近日，闪梭科技宣布完成3500万A轮融资。

　　当资本和创业者纷纷涌向人形机器人与通用具身智能时，闪梭科技选择了一条看起来没有那么性感，却更接近现实商业化的路线：从割草、料理等具体场景入手，研发能够直接承担现实劳动的专业化机器人。

　　围绕机器人产业的技术路线、AI进入物理世界的方式、海外市场商业化以及真实场景数据的积累，笔者专访了闪梭科技负责人胡戴岳先生(Jonas Hu)。

　　Jonas认为，机器人行业不应该把“做得像人”当成唯一终点。未来，人形机器人或许会成为家庭和企业的智能中枢，但大量具体工作，依然需要由专业化工具完成。

　　“AI不应该只帮助人类完成更多工作，它还应该帮助人类少做一些工作。”

　　以下为采访实录整理。

　　问：闪梭科技刚刚完成3500万A轮融资。目前资本市场关注的重点主要是人形机器人和具身智能，为什么你们选择从专业化、场景型机器人切入?

　　Jonas：严格来说，只要一个机器人能够感知并作用于物理世界，它就具有一定程度的“具身性”。

　　所以我们真正讨论的，并不是要不要做具身智能，而是机器人是不是一定要长得像人，是不是一定要先追求一个可以完成所有任务的通用形态。

　　我们的判断是：至少在现阶段，人形并不是机器人商业化的唯一答案，至少未必是最快的答案。

　　第一个原因，是软件智能和硬件能力的发展速度并不一致。

　　大模型在过去几年里的进步非常快。今天的AI已经能够理解语言、分析问题、规划任务，甚至在很多知识型工作中达到很高的水平。某种程度上，机器人的“大脑”已经迅速成熟。

　　但是，机器人的身体并没有以同样的速度进化，硬件的发展不受摩尔定律影响。

　　以灵巧手为例，人类觉得很自然的抓取、旋转、用力和手眼协调，对机器人来说仍然非常复杂。大模型可以在几秒钟内理解一道题，却未必能稳定地拿起一只形状不规则、表面湿滑的杯子。

　　人类从出生开始，就在持续训练身体控制能力。我们通过无数次摔倒、触碰和尝试，逐渐建立对物理世界的理解。但机器人缺少这种长期积累。它可能拥有一个非常强大的“大脑”，却还没有一副同样成熟的身体。

　　这意味着，AI的软件能力已经进入快速迭代阶段，但复杂机械结构、材料、电机、关节、传动和能源系统，依然受到真实物理条件的限制。它们不会因为模型参数增加，就立刻发生数量级的突破。

　　第二个原因，是现实生活中的很多需求已经不能等。

　　我们看到，AI已经在改变大量知识型工作，但一个很有意思的现象是：人的生活并没有因此明显变得轻松。

　　过去一个人工作十个小时，现在有了AI，可能还是工作十个小时，只是这十个小时内完成了过去十个人的工作量。技术提高了单位时间的产出，却没有自动把时间还给人。

　　如果AI最终只是让每个人工作得更快、承担得更多，那么它可能会变成一个效率更高的“上司”，而不是帮助人类获得自由的工具。

　　我们更关心的是，AI能不能真正进入生活，帮人洗衣、做饭、割草、清理庭院，承担那些重复、繁琐，却又无法被忽略的劳动。

　　AI的价值不应该只体现在电脑屏幕里。它不仅应该提高生产效率，也应该减少人类必须亲自完成的劳动。

　　第三个原因，是通用机器人和商业化产品之间，还隔着很长的距离。

　　通用人形机器人的优势，是理论上可以进入不同场景。但从商业角度看，“什么都能做”有时也意味着暂时还没有哪一件事做到了不可替代。

　　一家企业购买机器人，不会因为它代表未来就持续付费。企业真正关心的是：它今天能不能解决一个具体问题，节省多少人工，降低多少成本，提高多少效率。

　　所以我们选择先把问题缩小。

　　不先讨论机器人最终能不能像人一样生活，而是先讨论它能不能把一块草坪割好，能不能把一道菜稳定地做出来，能不能在一个确定环境中持续运行。

　　机器人商业化的起点，不应该是展示它拥有多少能力，而应该是证明它解决了什么问题。

　　问：如果未来人形机器人真正成熟，专业化机器人的价值会不会被削弱?

