我们正处于一个技术狂飙的时代，过去几年，大模型与具身智能的结合，让科技界为之沸腾。

但具身智能的大规模商业化卡点始终存在。困住一个个机器人走进现实的，早已不是算力与算法，而是物理世界的真实数据。

带着对具身智能如何真实落地的思考，嘉宾商学创办人、校长吴婷与擎朗智能创始人李通进行了一次深度对话。

前段时间，擎朗智能与某快餐品牌的合作刷屏。擎朗的机器人穿上了标志性的红黄制服，在门店里实打实地干起了活。很多人惊呼，科幻场景终于照进了现实。但在李通看来，这并非科幻，而是一门严谨的、关于“劳动力替代”的生意。

李通是一个典型的理工男。在整个访谈过程中，他没有大篇幅地描述未来，而是处处着眼现在。他口中的高频词汇是“干活”“岗位化”“ROI”和“商业化”。

当行业里许多人在畅想机器人何时能成为全能的家庭保姆时，他却极其克制地泼了一盆冷水：真正走入家庭，可能还需要5年时间；但他同时给出了一个极具确定性的答案：如果让机器人去特定岗位打工，一两年内就可以大规模实现。

从2010年创业至今，李通在机器人这个赛道里已经坚守了16年。他经历了行业无人问津的困难时刻，经历了发不出工资、在除夕前夕挤长途客车四处推销的窘境，也最终迎来了海底捞的千万级大单和软银的数亿美元投资。

而他的创业史，就是一部中国本土商用机器人从实验室走向全球化的缩影。

岗位化落地，让机器人“持证上岗”

探讨机器人，大众往往容易陷入一种全能神话的误区，期望拥有一台能洗衣做饭、辅导作业甚至提供情绪价值的通用机器。但在李通的商业框架里，机器人的落地逻辑被精简为三个字：岗位化。

李通提出，无论是在服务业、工业还是整个社会运行体系中，人类的存在方式本质上都是“岗位化”的。一个人在社会中扮演什么角色，是由他所在的岗位决定的；而岗位，则规定了具体的工作内容。

基于这一认知，擎朗智能在快餐店的落地实践，并非试图造出一个能包揽餐厅所有杂活的超级机器人，而是将餐厅的工作进行极度细分。比如，后厨有专门炸薯条的、做汉堡的，前厅有负责收餐的、清洁的。这些工作环境相对可控，属于“有限泛化”的半封闭场景。

因此，擎朗提供的是一套“通用+专用”的协作解决方案。在这个方案中，一共部署了四台机器人：一台专职配送，一台专职清洁（专用机器人），另外两台则是人形机器人（通用机器人）。对于有专用机器人的岗位，就让专用机器人去干；而对于大部分没有专用机器人、但又需要灵活性操作的岗位，则由人形通用机器人来填补。

而李通的清醒不止于此。他坦言，擎朗智能过去、现在和未来，始终只解决一个核心痛点：劳动力短缺问题。

在服务业的实际运营中，客户并不关心机器人是专用还是通用，是轮式还是双足。客户的核心诉求只有一个：用机器人干活，是不是比在当地雇佣人类更划算？只要投资回报率（ROI）能够算得过来，商业化的闭环就自然形成了。

李通举了海底捞的例子。海底捞以极致的服务和温情著称，引入机器人并非为了削减服务的温度，而是为了“把机械的事情让机器去做，让人投身到服务中去，从而创造极致体验”。服务业中存在大量重复、枯燥、缺乏成长性的岗位。随着现代年轻人越来越追求个人价值，这些岗位已经面临严重的招工难问题。机器人的“岗位化”填补，正是为了把人类从枯燥劳动中解放出来。

这种劳动力短缺，并非未来的预测，而是当下的现实，尤其是在发达国家。

李通分享了他近期去日本的见闻。作为一个传统上人口结构单一的国家，日本现在的街头和餐饮店后厨，已经出现了大量来自南亚、东南亚的外籍劳工。一家传统寿司店的店长无奈地告诉李通，因为日本本地年轻人根本不愿意从事这类枯燥的重复性劳动，他们已经招不到本地人了。

在欧洲、北美同样如此。服务业岗位的极度缺人，导致这些国家在使用服务机器人时，并非出于赶时髦或追求科技感，而是一种“被迫的必然选择”。招不到人，就只能用机器，这为服务机器人的大规模商业化提供了最坚实、最不可逆的市场基础。

海量一线数据，16年积累的核心壁垒

伴随着具身智能的热潮，行业里涌现出许多激进的声音，认为通用人工智能（AGI）和无所不能的人形机器人即将在明后年普及。作为行业的先行者，李通却在多个公开场合给出了更为审慎的判断。

李通强调，擎朗智能绝不是人形机器人的反对者，而是坚定的拥护者。他坚信人形机器人的终局一定会成功，每个人未来都会拥有一个类似“哆啦A梦”的家庭助理。

但是，作为真正要将技术落地的企业家，他必须给出科学的时间节点。他所说的“5年以上”，特指人形机器人大规模走入家庭场景所需的时间。因为家庭是一个极其非标准、极端复杂的动态环境，对机器人的泛化能力和容错率要求极高。

然而，这并不意味着人形机器人的商业化需要停滞等待5年。李通给出的破局路径依然是“岗位化”。如果把人形机器人放置在物流分拣、工厂搬运或餐厅特定岗位上，让它去产生真实的劳动价值，这个落地时间不需要5年，一两年、两三年内就可以实现。先在特定的B端岗位上跑通商业模式，再逐步向C端家庭渗透，这是最务实的演进路线。

