对话唐沐：为什么所有的机器人，都不穿衣服？

人物 具身智能 餐饮机器人

一个被马化腾和雷军“折磨”了 20 年的产品经理

历史总是如此相似，新技术到来时，我们总把 技术当主角 ，把 场景当空气 。

—— 摘自对话唐沐采访

2026 年的具身智能，喧嚣与尴尬并存。

机器人参加马拉松、跳舞、空翻、打太极，投资人鼓掌欢呼然后出手，视频疯传，估值和股价蹭蹭往上涨。

但若问一句：这东西到底能干嘛？似乎只能交给未来回答。

4G 商用元年时最大的噱头是下载电影只要几秒钟。

但后来发现，快是最没用的东西。

4G 真正的价值是开启了移动互联网时代，这里长出了移动支付、短视频、直播带货、打车外卖的整个生态。

没有这些场景，再快也只是个参数。

具身智能的“移动互联网”时时刻到底是什么呢？

唐沐在腾讯十年，做了最早的 QQ 头像、上线提示音，让几亿人觉得“这东西好看、好用、我想用”。

QQ头像设计

小米六年做了小爱音箱、小米路由器，管过供应链，跑过工厂。2017 年他在小米做 VR，亲眼看着一百万台设备卖出去又凉掉——你明明做出了好东西，用户却没地方用。

2022 年他成立影智科技，All in 餐饮机器人。不追风口、不搞人形，做的是咖啡机器人。这赛道听起来一点都不酷，但四年后，他的设备在全球 100 多个城市铺了 1000 多台，做了 400 万杯咖啡，年营收破亿。

别人在发布会上让机器人跳舞，他在柜台里让机器人做咖啡。

别人讲通用人工智能的星辰大海，他在算一台机器几个月能回本。这个故事，不只是技术有多牛，而是XBOT 用最质朴的办法，

回答最基础的问题：机器人，到底能用来干什么。

本文看点

01

VR 的教训

02

跳舞与算账

03

场景驱动法则

01

THE VR LESSON

VR 的教训

唐沐对硬件有一套基本分类：内容型硬件和工具型硬件。

2017 年小米 VR 卖出超 100 万台，但全球内容生态凋零，几十万美元买断几乎所有优质内容，只撑了小半年。“

内容跟不上，生态就起不来。”内容型硬件的生死不取决于自身参数，而取决于内容生态是否繁荣。

Switch 性能远逊于 PlayStation 和 Xbox，却靠《塞尔达传说》《动物森友会》这样的独占内容胜出。

索尼和微软硬件再强，也要靠《战神》《光环》拉动销量。游戏主机的战争，从来不是硬件参数的战争，而是内容生态的战争。

唐沐认为工具型依赖效率。咖啡机器人只需稳定高效出品，它的价值取决于一个简单指标：ROI。「提升效率、省钱、赚钱，三者满足其一即可。」

新技术的商业化，除了技术的迭代，商业化的应用同样关键。否则很容易把机器人做成另一个 VR。

「机器人行业缺的不是更强大的技术，而是真正能落地的场景。」

02

STAGE VS LEDGER

有人“跳舞”，有人算账

具身智能有两种叙事。一种在聚光灯下：人形机器人跳舞、空翻，资本涌入。另一种在实际的业务场景里解决问题。前者属于大多数人，后者属于唐沐。

唐沐的评价很直接：“还在表演阶段。大多数产品只是写死的脚本，大模型和具身本体还没真正连在一起。”理想汽车创始人李想也曾说过：“具身智能的最优解，不是人形机器人，而是解决真实场景高频刚需的适应性机器人。”

聚光灯下

人形机器人跳舞、空翻，资本涌入。写死的脚本演示，大模型与本体尚未真正连通。

真实场景

在柜台后稳定出杯，穿工装、断网也能作业。ROI 是唯一入场标准。

随着行业越来越热闹，唐沐开始注意到一些同行永远不会发现的问题：

“为什么你们的机器人都不穿衣服？”