　　Jonas：我认为不会。两者不是替代关系，而是会长期共存。

　　未来的人形机器人，可能更像一个家庭或企业里的“智能管家”。它能够理解人的需求，拆解任务，调用设备，并协调不同系统。

　　但理解任务和完成任务，是两件不同的事。

　　比如要挖一个坑，一个人可以拿勺子挖，也可以驾驶挖掘机完成。人拥有手脚，并不意味着人的身体就是完成所有工作的最高效工具。

　　同样，拥有一台通用机器人，也不等于拥有了一台智能挖掘机、一台割草机、一套料理设备或者一套工业清洁系统。

　　具身智能可以成为中枢，但它仍然需要工具。

　　所以，闪梭科技希望成为未来机器人生态中的“工具制造者”。我们不一定制造那个负责发号施令的管家，但我们希望制造真正能够把事情完成的设备。

　　从工程角度看，机器人的身体结构也不是越接近人、越复杂就越好。

　　给一个两足机器人再增加两条腿，并不意味着它一定跑得更快。增加关节、自由度和机械结构，往往也意味着增加控制难度、能源消耗、故障概率和制造成本。

　　什么样的身体最好，取决于它要完成什么任务。

　　在平坦、规则的道路上，轮子往往比腿更稳定、更节能。人类拥有能够跨越复杂地形的双腿，但当我们需要走得更远、更快时，仍然会选择自行车和汽车。

　　因为工程的目的不是复制人的身体，而是寻找完成任务效率最高的结构。

　　我们并不反对人形机器人。我们反对的是，把“像人”误认为机器人行业唯一正确的答案。

　　问：闪梭科技目前主要布局哪些产品?

　　Jonas：目前我们重点聚焦两个方向：割草机器人和料理机器人。

　　这两类产品都已经完成了两代研发，并制作了相应的Demo，也进行了一些试点销售和市场验证。从目前得到的反馈来看，客户对于实用产品的需求大大超出我们的预期，基本上每次都是一上线就卖爆的状态。

　　表面上看，割草和料理是两个完全不同的行业，但它们背后的逻辑是相同的：让AI从屏幕进入物理世界。

　　过去一段时间，AI最先影响的是知识型和创造型岗位。因为这些工作的核心是信息处理、逻辑分析和内容生成，而这些恰恰是大模型擅长的能力。

　　但很多真正影响人们生活质量的工作，依然需要在现实世界中完成。

　　关上电脑以后，AI Agent就消失了。它可以帮你写一份菜谱，却不能把饭做出来;可以帮你规划庭院，却不能把草割掉;可以分析水管为什么漏水，却不能亲手完成维修。

　　所以未来的AI Agent不能只有数字世界中的入口，还必须拥有连接现实世界的触点。

　　这也是为什么我们关注厨师、园丁、水管工以及其他依赖实体操作的职业。不是因为这些职业不重要，恰恰是因为它们非常重要，而且长期被技术行业忽略。

　　过去的数字化主要改造了办公室，下一阶段的智能化需要开始改造厨房、庭院、工厂、仓库和施工现场。

　　问：为什么会选择料理机器人?中餐的复杂程度很高，真的适合机器人操作吗?

　　Jonas：中餐确实是世界上复杂度非常高的料理体系之一。

　　一道菜的结果，可能同时受到火候、温度、时间、食材重量、含水量、投料顺序、锅具状态等多个变量影响。过去，这些变量主要依靠厨师的经验来判断。

　　但经验并不意味着无法被拆解。

　　今天的中央厨房和食品工厂，实际上已经在通过自动化SOP，对重量、温度、时间和流程进行精确控制。只要一道菜能够被拆解成若干相对稳定的步骤，机器人就具备参与其中的可能。

　　人们经常讨论AI能不能创造一道新菜，但对大量餐饮企业而言，眼下更迫切的问题是：如何在厨师短缺、人工成本上涨的情况下，把同一道菜稳定地做一千次。

　　前者是技术想象力，后者才是现实需求。

　　问：割草机器人市场已经有不少先行企业。闪梭科技作为后来者，优势在哪里?