那在这个演进过程中，什么才是决定性的因素？

李通表示，具身智能进入大规模商业化有三个核心要素：算力、算法、数据。在当前的产业发展阶段，算力和算法还在不断进步，但它们已经不再是卡脖子的致命难点。真正的卡点，是实际物理世界的数据。

这就形成了一个行业悖论：没有海量的数据，就训练不出聪明的机器人；但没有大量在真实场景中运行的机器人，就无法收集到海量的数据。

如何打破这个“先有鸡还是先有蛋”的怪圈？答案是需要一个“火花塞”来启动数据飞轮。而擎朗智能过去16年在服务机器人领域的积累，正是这个最强劲的火花塞。

目前，擎朗智能是全球出货量最大的服务机器人企业之一，累计出货量超过10万台。这些机器人在真实的商业环境中，每天都在面对动态的人流和复杂的环境变化。

以餐厅为例，这是人口密度极大、环境极度拥挤的场景。机器人在其中不仅要跑得快，还要确保绝对的安全。擎朗最新的T10机器人配备了多个深度视觉和感知设备，它们感知的重点不仅是静态的墙壁和桌子，更重要的是“变化动态的人”。

李通举了一个生动的例子：当机器人探测到旁边有一个人正与它并排行走时，它该加速还是减速？答案取决于对人物身份的预测。如果判断出对方是餐厅服务员，机器人应该快速通过，因为服务员熟悉机器人且有自己的工作要忙，不会产生干扰；但如果判断出对方是一个小孩，机器人就必须立刻放慢速度，因为小孩的行为是不可预测的，下一秒他可能就会突然抱住机器人。

这种对真实世界中人的行为状态的感知、判断和预测数据，是纯实验室环境或仿真环境中无法获取的。这些完全符合当地法律规范和安全认证的交互数据，构成了擎朗智能今天最宽广的护城河。

走过至暗时刻，一个理工男的商业觉醒

如今的擎朗智能，业务遍及全球60多个国家和地区。但在光鲜的成绩背后，是李通和他的团队长达十余年的苦行僧式的摸索。这段经历也让李通从一个技术理工男，蜕变为成熟的商业领袖。

李通坦言之前就是做AI的，自己的导师就是中科院院士，而他当时所处的课题组就是 AI 组。他创立擎朗，并非因为机器人行业当时有多火热，而是源于从小对拆解家电的热爱和对技术的纯粹信仰。

在创业的前五年，整个机器人行业处于荒芜期，没有任何资本关注，公司也没有融到资。当时作为理工男的李通，信奉“技术万能论”，带着团队尝试了无数个方向，包括教育机器人、扫地机器人，甚至高仿真机器人。

他们曾在2011年左右尝试制作与真人一模一样的高仿真机器人。但很快，他们遭遇了著名的“恐怖谷效应”。当那些看似逼真的机器人动起来时，哪怕嘴角只有一丝极微小的僵硬，微笑也会变得怪异，让人感到恐惧。有一次，联合创始人拎着装有高仿真机器人头颅的行李箱去出差，过安检时把安检员吓得魂飞魄散。

而早期的产品，也大都卖给了类似鬼屋、密室和科技馆等等场所。这些也让李通深刻地意识到：技术是有边界的，如果不去解决实际的干活问题，不去创造真实的商业落地场景，纯粹的技术自嗨是没有出路的。

在没有资本输血的漫长岁月里，公司只能靠自己卖货维持生存。最艰难的时候，四个联合创始人走了两个，只剩下李通和另一位合伙人。为了给员工发工资、为了买研发物料，身为研发工程师的李通被逼上了销售一线。

他回忆起有一年出差跑业务，一直跑到大年二十九。当时春运的火车票根本买不到，他只能跑到长途汽车站，只要看到大方向是往家乡走的客车就直接上，到了中转站再继续找下一辆，硬生生地倒了三四趟车才回到家。

也是在那个时期，他跑到山东一个小镇的学校里，苦等校长很长时间，最终拿下了一笔6万块钱的订单。虽然金额不大，但这是他作为销售拿下的第一单。拿到订单的那一刻，他没有狂欢，也没有马上报喜，脑子里想的只有一件事：“下一个客户在哪里？明天该坐哪辆车去见谁？”

这段至暗时刻的经历，彻底打磨了李通的心智。他明白了创业不能只靠一块长板，而是一个必须补齐所有短板的“木桶工程”。从产品定义、供应链、销售、服务到财务、法务，任何一个环节出问题，企业都会死掉。这也让他确立了擎朗的核心价值观：不做商业化的科技公司就是耍流氓。

转机出现在2019年。经过一两年的反复测试和打磨，擎朗智能终于拿下了海底捞的千万级订单。

在擎朗之前，海底捞为了解决人力成本和服务效率问题，已经尝试了市面上的许多方案，甚至引入了无人驾驶公司的算法，但由于餐厅环境过于复杂，这些方案都失败了。擎朗的设备在海底捞成功运行，不仅拯救了当时资金紧张的擎朗，更重要的是，它完成了一次史无前例的“市场教育”。

当海底捞这个餐饮巨头开始大规模使用送餐机器人时，整个行业闻风而动。其他餐饮品牌纷纷效仿，服务机器人的市场大门被彻底推开。随后，软银等顶级资本的上亿美元融资接踵而至，擎朗智能迎来了每年营收翻倍的高速成长期。

商业模式的重构：RaaS租赁与全球化信任

当产品在技术上跑通之后，如何让更多客户毫无负担地接受它？李通将目光投向了商业模式的创新，推出了RaaS（Robot as a Service，机器人即服务）模式。

