文 | Leading
2026 年的具身智能，正在经历一场明显的叙事迁移。
过去，行业关注机器人能不能站稳、跑起来、完成高难度动作；现在，资本和技术讨论开始转向 " 大脑 "、数据、模型、仿真和持续学习。钛媒体近期对具身智能融资的梳理显示，资金正在加速向 " 大脑派 " 和数据基础设施集中；WAIC 2026 的讨论中，失败反馈、持续学习和真实部署，也逐渐取代舞台动作，成为新的关键词。
但当机器人从工厂走向家庭，行业仍然沿用了一个过于工业化的假设：机器人必须先成为一个成熟劳动力，才有资格进入家庭。
这可能是今天家庭机器人讨论中最大的误判。
一、家庭不是缩小版的工厂
工厂是为机器设计的，家庭是被生活长期塑造出来的。
在工厂里，物料位置、作业流程、人员动线和任务标准可以提前定义。机器人失败一次，工程师可以回放数据、调整参数、重新训练。家庭则恰恰相反。
同一件衣服每天可能出现在不同位置；餐桌上不断增加新的物品；孩子、老人和宠物随时改变环境；一个看似简单的取水动作，也可能涉及玻璃杯、热水、地面障碍和人员状态。
更重要的是，家庭对失败的容忍度远低于工厂。工厂机械臂抓取失败，损失的可能是节拍；家庭机器人递错药、误判老人状态或者在孩子身边做出不当动作，承担的则是安全和伦理责任。
因此，展会上成功完成一次叠衣服，与每天在不同家庭中稳定工作，之间隔着巨大的工程距离。钛媒体此前提出 " 家用机器人至少还要等十年 "，背后的核心质疑并不是机器人不会做动作，而是成本、可靠性、长尾环境和安全责任尚未同时得到解决。
问题在于，我们为什么一定要等机器人把所有家务都学会，才允许它进入家庭？
二、行业把家庭机器人的起点，直接设成了终点
今天人们想象中的家用机器人，往往是一台全尺寸人形机器：会洗衣、做饭、收拾房间、照顾老人、陪伴孩子，最好还能自主解决突发情况。
这是家庭机器人的终极形态，不应该成为第一代产品的及格线。家庭机器人的能力至少可以分为四层。
第一层是感知：看见人物、物品和环境中正在发生的事件。
第二层是理解：结合时间、语言、行为和历史信息，判断当前状态发生了什么变化。
第三层是协同：主动询问、提醒、记录，并把需要关注的信息交给家属或专业人员。
第四层才是执行：稳定完成取物、整理、烹饪和复杂照护任务。
当前具身智能最热的 VLA 路线，主要解决第四层所需的物体理解和动作执行问题。Google Gemini Robotics 强调空间与物理推理，Figure Helix 和 Physical Intelligence 的 π 0 聚焦从视觉、语言直接生成机器人动作，让机器人掌握抓取、整理、折叠等通用技能。
这些能力是机器人产业的基础，但不必然等于家庭价值。
一个机器人能够准确拿起水杯，解决的是动作问题；它是否应该在此刻递出水杯，解决的则是判断问题。
家务是物理任务，照护是人与事件共同构成的复杂系统。前者追求动作成功率，后者还要考虑人的意愿、长期变化、关系边界和误判成本。
三、机器人进家的第一性价值，可能不是替代劳动
家电产业长期遵循 " 替代劳动 " 的价值逻辑。洗衣机减少洗衣时间，扫地机器人减少清洁工作。因此，人们自然期待下一代家庭机器人继续替代更多家务。
但家庭中还存在另一种没有被充分满足的需求：信息不对称。
子女不与父母同住，无法持续知道老人是否按时起床、进餐和活动；家长看到的是孩子最后一次考试成绩，却看不见孩子如何从投入转向挫败；护理人员面对多个服务对象，很难持续跟踪每个人的日常变化。
家庭服务的很多问题，并不是没人愿意提供帮助，而是帮助者没有及时看到变化。如果一个机器人能够观察生活事件，在变化超过个人日常基线时主动确认，并把必要信息交给真实照护者，它即使不会做饭，也已经产生了明确价值。这类价值不是 " 替人干活 "，而是降低照护关系中的信息成本。
从商业化角度看，这条路径甚至可能比全能家务机器人更早成立。它不必等待灵巧手、双足运动和复杂操作全部成熟，可以搭载在桌面机器人、移动底盘、机器狗、智能屏幕甚至现有家庭终端上。
因此，第一批真正进入家庭的机器人，未必最像人，也未必最擅长家务。它们可能首先是一种持续在线的状态观察与服务协同终端。
四、真正缺少的不是 " 共情话术 "，而是人的状态模型
行业已经意识到机器人需要更自然地与人交流，但很多产品仍然把情感智能理解为 " 说得更温柔 "。用户说 " 我今天有点累 "，机器人回答 " 辛苦了，要好好休息 "。这类对话很容易生成，却没有解决真正困难的问题。