　　Jonas：作为后来者最大的优势当然就是后发优势，而且现在这个时间点一点也不晚，应该算是第一波all in 硬件智能体的企业。

　　先进入市场当然是一种优势，但后进入市场也意味着能够更清楚地看到，上一代产品没有解决什么问题。

　　割草机不等于割草机器人，这是产品底层思路的不同而不是技术代差。市面上很多电动割草机品牌已经完成出海，但我们观察到，很多产品仍然更像是面向科技爱好者的消费电子产品，而不是面向真正草坪维护者的生产力工具。

　　这里有一个用户错位的问题。

　　当下的电动割草机购买者可能生活在公寓，或者本身没有长期管理大面积草坪的经验。他们购买机器人，更多是出于对新技术的兴趣。

　　但真正高频使用割草设备的人，是独栋住宅业主、土地管理者、光伏电站和专业园艺服务公司。

　　如果产品主要被“不需要经常割草的人”讨论和购买，而真正需要割草的人仍然在使用传统老掉牙的割草设备，那么这个市场就还没有完成真正的产品验证。

　　现实场景对设备的要求，远比产品演示复杂。

　　例如，当下很多智能扫雪机器人很容易遇到低温续航衰减。一场雪还没有清理完，设备可能就需要返回充电，甚至中途充电两次。

　　割草机器人也一样。真实庭院里不只有草，还可能有落叶、粗树枝、泥土、坡度、石块和不规则边界。一根稍粗的树枝，就可能导致刀盘受损或者设备卡住。

　　充电也是一个经常被低估的问题。很多产品必须长期占用固定位置，有些甚至需要占用车库空间。对真实家庭和商业客户而言，设备怎么运输、怎么充电、怎么维护、怎么快速重新投入工作，都是产品的一部分。

　　因此，我们的产品理念一直是“Stick to something functional”。

　　一款设备看起来有多先进，并不重要。重要的是它能不能连续工作，能不能适应真实环境，发生问题后能不能快速恢复。

　　机器人产品最终不是在发布会上竞争，而是在草地、厨房、工厂和仓库里竞争。

　　问：你个人为什么会长期关注割草机器人?

　　Jonas：因为我自己就是这个产品最直接的目标用户。

　　经营公司之外，我在美国生活和投资房地产已经十多年。目前需要管理多套独立住宅和80多英亩土地，草坪维护一直是一个非常现实的问题。

　　尤其在美国夏季雨季，草生长得非常快，基本每周都需要修剪。这不是一个一年发生一两次的小问题，而是持续出现、必须处理的问题。

　　我购买和使用过很多不同价格区间的电动割草设备，也测试过市场上的主流产品。最后发现，在不少场景下，传统Ride-on Mower，也就是燃油骑乘式割草机，反而更加可靠。

　　在Home Depot、Costco等渠道，消费者用2000美元，就可以买到动力强、适应性较好的传统割草机。

　　那么用户为什么要花6000美元，购买一台续航更短、地形适应能力更弱，而且使用限制更多的智能设备?

　　消费者不会因为一款产品有智能化，就自动降低对实用性的要求。

　　智能产品首先必须是一款合格的产品，然后才是一款智能产品。如果连传统设备已经解决的问题都无法解决，再先进的算法也很难转化成长期价值。

　　我们做这款产品，不是先看到了一个热门赛道，再去寻找用户，而是我们本身已经被这个问题困扰了很多年。

　　问：闪梭科技的目标客户主要是谁，To C还是To B?

