穹彻智能秦成称具身行业进入新周期都在戳泡泡

·“当前具身智能行业仍处在早期验证阶段，真正重要的是，机器人能否不依赖遥操，在物理环境中执行真实任务，能否做到完整的自主感知、规划和运行。”在日前于澳门举行的BEYOND Expo 2026期间，穹彻智能执行总裁秦成谈及行业现状时，给出了这样一个判断。

穹彻智能落地夜间智慧药房场景 来源：穹彻智能公众账号

上海穹彻智能科技有限公司是国内具身智能领域的明星公司。其创始人、上海交通大学人工智能学院副院长卢策吾教授，曾在2024年发表的《具身智能 | CCF专家谈术语》一文中，为具身智能给出了明确定义。同年11月，穹彻智能正式成立，专注于具身智能大脑、系统及相关工具与平台的研发。外界对这家公司最初的印象，或许还停留在2024年6月那个机器人“刮胡子”的Demo上。与跑跳、翻跟头这些视觉效果炫酷的动作相比，刮胡子算不上引人注目，但它背后涉及的是高精度力控、末端执行和接触安全等一系列复杂能力的集成。

今年年初，穹彻智能推出了口袋机采集设备RoboPocket，试图通过更低成本、更灵活的“社会化采集”方式，获取真实物理世界的数据。而近期，其首家智能药房也开始试运营，让机器人在真实门店里完成接单、取药、扫码、打包等一系列流程，从“炫技”迈向了“实干”。

在这次采访中，秦成向我们解释了这家聚焦具身智能大脑的公司究竟在做什么——从“刮胡子”到落地药房“值夜班”，穹彻智能试图把通用抓取、力控、末端执行和数据闭环这些关键技术，放到真实场景中去验证。

秦成认为，眼下具身智能行业正在进入一个“戳泡泡”的阶段。此前由于信息差的存在，大众和部分投资人对具身智能、机器人能力的认知并不充分，而现在，大家的态度已经变得更加审慎。

在他看来，判断一家所谓“具身智能大脑”公司是否真的具备模型能力，不能只看Demo和估值，而要看更底层的投入：在算力上花了多少钱；团队里是否有足够密度的顶尖机器人和AI人才；是不是有足够的真实世界数据采集量。

以下是澎湃科技与秦成的对话：

从“刮胡子”到药房：具身大脑走向真实场景

澎湃科技：为什么选择落地深夜药房场景？

秦成：药房本身是一个非常复杂的真实场景——一个不到二十平方米的小药房，里面可能有3000个SKU（库存单位）。我们选择药房落地，与穹彻智能整个技术体系的演进路径有关。

两年前，团队和卢策吾教授发布了通用抓取能力，并把它进一步沉淀为大脑模型中的一项通用技能。随着这项能力从科研进入工程化，再走向正式商业化，药房就成为一个比较自然的落地场景。

真正进入药房之前，我们做了大量测试，也搭建了一个约70平方米的模拟环境。但到了真实场景中，复杂程度仍然超出了预期。比如传统药房货架可能有两米高，底部也有很低的位置，如果机器人不能升降，就很难完成从高处到低处的取货任务。所以我们不是拿着一个既有硬件形态去硬套场景，而是围绕零售场景本身来设计产品。升降能力就是其中的一个重要考量。

此外，我们不需要对门店做大规模改造。打包机加上机器人，大约只需要2.5平方米，所以我们称之为“2.5平方米嵌入式”方案。它的特点是不干扰门店原有营业，同时属于嵌入式部署，只需要微改造，甚至可以不改造。

我们从一开始就不认为，机器人只要叠加一个“大脑”，就能轻松地在物理世界里落地干活。真实场景落地是一件非常复杂的事，遇到问题怎么办？只能死磕。现在每天早上9点，卢策吾教授都会和我一起看运营数据：前一天机器人运行了多少小时，接单率、订单量、成功率怎么样，出现的问题是工程问题、硬件问题，还是算法问题。

目前，药房场景的在手订单已经比较多。接下来更重要的是，如何把这个过程沉淀成SOP（标准化操作流程），并在此基础上实现规模化。

穹彻智能的数采设备 来源：穹彻智能微信公众账号

澎湃科技：目前落地沈阳已经跑通了吗？药房的投资回报周期是怎样的？

秦成：我们现在已经完成三家店的部署。在这个阶段，相对投资回报，我们更多考虑的是能不能跑稳，能不能履单成功——这是最重要的。如果一天运行10个小时，只跑2个小时就宕机，那也没用。

