一碗番茄炒蛋, 算不清家庭机器人的千亿级生意

作者｜毛心如

过去几年，我们看过太多机器人演示：走路、翻跟头、装爆米花，但大多数时候，它们都停留在实验室、展厅，或者一段精美的视频里。

但最近有些变化开始出现。

有人让机器人在厨房里做麻婆豆腐，从备料到翻炒，动作不算流畅，但流程是完整的；也有人把机器人放进真实家庭环境，让它在灶台前完成一份番茄炒蛋。

可能现在看机器人还有点笨拙，但它们让一件事变得具体，机器人开始真正干家务了。

这和过去那种秀肌肉的感觉不太一样。

厨房，乃至家庭并不是标准化场景。油烟、杂物、临时变化，这些都会让算法系统变得不稳定。

也正因如此，一旦有公司选择把机器人放进家庭，就意味着它要面对的，是整套系统能不能长期运转。

家庭不是一个容易进入的场景，但它正在成为越来越多公司主动选择的方向。

Fortune Business Insights 报告显示，2025 年，全球家用机器人市场规模为 139 亿美元，预计 2034 年将达到 1071.5 亿美元，2025 年-2034 年复合年增长率为 25.47%。

而这背后，既不是一时的热闹，也不只是技术上的尝试。

为什么机器人现在要走进家庭？

家用机器人开始集中进入家庭不是行业跟风，而是技术、市场需求、资本态度三重因素推动的结果。

首先是技术条件基本达标。

过往家用机器人仅能完成标准化、预设轨迹的简单任务，无法适配复杂居家场景。

随着 VLA、世界模型等具身智能技术迭代，行业初步打通感知、决策、执行完整链路。

机器人可独立完成多项复合家务任务，从实验室演示走向真实家庭作业，正式跨过可用技术门槛。

家庭作为最高难度的非结构化场景，也成为验证通用 AI 能力的核心试金石。

其次是市场需求存在刚性缺口。

国内家政行业长期供需错配，双职工、独居、老年康养等家庭精细化家务需求持续增长，但家政从业者老龄化、新人入行意愿低，人力供给缺口持续扩大。

同时人工服务存在履约不稳定、人员流动大、服务标准不统一、沟通磨合成本高等痛点，市场亟需稳定、可标准化的智能替代方案，为家用机器人落地提供了坚实的需求底座。

最后是资本逻辑全面转向务实。

行业前期以概念、模型参数烧钱为主，虚热泡沫明显。进入 2026 年，资本摒弃了纯技术讲故事的逻辑，优先锚定可落地、可场景化、可规模化的项目。

家庭场景高频次、高粘性的特性，不失为一个优质的落地突破口。

除此之外，机器人进家庭具备极强的长期战略价值与短期变现潜力。

真实家庭场景能持续产出海量、高稀缺性的非结构化交互数据，是迭代模型泛化能力、优化物理执行精度的核心燃料。

通过场景入户积累数据，脱敏后对外合作输出、开展联合技术研发，还能实现数据变现、补充部分营收。

整体而言，当前行业尚未形成完整的机器人进家庭商业闭环，用户价格锚点与付费意愿仍未成熟。

现阶段企业密集入户的核心目的，是抢占核心场景、积累独家数据、完成技术迭代，用前置布局锁定通用机器人赛道的长期先发优势。

两条机器人进家庭路径，同一个终点

目前，国内在家庭服务机器人方向上有实质性落地的玩家主要有两家，自变量机器人和极佳视界子品牌拾光。

两家技术路线也有相似之处，都依托自研模型，聚焦高度非结构化的真实家庭场景。

但在落地策略上走出了截然不同的两条路：自变量代表的 Robot as a Service（RaaS）与拾光代表的 Robot as a Product（RaaP）。