　　Jonas：To C市场当然存在。美国有大量独栋住宅业主，他们确实需要更高效的草坪维护工具。

　　但在现阶段，我们会更加重视To B市场。

　　很多中国创业者出海之前，自己都是互联网时代的从业者，有着强烈的路径依赖，习惯从消费互联网的思路出发，首先考虑如何触达大量个人用户。这与中国过去互联网和移动应用的快速发展有关。

　　但机器人和软件不同。机器人是一种重运营、重服务、重交付的产品。相比普通消费者，企业客户的需求通常更加明确，也更容易计算投入产出比。

　　目前我们重点关注两类客户：光伏产业企业和Landscaping，也就是专业园艺服务公司。

　　对于光伏企业来说，草坪维护是一项刚性需求。

　　很多光伏电站建在大面积土地上。如果植被生长过高，不仅会影响设备运行和维护，还可能带来安全问题。企业需要持续、高频地管理草地，但传统人工维护成本很高。

　　对这类客户而言，机器人不是一个“尝鲜产品”，而是一个能不能降低运营成本的问题。目前，我们的部分订单和合作也集中在这一类场景。

　　第二类客户是园艺服务公司。

　　美国很多园艺公司仍然依靠人工完成割草服务。员工驾驶车辆，携带手推式或骑乘式割草机，在不同客户之间往返。

　　这种模式的问题非常明显。首先，人工成本持续上涨;其次，管理者很难实时了解每一名员工的工作状态和服务质量;第三，大量时间消耗在路上，而不是实际作业中。

　　我们希望改变的，不只是割草设备，而是园艺公司的生产组织方式。

　　过去，一名员工一天可能只能割两块草坪，上午割一块，下午割草一块。未来，他的身份可以从“割草人员”转变为“机器人设备运营人员”。

　　例如，一名工作人员驾驶车辆携带十台机器人，到达客户区域后完成设备投放。机器人自主规划路线并执行任务，工作人员负责异常处理、回收和统一管理。

　　这样一来，员工不再需要亲自推动设备完成每一寸草坪，而是同时管理多台机器。单个人员的服务能力理论上可以提升数倍。

　　机器人真正创造价值的地方，不只是替代某一个人的动作，而是重新设计一套工作流程。

　　问：设备投放后，如何保证机器人能够稳定运行?

　　Jonas：机器人从实验室进入真实商业环境后，不可能假设所有情况都能够由算法一次性解决。

　　因此，我们从产品设计阶段就考虑了远程运营和人工接管机制。

　　咱们可以参考自动驾驶行业，他们已经验证了一套比较成熟的思路：不论是中国还是美国都能在道路上看到很多自动驾驶的出租车，比如萝卜快跑和Waymo。在绝大多数情况下这些车都可以自主运行，但遇到低概率、复杂或者无法判断的场景时，则需要远程人员远程接管。是一个运营人员同时管理大量机器人，只在设备发出异常请求时介入。

　　远程支持团队不一定要与设备位于同一个国家。通过在人工成本更合理的地区建立运营团队，一个十人团队可以同时支持大量海外设备。

　　这会改变机器人的成本结构。

　　过去，一台机器往往需要配套一名现场人员，机器只是人的辅助工具。未来，一个人可以同时管理几十台甚至更多设备，人将从直接操作者转变为异常处理者和系统管理者。

　　只有做到这一点，机器人才能真正形成规模效应。

　　这种模式对于高污染、高风险或不适合人员长期工作的环境同样有价值。机器人可以进入现场执行任务，人则在相对安全的环境中完成监督和决策。

　　问：闪梭科技现阶段面临的最大挑战是什么?

