AIX財經（AIXcaijing）原創

作者 | 陳頤

編輯 | 方展博

你想象過機器人干家務的樣子嗎？

4月15日，博主“我是HYK”把他請機器人保潔的視頻發到了網上。他花了149塊錢，在深圳體驗了一項上門保潔服務，上門的是三個角色：一臺輪式仿人形機器人、一名負責工程師，還有一位保潔阿姨。

打掃現場很“賽博朋克”：機器人埋頭擺玩具、收桌面、歸置玩具和書本；工程師全程隨行兜底；保潔阿姨負責溝通需求和精細活兒。

這位博主重點提到的是效率。機器人疊一件衣服要十分鐘，阿姨十幾秒就能搞定；三個小時，機器人才收拾好鞋柜、餐桌和沙發三個區域，每個場景大概一個小時，同樣的時間，阿姨一個人把廚房、衣柜、臥室的活兒都干完了。

視頻發出來后，評論區很多人“想體驗”，但也有質疑聲，“看著它慢悠悠的確實頭大”。

視頻里的機器人來自自變量。今年3月，自變量和58集團旗下58到家聯合推出上門保潔服務，在深圳率先落地，用戶可以在58同城App上預約，按單付費。這是全球第一次有機器人真正以服務者的身份走進普通人的家庭。博主說，深圳的檔期已經排到了下個月。4月21日，這項服務將在北京上線。

面對用戶的吐槽，自變量官方沒有回避，在當天做出了回應。對于最核心的效率質疑，官方直接承認：機器人現在確實比人慢很多，但需要理解的是，慢恰恰是它在真實場景里一步步學習的必經階段；噪音方面，官方給出了具體的數字，控制在50到60分貝，相當于兩個人正常聊天的音量；對于小戶型、有門檻的房子暫時進不去的問題，機器人的體積和過坎能力都在優先改進中；至于網友擔心的碰壞東西，官方說機器人會主動避開易碎品，如果真出了問題，承諾按實際價值足額賠付。

機器人做家務水平夠不夠好？顯然還不夠好。但更值得思考的是，在各大廠商紛紛發布完美演示視頻的今天，為什么自變量會讓一個干活比阿姨慢十倍的機器人上門，當著用戶的面犯錯？它打的是什么算盤？

01. 家庭場景，為什么是最難的？

如果只看各大科技公司的宣傳，你可能會覺得機器人馬上就能包攬所有家務，但現實并非如此。這是為什么？

先說結論，家庭場景，是具身智能機器人目前面對的所有場景中，技術難度最高的一類。

工廠、倉庫對機器人更友好，因為確定性高，環境可控，任務重復。地面是平的，零件在流水線上的位置是固定的，每次操作是重復動作。例如，在光伏、汽車等制造工廠里，多臺工業機器人可以在封閉產線內持續作業，實現高度自動化，部分車間甚至達到了“黑燈工廠”的程度，幾乎不需要人工干預。

而家庭場景里全是變量。每家每戶的格局不同，物品擺放不同，更別說還有散亂的玩具、突然跑出來的寵物……

在博主的視頻里，機器人去夾鞋柜里的鞋，夾住了鞋邊，鞋太重，掉了，它重新來；筷子從夾具里滑落，它彎腰去撿。任何一個保潔阿姨都不會發生這種失誤，因為人靠的是幾十年積累的物理直覺，知道鞋怎么拿，筷子捏哪個位置不會滑。機器人沒有這種直覺，每次遇到一件沒見過的物體，都要重新解算：這是什么？有多重？該從哪個角度抓？用多大的力？

在具身智能行業有著豐富經驗的工程師Gashero向「AIX財經」指出了一個更具體的難題：家庭里到處是軟的東西，床單、衣服、毛絨玩具……軟物的形狀會隨著抓取力度實時變化，機器人需要高精度的觸覺反饋才能正確處理
「AIX財經」指出了一個更具體的難題：家庭里到處是軟的東西，床單、衣服、毛絨玩具……軟物的形狀會隨著抓取力度實時變化，機器人需要高精度的觸覺反饋才能正確處理

家庭里的每一件物品，都在考驗機器人對未知物理屬性的現場估算能力，而工廠里的物體大多是硬質的、形狀固定的。

Gashero給各類場景的難度排了個序：倉庫里，搬箱子是最簡單的，盤庫幾乎是最難的；工廠里，跑腿運輸很簡單，焊接和擰螺絲難度高很多。而家庭場景幾乎全是很難的任務，偏偏這又是經濟能力最有限的市場，用戶愿意付的單價最低。人形機器人現在很多的落地場景，是搬箱子和室內運輸，都是最簡單的一類。

因此，在家庭場景里，“機器”和人的效率差距極大。博主視頻里，機器人三個小時收拾了三塊小區域；阿姨一個人，同等時間把剩下的活兒全部做完了。機器人現在能獨立干的活，僅限于客廳和餐廳的格式化整理，廚房、衛生間的操作復雜程度超出了它目前的能力范圍。

家庭場景的復雜性，是行業共識。

波士頓動力前CEO Robert Playter去年底接受媒體采訪時提到，他們的策略是先從工廠的簡單任務做起，預計五到十年后，機器人才會進入家庭。要知道，這是全球最頂尖的機器人公司之一給出的時間表。

在具身智能從業者Damon看來，家庭場景的本質難點是“隨機性”和不確定性。工廠可以為機器人改造環境，家庭不會。機器人只能適應人，而不是讓人適應機器人。這種不確定性，會直接影響機器人的感知、導航和操作能力。