传统的设备销售模式，往往要求客户一次性投入大笔资金，然后去计算需要几年才能回本。但对于服务业老板来说，他们的经营逻辑是算“月账”的。

为此，擎朗在海外大规模推行雇佣制。客户不需要买断机器人，而是像雇佣人类员工一样，与机器人签一份为期三年的“劳动合同”。每个月月底，客户在给员工发工资的同时，也给机器人“发工资”。

这种模式的账非常清晰：如果当地雇佣一个服务员每个月需要100块钱，那么雇佣一台机器人的“月薪”可能只有30到50块钱，而且机器人干的活比人还多、还不抱怨、不请假。第一天使用，客户就能实实在在地省下钱。通过这种模式，擎朗的终局目标，实际上是成为一家全球性的“劳动外包公司”。

RaaS模式降低了客户的使用门槛，但也对企业的运营能力提出了极高要求。服务业客户通常没有专业的IT维护能力，一旦机器人出故障，如果没有及时的售后服务，设备很快就会沦为废铁。

因此，擎朗在出海过程中，选择与当地强大的合作伙伴共同建立运营服务体系。这是一项极重的工作，不仅要卖出产品，还要赋能渠道、培训服务商。

中国机器人出海，面临的最大挑战是“信任”。欧美日韩的客户，往往更看重长达十几年甚至几十年的稳定合作。一开始，他们很难信任一家中国创业公司。擎朗花了三四年的时间，靠着扎实的产品稳定性和服务，一点点赢得了海外客户的信任。如今，擎朗超过一半的收入来自海外，其品牌“KEENON”在海外服务业已经成为值得信赖的代名词。

此外，随着部署规模的扩大，李通思考的问题也从“机器能不能跑起来”、“故障率高不高”，升级到了更高维度的安全合规问题。

在全球化逆流和地缘政治复杂的当下，数据安全和隐私保护成为企业出海的生死线。擎朗智能严格遵守各国法律，是行业内首批拿到欧洲最严格数据安全认证的企业。他们的海外服务器实施严格的物理隔离，坚决保证当地数据绝对不回传。李通深知，这是一条绝对不可逾越的红线，一旦触碰，企业将面临灭顶之灾。

为了应对关税波动和供应链安全，擎朗也已经在海外布局建厂，以确保全球业务的稳健推进。

为何坚持做六边形战士

在访谈的最后，吴婷与李通探讨了机器人产业的未来格局。面对层出不穷的新进入者和不断迭代的技术模型，李通展现出了一个长期主义者的清醒与从容。

对比当年移动互联网的精细化分工，现阶段的机器人企业显得尤为“笨重”，各家都在搞全栈自研。擎朗为什么也要坚持这条道路，坚持做一个六边形战士？

李通解释道，这是由行业所处的早期阶段决定的。目前的机器人产业，软硬件供给还不完善，所有部件几乎都是非标的，各个系统之间的耦合度极高。不可能像组装电脑一样，买来各家的标准化模块拼凑出一台优秀的机器人。为了保证产品的整体体验和可靠性，企业被迫只能把从算法、软件到硬件供应链的所有脏活累活全干一遍。

他判断，只有当机器人的年出货量达到几千万台，产业真正成熟时，社会化的精细分工才会出现。在那之前，能够活下来的优秀企业，必定是全栈自研的六边形战士。

近十年，中国经历了新能源汽车的爆发周期。业界很多人关心，机器人产业的周期会有多长？

李通认为，由于机器人处于复杂的三维空间，技术复杂度和供应链要求远高于二维空间的自动驾驶汽车，且最终的市场规模也比汽车更大。因此，机器人产业的周期会比汽车更长，目前仍处于极度早期的阶段。

面对华为、比亚迪等大厂未来可能亲自下场的担忧，李通表现得非常淡定。他预判，当人形机器人一年的销量达到几百万、上千万台，市场彻底被验证且处于高速增长期时，这些大厂必然会下场，迎来属于机器人行业的“华为时刻”、“小米时刻”。

但这并不可怕。就像现在的汽车市场，华为入局后，蔚来、小鹏、理想依然有自己的生存空间。未来的机器人市场足够庞大，只要企业找准差异化的定位，把自己的产品和服务做到极致，就一定有一席之地。

当吴婷最后问及，如果有一天擎朗倒下了，会是因为什么？

李通的回答依然是那种不加修饰的务实：“只有一种原因，账上没钱了。”

在商业世界里，无论技术多么超前，愿景多么宏大，只要现金流断裂，企业就会立刻死亡。而要保证现金流，就必须确保产品不平庸、能为客户创造真实价值、有合理的毛利空间，并在资本市场上获得认可。

李通每天都在琢磨技术的边界在哪里，思考哪些方向能快速产生商业化结果。他时刻警惕自己不要去做那些想象空间巨大但短期内无法落地的项目，也不做没有技术壁垒的低端制造。

在技术的星辰大海面前，擎朗智能选择了一条最接地气的道路：不仰望虚幻的星空，只低头打磨手中的工具。他们用一次次真实的“打工”记录，将机器人从科幻神坛拉回了商业的现实。

或许，这正是中国科技企业能够走向全球、引领产业变革的最强大的底色：保持对技术的热爱与敬畏，但永远忠于商业的本质。

对话全文

吴婷：我看到新闻，大概两个多月前，你们跟快餐品牌有一个合作，还蛮有意思的，好像还刷屏了。就是你们的人形机器人穿上了红黄色的衣服，做一些服务。这是一个怎么样的合作？

