在机器人行业持续升温的当下，多数企业仍在展示概念场景与炫酷动作，而擎朗智能已将目光投向商业本质——通过具体岗位的落地应用，算清每一笔经济账。以酒店洗衣房为例，其机器人可精准计算每日叠衣数量、租金收益及客户节省的人工成本，只有账目清晰，生意才能持续。这种务实风格，让擎朗在全球服务机器人市场中脱颖而出。
2025年世界机器人大会上，擎朗智能将洗衣房、咖啡亭、甜品屋等生活场景搬进展区。人形机器人XMAN-R1在咖啡亭取杯萃取，另一台则在洗衣房叠衣，动作流畅自然。展板数据显示，其全球出货量占比达22.7%，位居行业第一，覆盖600余个城市和地区。创始人李通在采访中透露，公司成立15年来，始终围绕“岗位化”核心命题布局，试图探索具身智能的商业化路径。
为何选择服务场景作为突破口？李通认为，家庭场景对机器人泛化能力要求极高，短期内难以实现，而服务业存在大量重复性岗位，仅需“有限泛化”即可胜任。更重要的是，真实场景中的意外情况是训练模型的关键数据。例如，实验室模拟一万次不如在酒店洗衣房叠一百件衣服，后者积累的数据更具价值。这种策略不仅解决了数据获取难题，还为技术迭代提供了方向。
服务业岗位的商业化落地，是擎朗构建数据飞轮的起点。机器人通过日常运营积累物理数据，推动“数据-机型优化”的循环。同时，服务业被视为通往家庭场景的必经之路。李通指出，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项任务的专家，再逐步拓展至家庭服务。发达国家劳动力成本高，用户可承受更高售价，擎朗的海外收入占比达60%，2025年商用清洁机器人出货量同比增长超800%，验证了这一路径的可行性。
针对“岗位化是否导致数据孤岛”的争议，擎朗采用双层模型架构：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；底层是通用底座KOM大模型。所有垂域模型均基于KOM开发，岗位数据在优化专项能力的同时，会反馈至底座，帮助其掌握通用物理规律。例如，洗衣房数据让模型学会布料变形规律后，可迁移至叠毛巾、床单等场景，无需重新训练。KOM 3.0的训练数据全部来自全球真实场景，这种“专精数据反哺通用底座”的模式，是其商业化闭环的关键。
从2010年成立时的20万元启动资金，到如今全球出货量第一，擎朗的生存之道在于“先赚今天的钱，再等明天的市场”。2017年，其第一代产品T1以租金模式进入日本餐厅，租金为当地服务员薪资的三分之一至二分之一，一台机器人工作8年为公司赚回近50万元。2025年，盛茂香格里拉酒店成为全球首个拥有人形机器人服务员的场所，8台擎朗机器人协作完成迎宾、配送、清洁等工作，验证了“通用+专用”组合的效率优势。
李通认为，通用机器人的大脑技术尚未收敛，KOM 3.0的“潜空间世界模型”是擎朗的答案。未来，随着更多岗位被解锁，如医疗康养、商超补货等，以及“通用+专用”协同的深化，机器人将渗透至更多细分场景。同时，海外市场的规模化验证也在加速，泰州工厂的人形机器人产线已投产，产品将销往全球。这些进展表明，机器人商业化不再停留于展台演示，而是逐步走向真实商业场景。
采访中，李通提到一个有趣的转变：早期他认为表演不算“干活”，但后来发现，展会、品牌活动等场景对表演机器人有明确需求，部分海外客户甚至将其作为评估产品可靠性的参考。这一认知让他更坚定：商业化的核心是服务真实痛点，而非固守某种执念。无论是叠衣服、做咖啡，还是打腰鼓，只要客户愿意付费，就是合理的商业方向。这种务实态度，或许正是擎朗智能在竞争中脱颖而出的关键。
