十字路口目录 · 家庭机器人

张翼:家庭机器人怎样走出实验室

从双减断崖与“先憋三年不融资”,到把机器人送进 300 个上海真实家庭、押注带娃与轻家务的服务定价,再到轮式与两爪的硬件取舍、世界模型与“第三种活物互动数据”。

先把访谈讲清楚

快问快答:嘉宾背景与公司概况

本期是《十字路口》“机器人来到十字路口”系列的第二集,由主播 Ronghui 对谈未来不远机器人创始人兼 CEO 张翼。2026 年开年以来,中国具身智能赛道迅速升温,银河通用、星海图、智平方、千寻智能、自变量机器人等多家公司相继拿到 10 亿元级融资,外界普遍感受到浓烈的泡沫感。张翼却走了一条反共识路径:4 年前无人问津时入场,前三年用自有资金埋头打磨消费级硬件与入户能力,直到把机器人送进约 300 个上海真实家庭后,才对外融资并推出新一代产品 F2。

个人画像36 岁;毕业于上海交通大学(本科电子信息工程,研究生曾就读上海高金一年后退学创业);MBTI 为 INTJ,摩羯座。
公司与产品定位未来不远专注于做家庭通用机器人。新一代产品 F2 相比 F1 颜值更高、功能更强,也是最终面向家庭用户交付的量产形态。
融资与商业现状团队规模约 100 人,以工程师为主。前后累计完成 3 轮融资:前三年全部由创始人及团队自掏腰包研发,去年底产品通过家庭试用并获得积极反馈后,在近几个月快速完成两轮外部融资。目前尚未正式开售,已在上海部分家庭采用预约排队开租模式(月租约 3,000 至 4,000 元)。
创业前经历连续创业者,学生时代就边读书边创业;上一家公司为上市市值曾达 30 亿美元的在线教育企业“掌门 1 对 1”。

双减那一刻:从 30 亿美元市值到记忆“泛白”

访谈并未直接切入机器人技术,Ronghui 先把时间拉回五年前的双减——在经历政策巨变的创业者中,张翼是少有的已经把公司推上市、市值一度站上 30 亿美元、年收入约 100 亿元的掌舵者。被问到“在哪里看到双减新闻”,张翼回忆当时正带团队拜访一家出海非常成功的公司,坐在车上突然收到几位投资人发来的文件截图,对方追问:“这个文件怎么这样?这是真的吗?”那一刻他大脑一片空白,第一反应是难以置信。

确认这是不可逆的现实,花了他足足半个月。最初管理层以为这只是阶段性调整,只裁掉一部分人边走边看;半个月后,核心投资人把账摊开直言不讳:100 亿收入规模的公司养着庞大团队,每月刚性支出高得吓人,一旦断收仍维持高支出,整个公司会直接崩盘,“你不能再拖了,再拖下去,今天就不会坐在这里”。剩下两个半月内,他被迫把团队缩减到 1,000 人以内(注:节目官方简介记为“近九万人裁到千人以内”,转写口述为“九千多人”,两处基数口径存在明显差异)。

回忆那段极限收缩,张翼说自己最难受的记忆已经“泛白”,当年亲自主持的核心管理层会议完全想不起来,只留下后脑勺至今未消的一撮白发。但下面同事后来反复转述的画面却刻在心里:公司原本在全国 50 多个城市设有大型分公司,有些 HR 在送走所有兄弟后独自关灯锁门离开;为了向大家解释为什么不得不这么做,核心高管一场接一场召开几百人的大会,讲着讲着现场便有人失声痛哭。

低谷一年后再出发:三个合力指向家庭机器人

双减之后,张翼经历了一段“get lost(迷失)”的半年——从过去天天泡在公司干到深夜,突然变成无事可做、也不敢去公司。整整一年多时间里,他在消化情绪之余反复追问人生的意义。最终得出的结论很朴素:如果老去时回望一生不想后悔,还是应该参与世界哪怕一点点的变革。