李通：首先这个快餐品牌本身合作过我们的一些专用机器，比如做收餐的配送机器人和做店面清洁的清洁机器人。我们希望为客户做更多的工作，在店里观察后厨还有专门做汉堡、炸薯条、做配餐的人。这些工作相对而言是有限泛化的，在半封闭场景下比较可控。在今天的技术条件下是可以落地的，所以我们尝试用人机协作去做这些工作，为他解决劳动力问题。

吴婷：那你们过去和现在都在给他解决什么问题？

李通：我们的过去和现在一直只解决一个问题，就是劳动力的问题。当然是不同岗位的劳动力，有专用机器人，也有通用机器人，但解决的都是劳动力问题，并且让我们的客户用机器人比当地用人更划算。

吴婷：因为“岗位化”这个词是你们提出来的，那你过去给快餐店提供的岗位是啥？现在是什么？未来会是什么？

李通：其实不光快餐店，在服务业、工业还是社会生活中，人都是有岗位的，岗位有具体的工作内容。真正进入服务业，替代一定是从岗位做起，不可能做一个全职的什么都能干的机器人，它是分工协作的。快餐店也是一样，它的工作岗位极度细分化且非常标准化。有人在后厨做汉堡、炸薯条，有人负责前厅，工作岗位很清楚。我们就是不断看在这种情况下能帮他做更多的工作。

吴婷：你有帮他做汉堡、炸薯条，还是帮他做前厅？

李通：我们在不断尝试是不是可以做到。今天人形机器人走入家庭可能还需要点时间，因为要求比较高。但在快餐店这种服务业里，以岗位化落地，我们觉得是很快可以做到的。

吴婷：那这一次的合作是一个人形机器人，我相信它还有一定的情绪价值。

李通：通用和专用都有，一个店里总共四台：一台配送，一台清洁，两台人形。你发现这是一个通用加专用一起来服务客户的过程。如果这个岗位有专用机器人，就一定会用专用，但大部分岗位实话实讲没有专用机器人，而且通用机型完全可以胜任。所以我们提出了擎朗的第二个概念：通用加专用一起来服务终端客户，为他提供整体解决方案。

吴婷：所以快餐店这个客户场景算是单一客户服务里面场景比较丰富、岗位比较多的了？

李通：不是的，因为快餐店的店面不大，岗位其实不算多。比如我们为酒店客户服务，一个酒店里可能有七八台机器人，五六个工作岗位。它的环境更复杂，岗位更多，我们提供的服务类型也更多。医院就更多了，各个科室有不同的岗位。所以还是取决于客户有多少岗位，我们就尽可能多地提供能完成他工作的岗位机器人。

吴婷：我觉得“岗位化”这个词非常厉害，你列举出了很多工种。你设想未来人机协作，或者纯机器人给餐饮场景能提供哪些全面的工作？以后人类在这个岗位上能承担更多的是什么呢？或者说不需要了？

李通：我用海底捞这个非常优秀的客户来回答您的问题。海底捞非常重视服务和温情，他们用机器人的定义是：把机械的事情让机器去做，人投到服务中去，从而创造极致体验。服务业里的岗位绝大部分是客户感受不到的，属于重复、枯燥且没有成长的岗位。随着现在的年轻人越来越追求自我价值，这些岗位往往没人去做。这种情况下，更多是用专用机器人和通用机器人一起来完成岗位工作。人还是更多地投入到有价值、能给客户带来温情的岗位中去。机器和人混合一起来服务客户是未来的常态。专用机器人加上通用机器人一起，也会成为整个机器解决方案。

吴婷：你这个观点挺有意思，让我想起前段时间马斯克说，未来大学的主要价值不是接受教育，而是提供情绪价值和社交价值。你支持他这个观点吗？设想未来机器人如果遍地都是，它的根本价值会发生转变吗？

李通：马斯克的意见代表他一家之言。我认为大学肯定是培养从知识到能力，再到创新创造的价值增长，而不仅仅是底层基础知识的背诵。特别是在AI时代，这会有一个巨大的变化。大学还是个学习的地方，社交是重要的一部分，但不仅仅是社交。学知识、学能力、学态度，我们认为还是非常重要的。

吴婷：如果偏短期来看，如果机器人大量替代了人力资源，会不会短期内带来一些失业问题？宏观层面对失业问题的重视，会不会给行业带来系统性的挑战？

李通：我们看看现实是什么样子。今年上半年我去日本，在东京街头发现跟三四年前完全不一样。日本是一个单一民族社会，相对偏保守，三四年前满大街只能看到黄种人。但这一两年去的时候，我意外发现有大量偏东南亚、南亚的外劳。我去日本一家非常传统的寿司店吃饭，经过后厨一看，给我做饭的都是印度人。我问店长为什么会这样，店长告诉我真的招不到人了。在这种重复、枯燥的工作岗位上，日本的年轻人不愿意去干。特别是发达国家的服务业和工业，有大量岗位没人愿意干，极度缺人。这是具身服务机器人在发达国家最近几年发展很快的根本原因。这还不是发展多了会导致失业的问题，而是根本招不到人。客户用机器是一个被迫的必然选择，他没得选。欧洲、北美也是普遍现象。所以服务机器人进入商业化，解决枯燥劳动问题，是一个历史的必然。

吴婷：你还是非常典型的一个务实派，16年前创业就开始做岗位化，把送餐、上下电梯爬楼等枯燥工作让机器人做。但这几年资本市场最火热的是具身人形机器人。我注意到你在很多场合公开泼过冷水，说5年之内通用人形实现不了。这5年之内有哪些关键指标？会不会有什么变量发生？

