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，就人形机器人的商业化前景及技术挑战发表了深刻见解。

据公开信息，擎朗智能作为全球清洁机器人领域的佼佼者，近年来不断拓展其产品线，积极投身于人形机器人的研发与推广。

2026年，世界模型技术成为人形机器人行业的焦点，吸引了众多企业的目光。李通在采访中指出，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。他特别强调，只有不断优化“大脑”的性能，人形机器人才能实现大规模的商业化应用。

然而，“大脑”的发展面临着数据稀缺的难题。徽声在线记者了解到，大语言模型的蓬勃发展得益于互联网上海量的数据资源。但在人形机器人领域，数据不仅稀缺，还存在“跨本体”的障碍，即不同机器人本体之间的数据难以通用。

李通解释道：“数据匮乏的原因在于人形机器人的数量有限。而没有足够的数据支持，人形机器人的大脑就无法快速进化，进而阻碍了其大规模推广的步伐。”

那么，人形机器人行业该如何突破这一瓶颈呢？

李通认为，关键在于实现机器人的岗位化应用。他建议从简单的岗位入手，逐步引入机器人，通过积累数据来提升机器人大脑的能力。

他进一步阐述：“我们不能期望机器人一开始就能胜任所有任务。相反，我们应该先找到那些对泛化能力要求不高的场景，让机器人先在这些领域发挥作用。有了实际应用，才能产生数据，进而推动机器人大脑的发展。”

面对人形机器人“大脑”技术路线的多样性，擎朗智能将如何选择呢？

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。每个方案都有其独特的优势和局限，能够解决一部分问题，但也可能留下另一部分问题。”

他透露，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整合在一个单一的端到端模型中。在此基础上，针对咖啡制作、洗衣房等具体岗位，擎朗还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的能力。

在技术方案逐渐收敛的背景下，那些在细分领域拥有较大规模人形机器人或积累了丰富数据的企业是否将占据优势呢？

李通认为，这正是物理世界与虚拟世界的显著差异。在虚拟世界中，一款大语言模型发布后能迅速覆盖全球。但在物理世界中，各类专业化数据差异巨大，分布也更为分散。