十四年的「管家」局，科沃斯这回把应用定义权交了出来

编辑｜Sia 14 年「管家」梦，结出一个谜团 2017 年，科沃斯集团董事长钱东奇第一次站上世界机器人大会的演讲台，畅谈 AI+ 服务机器人为未来生活带来的无限可能。 时隔九年， 2026 年的夏天，他再次站上同一座讲台。这一次，他提出的关键词变了 —— 「 未来应用，由用户定义 」。 从「 让机器人服务家庭 」到「 让用户定义机器人 」，这不是一次突然的转向，它更像是科沃斯内部一条藏了十几年的暗线，在 2026 年的夏天，终于浮出水面。 过去二十多年，这家公司最为人熟知的产品，长期聚焦于单一功能场景。 不少行业观察者此前都未曾预料，这家在地面清洁赛道深耕多年的企业，在具身智能赛道会以全栈开源为新的业务延伸方向，将能力边界从标准化功能型硬件产品，开放至具身智能生态服务领域。 但回头来看，这条「暗线」其实早已埋下。 2012 年，科沃斯就开始尝试回答：除了清扫地面，机器人还能在人的生活里承担哪些角色。那一年，科沃斯推出家庭服务机器人「亲宝」，并把它定位为机器人管家。 2016 年，钱东奇亲自向外界展示了管家机器人 UNIBOT 。它又进了一步 —— 采用模块化设计，可以利用同一个底座搭载不同功能模块， 去响应不同的家庭服务诉求。 十年后，以大语言模型和具身智能为代表的新一代 AI 技术，正从认知与物理两个维度重塑机器人的能力边界。科沃斯再次回到「机器人管家」这个命题时，却将「八界」定义为一台开源机器人底座。 看似收敛的答案，反而潜藏着一个更大的谜团。 一家做了 14 年「管家」梦的公司，为什么不再出厂时就打造一个完全自动化、智能化的「管家」？ 一家靠极强产品定义能力成功的硬件玩家， 为什么现在反而愿意主动让渡应用定义权？ 重谈「管家」，「大佬」拒做堂吉柯德 早在 2016 年，科沃斯首次公开提出「 工具 ‑ 管家 ‑ 伴侣 」三阶演进路线。十年后再看，它几乎精确地预判了家庭机器人从 功能执行 到 场景理解 再到 情感交互 的完整路径。 2026 年世界机器人大会上， 钱东奇在演讲时再次提及人机关系演化路径。 十年里，科沃斯的「工具」线高歌猛进，正如钱东奇在大会上所言，完全可以创造价值的自回归。所谓 自回归 ，就是产生了商业价值，有现金流回来，有利润回来。从扫地机器人、擦窗机器人，到割草机器人、泳池机器人，以至于到商用清洁机器人，都验证了商业价值的正循环。 但在「管家」这条线上，尽管几乎每隔一两年就会推出迭代产品，钱东奇也坦言，并未真正形成价值闭环。 行业也不乏尝试打造全能管家机器人的先驱，但囿于传统的深度学习的「死穴」，最终幸存者寥寥。 钱东奇说，做管家机器人不能靠「算命」， 应该跟工具机器人一样，需要持续的技术沉淀和应用积累。 而大语言模型爆发，将机器人的思考能力往前推了一大步 —— 能够理解复杂的人类指令，并把它们拆解成一系列任务步骤。 但 从「听懂」到在物理世界「做到」，还需要类似「小脑」的支配 。直到今天，我们都没有解决这个事情，无论是哪一家的机器人，都没有解决。包括八界，钱东奇坦言，依然面临同样挑战。 现在，行业把问题的解决寄托于「物理 AI 」，期盼它能像大语言模型一样，在物理世界涌现出「大力出奇迹」的 Scaling law 。但钱东奇对此保持谨慎。早年求学于南京大学物理与哲学专业的经历，塑造了他用物理学的研究方式独立思考的习惯。 没有证据证明 Scaling law 可以泛化到语言。他说，大语言模型之所以成功，是因为语言本身就是人类知识载体。通过分词、向量化和大规模训练，人类智慧被迁移到了计算机中，并产生了 Scaling law 。 