作者 | 金旺
栏目 | 机器人新纪元
当大家都在谈论具身机器人何时进家庭时，扫地机器人每年正在以数千万台的出货量，进入全球用户家庭。
扫地机器人成了为数不多已经在家庭环境成熟应用的机器人，扫地机器人团队，也成了熟悉家庭环境和用户需求的具身团队。
作为扫地机器人领域的头部企业，鲜为人知的是，科沃斯早在十多年前就在研发管家式机器人。
科沃斯董事长钱东奇在WRC 2026上指出：
科沃斯早在十年前就提出了机器人“工具-管家-伴侣”的技术演进路线，并从2012年开始研发管家式的机器人，但这条路线一直没有形成价值正循环，直到2022年ChatGPT的问世，让我们看到了新的机会。
也是在ChatGPT问世后，科沃斯研发了家庭管家式机器人——八界，和以往产品有所不同的是，八界是一款开源产品。
开源八界，背后实际上是科沃斯对于大语言模型无法直接击穿家庭管家式机器人的一次全新思考。
在WRC 2026现场，钱东奇接受媒体采访时，进一步透露了他对家庭管家式机器人的研究，以及下一代家庭管家式机器人的思考。
01 用“人教机器”跨过物理AI，以全栈开源让用户参与定义
问：您提出把人类的智慧和泛化能力加到机器人上，八界在这条路线上做了哪些探索？
钱东奇：OpenClaw是其中一座桥梁，它基于大模型，而我们恰恰需要大模型，没有大模型，这座桥梁就不存在。
但真正的关键，是人通过语言告诉八界动作应该如何做。
大语言模型可以理解“拿这个瓶子”是一件正确的事，但手应该到哪里、用多大的力，是物理AI问题，今天的机器人还不能泛化解决，人却具备空间能力，所以可以通过语言牵引机器人完成动作。
当机器人形成完成任务的能力后，还要像Skill一样把它存下来，下一次进入同一个场景时，不必重新推理，直接调用这个Skill。
OpenClaw本身不能解决物理AI问题，但可以成为人与八界交互的桥梁。
问：八界目前运行速度偏慢，瓶颈在哪里？
钱东奇：八界还没有完全把这条链路打穿。
马达执行动作基本是毫秒级的，硬件上已经基本没有问题，真正的问题是推理时间太长：
现在从大语言模型开始，一直推理到最后的动作，未来跨过这个问题后，运行速度是足够的。
问：科沃斯提出“让用户定义机器人”，用户共创会成为家庭具身智能的主要方向吗？
钱东奇：这取决于科沃斯能不能成功。
我们过去开辟了扫地机器人、洗地机、擦窗机器人等赛道，靠的是对技术和场景价值的认知，以及用户的反馈，我们认为科沃斯有机会把这个赛道打出来。
问：科沃斯为什么选择全栈开源？怎样建立“碳硅共生”的开源生态？
钱东奇：做机器人是共创、共享、共赢的过程。
开发者的贡献对我们也是经验分享，既然开源，就不要遮掩，要从底层全部打开，让不同层级的开发者参与，我们的短期目标就是让更多人进来共创。
开发者做Skill是一种方式，但机器人进入家庭后，更重要的是让用户在特定场景中方便地让它完成任务：
第一，机器人要释放能力，开源就是释放能力的一条路径；
第二，交互必须足够方便，在Palm、HTC先进入智能手机市场之后，苹果手机在后来能够率先引领潮流，一个重要原因就是交互方便，机器人也必须达到这个水准。
02 从管家机器人试错，思考如何击穿家庭场景
问：科沃斯十年前就开始研究家庭管家机器人，此前的产品为什么不算成功？哪些经验可以用于后续产品？
钱东奇：因为当时的技术还做不到家庭管家机器人。
过去十年也有机器学习和深度学习，但它们不具备泛化能力，人和机器人的沟通体验太差，大语言模型让我们看到了一条可以借力的技术路径。
沟通泛化以后，人与机器人的交流体验会非常好，我认为人们会愿意教八界做事情，这是过去十年不具备的条件。
问：过去扫地机器人和家庭服务设备带动的哪些产业链能力，可以复用于具身机器人？
钱东奇：科沃斯1998年落地苏州时，当地还没有机器人产业，最早做扫地机器人，既有技术问题，也有产业链问题，今天具身机器人面临的情况与当时类似。