李通：我澄清一下这个误解。首先，擎朗是通用人形机器人坚定的拥护者，我们认为它的终局一定能成功。其次，我们提出时间节点和路径，是因为我们希望它真实落地、走进千家万户，所以才去思考它到底该怎么落地、时间节点是什么。我们认为人形机器人走入家庭起量最大，每个人都希望有个家庭保姆。但家庭是个很复杂的场景，走入家庭预计要5年以上。但我们不能等5年，人形机器人落地的路径是找一个岗位落下去，真正产生劳动价值。岗位化落地不需要5年，一两年、两三年都是可以的。岗位化落地是人机协同大规模商业化的必由之路。比如最近爆火估值400亿美金的Figure，它直播的工作情况就是一个分拣员的岗位，这就是岗位化落地，更印证了我们的观点。

吴婷：我理解你说的5年，应该指的是通用具身走入家庭商业化。从从业者角度，这5年当中哪些指标到达什么节点，意味着可以迎来通用具身时代？

李通：怎么迎接这个时代呢？今天具身智能进入大规模商业化有三个核心要素：算力、算法、数据。在具身智能领域，算力和算法不会形成卡点，它还会不断进步完善。真正的卡点是实际物理世界的数据。这些数据决定了具身智能能否大规模落地。那数据哪里来？除了人工训练，还需要大量机器人在实际落地运行中收集。这就形成了一个怪圈：先有机器还是先有数据？这时就需要一个“火花塞”把数据飞轮推动起来，机器人越来越多，数据越来越多，机器人性能越来越好，形成一个飞轮。

吴婷：所以你积累了16年服务场景的数据，这可以说是你们最大的壁垒吗？

李通：这是非常重要的壁垒。我们的机器人在服务业里天天面临动态的人流变化环境。我们积累了大量环境以及人机交互的数据。我反复强调，这些数据是符合国家法律规范的，擎朗通过了严格的数据安全认证，服务器都是物理隔离的。我也呼吁同行注意数据安全和法律规范，这是绝对不能破的底线。另外，机器人还会产生操作数据。以前更多的是交互数据、环境感知数据，这对移动机器人非常有价值，但操作数据可能还需要另外去训练和获取。

吴婷：针对你们最常见的两个场景，比如餐厅送餐和酒店送外卖，这个里面最有意思的数据跟我们分享一下，都有哪些？

李通：我举个小例子，餐厅实际上是人员最密集的场景之一，比工厂要多。在非常密集拥挤的状态下，机器人要跑得快还很安全。我们最新的T10机器人上面有5个深度视觉、5个单目视觉，感知的不仅是墙壁和桌子，更多是变化动态的人。人是机器人最大的挑战，特别是小朋友，他可能会突然抱住机器人。我们就要对人进行判断、感知和预测，从而提前做出处理。 比如，机器人在走，探测到旁边有一个人一起走，此时机器人该加速还是减速？如果判断出旁边这个人是服务员，你应该快速通过，因为服务员熟悉机器人，有自己的工作要忙，不会给机器人带来麻烦。但如果判断出旁边是个小朋友，就要很小心了，因为你预测不到他下一秒会干什么，可能胳膊就挽上来了。所以这时候一定要放慢速度，确保100%的安全。人的行为状态不一样，机器人的动态判断结果也是完全不一样的。

吴婷：酒店送餐呢？也分享一下。

李通：酒店相比餐厅是个相对简单的环境，没太多的人。麻烦在于每家酒店上下电梯都不一样，机器人怎么跟物联网沟通，其可靠性和稳定性会更重要一些。

吴婷：刚刚聊到具身时代的来临要5年以上。

李通：我从来没有说具身时代的来临是5年以上。我只是说以走入家庭为时间节点的话要5年，但是具身时代我们认为它已经来临了，而且接下来的发展速度会越来越快。

吴婷：毫无疑问，具身时代是我们肉眼可见的星辰大海了。我也看到你在这个方向上是有所动作的，有做自己的人形机器人，比如K仔和这次在快餐店工作的这位。你们现在在人形机器人上是什么样的规划？

李通：我们的人形机器人立足于以干活为主。我们认为“真干活”是人形机器人大规模商业化的必由之路，也是最根本的问题。如果做不到真干活，它可能会规模化，但很难大规模商业化。只有真正产生商业价值，为人干了活，并且ROI算得过来账，人形机器人才能够真正大规模走入家庭和各种场景。这是我们的核心出发点，所以我们在设计机器人的时候，一切都围绕着一定要干活。服务业进入了大量人口，其中有大量重复、枯燥的岗位工作，我们希望一部分由专用机器人干，一部分由通用机器人完成。

吴婷：所以你们会怎样去讨论一个产品的诞生和落地？

李通：通用机器人在设计时，会去计算它在服务场景中哪些是必须的，哪些不是必须的。比如在服务场景中走猫步，对我们来讲就不是刚需，所以我们的人形机器人就不会设计它能走猫步。

吴婷：就是战略性放弃表演。

李通：对，战略性放弃。比如猫步实际上是扭胯的动作，它需要特定的机械结构，我们认为初期的场景里不一定有这个需求，所以我们的设计就不会有这样的结构。我们的关注点在于大模型、VLA、空间智能和世界模型。我们更关注如何理解环境，以及在岗位上如何通过视觉、语言和指令来落地操作和干活。

