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问题分享了他的独到见解。

据公开资料介绍，擎朗智能作为全球清洁机器人领域的佼佼者，近年来不断拓展业务边界，积极投身于人形机器人的研发与推广，取得了显著进展。

步入2026年，世界模型技术异军突起，成为人形机器人行业竞相追逐的热点赛道。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三大核心要素：本体构造、小脑控制以及大脑智能。他强调，擎朗智能始终坚信，唯有不断提升“大脑”的智能水平，人形机器人才能迎来大规模商业化的曙光。

谈及“大脑”发展的瓶颈，李通指出，数据匮乏是当前面临的最大挑战。他解释道，大语言模型的蓬勃发展得益于互联网上海量的数据资源，然而人形机器人领域却面临着数据稀缺的困境，加之不同机器人本体间数据难以通用，进一步加剧了这一难题。

“数据缺失的根源在于人形机器人尚未实现大规模应用。”李通分析道，“而缺乏数据又反过来制约了机器人大脑的快速发展，从而形成了恶性循环，阻碍了人形机器人的普及进程。”

那么，人形机器人行业应如何突破这一困境呢？

李通提出了机器人岗位化的解决方案，即先在简单岗位上部署机器人，通过实际应用积累数据，逐步提升机器人大脑的智能水平。他强调：“落地应用是关键。我们不能期望机器人一蹴而就，而是应该从对泛化能力要求不高的场景入手，逐步拓展其应用范围。”

在谈到人形机器人“大脑”的技术路线选择时，李通表示，当前技术路线尚未定型，各家企业都在探索适合自己的发展路径。他认为，这些方案并非孤立存在，而是相互融合、相互借鉴的过程。每个方案都有其独特的优势和局限性，需要综合考量。

“擎朗智能自主研发了融合世界模型的VLA架构，将视觉理解、语言指令和动作生成集成于单一端到端模型中。”李通介绍道，“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，使机器人具备了多模态环境感知、精细力控和柔性物体操作等先进能力。”

面对技术方案最终将趋于统一的趋势，李通认为，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。他解释道：“物理世界与虚拟世界存在巨大差异。在虚拟世界中，一款大语言模型可以迅速全球推广；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。”