WAIC深度对话｜擎朗智能李通：破解数据困局是人形机器人商业化的关键密钥

在近期举办的2026年世界人工智能大会（WAIC）上，擎朗智能创始人李通接受了徽声在线记者的独家专访，就人形机器人商业化进程中的关键挑战与突破路径发表了深度见解。

作为全球清洁机器人领域的领军企业，擎朗智能近年来在商用服务机器人赛道持续发力，其自主研发的人形机器人产品已覆盖餐饮、酒店等多个场景，成为行业技术演进的重要观察样本。

针对当前世界模型技术引发的行业变革，李通提出人形机器人商业化需要构建"本体-小脑-大脑"的三维能力体系。他特别强调："智能中枢的进化速度直接决定着产业落地节奏，只有突破认知决策层面的技术瓶颈，才能实现从实验室到商业场景的跨越。"

数据获取难题成为制约行业发展的核心矛盾。相较于互联网领域海量的文本数据，人形机器人面临双重困境：一方面真实场景数据采集成本高昂，另一方面不同硬件架构间的数据互通存在技术壁垒。李通以咖啡制作场景为例："要让机器人理解'拉花'这个动作，不仅需要视觉识别数据，还要整合力学反馈、运动轨迹等多维度信息。"

这种技术-数据的恶性循环正在形成行业困局。李通指出："当前全球人形机器人保有量不足万台，导致算法训练样本严重不足，而智能水平的滞后又反过来限制了市场推广，形成典型的'鸡生蛋蛋生鸡'问题。"

破解这一难题需要创新性的发展路径。擎朗智能提出"岗位化突破战略"，通过在标准化程度高的场景率先部署机器人，构建数据闭环生态。李通透露："我们在酒店客房服务场景已积累超过200万次任务数据，这些真实交互数据使机器人的物品识别准确率提升47%。"

针对技术路线选择，李通认为行业尚未形成最终范式。他解析道："当前主流方案包括强化学习、神经符号系统等，每种路径都有特定场景优势。比如强化学习适合动态环境决策，但需要海量试错数据；符号系统解释性强，却面临规则泛化难题。"

擎朗智能选择的技术路线颇具创新性。其自主研发的VLA架构将视觉理解、语言交互、运动控制三大模块进行深度融合，形成端到端的决策系统。配合针对垂直场景优化的KEENON ProS模型，使机器人具备毫米级力控精度，能完成咖啡拉花、衣物折叠等复杂操作。

在谈到未来竞争格局时，李通提出"场景数据护城河"理论。他分析："与互联网的赢家通吃不同，物理世界的数据具有强场景属性。掌握酒店场景数据的企业未必能做好医疗护理，这种分散性反而为细分领域龙头创造了机会。"据透露，擎朗正在构建行业首个多模态场景数据库，已收录超过5000小时的真人操作视频数据。

对于技术收敛趋势，李通预测未来三年将出现基础框架的统一，但垂直领域的优化永无止境。他以自动驾驶类比："L4级技术框架可能趋同，但港口、矿山等场景的解决方案永远需要针对性优化，人形机器人也会呈现类似的发展轨迹。"

这种发展逻辑正在转化为商业成果。擎朗最新发布的酒店服务机器人已实现98%的任务自主完成率，其餐饮机器人更创下单日连续工作23小时的纪录。这些突破印证了李通的判断："当机器人能稳定创造商业价值时，数据飞轮就会自然转动，推动整个行业进入正向循环。"