WAIC深度对话｜擎朗智能李通：优化“大脑”是人形机器人大规模商业化的关键

在近期举办的2026年世界人工智能大会（WAIC）上，擎朗智能的创始人李通在大会现场接受了徽声在线记者的独家专访。

根据公开信息，擎朗智能作为全球清洁机器人领域的领军企业，近年来不仅在该领域持续深耕，还积极拓展人形机器人产品的研发与市场应用。

步入2026年，世界模型技术成为人形机器人行业竞相追逐的热点。针对这一趋势，李通向记者深入剖析了人形机器人商业化的关键要素。他指出，人形机器人的商业化进程离不开本体、小脑和大脑的协同发展。其中，擎朗智能尤为重视“大脑”的优化，认为只有“大脑”性能得到显著提升，人形机器人才有望实现大规模商业化应用。

然而，“大脑”的发展面临着数据瓶颈。徽声在线记者在采访中了解到，大语言模型的蓬勃发展得益于互联网上海量数据的支撑。但人形机器人领域却面临数据稀缺的困境，同时还存在“跨本体”数据兼容性问题，即不同机器人本体间的数据难以通用。

李通解释道：“数据匮乏的原因在于人形机器人尚未大规模普及。而缺乏数据又进一步阻碍了人形机器人大脑的快速发展，进而影响了其大规模推广的进程。”

那么，人形机器人行业应如何突破这一数据困境呢？

李通认为，首要任务是实现机器人岗位化应用。即在简单、重复的岗位上率先引入机器人，通过实际应用积累数据，逐步提升机器人大脑的性能。

他进一步强调：“必须脚踏实地，先让机器人落地应用。不要期望机器人一开始就能胜任所有任务，而是应先从对泛化能力要求不高的场景入手，通过实践积累数据。”

在谈及人形机器人“大脑”的技术路线选择时，李通表示：“目前，技术路线尚未形成统一标准，各家企业都在探索适合自己的方法。这些方案并非孤立存在，而是相互融合、共同发展的过程。每个方案都有其独特的优势和局限性，可能解决部分问题，但无法涵盖所有场景。”

他透露：“擎朗智能自主研发了融合世界模型的VLA架构，该架构将视觉理解、语言指令和动作生成统一在一个端到端的模型中。在此基础上，我们还针对咖啡制作、洗衣房等具体岗位，训练了岗位化垂域模型KEENON ProS，使机器人具备多模态环境感知、精细力控和柔性物体操作能力。”

随着技术方案的逐渐收敛，是否在细分领域拥有较大规模的人形机器人或丰富数据积累的企业将更具竞争优势？

李通认为，这与物理世界与虚拟世界的本质差异有关。在虚拟世界中，一款大语言模型发布后能迅速覆盖全球用户。而在物理世界中，各类专业化数据差异显著，分布也更为分散，因此企业需根据自身特点制定差异化发展战略。