当年一颗用于激光马达的CMOS芯片要300多元，现在整个LDS模组只要30多元。
链主把量做起来以后，下游愿意投入，质量和成本随之改善，产业链、人才和企业集聚形成规模效应。
今天，一些供应链还达不到要求，作为链主需要培养产业：
关节是具身机器人的关键零部件，人类站立后双手被解放，才可以完成各种任务；
对机器人来说，从A点到B点可以有不同移动方式，但手一定要解放出来，灵巧手就很关键；
传感器、芯片等能力可以部分复用，但具身机器人的算力与扫地机器人不是一个量级，需要重新建设。
当前产业链仍处于被孵化的初级阶段，规模上不去，成本也降不下来，研发从一开始就要考虑怎样在用户价值和支付成本之间找到平衡。
我们的目标不是做Demo，而是让产品真正到达用户端。
问：科沃斯如何利用多年Know-how，把机器人的交互细节打磨好？
钱东奇：好的交互，要让用户的物理动作与认知理解流畅衔接。
例如科沃斯扫地机器人上“小科智能体”发现毛发缠住滚刷后，不是简单告诉用户“把毛发弄开”，而是把复杂问题拆成简单动作：先让用户把机器翻过来并确认，再找到滚刷、拆下搭扣，最后取出滚刷清理毛发。
一个个小动作累积起来，用户才容易理解和执行，这种拆解颗粒度来自过去十几年的经验。
AI又让语言交流变得顺畅，这些经验可以进一步用到八界上。
问：家庭机器人怎样建立安全底线和用户信任？
钱东奇：扫地机器人从楼梯跌落、擦窗机器人掉落，这些问题我们都经历过。实验室和产品测试会尽量把安全做到极致。即使无法规避所有Corner Case，也要划一条底线：机器人宁可不工作，也不能伤人。
进入家庭还必须静音、运动流畅，不能给用户压迫感，人与机器人的距离、交互过程和体感都要舒服，包括老人、小孩在内的使用边界，都要在进入家庭前划好。
产品尚未形成规模时，我们很难建立对应标准，谁先进入家庭，谁就要先为此负责，未来家庭机器人标准可能比扫地机器人更严格。
03 跨过物理AI鸿沟，才能走向商业闭环
问：具身机器人什么时候能够回归商业价值？最大的技术挑战是什么？
钱东奇：我认为，发布会上讲的路线图有机会在未来几年内回归商业价值。
最大的挑战还是物理AI：机器人怎样理解空间，到了一个坐标后，怎样拿起一瓶水、使用多大的力？
今天展示的Demo，包括八界，都只解决了特定场景，进入家庭后，面对不同空间、物体和需求，如果不能泛化解决，就不会产生价值。
问：做通用机器人，需要依靠巨大数据量和算力吗？
钱东奇：扫地这样的单一任务只要遍历房间，传感器和SLAM就能解决，不需要大量数据和训练。到了智能层面，大语言模型通过数据和算力堆叠形成Scaling Law，带来了泛化智能。
但这不能直接移植到机器人，数据和算力是必要条件，不是充分条件，Scaling Law在具身模型训练中能否成立，也还是一个问号。
针对某个动作进行端到端训练，确实需要足够数据，但它不能解决通用智能，至于还要增加什么条件，目前仍是行业难题。
问：机器人从展品变成商品，最大的阻碍是什么？
钱东奇：商业闭环必须来自机器人自身能力创造的价值，在家庭里，它至少要完成相当一部分家务，在分拣等场景中，也要真正把工作做掉。
现在具身机器人售价普遍在十万元左右，用户会衡量它能不能创造相应价值，愿意支付对价，它才是商品。
目前最大的挑战仍是物理AI，物理AI和语言不是一回事，因此我对机器人是否会出现明确的“ChatGPT时刻”持怀疑态度。
问：科沃斯在研发的八界下一代产品能打通管家式机器人链路吗？
钱东奇：下一代产品应该可以。
路径走通以后，还需要1至2代产品打磨，扫地机器人从2000年研发，到2009年才真正进入家庭，擦窗机器人从2011年发布，到现在才大爆发。
做Demo是一件事，实现商业闭环是另一件事，中间有一个需要耐心穿越的“隧道期”。
我们认为，人形机器人进入家庭，乐观估计是3年，悲观一点是5年。