两年内中国将出现可用的家庭机器人，这不是科幻

2026 年的科技圈，具身智能正在经历一场静悄悄的范式转移。

过去几年，我们看到的机器人大多停留在实验室或工业场景中——它们能精准地焊接汽车零件、搬运仓库里的货物，甚至在人形机器人演示视频里优雅地跳个舞。但这些场景离普通人的日常生活仍然隔着一条鸿沟。

现在，有人开始认真填这条沟了。

破壳机器人的"两年宣言"

在北京国际车展同期的一场行业对话中，破壳机器人创始人许华哲抛出了一个颇具野心的判断：两年内，中国将出现可用的家庭机器人。

这句话如果放在三年前说，大概率会被当作创业者的营销话术。但放在今天，背后的逻辑链条已经基本成型。

支撑这个判断的，不是一个公司的单点突破，而是整个行业正在经历几个关键转折。

第一个转折：Scaling Law 开始适用于机器人

在 AI 领域，Scaling Law（缩放定律）早已不是新闻——给大语言模型喂更多数据、更大算力，它的表现就会持续提升。但这条定律是否适用于机器人领域，一直是悬而未决的问题。

直到最近，硅谷具身智能公司 Generalist AI 在 GEN-1 模型上做了一件让行业震的事：当他们给机器人模型注入海量训练数据后，精细操作任务的成功率从 64% 飙升到了 99%。

这个数字变化的意义远比表面看起来更大。

64% 的成功率意味着什么？意味着机器人做十次家务，有将近四次会搞砸。这种水平放到家庭场景是不可接受的——你不会愿意让一个有四成概率把盘子摔碎的机器人在厨房里活动。

但 99% 意味着什么？意味着它已经接近人类的操作可靠性。从"能用但不放心"到"可以信任"，这中间的差距不是线性的，而是质的跨越。

第二个转折：家庭场景的数据难题正在被攻克

做家庭机器人，最大的拦路虎不是硬件，而是数据。

工业机器人的训练数据相对容易获取——工厂环境结构化程度高，任务相对单一，可以大量重复采集。但家庭环境完全不同：

每家的家具布局不一样，地面材质不一样，物品种类和摆放位置不一样，宠物的行为不可预测，小孩的活动轨迹更是随机。要让一个机器人在千万个不同的家庭里都能正常工作，需要覆盖极其庞大的场景多样性。

这个问题在很长一段时间里是无解的。模拟训练（Sim2Real）的鸿沟一直难以跨越——在虚拟环境中训练得再好的机器人，放到真实家庭里还是会遇到大量预料之外的情况。

但现在，情况在变化。

硅谷另一家具身智能独角兽 Sunday Robotics 近期也在重点攻克家庭场景的数据难关。行业对这个问题形成了基本共识：单纯靠模拟训练是不够的，必须在真实环境中大量采集数据，同时辅以更强大的泛化算法。

更值得注意的是，中国在这方面有独特的优势。

中国做家庭机器人的天然优势

首先是制造业基础。

家庭机器人是一个高度复杂的硬件系统——需要精密的传感器、灵活的机械臂、高效的底盘、可靠的电池管理。中国拥有全球最完整的电子制造产业链，从深圳到东莞，从苏州到合肥，任何零部件都可以在几小时车程内找到供应商。

这意味着什么？意味着中国公司做家庭机器人，硬件迭代速度可以比海外同行快数倍。当美国公司还在等供应商寄样品时，中国工程师可能已经拿到实物、完成测试、进入下一轮迭代了。

其次是数据优势。

中国有超过四亿家庭，其中老龄化趋势正在加速。独居老人、双职工家庭、残障人士——这些都是家庭机器人最直接的需求方。巨大的人口基数和多样化的使用场景，为数据积累提供了天然土壤。

还有一个不可忽视的因素：政策环境。

中国政府对人工智能和机器人产业的支持力度在全球范围内都是领先的。从《"十四五"机器人产业发展规划》到各地出台的补贴政策，产业土壤已经相当肥沃。

技术路线的分化：人形还是非人形？

聊家庭机器人，绕不开一个争议：到底需做人形？

过去一年，具身智能赛道最大的泡沫可能就是人形机器人。无数创业者涌入这个方向，仿佛不做人形就不算真正的机器人。

但冷静下来看，人形对于家庭场景是否真的必要，答案并不明确。

人的身体形态是为了适应人类社会的各种基础设施——楼梯、门把手、座椅。但如果我们在设计家庭机器人时可以重新考虑家庭的某些设计，或者接受一种"非人形"的交互方式，那么人形可能就不是最优解。

在这个问题上，行业已经出现了分化：

一派坚持人形路线，认为只有人形机器人才能真正融入家庭环境，完成最广泛的家务任务。另一派则选择"够用就行"——轮式底盘、机械臂、适当的传感器，能完成 80% 的家庭需求就行，不追求外观上像人。

这两种路线各有道理，关键取决于产品定位和成本控制。对于早期家庭机器人来说，非人形方案可能是更务实的选择。

真正的挑战不在技术，在"最后一公里"

技术层面，家庭机器人的核心能力——环境感知、路径规划、物体识别、精细操作——正在快速成熟。但技术成熟不等于产品可用。

家庭机器人面临几个容易被忽视的现实问题：

安全是底线。 在工厂里，机器人出错可能意味着报废一件产品。在家里，机器人出错可能意味着伤害一个人。安全标准需要从工业级提升到消费级，这个门槛不是简单的技术提升，而是整个产品架构的重新设计。

成本是硬约束。 目前具身智能机器人的成本动辄几十万元。作为工业设备，这个价格可以接受；但作为家庭消费品，必须降到普通家庭能负担的水平。从几十万到几万甚至更低，这需要硬件成本的大幅下降和规模化生产的到来。

用户习惯是隐形门槛。 人们习惯了用手机、用音箱、用扫地机器人，但接受一个"会走动的机器人"在家里自由活动，心理门槛要高得多。这需要产品设计、交互方式、甚至市场营销的全面创新。

为什么说"两年"这个时间点值得认真对待

回到许华哲的判断——两年内出现可用的家庭机器人。

这个时间点的判断，建立在一个重要的观察之上：技术曲线正在加速。

语言模型的突破花了二十年才从实验室走向 ChatGPT 式的普及。但具身智能的发展速度正在超过当年的语言模型。原因在于，具身智能可以站在大语言模型和视觉大模型的肩膀上——不需要从零开始训练基础能力，只需要在已有模型的基础上做场景适配。

这意味着什么？意味着从实验室到产品的距离，可能比所有人预期的都要短。

当然，"可用"的定义也值得讨论。如果"可用"意味着一个能完成大部分日常家务、安全可靠的机器人走进千家万户，那两年确实过于乐观。但如果"可用"意味着在特定场景下——比如照顾老人起居、辅助残障人士、基本的清洁整理——机器人可以开始发挥作用，那两年完全在合理范围内。

下一个值得关注的信号

如果你也在关注这个赛道，有一个信号值得留意：哪家公司的机器人开始真正进入家庭做实地测试。

不是工厂，不是展会，不是实验室。是真正的家庭环境，真实的使用者，真实的场景。

当这个信号出现的时候，家庭机器人的时代就真的开始了。

而根据目前行业的进展速度，这个信号很可能不会太远。