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。

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 ( www.ecovacs-tech.com )已同步上线，文档、代码、工具一应俱全，开发者可以即取即用。

线下，八界开源智创空间已在苏州落地。空间规划了八大功能分区，包括机器人训练区、硬件改造区、OPC 独立办公区、孵化对接区、路演区、共享工位区、交流洽谈区、成果展示区，全链路赋能开发者。

至此，我们也能解开文章开篇留下的那个谜团：为什么一家靠强产品定义能力成功的硬件巨头，如今却愿意主动让出「应用定义权」？

表面上看，是在交出产品的定义权。但实质上是一场通往更深层目标的战略选择——在具身智能应用场景仍处于探索的当下，跑通一个能让开发者低成本参与、持续迭代的开源底座，比独自定义「终极形态」更具有落地意义

谁能提供扎实、便宜又易用的底座，谁能聚集更活跃的开发者生态，谁就更有机会率先将创新转化为真实家庭里的生产力。

这是一场关于「率先验证可能性」的赛跑，而不是胜负已定的争夺。

穿越隧道

钱东奇说，今天做类人或人形机器人的体验，和科沃斯最早做扫地机器人时是一样的——大家都在面对技术突破和高昂成本的两座大山。

回望扫地机器人的市场初期，一颗激光导航（ LDS ）的 CMOS 芯片曾高达 300 多块人民币。现在一个完整的 LDS 模组也才三十几元。

成本的巨大下降，依赖的是规模化。规模的形成，又依赖于初代产品能够创造真实需求，让产业链看到确定性的市场机会。

因此，具身智能机器人注定要经历阵痛和爬坡，钱东奇将这一过程形容为「穿越隧道」。他指出，「八界」还需要打磨一到两代产品。至于真正走进家庭的节点，乐观来看大约需要 3 年，悲观来看则需 5 年。

好在对于如何穿越隧道，科沃斯已有足够的经验和韧性。

「地宝」自 2000 年起步，历经近十年才真正叩开寻常百姓家的大门；2011 年面世的「窗宝」，今年方才迎来爆发。每开创一个新品类，都经历了从打磨到先锋用户尝试，到产品成熟，市场接受的漫长闭环。「八界」，也不例外。

至于它所探索的开放模式，是否会成为未来家庭机器人的主流方向？钱东奇的回答很坦诚：这取决于科沃斯在这里能不能成功。如果我们成功了，那它就是方向