吴婷：有的友商在走猫步，有的在打拳击，大家现在各自有什么样专注的发展点？

李通：现在大家没有形成一个统一的点，今天还没有谁的路被验证过绝对对或错。大家走的路不一样，有人倾向于从硬件和小脑出发，强调机器人的操作性，展现出来的结果可能就是跳舞跳得特别好。这也很重要，因为如果要商业化，身体和小脑不好也是有问题的。有的人则更注重做大脑，注重逻辑判断和大模型数据训练。不同的人走的路线不一样，很难有团队面面俱到。但我认为各个方向最终会合二为一、殊途同归，都要走向商业化，而商业化最终都要真干活。我们就是以真干活为核心目的来设计所有的技术导向目标。

吴婷：可以跟我们聊一聊友商们的不同方向吗？

李通：每家都不太一样。比如优必选做得很好，他们更多是希望人形机器人在工业场景、工厂中先规模化落地。他们花了大量精力推进在汽车厂、飞机场的应用，我认为这是有需求的。为了长时间使用，他们还做了自动换电等非常棒的创意。有的公司可能主要做运动控制技术，先动起来、可靠性高起来，以后再去做大脑。这又是另一条路，我认为各条路其实都是OK的，没有谁对谁错，最终还是看终局市场的判断。

吴婷：你跟优必选都算是先行者了，比较早期就开始探索机器人。这两年有了巨大资本关注后，冒出很多新品牌。所以有人讲，擎朗是上一代机器人，新一代可能更多是具身智能、大脑小脑，你怎么解读这个？

李通：我不知道大家判断“上一代”和“这一代”的时间节点是什么。如果是以2022、2023年大模型兴起为界，那宇树是2016年成立的，当时世界上也没有大模型，但宇树无疑是行业内公认的这一代的头部优秀公司，并没有被定义为上一代。实际上所有的公司都在迭代。我们本身就是做AI出身的，在神经网络时代之后，2015年深度学习起来了，大家第一时间用新理论武装自己；到了2022、2023年大模型起来了，我们又快速用大模型技术方案来迭代自己，探索它在商业化有什么应用。我们这波人是在技术发展过程中不断升级的，不太认为有什么第一代、第二代之分。我们判断的标准还是能不能真正商业化，因为这才是终局。不管短期有没有名气，如果不能商业化落地，都会很难生存。

吴婷：我理解大家说的上一代和这一代，可能指的是它是否是具身智能。你想抛掉这个标签吗？还是说不接受这样的评价？

李通：“具身”这个概念大概是1950年代提出来的，指有身体的AI。它的底层逻辑是物理和虚拟AI结合产生实际价值，我们这么多年一直秉承这个概念。可能因为我们在具身的专用机器人方面商业化落地比较成功，掩盖了我们在通用人形上的努力。其实我们在通用人形上也花了很多精力，是坚定的拥护者。至于标签，我觉得无所谓，这是他们的看法。我们更关注客户的看法。我们现在超过一半的收入来自欧美日韩等发达国家。一开始他们不太信任中国创业公司，我们花了三四年努力让KEENON品牌获得信任。客户不管你是什么造型的机器人，是专用还是通用，他关注的是你能为他干什么、要花多少钱。

吴婷：反正你的关键词就是“真干活”。今年以来陆续有一大批机器人企业登陆资本市场，大家关注点可能从只看故事转移到了看营收。你感觉现在投资人对机器人赛道的要求有什么变化吗？

李通：真实情况是客户也是这么想的，他在乎的是有没有创造实际商业价值。其实不同阶段的投资要求是不一样的。A轮投资人更强调技术方案；B轮强调技术方案有没有实现商业的基本闭环；C轮强调收入增量；D轮及二级市场更看重体量、增长速度和财务报表。擎朗算是一个偏后期的项目，不仅要看技术，还要看财务数据和商业化落地。它一定是个全面的考量，就像木桶一样，每一片都要看，而不仅是看某一项技术好不好。

吴婷：现在有这么多企业都在上市，通用技能还没完全实现to C，大家都去抢B端客户，这会造成内卷吗？比如割草机器人，CES上发布了十几款新品牌，国内大厂全在做，这还不是很卷吗？

李通：其实机器人也有做C端的，比如割草、泳池、扫地机器人。我们在全球最高水平的CES展上，只能看到十几家割草机品牌。在这么大的品类里，能做到大规模商业化阶段的可能只有十来家，其实已经很少了。真正卷的行业可能有百万家、千万家企业参与。而且什么叫卷？卷是说你卖一台亏一台，或者只有两三个点的毛利。你现在看看这几个行业上市公司的财报，都有40%、50%的毛利。这不是卷，这是暴利市场。

吴婷：是不是现在还是有很多新进入者的机会？中国过去十来年经历了新能源汽车的时代，你怎么看待机器人产业的大周期？它会是多长时间的周期？

李通：这个市场还会持续增长。人形机器人现在还没大规模商业化，如果真的做到走入家庭、实现通用AGI，市场规模极大。接下来还有巨大的空间，随着市场成熟，巨头也会进入。机器人行业肯定比汽车行业周期要更长。无人驾驶是二维的，而机器人是三维的，服务业的场景复杂度极高。它的技术复杂度、对供应链的要求非常综合，且市场终局也比汽车更大，所以目前还处于早期。大家对待技术容易犯一个错误：短期过于乐观，长期过于悲观。今天做不到没关系，5年后一定做得到，所以要持续充满信心和耐心。

