方向’永远不应被忽视。”当前，展会导览、品牌快闪、主题餐厅乃至文旅项目，均已形成对表演型机器人的明确采购需求。部分海外客户甚至将此类交互稳定性，作为评估产品可靠性的关键维度。

这一转变印证其核心信条：商业化的本质，不是坚守某种“严肃用途”的教条，而是敏锐识别、快速响应任何真实付费意愿背后的痛点。这，正是擎朗智能最坚实的成长注脚。