这不是段子。他的设备已在全国运行超 1000 台，知道在食品安全监管下，裸露机械关节意味着清洗死角、大肠杆菌温床。

影智是目前唯一拿到全国全品类食品经营许可证的机器人公司。“这些东西没真正进入大家身边，所以他们都没想到。我们卖了 1000 多台，知道这是必然的。”

他给 XBOTX1 穿上专用工装，限定在餐饮柜台后工作。

它不是马斯克想象中走进千家万户的通用机器人，而是固定工位上做咖啡、煮面的专业工人。

唐沐思考的原点，不是技术能做什么，而是生意算不算得过来账。

100+

覆盖城市

1000+

运行设备（台）

400万

出杯（杯）

21.9万

单台咖啡机器人（元）

8-12月

回本周期

算法很简单：一台咖啡机器人 21.9 万元，传统咖啡店需 5 人，机器人方案 1 人管 5 店，8 到 12 个月回本。

2025年影智XBOT营收破亿，

2026年，年中发布会后，合作纷至沓来，目前手握订单预计3到5亿。

商家要赚钱的前提是消费者乐意。中国人讲究锅气和烟火气，总觉得有人现场操作，这杯东西才更有价值。

唐沐的策略是B端算账，C端给情绪：

机械臂拉花、AIGC焦焦糖印花、上百种种口味冰淇淋组合。

机器内置AI店长识别人脸、记住偏好、预测杯量、根据天气建议打折。

「取悦 B 端靠 ROI，取悦 C 端靠情绪价值。」

03

SCENE-DRIVEN

一个产品经理的“场景驱动法则”

采访时唐沐调侃自己是“被马化腾和雷军分别折磨了 10 年的产品经理”。所以更理解：产品是在场景里磨出来的。

唐沐的产品脉络

腾讯十年

做最早的 QQ 头像、上线提示音，让几亿人觉得“好看、好用、我想用”。

小米六年

做小爱音箱、小米路由器，管过供应链、跑过工厂；2017 年做 VR，见证百万台凉掉。

2022 影智科技

All in 餐饮机器人，不追风口、不搞人形，做最朴素的咖啡机器人。

唐沐认为产品不是在图纸上设计出来的，是在真实场景里磨出来的。科技和美学并重，质量、成本、交付是底座，一切最终在场景里验证。验证标准：B 端算得过账，C 端感受得到价值。

唐沐在2003年深圳华强北-赛格科技园-腾讯工作照

“先有场景，再定义产品”，这是他的底层信条。场景选择也需要判断力：为什么选餐饮？高频刚需、劳动力密集、标准化需求迫切。“不走好脚下的路，只考虑大的未来，会翻大跟头。”

唐沐用“务实”概括公司底色。他的产品拿遍国际设计大奖，但聊到深处，不断回到回本周期、ROI、食安许可证这些最朴素的词。

当同行追逐“通用人工智能”，他选择餐饮柜台后两平米；当别人展示机器人跳舞，他在算几个月回本；当行业讨论“人形”的技术可能，他追问机器人为什么没穿衣服。

「具身智能的核心是解决问题，不是像人一样。别跟机器人比武，要让机器人干活。」

THE END

让机器人“好好干活”

回到开篇的问题：2026 年，机器人究竟能在哪里真正用起来？

唐沐的答案不在发布会 PPT 里，而在那 1000 多台正在全球运行的设备中。

它们没有腿，不会空翻，穿着工装，站在柜台后面，每天稳定出杯，8 到 12 个月回本。不性感，但在干活。

这让人想起他职业生涯的起点。

在腾讯做 QQ 头像，在小米做小爱音箱，他做的从来不是技术最复杂的产品，而是使用频率最高、情感连接最深的产品。

今天做咖啡机器人，同样的逻辑再次上演：不做最像人的机器人，只做最能干活的机器人。

「人工智能批量量产白领，具身智能将批量量产蓝领。」

当泡沫散去，那些真正在场景里扛起担子的机器人，才是这个行业最终留下来的东西。

「别跟机器人掰腕子，要让机器人好好干活。」

我是晓样，希望和你一起发现宇宙的有趣。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。