但物理世界并不一定遵循同样规律 。 如果 Scaling law 不成立，那就意味着这个智能不可泛化，不可泛化它就没有办法在各种场景产生价值。 钱东奇最终没有加入这场「堂吉柯德」式「群聊」，而是踏上了另一个方向。基于十多年家用机器人经验，他提出一个变通的方案： 「 碳硅协同 」。 这条路不像纯「物理 AI 」那样心里没底，他相信这条路是通的。 「碳硅协同」： 人类「补位」机器人的关键一环 当前，机器人硬件能力已取得显著进步，但在认知层面，仍难以像人类那样自然理解并应对复杂多变的非结构化家庭环境。 人类在生命早期通过大量的感知探索和试错，学会了识别物体、调整力度、适应不同的环境 —— 这种「 先学习、后泛化 」的能力，是当前机器人尚未跨越的门槛。引入人类的认知系统对机器人进行「补位」（即「碳硅协同」），是释放硬件潜能、提升跨场景泛化能力的一条重要路径。也让「 用户定义机器人 」这一方向，成为一个值得持续探索的解法。 2026 年世界机器人大会上， 钱东奇提到「人机协同闭环」。 在科沃斯的构想中，这条路不是让用户从零造一台机器人，而是由厂商搭好底层架构和技术底座，便于人机交互协作，让机器人能在使用中持续进化。 AI 时代，进化不再只靠堆数据，也需要具备人机协同的系统 。 这个系统的运作方式是这样的：机器人进入场景、了解场景、学习场景，通过便捷的人机交互实现自主学习，生成新的 Skill ，再经过 SDK 的持续封装，将新能力沉淀为机器人的一部分。 当一个机器人学会一项新能力，这份能力就变成所有机器人的能力。而它回到场景中后，又会带着新能力继续观察、继续学习、继续迭代。 这就是 人机协同闭环 的意义 —— 每一次人机交互，都会变成所有机器人的能力。这也是科沃斯正在构建的普惠生态：让用户和机器人一起，持续定义具身智能的未来。 围绕这一构想，钱东奇提出了机器人能力构建的 三层基础架构 。 第一层，封装机器人的基础原子能力； 第二层，基于原子能力形成动作集； 第三层，通过人与机器人的持续互动，在动作集之上沉淀出价值集； 三层逐级递进，形成从能力到行动再到价值的完整闭环。 多层架构 + 全栈开源：「八界」开启新路径 现在，这些构想正在走向落地 —— 作为该路线的初代载体，「八界」摒弃了「出厂即完全体」的封闭形态，转而通过软硬解耦与多层协同，构建了一个 具备持续进化能力的开放架构 。 本体与接口层 ： 基于科沃斯在家用导航、感知等领域的技术沉淀，将底盘移动、物体 6D 位姿计算、机械臂与夹爪控制等 45 项能力 封装为 API ，供开发者像搭积木般灵活调用、自由组合，重构出复杂的长序列执行动作。 本体能力概览 开源能力 中枢调度层（ Agent ） ： 依托海量真实家庭场景积累的 Know-how ，作为核心枢纽，将人类下达的开放性复杂任务精准拆解为可执行的动作序列。 云混合「大脑」 ： 云端大模型负责复杂环境认知与任务推理，端侧模型进行轻量化推理，再交由执行层的底层算法操作。 相对应地，「八界」也构建了阶梯式的全栈开源生态，打破了由厂商单向定义产品的传统边界。 面向 开发者 ，可通过 API 直接调用这些如同代码积木般的能力，围绕真实痛点开发全新的机器人 Skill ，覆盖长尾应用。 面向极客与科研圈 ， 开放的底层系统环境， 支持 Linux 和 ROS 2 ， Python 和 C++ 双语言，为算法验证和具身智能研究提供物理平台。 软硬件接口的开放只是第一步。「八界」同步构建了 一整套开源生态 ，让开发者不必从零起步。 线上，八界开源社区 ( ww