洗衣、配送、做咖啡，WAIC上機器人開始“上班”！有參展商稱部分場景2年內回本

本文來源：時代周報 作者：朱成呈

今年的世界人工智能大會（WAIC）現場，機器人開始"上班"了。

在上海世博展覽館、徐匯西岸、張江科學會堂三大展區，數十臺具身智能機器人承擔交通執勤、展館導覽、導航接待等工作。其中，智元60臺機器人首次在大會主分會場承擔指引服務，成為業內首次實現人形機器人"部署態"公共服務的案例。

毫無疑問，具身智能是當下頂流。今年WAIC，參展具身智能企業從去年的80余家增加至200余家。相比去年集中展示運動能力、靈巧操作，今年企業把工廠、倉庫、酒店、商場等真實業務流程搬進了展館。

WAIC現場，人群圍觀機器人展示 時代周報記者攝

機器人展示的重心，正從能力驗證轉向價值驗證。但從展臺走向工廠，從演示走向批量部署，具身智能仍需跨過商業閉環這道門檻。

在現場，多名受訪企業相關負責人向時代周報記者表示，現階段決定機器人商業化速度的，已經不是動作是否足夠炫酷，而是三個更現實的問題：能否算清ROI？能否獲得高質量數據？能否形成可復制的交付模式？

從場景競爭走向崗位競爭

過去兩年，具身智能行業最常被提及的關鍵詞是場景落地。

站在商業視角，"場景"并不是一個可以直接交付的產品。工業制造、商業服務、公共安全描述的是領域，而不是需求。機器人最終進入客戶現場，面對的不是一個抽象的場景，而是搬運、分揀、導覽、配送、洗衣等一個個具體崗位。只有崗位足夠標準化，機器人的部署邊界才能明確，ROI才能計算，商業模式才能復制。

這種變化在今年WAIC表現十分明顯。相比前幾年展示機器人翻跟頭、跳舞等單點能力，今年不少企業直接把真實業務流程搬進展館——機器人咖啡館、酒店洗衣房、零售門店、智能工廠、政務大廳等，展示的不再是一臺臺機器人，而是一套完整的崗位協同方案。

在擎朗智能展區，時代周報記者注意到，幾十臺機器人分別承擔咖啡制作、零售配送、酒店洗衣等不同崗位，整個展區沒有人為遙控，而是依靠機器人自主協同完成工作流程。

“判斷人形機器人商業化是否成立，并不取決于機器人能夠完成多少動作，而在于客戶是否愿意持續付費。”擎朗智能創始人、CEO李通向時代周報記者表示，真正的商業化意味著機器人能夠進入工業、服務業等真實生產環境，為客戶持續創造價值，而不是停留在實驗室或展會展示。最終決定采購的，始終是ROI。

不同產業，對這本經濟賬的要求也并不相同。

工業客戶通常希望機器人能夠在一年左右收回投資；而服務業客戶的要求更加直接，即從投入使用開始就能提高效率，補充人手不足。

李通向時代周報記者舉例稱，在擎朗海外市場，大量客戶采用機器人租賃模式，租賃費用約為當地人工成本的三分之二。在勞動力緊缺的國家，如果機器人能夠完成更多工作、成本也更低，那么商業價值從第一個月便已經兌現。

另一邊，魔法原子則展現另一種商業化思路。展區內，機器人連續完成疊盒封膠、衣物整理、行李箱收納等復雜長程任務。其中，衣物整理被業內認為是柔性物體操作中難度最高的任務之一。

不過，在商業化布局上，魔法原子并沒有把賭注押在某一個爆款場景。現場工作人員告訴時代周報記者，目前團隊同步推進工業、商業、家庭等九大應用方向，并不會選擇某一個行業作為唯一突破口，而是在不同場景里率先跑通一個個商業閉環，再逐步復制到更大規模。

有公司稱部署兩年可回本

在今年的WAIC，越來越多具身智能企業把目標瞄向工廠。

在不少業內人士看來，工業并非機器人的應用終點，卻是最容易率先跑通商業閉環的起點。

安徽聆動通用機器人創始人、CEO季超向時代周報記者分析，具身智能和大語言模型的發展路徑類似，不會一開始就成為完全通用技術，而是先進入半結構化、需求明確的行業。工業和物流領域勞動力短缺問題突出，因此成為最適合率先商業化的場景。他判斷，未來的發展路徑大致會是：工業—商業服務—家庭。

之所以首先進入工業和物流領域，背后是現實的勞動力缺口和明確的投入產出邏輯。工業物流長期存在招工難、用工成本持續上升等問題，只要機器人能夠穩定完成搬運、上下料、巡檢等工作，就能夠直接替代部分人工崗位，商業價值也更容易計算。

與商演、科研市場相比，工業客戶的評價標準也更加簡單。

“商業展示關注的是視覺效果和傳播效果；科研市場關注的是機器人平臺是否方便二次開發，幫助科研人員驗證算法、發表論文；工業客戶關注的只有一點——機器人是否真正解決生產問題。”季超表示，工業客戶不會在意采用的是機械臂、輪式機器人還是人形機器人，只關心是否能夠實現降本增效，以及是否具備合理的ROI。因此，工業機器人本質上是一門（強調）投入產出的生意。

目前，工業客戶普遍希望機器人能夠在兩到三年內收回投資成本。季超透露，在部分應用場景，公司已經實現兩年以內回本，并跑通了部分商業模式。“行業整體來看，兩到三年屬于較為普遍的ROI水平。原因在于，很多工業產線3至5年會進行一次升級。如果機器人兩年左右回本，后續幾年基本都是純收益，因此客戶愿意投資。”

商業化最大的門檻

WAIC現場，物理AI成為熱詞 時代周報記者攝

如果說ROI決定客戶是否愿意買機器人，那么數據則決定機器人是否有能力進入真實生產環境。

高質量真實數據短缺，限制了具身智能進一步迭代。“在迎來物理智能涌現之前，我認為必須突破數據墻。”智元合伙人、覓蜂科技董事長姚卯青在WAIC期間表示。

與大語言模型可以依賴互聯網海量文本不同，具身智能需要的是機器人與物理世界真實交互的數據。這類數據既無法像網頁一樣批量獲取，也難以依靠仿真環境完全替代。

姚卯青表示，物理AI的數據，如果等效為Token或者時長，大概只有大語言模型的數萬分之一。真機采集成本高、效率低，行業又缺乏統一的數據標準，導致數據質量參差不齊、供需錯配以及"數據孤島"等問題普遍存在。

工業場景，這一問題尤為突出。

“數據比模型更重要。模型決定能力，但沒有數據，就無法真正驗證模型。”季超表示，工業數據與客戶生產現場深度綁定。因此，無論是仿真環境還是互聯網公開數據，都很難獲得一線工業生產中的高質量真實數據。 沒有這些數據，具身智能在工業場景的落地大受限制。

姚卯青介紹，智元正在構建覆蓋數據采集、標注、訓練和評測的數據閉環：一方面，通過真機采集獲得高質量物理交互數據；另一方面，利用便攜式無本體采集設備降低真實數據獲取成本，并與機器人本體形成同構的數據體系，讓不同來源的數據能直接用于模型訓練，提升數據復用效率。

在季超看來，隨著真實工業數據不斷積累，具身智能繼續快速迭代，“行業對此非常樂觀，每年都有明顯進步。”