想清楚要重新出发后,他去了硅谷待了一段时间,和许多在美从事 AI 的上海交大老同学深度交流。真正把他推向家庭机器人的,是三条线索的叠加:

更重要的是内驱力门槛——他要求自己如果再干一次,事业体量必须比掌门更大,否则没有动力。不知是谁说过的一句话彻底说服了他:“20 年后,每家每户一定会买一个机器人。”在硅谷和国内看了一圈(包括英伟达的 GR00T 以及多家机器人公司)后,他决定押注当时几乎无人涉足的家庭机器人,相信方向只要足够前瞻且正确,长期一定会迎来反馈。

“先憋 3 年不融资”的复利,以及坚定做家庭 To C

面对当下具身智能融资狂潮,Ronghui 问他提前 4 年入场究竟换来了什么优势。张翼的回答切中软硬件的本质差异:纯算法、纯软件迭代飞快,先发优势极易被追平;而机器人融合了大脑、小脑与精密硬件,软硬结合的节奏天然很慢,复利来自时间而不是单靠砸钱。他拿宇树举例:宇树每年的研发支出并非外界想象的天文数字(大约大几千万),但今天别人哪怕砸 10 个亿,也极难在短期内造出同等运动控制(locomotion)与稳定性的整机。提前 4 年潜行,让团队把消费级成本压下来,也把机械臂调到了稳定、丝滑、不抖的状态。

至于为什么前三年花自己的钱“先憋着”不出来融资,他给出两个原因:一是家庭机器人过于超前,早年天天出来讲概念大家也未必信,不如直接做出让人“哇”一声的消费级实机再亮相;二是经历过上一轮起落,这次出来拿投资人的钱之前,必须亲眼验证它真能进家庭、能商品化,否则“后面有得收拾”。

被问到当年有没有纠结过先切工业或商业 To B 市场,张翼答得干脆——完全没有。在他看来,许多 To B 硬件技术壁垒不够高,最后往往滑向价格战、盈利艰难(例如清洁机器人领域,To C 头部公司利润丰厚,而国内 To B 玩家大多非常挣扎)。反观 To C 消费市场,一旦产品体验过硬、立住品牌,品牌本身就能带来溢价,再用丰厚利润反哺下一代研发,形成正向飞轮。

300 个上海家庭共创:F2 卖的不是硬件,是稀缺服务

产品定义的过程远比纸上谈兵曲折。从公司第一天起,团队就在国内和北美各发了五六千份问卷并做大量电话访谈,询问用户“什么功能愿意买单”。结果发现纸面调研算不过账:用户觉得叠衣服值 500 元、扫地值 2,000 元,把零碎功能加起来根本覆盖不了整机成本。直到录制前约三个月(去年底),随着机器稳定性、成本和泛化达标,团队把机器人陆续送进约 300 个上海真实家庭,第一版核心卖点才真正敲定。

入户试用分阶段推进:起初只允许用户使用少数有把握的功能,随后逐步放开让家庭“自由发挥”。许多大受欢迎的功能完全来自用户共创,而非团队拍脑袋:

最终,即将交付的 F2 锁定两大主场景:第一是带娃(中班以上到小学阶段互动效果最好,能唤醒交互又能玩高阶游戏),涵盖读绘本、陪练钢琴与小提琴(通过听音识曲实时判断音准,结合视觉纠正指法和坐姿并语音对话)、下棋、讲睡前故事并在孩子入睡关灯后自己退出;第二是轻家务,如收玩具、捡垃圾等对鲁棒性要求可控的动作。至于最重的家务,张翼直指厨房——瓶瓶罐罐极多且脏乱油腻,真正攻克还需要几年时间,因此只能从轻家务起步滚雪球。

