对话CEO｜星动纪元席悦：具身智能，到了“算账”的时候

当技术真正进入产业的时候，对其进行评价时的“尺度”往往会变。

就像大模型刚火起来时，人们争的是参数、榜单和能力边界，而等AI真正被塞进产品、接进业务，企业开始盯着另一组数字：一次调用烧掉多少token，成本能不能压下来，这套东西最后能不能挣钱。

具身智能如今也正走到这个节点。

过去看一台机器人，大家更关心它会不会跑、能不能抓、动作够不够灵巧。现在，当机器人真正被推进仓库、工厂和生产线，客户问得越来越具体：一天能干多少活？能不能一直干？故障率多高？这笔账能否算得过来？

这是星动纪元联合创始人席悦今年感受到的一个明显变化。

“以前可能大家把所有的玩家叫过来一起合作来做，给这个厂做概念验证，做一些数据采集，没有更多考虑价格的问题。”席悦说，而现在，特别是在物流等领域已经有机会小规模部署的场景，“越来越多的客户开始愿意去真实地探讨，他会算他的ROI（投资回报率）”。

这个变化不如机器人跑得更快、跳得更高那么显眼，却可能更接近具身智能真正走向产业的那条分界线。

因为一旦客户开始算账，机器人面对的就不再是一次演示能不能成功，而是能不能批量、持续、稳定地把活干下来。

席悦说，真实场景和Demo完全是两套要求。尤其在工业等To B场景里，效率、准确率、工作时长都有明确指标，客户不会因为一次漂亮演示就买单。

这也是星动纪元把物流作为重要落地场景的原因。

物流其实并不是一个多么“好看”的机器人故事。没有家庭机器人的想象空间，也不像跳舞、格斗那样容易吸引目光，更多时候，机器人做的只是不断搬运、分拣、取放。

但它很适合检验一台机器人到底有没有用。

首先，这里确实有不少人不愿意长期做的工作。

席悦提到，很多物流作业集中在后半夜，现场往往没有空调，噪音大，夏天热、冬天冷。让机器人替代部分这样的重复劳动，把人从相对艰苦的工作环境中解放出来，本身就有现实价值。

更重要的是，物流的账很好算。一小时能处理多少件，准确率多少，能够连续工作多久，都有清晰指标。“你做到这一点，且ROI算得过来，这个厂家就愿意付费。”席悦说。

而且，这个场景很难“糊弄”。展台上的一次抓取，可以不断调试，可以选择最理想的状态。仓库里却是一件接一件的包裹，一个动作一晚上可能要重复成千上万次。机器人究竟行不行，会被真实业务一遍遍检验。

席悦认为，相比精细工业装配，物流任务相对简单一些，对具身智能率先实现工业化部署比较友好，但它又足够高频，很难靠一次Demo就把问题掩盖过去。

可真正要规模化，仅仅在一个仓库里干得不错还不够。

换个仓库，还能不能干？如果每换一家企业、每换一种环境，都要重新调几个月，那更像是一套高度定制化的自动化方案，而不是一台真正具有泛化能力的机器人。

席悦透露，以前机器人从一个环境迁移到另一个新场景，可能需要两个月时间，而现在，一些场景已经能够在一周内实现常态化运行。

模型本身具备一定的零样本学习能力，可以先直接迁移过去，如果还需要进一步达到新场地的效率要求，可以再进行1至2天的后训练。

“两个月”变成“一周”，缩短的不只是调试时间。

对具身智能来说，“换个地方还能不能干”，就决定了一套产品到底能不能复制。

席悦并不认为，目前行业的技术路线已经完全收敛。在硬件层面，一些通信接口等正在逐渐形成共识，到了模型和数据层面，行业仍处在探索期。有人更强调仿真、合成数据，有人更看重真机和真实作业数据，各家公司都在寻找适合自己的技术路线。

但不管路线怎么选，最后还是要回到客户。

现在具身智能行业经常谈PMF，也就是产品与市场是否真正匹配。

对此，席悦给出了三个判断信号：

一看解决的是不是真实需求。二是有没有批量复购。第三则是经济模型能不能跑通。

“从需求，从复购，从经济模型是否跑通来判断。”席悦说。

要做到这几个标准，比“造了多少台机器人”难得多。生产出来是一回事，送进客户现场之后，能不能长期稳定运行、客户愿不愿意再买，是另一回事。

因此，席悦更看好To B率先实现规模化商业应用，特别是工业和制造业。“只要你效率做到极致，稳定性做到够好，成本算得过来，客户是一定会选用的。”席悦表示。

至于机器人什么时候真正走进家庭，席悦觉得，一两年内还比较难；把时间拉到5至10年，他则相对乐观。

只是，第一批真正进入家庭的机器人未必就是人们想象中的“全能保姆”。它可能先从陪伴和交互开始，再做一些简单任务，之后才逐渐走向更复杂的家务。

从仓库到家庭，显然还有很长一段路，但具身智能正在发生一个很实际的变化，大家不再只问机器人“会不会”，更多人已经开始问：机器人干这个，到底值不值？

（大众新闻记者 苏月鹏 董婉婉 张锡坤 北京报道）