澎湃科技：从形态来看，你们落地药房的并非典型双足人形机器人，而是轮式移动操作机器人，为什么？

秦成：为什么一定要人形？只要能真实干活就好。我们没有执着于做人形，而是看这个形态能不能在真实场景里解决问题。我们的机器人会先基于门店做空间建模，然后根据订单信息自己移动到对应货架前。取高处货品时，升降柱会升起来，可以取到2.1米左右高度的货架。

“大脑”会控制机器人进行末端快换。比如接下来要取的是玻璃瓶装药水，它会切换到对应的末端执行器，把药品夹取下来，再完成扫码。所有药品取完后，机器人会把药带到门口的打包机处。这是一个完整的场景闭环。

澎湃科技：现在不少具身智能公司都在讲进工厂，为什么你们没有优先选择工业场景？

秦成：从工业场景来看，数据获取相对更难。汽车、工程机械等行业都有各自的工艺流程，行业之间差异很大。更重要的是成本可行性、技术可行性、稳定可靠性和商业价值之间的平衡。所以对创业公司来说，现阶段还是要聚焦。我们希望先聚焦一个行业，把一个行业做深、做大，之后再考虑这个行业与其他行业之间的相似性和关联性。

错误数据和纠偏数据，对机器人未来的泛化能力很重要

澎湃科技：你们推出了口袋机采（RoboPocket），让普通人在家里就能收集数据，这样的方案相比传统工厂采集数据的优势在哪里？

秦成：相对比较简单，可以理解为一套左右手采集装置，末端带有夹爪，上面会搭载iPhone。真正更关键的并不是硬件本身，而是我们在每台iPhone上有一个 App。这个App相当于一位“采集导师”或数据采集指挥中心，可以向采集者下发任务，指导采集过程。任务完成后，数据会回传到我们自己的数据采集流程里，标注师可以在数据管理平台上进行加注等操作，也可以对数据质量进行分析。由于大规模人员在真实场景采集数据，我们更愿意把这种方式称为“社会化采集”。

它的优势在于更灵活，也更容易带到不同场景中。设备方便采集者携带到酒店、餐饮等不同场景，可以一边完成真实操作，一边采集数据。这样既降低了数据采集成本，也让数据来源更灵活。

澎湃科技：你们也投资了一家数据公司智域基石，对你们来说，现阶段最缺的是哪一类数据？

秦成：我们合作更多偏向于生态型合作，他们会补齐一些真实场景数据。从目前行业发展来看，机器人模型训练需要大量真实场景中的数据。我并不认为现在的数据量已经足够，这可能在未来一年内都是行业共同面对的问题。

无论进入什么场景，最重要的第一点是要有足够的数据去“喂”模型。而且训练不是简单采集一次标准动作，很多时候还需要错误过程、纠偏过程的数据，这些数据都很重要。有一个经典的例子：人在厨房切西蓝花，如果西蓝花掉在地上，你会怎么做？你会把它捡起来，用水冲一冲，然后继续切。但如果机器人训练时没有见过这样的数据，只见过“正常切西蓝花”的过程，那么下一次它遇到西蓝花掉在地上，就不一定能推理出来该怎么处理，因为它没有见过这样的过程。如果我们有这种真实场景中的数据，就更接近人真实干活的状态。错误数据和纠偏数据，对机器人未来的泛化能力非常重要。

Demo热之后：大脑公司如何证明自己

澎湃科技：对一家做“大脑”的公司来说，现在大脑的智能化程度有多高？

秦成：模型这件事目前最难的点是没有办法证明。行业确实喧嚣，到处在说谁的估值高，谁的模型厉害，这种逻辑确实也存在，但正确与否就不评判了。最终，还是要看落地在真实场景里能不能干活。大家一直讨论具身智能到了哪个阶段，争论这些完全没有意义。

澎湃科技：很多人说具身智能正在迎来自己的“iPhone时刻”，你认为距离真正像PC、手机那样的爆发节点还有多远？中间最大的断层在哪里？

秦成：现在还在很早期阶段，整个具身智能行业也处于验证期。手机在进入智能机时代之前，已经有硬件基础和用户习惯，每个人都拥有手机，只是从传统手机变成智能手机。但机器人不一样，过去并没有机器人生活在我们周围。所以，如果只是交付机器人本体，也许这个说法成立；但如果说要交付一个在真实场景里能够干活、有价值、能批量运行的机器人，那个时刻远没有到来。现在行业进入一个新的周期，这一个月大家的体感都在“戳泡泡”——现在一家公司对外发Demo，大家已经开始思考：是不是在遥操？是不是真的能做到？之前存在信息差，大众没有认知。