　　Jonas：最大的挑战不是再增加一个功能，而是数据。

　　今天的机器人算法和模型已经发展到一定阶段，但机器人要真正理解现实环境，仍然需要大量真实场景数据。

　　语言模型可以通过互联网上已经存在的文本、图片和视频进行训练。但机器人需要的数据，往往不存在于公开互联网中。

　　草坪上有什么样的树枝，设备在斜坡上如何打滑，雨后的泥土会怎样影响轮胎，不同草种的密度有什么区别，刀盘遇到异物后会发生什么——这些问题必须通过设备在真实环境中运行才能得到答案。

　　现实世界的数据不只是“看到了什么”，还包括“采取了什么动作”“环境如何反馈”“最后结果是什么”。

　　这是机器人数据和普通互联网数据最根本的区别。

　　你看今天特斯拉、小鹏和理想都在做机器人业务。为什么很多汽车企业会进入机器人行业?一个重要原因是，智能汽车本身就是一种在物理世界中运行的机器人系统。

　　汽车长期积累了道路、障碍物、传感器、导航和用户行为数据。汽车的运动环境虽然复杂，但它主要在受约束的二维平面上运行，问题边界相对清晰。

　　割草机器人也有类似特征。它主要在一定范围内的地面环境中工作，不需要处理人形机器人大量关节之间的协同控制。因此，自动驾驶行业积累的部分感知、规划和远程运营经验，可以迁移到割草等场景。

　　对我们而言，未来真正的壁垒不只是生产出一台设备，而是通过设备形成持续进化的数据飞轮。

　　问：如果市场上没有足够的数据，你们准备如何建立自己的数据体系?

　　Jonas：我们的路径是与B端客户合作，把设备真正投入商业场景。

　　机器人通过摄像头、激光雷达和其他传感器持续采集环境信息。在设备无法独立处理的情况下，远程人员可以进行辅助或接管。

　　这些过程会形成非常有价值的数据：机器人遇到了什么问题，为什么作出了错误判断，人工如何处理，处理后的结果是什么。

　　这些数据可以进一步用于模型训练和策略优化。

　　与只在实验环境中测试相比，真实商业场景的数据更加复杂，也更有价值。因为客户的场地不会为了机器人而被提前清理，天气、地形、障碍物和使用习惯都具有不确定性。

　　机器人真正的能力，不是在一个经过布置的演示场地上表现得多流畅，而是在面对现实中的混乱时，仍然能够完成任务。

　　随着设备数量增加，数据量也会增加;数据增加以后，模型能力会提高;模型能力提高，又会降低远程介入频率和运营成本。

　　这才是我们希望建立的闭环。

　　机器人公司长期竞争的核心，不只是硬件销量，而是谁能够更早建立真实场景、设备部署、运营服务和数据训练之间的正循环。

　　问：对于市场销售你有什么思考??

　　Jonas：目前市面上不少的割草机器人品牌主要集中在欧洲，而非美国。欧洲和美国的住宅结构、土地条件以及销售逻辑存在明显差异。

　　欧洲许多家庭的草坪面积相对较小，地形和边界也更加规则。对于现阶段的小型电动割草机器人来说，这种标准化环境更加友好。

　　美国市场则不同。

　　美国拥有大量独栋住宅，草坪面积更大，地形更加复杂。院子里可能同时存在坡地、树木、落叶、碎石和不规则边界。用户不仅要求设备能够“割草”，还要求它拥有足够的续航、动力、通过性和耐用性。

　　这意味着，一款在欧洲小型庭院中表现良好的产品，未必能够直接复制到美国。

　　另一方面，美国市场虽然拥有Home Depot、Lowe’s、Walmart等成熟渠道，但大面积土地和专业园艺服务的需求相对分散。企业很难只依靠单一零售渠道，快速覆盖所有真实用户。

　　因此，我们的供应链可以依托中国制造能力，但销售、市场推广、地面服务和用户运营必须在美国完成本土化。

　　海外市场不是把中国制造的产品翻译个说明书，卖出去就得了。真正的出海，是交付之后的再交付，是产品进入用户生活以后，企业仍然愿意留下来解决问题。你要理解用户怎么使用、为什么抱怨、有什么期待，也要在售后、维修、升级和运营中不断修正产品。

　　很多企业把出海理解成渠道铺货，但渠道只能完成第一次交易，长期市场靠的是服务、信任和口碑。

　　问：闪梭科技未来采用什么样的销售模式?

