在世界机器人大会（WRC）的展区里，擎朗智能的展位显得格外“接地气”——洗衣房、咖啡亭、甜品屋、零售店等生活场景被一一复刻，人形机器人有条不紊地叠着衣服，咖啡机器人精准地完成取杯、萃取等动作。这场充满生活气息的展示背后，是擎朗智能对服务机器人商业化路径的深度探索：与其追逐遥不可及的通用机器人梦想，不如先让机器人在具体岗位上“干活”赚钱。
擎朗智能创始人兼CEO李通在接受采访时直言：“家庭场景的通用机器人落地至少需要5年，因为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。”这一判断源于他对行业痛点的深刻洞察：技术碎片化、行业非标化、客户流程不可改、环境不可改，这些难题让服务场景成为“难啃的骨头”，但也暗藏机遇——真实场景中积累的数据，远比实验室模拟更有价值。“在酒店洗衣房叠一百件衣服，比模拟一万次更有意义。”李通强调。
选择服务场景，不仅是技术落地的选择，更是商业策略的考量。李通指出，服务业是数据飞轮的起点：机器人上岗后积累的真实物理数据，能推动“数据-机型优化”的循环；同时，服务业是通往家庭的必经之路——酒店清洁、餐饮等岗位的环境变化和操作任务，能让机器人先成为“专家”，再逐步拓展能力。发达国家劳动力成本高，用户可承受更高售价，这为擎朗的海外扩张提供了经济基础。目前，擎朗海外收入占比超60%，全球服务机器人市场占有率达22.7%，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超800%。
擎朗的核心策略是“岗位化”——让机器人在具体岗位上连续工作、稳定产出。李通认为，这是商业化落地的必由之路：“机器人能不能干活是商业化的本质，而岗位化是通向大规模应用的关键。”但这一路径也面临争议：若每个岗位的数据都是孤岛，机器人是否永远无法通用？擎朗的解决方案是“双层模型”架构：上层是针对具体岗位的垂域模型（如咖啡师模式、洗衣工模式），下层是通用底座模型KOM。垂域模型优化特定技能，但成果会反馈至底座，例如洗衣房数据让底座学会“布料受力变形”的物理规律，从而迁移至叠毛巾、叠床单等场景。2026年WRC将发布的KOM 3.0，是全球首个融合潜空间世界模型的服务行业VLA架构，能让机器人在动手前“预演”物理过程，提升任务成功率。
从2010年成立时的20万元启动资金，到如今全球出货超10万台、覆盖60多个国家和地区，擎朗的生存哲学是“先赚今天的钱，再等明天的市场”。2017年，第一代产品T1进入日本餐厅，以“只租不卖”模式运行8年，赚回近50万元；2025年，盛茂香格里拉酒店成为全球首个“通用+专用”机器人协作案例，8台机器人分别承担迎宾、配送、清洁、送餐等任务。李通坦言：“客户只关心成本是否比人工低、效率是否比人工高。”这种务实态度，让擎朗在资本寒冬中存活，并在行业回暖后迅速扩张。
对于未来，李通提出四大趋势：大脑技术路线将进一步收敛，KOM 3.0的“潜空间世界模型”是擎朗的答案；更多服务业岗位将被解锁，如医疗康养、商超补货；通用与专用机器人的协同将更深，例如人形机器人与配送、清洁机器人的联动；海外市场将提供规模化验证案例，泰州工厂的人形机器人产线已投产，产品将销往海外。这些布局背后，是擎朗对商业化本质的坚持：识别真实痛点，服务于愿意付费的场景。正如李通所说：“表演能卖出去，它就是个行业。”从打腰鼓到叠衣服，服务机器人的商业化之路，正从这些“小事”中铺展开来。