從技術邏輯推，合理的落地順序是：先拿下工廠，再進倉儲，最后才是家庭。這也是絕大多數具身智能企業選擇的順序。

那現階段把機器人推到付費場景里，是否合適？

02. 既然最難，為什么還要現在進？

技術最難、容錯率最低、市場預期最復雜，似乎所有理由都指向“不該現在進”，但如果我們換個維度，不考慮難度，家庭場景的價值其實也是最高的。

一方面，家庭保潔市場體量巨大，背后是人力供給日益緊張，愿意做家政的人越來越少，用工成本越來越高。機器人如果能在家庭場景里跑通，面對的是一個沒有天花板的市場。

另一方面，大語言模型可以從互聯網爬取數以十億計的文本來訓練，數據成本相對低廉。具身機器人不同，它需要的是在物理世界里與真實物體交互產生的行為數據。在家庭場景里，物品隨機擺放、環境每次都不一樣、任務無法預設，這種隨機性能產生高質量的訓練數據。

機器人夾鞋掉了，筷子滑了，這在工程師眼里是兩條訓練樣本。鞋用這個力度夾不住，下次怎么調；筷子從這個角度滑出，施力點要往哪里移。上海交通大學研究者穆堯在智源社區的專訪中曾指出，未來真機不再只是“證明我能做出來”，而是要成為整個系統不斷接收新數據、發現新失敗模式、反哺模型優化的關鍵閉環節點。

一位有多年互聯網和自動駕駛從業經驗的具身智能資深從業者曾對「AIX財經」表示，人形機器人的軟件還停留在Demo水平，物理世界的操作數據非常短缺，嚴重限制了人形機器人的發展。他認為，落地場景對于人形機器人的商業前景起著決定性作用。

失敗本身，就是數據，當然，數據也有質量之分。智源研究院具身數據負責人姚國才在去年9月的一次行業會議上表示，“假設這個采集員去桌面抓一個蘋果，他做的動作，采了100次，動作非常標準，100次一模一樣，100條數據等于一條，不具備價值。”

圖源 / 自變量機器人視頻號截圖

Damon補充道，有價值的數據，包含多樣性、隨機性，以及失敗案例。而家庭場景恰好把這三樣都給齊了。

但問題是，用戶憑什么接受一臺會出錯、干活又慢的機器人進自己家？

自變量和58到家合作了“阿姨+機器人”模式，不是讓機器人完全取代人類，而是人機協作。機器人承擔重復性的體力勞動，在真實場景里持續運轉、持續出錯、持續改進；阿姨負責復雜的判斷性工作和深度保潔，用戶的體驗有人兜底。自變量還承諾，如果機器人操作導致物品損壞，按實際價值足額賠付。

這種人機協作的分工方式，也得到了學界的認可。

前Meta FAIR研究科學家Chris Paxton從行業角度評價過這種人機分工模式，認為這樣的設計允許自主化程度從70%自然演進到90%，再到99%。

從實際運營來看，自變量反饋，深圳上線一個月后，阿姨和機器人的配合已越來越默契。

03. 全行業都在藏拙，它反著來

機器人進入家庭的邏輯是行得通的，但自變量更進一步，選擇公開服務。

服務最早在深圳落地，4月21日將于北京上線。用戶可以線上預約，機器人干得好不好，用戶看得見，也能評價。

這在當前的具身智能行業里，很另類。

今年中國已有超過150家人形機器人相關企業。在這個擁擠的賽道里，大家比拼的不僅是技術，還有誰的故事講得更漂亮。行業里更常見的做法，是把最好的一面剪進宣傳片：機器人后空翻，機器人做拉花咖啡，機器人流暢地分揀快遞。

有行業人士把這稱作“藏拙”，認為好處是容易吸引眼球、吸引資本、推高估值，但代價是，用戶和市場的預期被拔高，使用真實產品后，落差感會被放大。

在這樣的氛圍下，自變量的特別之處在于，選擇讓用戶當場檢驗機器人的水平，它也是唯一一家敢把“不夠好”公開出來的公司。

服務上線后，央視多個頻道跟進報道；中國駐美大使謝鋒在海外社交媒體上轉發了相關視頻，稱其為“中國首個機器人進家保潔服務”。關注度有了，但評論區里質疑聲和好奇聲一樣多。

博主HYK的態度或許和很多人類似。他在視頻最后說，感興趣的朋友可以去試試，“不是因為它現在有多好，而是這一天遲早會來，自己上手過一次，知道它到底在什么水平，比后面看一堆宣傳片要強得多”。

自變量機器人現在疊一件衣服用了十分鐘，但這個數字，會不會在一年后變成兩分鐘，甚至三十秒？答案很大程度上取決于它能進入多少個真實的家庭。

圖源 / 自變量機器人視頻號截圖

這正是58到家這個合作伙伴的價值所在。58到家覆蓋200多座城市、4500萬家庭。對自變量來說，公開服務的價值建立在規模之上，進入的家庭越多、越分散，數據的多樣性越高，模型進化越快。

對58到家來說，這次合作是面對家政人力供給收緊的提前布局。在一線城市居住的人都知道，春節前、月底、大掃除季，阿姨是稀缺資源。而且，這個供需缺口正在變大。

機器人進家庭，當下看是一個技術問題，但在未來，是具身智能和服務行業遲早要面對的商業選擇。

從這個角度看，字節、阿里、美團同時押注自變量，投的一定不是干活很慢的保潔機器人，而是它進入家庭場景后持續積累真實物理世界數據的能力。在實驗室里刷榜沒有意義，誰能最早拿到最真實的家庭場景數據，誰的模型就最快進化。自變量選擇現在商業化，必然要承受輿論壓力，但這步棋走得比多數同行更早。

*題圖來源于自變量機器人視頻號截圖。