　　Jonas：我们的商业模式会同时覆盖To B和To C，但不会局限于传统的硬件销售。

　　对于个人消费者，我们希望通过直销和本地化服务减少中间环节，更直接地获得用户反馈。

　　对于光伏企业、园艺服务公司等B端客户，我们会提供更加灵活的年度租赁和服务合同。

　　原因很简单：机器人产品还处在快速迭代阶段。客户如果一次性购买设备，可能面临较大的折旧和升级压力。而采用租赁或者服务模式，客户可以降低前期投入，并在产品升级后获得设备替换和持续维护。

　　对我们来说，这也能够建立更长期的客户关系。

　　传统设备公司把产品卖出去以后，交易基本结束。但机器人需要软件升级、远程支持、数据训练、设备维护和持续运营。

　　因此，机器人更适合从“卖设备”转向“设备即服务”。

　　客户最终购买的不是一台机器，而是一种稳定的作业能力。我们卖的也不是一台机器，而是一种服务，一种问题解决方案，只要问题没有被解决交付就没有真正的完成。

　　园艺公司并不真正关心机器人有多少参数，它关心的是一块草坪多久割完、每英亩成本是多少、靠谱不靠谱、不靠谱谁处理。

　　当客户购买的是结果，而不是硬件本身时，机器人才能真正成为客户生产体系的一部分。

　　问：闪梭科技同时涉及割草、料理等多个方向。为什么选择布局不同产品?

　　Jonas：从产品类别来看，我们似乎进入了不同领域。但从底层逻辑来看，我们做的是同一件事：把AI转化成能够解决现实问题的工具。

　　我们给自己的定位不是某一种单一设备的制造商，而是一家AI机器人解决方案提供商。

　　我们选择的每一个方向，首先都来自真实存在的问题，而不是来自一个抽象的行业概念。

　　割草机器人源于我自己长期管理土地时遇到的问题。料理机器人则源于餐饮行业长期存在的人工成本、标准化和厨师短缺问题。

　　这两个方向看起来不同，但它们都符合几个条件：需求长期存在，工作高度重复，人工成本较高，流程可以被拆解，而且现有产品仍然没有充分满足客户。

　　我们不希望为了证明公司拥有技术，而不断增加产品功能。技术存在的意义，是让一个原本很麻烦的问题变得简单，而不是让简单的问题变复杂。

　　目前海外电商市场中，有不少消费者花费数千美元购买智能割草设备，但在实际使用后发现产品无法满足需求，最终选择退货。买的时候还是机器人，用的时候变成机“气”人。

　　对大型硬件企业来说，退货并不是一次简单退款。它背后包含跨区域物流、设备检测、维修、仓储、二次销售和售后服务等大量成本。

　　如果产品依赖持续融资、低价补贴和营销热度才能维持销售，而用户使用后却无法留下，那么市场规模越大，企业可能亏得越多。

　　所以我们一直强调，机器人行业最终比拼的不是发布会上有多酷，而是谁真正进入了用户的生活和生产流程。

　　我们并不是简单地与现有割草机器人品牌竞争。

　　我们寻找的是一片还没有被充分满足的无主之地：那些真正需要设备、愿意为结果付费，但对现有产品仍然不满意的用户。

　　如果一款机器人只能被用户欣赏，它可能是一件很好的科技艺术品。

　　但只有当用户开始依赖它，它才真正成为生产力工具。

　　采访最后，Jonas表示，机器人行业正在从技术展示走向真实应用。

　　在早期阶段，市场更容易被机器人的想象空间吸引。但随着行业进入商业化阶段，评价标准也会发生变化：设备是否可靠，是否能够持续运行，是否能够降低成本，是否拥有可复制的服务体系。

　　“Stick to something functional”，是闪梭科技从成立之初确立的产品原则，在Jonas看来，AI真正重要的突破，并不只是变得更聪明，而是开始承担现实世界里的责任。

　　当AI不再只是告诉人应该怎么做，而是能够真正把事情做完，机器人产业才算真正进入了下一个阶段。