21世纪经济报道记者石恩泽深圳报道

当大批机器人公司还在“先做人形、再找应用”的热潮中摸索时，此前深耕家庭清洁领域的云鲸智能，近日正式官宣进军具身智能领域。

这引发业界高度关注。云鲸此刻选择进入具身智能这场“烧钱的长期游戏”，是追风口，还是一盘新棋？

与云鲸创始人兼CEO张峻彬的对话持续了一个多小时。他表示，目前，云鲸的估值已经超百亿元人民币。

张峻彬说，当前扫地机器人仅是清洁智能化的“iPod阶段”，而具备三维空间认知与自主决策能力的家庭具身智能体，才是行业的“iPhone时刻”。

避免“花架子”技术，只做清洁和收纳

《21世纪》：为什么云鲸要在今年宣布进军具身智能？

张峻彬：我认为，当前扫地机器人仅是清洁智能化的“iPod阶段”，而具备三维空间认知与自主决策能力的家庭具身智能体，才是行业的“iPhone时刻”。今年我们内部判断，家庭清洁革命正站在历史性跨越的临界点。

因此，我们趁着对外宣布完成1亿美金融资的时点，正式宣布云鲸进军具身智能赛道。

《21世纪》：宣布进军具身智能后，外界对公司估值有出现什么变化吗？

张峻彬：目前，云鲸的估值已经超百亿元人民币。

《21世纪》：判断“iPhone时刻”到来的核心指标是什么？

张峻彬：我觉得核心是上量。我们内部认为，云鲸已具备了在具身智能赛道里量产化的实力。

《21世纪》：多大的“量”才算得上“上量”？

张峻彬：我觉得至少年销售量要在10万台以上。如果一年只卖个几千台，那说明还有很大的提升空间，这才导致用户购买意愿不足。

《21世纪》：“iPhone时刻”还代表着一种“颠覆性”，云鲸具身产品的颠覆性体现在哪里？

张峻彬：云鲸本身对技术没有太强的执念，我们更多是围绕“用户要什么？用户愿不愿意花钱买这个功能？愿意花多少钱去买？”这三个核心逻辑来推进产品设计。

在功能上，我们不会面面俱到，我们不会去做护理、炒菜等功能，而是集中发力于收纳和清洁。这两块刚好也是家庭场景里的刚需。另外，在形态上，我们不会去追求双足形态，但我们会有机械臂。

《21世纪》：那具身产品跟现有扫地机产品的关系是怎么样的？

张峻彬：这两个实际上已经不是一个产品系列了，应该要把它分开来看。扫地机只有清洁功能，但具身产品会是一个更复合型的产品，解决的不是单一场景的问题，而要能自主根据不同场景切换不同模式。

《21世纪》：除了产品形态和功能，具身清洁跟家电清洁有什么本质区别？

张峻彬：家电清洁更偏手动。像是洗地机是半自动，吸尘器也是半自动，扫地机器人清洁是属于地面清洁的全自动，而未来具身清洁是真正的全自动。例如，你跟机器人说：“把客厅收拾好”。它除了把东西放好之后，还会帮你把地面、桌面擦干净，这叫全自动。

此外，家电未来应该是配合机器人。例如，让具身产品去完成“洗衣服”这个动作，具身产品承担的工作是把衣服扔进洗衣机里面去洗，衣服洗好了以后，再把衣服拿出来晾或者拿出来折叠。这些原本属于我们人的工具，也将成为机器人未来的工具。

消费级企业，成本管控是核心优势

《21世纪》：对比其他具身智能公司，云鲸认为自己的优势在哪里？

张峻彬：首先，云鲸在成本管控上有非常丰富的经验。要知道，扫地机作为一个消费级产品，消费者对于定价是非常敏感的，因此过去我们在供应链整合上下了大功夫。而云鲸未来的具身产品将与现有扫地机器人在多个硬件模块上实现零部件共用。例如动力部件、传动结构、电池系统等，均可延续既有供应链体系，从而大幅降低开发和制造成本。这也意味着当扫地机的量上来之后，具身产品的成本会大幅下降。这是其他刚进入该领域的新兴公司难以企及的优势。

其次，在技术上，云鲸近3年陆续布局了AI双目视觉、机械臂、人机交互、AI模型等技术板块。而这些技术积累后续也将复用到具身产品里，这将让云鲸少走很多弯路。

《21世纪》：在场景方面，很多具身智能公司都把家庭作为场景里的最后一步。因为家庭场景对机器人的泛化性要求很高，云鲸为什么一上来就敢直接做家庭？

张峻彬：过去云鲸通过长期投入双目视觉技术，在家庭场景里积累了丰富的模型经验。例如，我们今年最新发布的产品逍遥002，对家庭常见障碍物的识别能力已经提升到200种以上了。又比如像电线（线材）的识别率，我们已经提升到了95%以上，而最好的大模型的识别率也只有50%。

而其他具身公司由于不熟悉家庭场景，外加家庭场景对机器人泛化性要求高，所以只能先选进入更加标准化的工业场景。可以说，云鲸在家庭AI模型训练上已经构建起一个天然壁垒。

此外，现在有不少具身智能公司，先做出一个人形，再来找场景，这个实际上不是在以用户导向出发做产品，已经有点本末倒置了。而云鲸坚持以产品为导向、以场景为支撑的理念，来进行产品设计，因此我们非常理解用户在家庭场景里的真实需求，这也是为什么我们“不颠勺子”，只聚焦于清洁和收纳。

《21世纪》：有什么技术是云鲸一定不会去做的？

张峻彬：首先大模型我们不会做，因为它所需要的显卡数量、训练时间、人才密度都很高，所以未来我们更多是用开源的大模型。但是大模型以下的垂类模型，例如，运动控制模型、不同任务的模型，我们都会自己做。同时，这些也是我们更擅长的，因为这里面的信息和数据，我们都在日常研发中打磨好了。

此外，像是触觉感知等新技术，我们会视情况而定，如果从外面买太贵了，我们就想办法自研，要知道做消费级产品的企业，对价格都很敏感，最后都是这样一分钱一分钱省出来的。