同一句 " 我没事 "，可能表示状态正常，也可能是一种不愿继续表达的结束语；老人长时间坐在沙发上，可能只是看电视，也可能是身体不适；孩子不愿继续任务，可能因为疲劳、挫败，也可能只是暂时失去兴趣。
模型不能仅凭一句话或者一个表情得出结论。所谓人的状态模型，至少要处理五个问题：发生了什么事件，语言、表情和行为是否一致，相对于个人日常基线是否异常，过去是否出现过相似情况，以及系统此刻应该回应、观察还是退出。
这意味着，家庭机器人需要的不只是世界模型，还需要一套处理人物事件、长期状态和交互边界的模型。物理世界模型回答 " 环境发生了什么 "；人的状态模型回答 " 这个变化对当前用户意味着什么 "。更难的是，人的状态不是静态标签。
一个孩子曾经害怕公开表达，不意味着他会永远害怕；一位老人过去独居，也可能已经改变生活状态。如果系统只会积累记忆，却不能更新和遗忘，它就会用一个过期的人物画像回应现实中的人。
因此，长期记忆、时间衰减、来源追溯、置信度和用户纠正机制，都应该成为家庭机器人 " 大脑 " 的基础能力，而不是附加功能。
五、情感智能的风险，可能比动作失败更隐蔽
机器人动作失败通常可以被直接观察：杯子掉了、任务没有完成、路径发生碰撞。情感智能的错误却未必立刻暴露。机器人可能把短暂低落固化成长期性格标签，也可能因为一次误判持续改变对用户的回应方式。更极端的情况下，产品为了提高使用时长，刻意强化人机依赖，把 " 陪伴 " 变成增长机制。这也是为什么家庭情感智能不能只考核识别准确率和对话时长。
更重要的指标应该包括：异常提醒的误报率、状态判断能否随事件更新、过期记忆能否被删除、模型不确定时是否停止推断，以及高风险事件能否及时交给真人。对儿童和老人而言，同一套模型也不能使用同一种交互策略。儿童需要发展保护、监护人参与和防止关系替代；老人需要尊严、自主选择和照护协同。底层感知和记忆能力可以共享，但策略、权限和人工介入机制必须分开。
一个真正成熟的情感模型，不只要知道如何回应，还要知道什么时候不应该继续回应。
六、" 机器人 Android" 不应只是一个融资比喻
随着资本从本体转向大脑，越来越多公司开始使用 " 机器人操作系统 "" 具身智能平台 " 或者 " 机器人 Android" 等定位。
但平台与项目的区别，不在于名称，而在于复用能力。Android 的价值并不是运行在一部手机上，而是建立硬件适配、系统服务、开发工具、应用接口和生态规则。NVIDIA 将 GR00T 定位为机器人开发平台，也是因为它覆盖模型、数据管线、仿真、训练、运行时和部署，而不只是提供一个模型接口。
如果一套情感模型只能运行在一台定制机器人上，它仍然是一项解决方案。只有当不同硬件能够复用相同的状态理解、记忆服务、安全规则和交互策略，它才开始具备平台属性。
国内也开始出现沿这一方向探索的企业。例如领本 AI 正在将早期教育及青少年服务中形成的多模态交互能力，延伸为 EmoGPT 情感智能底座，并尝试接入家庭机器人、台式终端和其他具身设备。这类路径的价值，不在于给机器人增加一个 " 情绪识别插件 "，而在于能否形成统一的人物事件表达、长期状态管理和交互策略接口。
但 "Android 级大脑 " 的叙事最终仍要接受几个现实检验：第三方终端接入需要多长时间，是否能够跨不同硬件复用，模型输出是否结构化、可解释，以及接入后能否产生可量化的产品价值。平台不是讲出来的，是被其他开发者和硬件厂商反复调用出来的。
七、家庭机器人的竞争，可能先从 " 手 " 转向 " 关系 "
具身智能当然需要更灵活的身体、更可靠的动作和更低的硬件成本。人的状态模型不能替代 VLA，也不能绕开家用机器人的安全和量产问题。但家庭机器人可能存在两条并行的发展曲线。
一条曲线继续提升物理能力，让机器人能够承担更多家务和照护动作；另一条曲线提升对人的理解，让机器人能够观察事件、理解变化、管理记忆并与真实服务者协同。
前者决定机器人能够完成多少任务，后者决定机器人是否值得长期留在家庭中。这也意味着，家庭机器人未必会等到 " 全能人形机器人 " 成熟之后突然爆发。它更可能以不同形态、不同能力等级逐步进入家庭：先看见，再理解；先协同，再执行；先成为服务网络的一部分，再尝试成为独立劳动力。
机器人进入工厂，首先需要理解流程。机器人进入家庭，最终必须理解人。
当整个行业都在训练机器人如何更准确地抓住一个杯子时，下一场真正决定家庭市场的竞争，也许是它能否判断：
此刻，应该递出这个杯子，还是应该尊重一个人不希望被打扰的沉默。