吴婷：你预判像华为、比亚迪这些大厂，会在什么阶段下场自己做机器人？对于独立机器人品牌来说，往具身走又要重新做数据的抓取和训练，是不是要从零开始？

李通：大厂会在这个产业形成类似“蔚小理”格局之后下场。比如人形机器人一年能卖到一千万台的时候，必然会迎来华为时刻、小米时刻。但也不要太惧怕，市场足够大，只要把自己的事做好生存是没问题的。我们积累的数据非常有价值，因为它是真实动态环境和人机交互的数据。当然，所有的操作数据都要去重新训练，包括真机数据、合成数据、仿真数据，这些都是推动行业发展的必由之路。

吴婷：你是怎么开始这段历程的？前10年大家连机器人是什么都不知道。有没有什么从小的梦想促使你做这个行业？

李通：擎朗的英文名叫KEENON，意思是热衷、热诚。我们那么早做这家公司不是因为行业火，而是因为喜欢机器人、觉得好玩。我本科读的就是AI，后来在中科院课题组也是AI组。小时候家里的冰箱都是我自己拆开看结构修好的。后来读书期间做机器人，做过一个能爬楼梯、如履平地的巡检排爆机器人，拿了全国挑战杯一等奖。因为热爱，所以我们特别开心地跟着技术进步去不断迭代和完善自己。

吴婷：前5年几乎是一无所有，没有第一桶金，也没有融资，公司是怎么活下来的？

李通：前几年过得非常惨，这就叫无知者无畏。当时行业没起来，技术水平达不到。2011年左右我们就做过像真人一样的高仿真机器人，但发现了“恐怖谷效应”，动起来哪怕嘴角有一点点不一样，就会变成诡异的“奸笑”，非常吓人。当时联合创始人带一个仿真脑袋去出差，过安检时把安检员都吓坏了。当时的产品主要卖给了博物馆、科技馆和鬼屋等等。那时候没有融资，只能靠硬卖机器，我们尝试过教育的、高仿真的、扫地的，各种各样都尝试过。正是因为经历过这些波折，我们才知道机器人最终如果不是去干活，一定没办法大规模落地。

吴婷：听说那5年很难熬，没有坚持下来的人很多，最后只剩了你和联创，是吗？

李通：对，很多公司创业大概能活3年。我们一开始创立的时候有四个合伙人，做了一年半实在很难，坚持不下去了，所以有两位合伙人离开了。

吴婷：听说你大年三十还在卖货，都赶不上春运的车了，讲讲你当时的故事。

李通：因为我是研发工程师出身，业务合伙人离开后，这就逼着我去卖货。我一直出差到大年二十九，春运的火车票很难买，买不到票我就直接去长途汽车站，看哪辆车是往家的方向走就上哪辆，转了三四趟车才硬生生转回家的。

吴婷：所以从一个工程师、理工男，转变为一个全面的CEO，这也是你闯过的一关。

李通：做机器人行业有点像木桶原理。我曾经是个坚定的技术至上者，认为技术能解决所有问题。但是当你运营一个创业企业的时候，慢慢会发现你的短板都要补齐。技术怎么寻找落地场景，怎么做供应链、产品定义、销售业务、服务、财务、法务，每个点你都得补全，缺一块公司都很难往前走。

吴婷：这个说法何小鹏好像也说过，做汽车之后发现短板不能短，没有一个环节能出闪失。

李通：非常同意。在移动互联网时代分工比较细，你只要把长板发展得足够长，自然会有生态里的其他人把其他东西补齐。但是机器人不一样，它的很多部件互相耦合太紧密了，别人补不了你。加上行业处于早期，你被迫只能所有的东西都自己做。我相信当这个行业发展到一年有几千万台出货量的时候，才会开始分工合作。但在早期阶段，你就得都自己干。

吴婷：那从你这个观点来看，现阶段优秀的机器人公司可能都得是全栈自研了。

李通：我们认为现阶段优秀的机器人都必须全栈自研。未来当机器人非常成熟的时候，我不认为一个公司需要全栈自研，那时只需要做自己的长板就可以了。但现在所有的东西都是非标的，你没办法只用别人的东西把整机做好。

吴婷：还听过一个你创业艰苦的例子，跑到山东一个小镇的学校，等了一个校长很长时间，拿了6万块钱的订单。当初这个6万块钱的订单，和后来软银给你的2亿美金，哪个让你印象更深刻？

李通：那还是6万块钱。那是我做销售成功的第一单业务，前面失败了很多次。在经历了那么久的失败后终于能落一单，那种感觉是“终于活过来了，终于有希望了”。不然连下个月兄弟们的工资、买机器的物料钱从哪来都不知道。当时我们四个人凑了20万块钱创业，压力是非常大的。

吴婷：拿到6万块钱订单之后，第一个电话打给谁报喜了？

李通：没有报喜，第一个电话打给了下一个客户。因为一家公司只有6万块钱的收入是不够的，你还在出差，只能赶紧找下一个客户在哪里、明天应该坐哪辆车去哪里。

吴婷：你觉得你的性格通过创业这几年有什么大的变化？

李通：我原来是个比较纯粹的理工男，以技术至上。随着公司的运营和面对真实的商业环境，我们后来认为技术还是要为真正的落地去服务。不做商业化的科技公司就是耍流氓。

吴婷：商业化方面，你的第一个大订单应该是海底捞，你怎么拿下它的？

李通：海底捞当时面临巨大的扩张压力，人力成本高，他们想把机械的事情让机器去干，把人投到服务中去。在跟我们接触之前，他们已经尝试了一两年，找了很多家公司，包括引入无人驾驶公司的算法，结果都没跑起来。最后他们找到我们，其实有一种死马当活马医的状态。最后我们幸不辱命实现了，这推动了整个行业的认知。

