“如果可以选择租，90%的用户都会选择从租开始使用。”10月22日，擎天租CEO李一言在2026可持续全球领导者大会“具身智能与未来产业”主题论坛上表示，比销售数量更重要的，是让更多客户以较低成本开始使用机器人，在实际使用中判断其价值。
《中国经营报》记者注意到，目前机器人越来越多地出现在真实的经营场景中。例如在商场做导览、在景区表演、陪孩子搭积木等。不过，能完成一次演示与能够持续、低成本地完成一项工作，仍是两个不同的概念。
在上述论坛上，关于具身智能的讨论并未停留于机器人的动作能力。客户愿不愿意付费、不同场景如何适配、部署后需要多少人维护，成为多位企业负责人讨论的重点。这也表明，从研发到应用，机器人商业化的考题正在变得具体。
北京配资炒股从“跳舞”到“干活”
“过去两年具身智能产品更新迅速，公司展厅的展示内容基本以周为单位变化。与技术迭代同时发生的，是客户需求从跳舞、表演等展示性活动，逐渐向生产和服务任务延伸。”在李一言看来，机器人正在从实验室的“研发态”走向真实场景的“部署态”。
据李一言介绍，目前包括导览讲解在内的机器人应用相对成熟，工业应用数量仍较少，主要处于小范围试用阶段。“公司接触到的部分客户已提出数十台乃至上百台机器人的需求。”
但需求规模并不等于落地规模。在李一言谈到的项目中，有些刚完成技术探索，有些仍处于客户询问阶段。例如机场行李搬运、问诊导航等场景是客户提出的潜在方向，能否形成稳定的业务流程，仍取决于后续部署效果。
服务类应用之外，机器人是否必须长得像人，也成为论坛上讨论的焦点。
元股证券:ygzq.hk微博COO、新浪移动CEO王巍认为，人形具有环境兼容性：现有家庭的门、楼梯及其他设施均按照人体使用习惯设计，采用人形结构有一定合理性；但机器人真正的通用性，应当体现在感知、决策、控制和学习的泛化能力，而不是外观。
“从工程角度来讲，真正的具身智能是感知、决策、操控，包括数据和学习的泛化能力。”王巍表示，如果把人形本身当作工程目标，其中可能存在资本泡沫成分。他还提出，人形机器人近年来的进步也受到新能源汽车供应链发展带动，电机、减速器、电池、摄像头等部件能力提升，为机器人产品提供了支撑。
这意味着，机器人进入真实场景之后，首先需要证明的不是外形多么接近人，而是能否以合适的形态完成任务。
客户为何先租不买
对于处于技术快速迭代期的机器人，采购成本是影响客户试用的重要因素。
李一言表示，擎天租于2025年12月开始开展相关业务时，部分机器人单台售价动辄数十万元。客户即使对机器人感兴趣，也很难在尚不清楚应用效果的情况下，直接承担购买成本。因此，最早向平台提出租赁需求的正是这些客户：先租用一段时间，验证机器人能否创造价值，再决定如何投入。
“尤其作为一个未来要商品化的技术来说，早期的技术投入、研发投入，让客户买单，其实是很难完成商业闭环的。”李一言表示。
“当客户有租赁选项时，约90%会选择先租再用；推出低成本租赁方式后，平台触达的客户群体快速扩大。”在李一言看来，这种模式既能降低使用门槛，也有利于将运行中的问题反馈给制造商，推动后续产品改进。不过，上述比例及客户增长情况均为企业方面提供的观察数据，还不能直接代表整个机器人市场。
租赁还解决了产品迭代风险。李一言表示，品牌客户希望机器人能力不断更新，而买断设备后，企业需要自行承担产品更新换代的压力；租赁则提供了相对轻资产的试用方式。“平台目前对接的需求包括产品讲解、门店卖货、直播互动以及按摩服务等，实际能提供什么服务，仍受不同型号机器人的能力限制。”
但租赁降低的是进入门槛，并非自动解决盈利问题。对于客户而言，是否会从短期体验转向长期使用，还需要综合比较机器人租金、现场管理与维护成本，以及机器人创造的收入或节省的人力成本。对于制造商和平台而言，如何使试用需求转化为持续付费，也关系到商业闭环能否形成。
规模化难题不止于模型
实际上，即便机器人已经能够在一个场景中完成任务，换一个场景还能否完成，仍是规模化的关键难题。
亮源新创联合创始人范廷翔在论坛上表示，现阶段机器人在实验室样板间中已能完成多项家务，但尚不存在能够包揽全部家务的通用机器人。一旦进入不同家庭，物品摆放、任务要求和环境都会变化，对模型泛化能力提出了更高要求。
因此，他认为家庭应用可能采取渐进路径：先做鞋子归位、简单清洁等容错率较高的任务，而涉及刀具、热菜热汤的厨房作业，安全要求更高，短期内难度较大。让机器人进入真实场景，也有助于获得新的训练反馈。
数据从何而来，则是另一项成本问题。据范廷翔介绍，亮源新创已采集约千万条互联网人类运动视频，用于具身模型训练，希望减少完全依赖机器人本体遥操作采集数据的成本。相比在少数环境中重复收集数据，他更看重训练场景的多样性；同时，互联网视频并不能取代机器人在现实中获得的物理交互经验。
安顿健康科技创始人白伟民则表示，公司相关项目研发持续两年半，投入约1.3亿元，涉及300多家医院的数据和500多位中医师参与标注。
在模型之外，部署运维可能是更容易被忽略的成本。
王巍表示，机器人从第一千零一个场景进入第一千零二个场景，如果仍然需要重新训练、调试和定制维护，背后又站着大量工程师，就难以形成真正的规模效应。
泓柯智行联合创始人兼CTO罗旭也谈到类似问题：“公司团队主要研发仿生人脸机器人，演示时可以通过反复调试呈现自然表情，但量产过程中，机械加工、皮肤连接和结构装配的微小误差，都可能导致面部表情不自然。要让样机变成标准化产品，仍需要校准和一致性控制。”
不过配资建议，对于未来突破的时间表，上述人士都较为乐观。据范廷翔预测，2027年具身智能可能出现类似ChatGPT的关键突破；而李一言期待未来一两年出现重要技术拐点；白伟民则将这个时间判断放在两三年左右。
不过，这些仍是行业人士的预测，并不意味着大规模商业化已有确定时间表。从客户需求的出现，到商业模式的形成，再到跨场景复制，机器人产业正在逐步面对销售之外的现实问题：谁愿意持续付费，部署后需要多少人工维护，能否实现跨场景复制？只有解决了这些问题，才可能将展厅里的能力变成可持续的生意。
多空杠杆网提示：本文来自互联网，不代表本网站观点。