这一场景切换也解开了定价困局。张翼反思,如果把机器人定位成替代普通家政阿姨,在上海请一位轻重家务全包的阿姨每月也就 7,000 至 8,000 元,只能做轻家务、成本两三万的机器永远显得贵;但一旦对标能讲双语、会下棋、能陪练乐器的高端带娃服务(在上海月薪 3 万至 4 万元都极难招到),定价逻辑瞬间反转。家庭机器人外观是硬件产品,本质上卖的是用物理 AI 把昂贵、非标的服务标准化。

回应 Ronghui 提到自家给孩子买机器狗“玩一小时就腻了”的痛点,张翼分享了家庭留存进展:去年刚入户时机器往往放一两天就要上门维护(并非孩子不玩,而是硬件不稳定);到录制当月,已经做到在用户家里连续放一两个月才需维护一次,且用户每天仍会使用数小时。产品经理出身的他明确表示不看“一波流”销量,最盯紧的是使用衰减、口碑转介绍和续租率(举例 50% 转介绍率、30% 续费率作为检验产品好坏的标尺)。商业形态上,现阶段上海主打 3,000 至 4,000 元/月的租赁(方便回收升级维护),正式上市后计划并行“租赁”与“较低价买断 + 高阶功能订阅(覆盖后续算力成本)”两种方案。

真实家庭还带来了实验室里绝对想不到的惊喜与惊吓。惊喜是机械臂让玩具“第一次长出了手”——有小孩子把玩具车咻地推远,机器人捡起来推回去,低龄娃竟能乐此不疲连玩两小时。惊吓则来自宠物:一户人家的狗对机器人极度紧张,整晚没睡好觉,主人果断叫停。这反向逼着团队研发宠物交互,训练机器人喂狗粮、像挥鸡毛掸子一样陪猫玩一两小时,结果发现猫不怕了,而专业宠物陪玩本身也是几千元档的需求。

轮式、两爪与全栈自研:面向家庭的极致减法

在硬件形态上,未来不远没有追随大众眼里最“像人”的双足与五指灵巧手,而是选择了轮式底盘 + 两爪夹持,并走上了漫长的全栈自研之路。

硬件选型维度未来不远的选择张翼给出的工程取舍依据
移动底盘轮式底盘中国多数家庭为平层,轮式把大电池沉在底部,天然稳固、安全、续航长;团队实测过双足机器人与机器狗,在家庭环境一提起来就会“飞车”乱踢,隐患太大。轮式的局限是有门槛或复式台阶时无法通行(但只要有无障碍通道,带去公园下棋也能走,此前多次在楼下公园下棋被老人围得里三层外三层直到被保安劝离)。
末端执行器两爪夹爪(预留灵巧手接口)当前全世界找不到能连续高强度使用两个月以上的五指灵巧手,手指关节过小、频繁受冲击极易损坏。团队先用耐用的两爪跑通场景,同时预留标准接口,待专门做灵巧手的供应商成熟后直接换装。
核心零部件电机、扭矩、关节、机械臂、夹爪、驱动器自研;减速器与深度相机外采一是消费级减法降本:市面上多为高负载、高重复定位精度的工业关节,且缺少方便走线的中空大孔径设计,按家庭“够用”标准砍掉冗余参数后,张翼口述自研关节单价约 1,000 元,而第三方外采平均约 8,000 元;二是开放电流环等底层控制接口,才能把机械臂调到丝滑不抖。驱动器在巴掌大空间搞定高密度集成与温控耗费极久最终攻克;减速器尝试后因齿隙大、工艺难而果断放弃。

世界模型、VLA 与“被忽视的第三种数据”

录制前的一两个月里,世界模型(World Model)在资本与学术界骤然爆火,甚至传出千万年薪抢人。张翼以英伟达的 DreamZero 为例分享了一线体感:世界模型通过灌注海量视频联合建模未来画面与动作,在从未见过的物体上展现出几十个百分点的零样本(zero-shot)鲁棒性,这在传统 VLA(Vision-Language-Action,视觉—语言—动作模型) 上极难做到。在他的直觉理解里,世界模型具备一定的物理轨迹预测和“推理”能力,且构型更轻量(只需头部单摄配手部操作);近两个月公司也开始吸纳国内稀缺的世界模型人才。但他同时保持冷静:世界模型离 100% 鲁棒性还差得很远,大量进展仍在论文阶段,现阶段更现实的打法是世界模型与 VLA 两条路线并行迭代。