吴婷：如果当时没拿到这笔上千万的订单，擎朗的命运有可能会停留在哪一页？

李通：如果没有那笔订单，我认为这个行业的成熟会再往后推两年。我们当时最大的挑战不是技术，而是市场教育。海底捞敢为天下先，让整个行业知道这是可以的，从而打开了整个市场，资本也才开始进入。

吴婷：你后面提出了一个RaaS模式，为什么会转变商业模式，从卖货到租赁？

李通：这是一种机器人即服务（RaaS）的模式。服务业不像工业场景会去算几年回本，服务业更看重第一天用是不是就划算。我们在日本等发达国家推行雇佣制，客户跟我们签三年劳动合同，像雇人一样雇佣一台机器。每个月底发工资的时候给机器发工资，机器干的活比人多，且比人便宜，客户很容易算得过来账。我们开玩笑说，擎朗的终局目标是成为一个劳动外包公司。

吴婷：那你把货卖到全球60多个国家和地区，去给他们做运营这件事会不会太重了？

李通：所以我们跟很多合作伙伴一起，共同来服务终端客户。我们对合作伙伴进行培训和赋能，一起来完成运营工作。

吴婷：你在疫情期间决定走向海外，这当中有什么有意思的故事？最大的挑战是什么？

李通：一开始最大的问题是信任。欧美日韩等发达国家的客户更信赖5年、10年、20年的长久合作，不太信任一个中国的创业公司。我们必须花很长时间，通过扎实的产品和服务，一点点获得他们的信任。当获取信任、有了品牌力量之后，再推新产品就特别容易了。

吴婷：海外你服务的都是哪些场景？

李通：今天擎朗实际上是全场景覆盖。除了餐饮、酒店，商超、医疗康养、机场，甚至赌场都是我们的客户。赌场的逻辑就是希望客人坐在那里不要离开，所以一切服务都要围绕着人，货找人。

吴婷：你在全球范围内品牌的愿景是什么？

李通：我们希望大家提起擎朗（KEENON），就觉得它是一个特别靠谱、最值得信任的机器人品牌。在这个方向上，由于中国具有AI技术先进、供应链能力强、工程师红利高等优势，我们的确发展速度很快，也处于遥遥领先的地位。

吴婷：机器人出货量超过10万台，这个积累过程中，有没有遇到过供应链或者品控的挑战？

李通：当然有。机器人都是非标的，目前还没有形成完整的供应链体系。我们需要花很大的精力自己去开发、调整并管控品控。早期做供应链的时候，每天有200个问题，解决完一轮又来200个新问题，每一个细节都是挑战。

吴婷：现在有什么事情让你睡不着？

李通：现在睡不着的是思考我们能用到技术的边界在哪里，能定义什么样的产品，能快速产生商业化结果。技术爆发时代，技术是有边界的，它不是魔法。我们要掌握它的边界并落到实际生活中，既不能做太遥远落不了地的事，也不能做没有技术壁垒的事。

吴婷：面对现在的地缘政治问题，比如关税，你是不是要去海外建厂？隐私和数据采集问题怎么解决？

李通：我们会去海外自建工厂，供应链全球化布局是必由之路。隐私方面，我们首先要尊重当地法律。擎朗是行业里第一家拿到欧洲最严格数据安全认证的公司。我们的服务器都是物理隔离的，保证当地数据绝对不能传回来，这是硬性要求。达不到就卖不了，我们绝不干冒法律风险的事。

吴婷：这两年大模型的发展，有没有给场景落地带来很大的跃迁？接下来会往什么方向演化？

李通：大模型叫“大力出奇迹”。它带来的技术跃迁让我们相信人形机器人最终是能够商业化的。以前机器人不能商业化是因为“大脑不行”，现在大模型让大脑进步了，机器人对物理世界的认知、判断和决策能力有了天翻地覆的变化。目前技术路径大家还没有统一，属于百家争鸣的阶段，最终哪种方法对，还需要在尝试和大规模落地中去验证。

吴婷：你有什么不做的吗？有“不为清单”吗？

李通：我们不做不是机器人的东西。我们看自己的能力边界，偏智能化的、AI和硬件相结合的是我们擅长的。如果是纯硬件、不含AI的东西，比如无人工厂里只看重力量、速度、精度的工业机械臂，我就没有优势，就不太会去做。

吴婷：以前工业机器人是日本、德国四大家族很强，今天全球格局有变化吗？

李通：在传统的工业机器人领域，四大家族依然很强。但现在大家到中国来看的，是具身机器人、服务机器人。这是AI和机器人结合的新行业，在这个新赛道上大家处于同一起跑线，中国确实有一些领先优势。

吴婷：过往日本做出了阿西莫，波士顿动力也做了很炫酷的人形机器人，但他们都没走到最后，为什么？

李通：机器人分为本体、小脑和大脑。阿西莫和波士顿动力在当年，本体和小脑已经达到了很高的水平。他们不能商业化的核心原因就是那个时代的大脑不行。现在人形机器人又火起来，根本原因就是大模型的发展让大脑进步了。

吴婷：如果有一天擎朗倒下了，你觉得会是因为什么？

李通：只有一种原因，账上没钱了。任何公司倒下最根本的都是现金流问题，只要有现金就不会倒下。产品跟不上时代、没有客户价值、没有毛利，都会导致现金流出问题。现金流是任何一个创业公司必须要死守的对象。

出品 | 嘉宾商学