紧接着,他道出整场访谈最核心的竞争判断:大脑模型架构一两个月就能被同行抄走,真正抄不走的是真实家庭数据与数据管道。机器人领域历史数据极其稀缺(他凭印象提到 DreamZero 的体量也就十几 B,远不如互联网文本浩瀚),家庭数据更是极难获取。他把机器人数据清晰划为三层:

  1. 标准任务数据:例如在数据工厂里按标准流程反复叠衣服。
  2. 家庭 Corner Case(长尾异常场景):例如叠衣服时桌子少了一条腿、桌面摇晃导致衣物散乱。这类千变万化的意外不可能靠数据工厂提前搭景穷举,只能在真实家庭里撞见。
  3. 被大多数人忽略的“第三种数据”——与活物互动的数据:即与不同年龄、性别、习惯的人类及猫狗的实时交互。张翼估算,家庭里约 80% 的真实场景都在与人互动,工厂摆拍拿到的只是真实世界的 1%。

Ronghui 拿美国颇受关注的家庭机器人创业公司 Sunday 作对照——该公司采用了 UMI 式的数据采集思路与 Skill Capture Glove(技能捕捉手套),并结合 ACT(Action Chunking with Transformers,动作分块策略)方案。张翼表示,自己对一家美国公司居然亲自做硬件颇感惊讶,也欣赏其在相机布局、外形设计和采集工具上的巧思,但因未开源未发售暂难深入评价;相比靠手套摆拍采集,未来不远更笃信直接把整机租进真实家庭,拿到不加修饰的日常真实数据。

既然数据是决胜护城河,会不会赔本补贴铺量换数据?张翼说早期可能会贴着成本推进——毕竟同行建工厂采数据也要花巨资——但大规模补贴战的前提是大家都先把软硬件做到稳定入户的消费级水准,目前市场远未到那一步。他对比了自己亲历的互联网教育周期:当年掌门单轮融过数亿美元,行业头部甚至一轮 10 亿、20 亿美元;相比之下,今天以人民币计价的 10 亿元级融资,疯狂程度还不及当年。他坦然看待泡沫:没有泡沫就吸引不来顶尖人才,未来 20 年所有实体企业终将成为“机器人公司”(就像便利店老板带着一群机器人干活),过程必然是泡沫起落、曲折向上。最终能穿越周期的绝不是账上融了 20 亿,而是跑通可持续的商业模式——先把让用户长期爱用、愿续租、又能持续回传有效反馈(包括脏数据清洗与纠错样本利用)的第一个数据飞轮转起来。

双减后的创业心法:从焦虑双线作战到“轻舟已过万重山”

访谈收尾回到创始人本人。Ronghui 透露前采时聊了联合创始人路易斯与投资人真格基金的缇娜,一路陪跑的路易斯感叹:经历双减后,张翼这次创业的风格判若两人。张翼觉得自己不是彻底换了个人,而是补齐了过去缺失的两块拼图:第一是战略定力——起跑前把方向看得更久,一旦定下就坚决不动摇;第二是跳出局外的“第三者视角”——把自己放进未来回头看当下,许多眼下觉得天塌了的坎,拉长尺度不过是“轻舟已过万重山”。

他毫不避讳地复盘了过去“因焦虑导致短视”的惨痛教训:当年掌门做在线一对一时已拿走 70% 市场份额、遥遥领先;后来在线大班课兴起,毛利更高、市场大 10 倍,股东阵营却激烈分裂——一派警告“小组赛还没结束别分心,小心被第二名反超”,另一派力推“立刻杀入大班课把市值翻倍”。极其容易焦虑的他最终选择双线作战,结果分散了精力和弹药,既没打过专注大班课的对手,又错失更大格局,“赢了这个月,输了两年后”。他笑着吐槽,高管和员工其实最怕老板焦虑——老板上几天商学院回来一焦虑就拍桌子搞战略转向、人才大变革,下面的人会被吓坏。如今遇到难题,他只问一句“有没有解决方案?有就按方案执行,执行了就别再焦虑”。

面对经历重大挫折的创业者,张翼给出了一番带有哲学意味的自我和解:人生不可能脚踩两条船,因此永远无从证明没选的那条路是否更好,自己从不说“早知道”。很多时候,挫折与剧变只是某种外力逼迫你排除错误选项、走向真正该走的路。人要学会自洽——既要向上看那些千亿级企业保持谦卑,意识到自己不过是个 nobody;也要向下看,不妄自菲薄。做企业和做人一样,最重要的是活得久、活得好。

他回望自己当初的起点:研究生考入号称招收清北复交第一名的上海高金,手握麦肯锡 Offer,却在研一结束后毅然退学走上成功率只有 0.1% 的创业“不归路”——在他眼里,创业、工作、送外卖都是人生修行,既然选择了前方,就只顾风雨兼程。临近尾声,Ronghui 请他给 10 年后的自己留一句话。张翼说:“十年前的我觉得未来不远;十年后,当年向往的那个未来或许已经实现了,但我希望那时的自己依然相信,还有更美好的未来在不远处。”

一条家庭数据链:从遇到意外到模型能力真正改善

本文自拟例子。要理解为什么“把机器送进家庭”不自动等于“数据飞轮已经转起来”,可以跟踪一次真实的家庭长尾事件:机器人受命把散落的积木收进箱子,视觉模块识别到目标并伸出两爪准备抓取;就在这一秒,三岁孩子突然冲过来一把抓走积木,旁边的宠物狗同时蹭到机器轮子。此时,机器人必须立刻中断抓取、减速避让并切换语音安抚,而不是按原规划轨迹继续夹向孩子的手。

如果设备在云端只上报了一行“收玩具任务失败”,这条数据对算法几乎毫无价值。一条真正可训练的家庭数据链,至少要打通五个环节:

  1. 多模态同步留痕:在获得家庭明确授权的前提下,完整记录任务指令、多视角画面、关节电流环与力矩反馈、执行轨迹、孩子与宠物的突发位移,以及是否触发了人工急停或接管。
  2. 失败归因分层:研发团队与自动管线将失败准确归类——是视觉没看清孩子伸手(感知层)、规划未预判活物轨迹(世界模型/决策层)、还是夹爪力控响应偏慢(小脑控制层)?
  3. 脱敏、清洗与纠错标注:把敏感家庭隐私画面脱敏处理,将高价值的 corner case 与“错误动作 + 正确人工纠正”配对整理,筛选出真正能提升泛化的样本而非海量重复的脏数据。
  4. 跨家庭独立验收:更新后的策略不能只在原家庭、原积木上复测通过(那可能只是过拟合了该户的光照与地板),而必须在未参与训练的新家庭、新玩具和不同活物干扰下验证成功率与安全边界。
  5. 安全灰度下发:确认新版本在提升任务进度的同时,没有引入新的误触、卡顿或碰撞风险,再 OTA 推送给用户,从而换来更高的日均使用时长与续租率。

这条链上任何一环断裂——无论是硬件故障导致家庭闲置、隐私顾虑令用户关停上传,还是缺乏跨家庭评测——单纯多投放几百台机器,都无法自动转化成模型壁垒。

独立判断:现场表现与可靠交付之间

真实家庭数据确有稀缺性,但样本偏差与隐私授权是双刃剑

张翼强调“活物互动与长尾异常只能从真实家庭来”,切中了当前实验室和摆拍数据工厂的最大盲区。但必须区分“有价值的早期产品共创”与“可规模化的训练数据壁垒”:第一,愿意在上海首批付费或预约试用的 300 户家庭,天然属于对新技术容忍度高、户型较规整、育儿预算充裕的早期采纳者,无法代表大众家庭的复杂环境;第二,家庭场景涉及未成年人音视频、居家布局和日常对话,数据采集哪些字段、本地脱敏还是云端留存、能否一键删除与退出,都会直接决定合规风险与用户留存。此外,访谈中提到的“50% 转介绍、30% 续费”更像是产品经理举例说明考核口径,并未披露完整样本分母与观测周期,不能直接当作 300 户家庭的实测业绩。

世界动作模型的论文指标,需要按严格测试口径解读

嘉宾将 DreamZero 作为世界模型零样本能力的标杆,并口述“世界模型有推理能力而 VLA 没有”。核对 DreamZero 公开项目页面与论文(World Action Models are Zero-shot Policies)可以看到两点关键校准:第一,在一组特定的训练分布与未见物体真实机器人测试中,DreamZero 报告的平均任务进度(task progress)为 62.2%,所对比的最佳预训练 VLA 基线为 27.4%(项目说明每个检查点在四台机器人上评估 80 次)。“任务进度”衡量的是完成到第几步,而非家庭复杂场景里的端到端零接管成功率;第二,论文中令人瞩目的跨构型新机器人适配,实际使用了 30 分钟交互数据的少样本适配(few-shot adaptation),并非零数据迁移。同时,现代前沿 VLA 也在不断融入思维链与预测表征,两者并非“一个有推理、一个完全无推理”的绝对二分。因此,张翼选择“世界模型 + VLA 双轨并行”的务实工程策略,反而比任何单边乐观预期更站得住脚。

“服务定价”很聪明,但不可回避安全监护的责任边界

把定价锚点从“7,000 元家政阿姨”切换到“3–4 万元双语陪玩与才艺陪练”,在商业叙事和切入高付费人群上非常敏锐。但两类服务的核心区别在于责任兜底能力:一名人类育儿师或陪练不仅提供互动,还承担识别突发危险、处理孩子情绪崩溃和持续安全监护的法定与道德责任;现阶段家庭机器人只能在家长在场或可控范围内承担辅助娱乐、陪练与轻度整理。同理,在乐器指法纠正和儿童教育效果上,播客未给出专业评测准确率或长期学习对比。真正决定复购与续租的,不只是“对标服务有多贵”,而是扣除设备维护成本和家长看护精力后,家庭到底省下了多少真实心力。

全栈自研降本与轮式/两爪取舍,需在量产规模下再检验

在平层家庭优先采用轮式底盘与高可靠两爪,是典型的“先解决能连续跑两个月,再谈通用全能”的工程务实派做法;自研关节带来控制接口开放和单件物料降本也很符合逻辑。但访谈提及的“自研 1,000 元 vs 外采 8,000 元”对比并未计入三年全栈研发的人力沉没成本、开模良率与售后返修摊销,且硬件一旦进入千台、万台级量产,供应链品控、上门维修半径与电池安全认证将迅速成为比单颗关节物料价更重的挑战。能否在扩大入户规模的同时守住“一两个月才维护一次”的可靠性,才是验证未来不远能否穿越泡沫周期的真正试金石。

证据边界与资料索引

本文对话重建部分依据节目官方简介与全文机器转写整理,未逐字听审原音频、独立走访试用家庭或实测 F2 样机。官方简介与机器转写对掌门 1 对 1 双减减员前人数存在显著差异(前者记为近九万人,后者口述为九千多人),正文已如实并列说明而不作单边断言;转介绍率、续费率、关节单价对比、家庭互动占比及安全表现均属于嘉宾在 2026 年 4 月中旬访谈时的口述或举例,缺乏公开可核查统计口径。DreamZero 评估数据核对自公开项目主页与论文预印本,本文未复现实验;家庭数据链案例为本文自拟。

返回十字路口目录