RaaS 的核心是轻资产、快覆盖。

自变量深度绑定 58 到家等线下家政渠道，用户无需购置硬件，小程序下单 149 元即可预约一次约 3 小时的机器人保洁服务。

上门的不只是机器人，还配备一位家政阿姨和一位工程师, 阿姨负责深度清洁与现场判断，机器人承担基础收纳与清洁，工程师提供技术兜底。

机型采用轮式双臂设计，重心低、成本可控，单次服务即可触达用户，彻底规避高价硬件的决策门槛。

自变量 2026 年计划累计投放 1000 台机器人，以规模化服务数据驱动模型迭代。

除此之外，自变量今年也发布了自研具身智能基础模型 WALL-B，通过采集的服务数据反过来持续优化硬件与算法。

这套打法的核心逻辑是：用服务跑规模，用规模换数据，用数据养技术。

RaaP 则走重资产、深体验路线。

拾光让机器人常驻家庭，聚焦中高端用户的全场景家务需求。

其发布的通用人形机器人拾光 S1 搭载自研模型，能完成环境理解、自主规划等任务。

落地方面已与湖北科投达成百台订单合作，首批进入光谷之寓未来人才公寓开展场景测试，初期向用户免费开放体验，尚未开启商业化收费。

技术层面依托自研双金字塔物理 AGI 体系，重点突破物理执行精度与复杂场景适配能力。

目前单台拾光 S1 成本约 20 万元，计划明年上半年将本体价格降至 10 万元以内。

两种路径各有侧重：自变量以轻量上门快速铺量、积累场景数据；拾光以驻家深度试点打磨服务能力、建立品牌认知。

二者并行，既覆盖不同层级市场需求，也勾勒出家庭具身智能商业化的两条主线。

机器人进家庭能算平账吗？

把机器人送进家门，在今天看来仍然是一件很理想化的事情。

拾光 S1 可以独立完成微波炉加热的完整流程，自变量的人机协作保洁已经进入真实家庭，这些突破令人振奋，但距离成为一门真正的好生意，还有漫长的路要走。

要把机器人进家门变成一项可以持续营收的事业，必须想清楚两个核心问题：怎么规模化落地？怎么真正算平账？

先看商业化路径，目前来看有三种模式或许能够跑通。

第一种是类似汽车的买断模式。

用户一次性全款购买机器人硬件，长期使用，仅支付少量维护与升级费用。这种模式的优势是长期使用成本最低，但前期投入高、用户决策门槛高，更适配中高端家庭。

第二种是滴滴式的按需单次模式。

用户无需承担硬件成本，按需预约机器人上门服务，按次、按小时计费。这种模式零门槛、灵活度高，适合零散家务需求，也是行业早期规模化获客的有效路径。

第三种是订阅制服务包模式。

用户按月、季度或年度付费，解锁固定时长、固定频次的机器人入户服务，包含硬件使用、维护、模型升级、故障兜底等全套权益。这种模式兼顾了灵活性与稳定性。

当然，在完全无人化之前，一个更长时间存在的过渡形态是，人机协同。

机器人并不会一开始就替代阿姨，而是先作为工具嵌入家政体系，由人进行兜底和接管。在这个阶段，机器人创造的价值，是提升一个人的效率。

厘清商业模式之后，再来算一笔实打实的经济账。

算账的核心逻辑很简单：把机器人视作一项固定资产，对比它和请家政阿姨的年度成本。

为了简化分析，我们选取最直观的买断模式作为基准模型来看，其它模式，本质上都是对这套逻辑的现金流重构。

先看成本端。

假设一台家庭机器人的综合成本为 30 万元，折旧周期 5 年，则年折旧约 6 万元；叠加维护、保险、云服务等约 3 万元，以及能耗约 0.3 万元，年化总成本约为 9.3 万元。

再看价值端。

考虑到家庭场景不能直接用工作时间 × 时薪来估算替代价值，我们选用的计算公式是：

年等效价值 = 效率 × 有效时长 × 时薪 × 稳定性溢价

其中，时薪行业均价 50 元计算；有效时长指的是家庭有多少真实需求，效率则取决于不同类型任务的综合表现。

在当前阶段，如果取一个相对中性的假设：综合效率约 25%，年有效需求 1650 小时，叠加无需请假、无需沟通的稳定性溢价 1.5。

那么机器人一年能创造的等效价值等于，50×1650×25%×1.5=30937.5。

这与 9.3 万元的年成本之间，仍然存在明显差距。

更关键的是，仅每年 3.3 万元运维、算力刚性支出，就已经超过机器人创造的全部人力价值，换言之即便厂商免费赠送硬件，家庭每年仍要承担亏损。

为了更直观地看这笔账，可以把不同情景拆开：

从结果来看，在当前 20% 到 40% 的能力区间内，机器人很难覆盖自身成本。

一台 30 万元的机器人想要在 5 年内回本，其等效效率需要接近 75%，这与当前能力之间仍存在约 2 到 3 倍的差距。

这套测算成立还有一个隐藏前提，那就是假设机器人需要独立完整替代一名家政钟点工，而真实落地场景并不会走完全替代路线。

一方面，机器人更早覆盖的，往往是那些碎片化、高频但不值得单独请人的需求。

另一方面，它也可能通过人机协同，提高服务人员的人效，在服务化模式下，甚至可以被多个家庭共享使用。

也就是说，当我们用一个人 = 一台机器人来算账时，这笔账很难成立；但当机器人改变的是家庭服务如何被提供时，计算空间也会变得更加灵活。

这时候也会有人问：究竟谁会为这些机器人买单？为什么会有人愿意付费？

因为家庭消费决策从来不是纯算账。

机器人不会轻易离职或请假，具备天然的稳定性；机器人毕竟不能与人类直接比较，不需要处理主仆关系的心理负担，这些都构成了真实的溢价。

对高收入家庭而言，30 万买的可能不只是劳动力，也是前沿科技体验和对未来的投资。

但单靠富人玩具的定位，显然撑不起这项生意。

真正的转折点需要两条曲线同时逼近：机器人成本从 30 万降到 10 万以内，效率从 25% 攀升到 75% 以上。

到时回本周期才能缩短至普通家庭可以接受的范围内，家庭机器人才能真正从理想走进现实。

今天的家庭机器人，在纯经济账上还远远跑不通。不过，这也是早期行业的常态。

回看十年前的新能源汽车，续航焦虑、充电不便、价格高昂，几乎每一条都足以判「行业死刑」。

但现实很可观，现在的新能源汽车的渗透率已经超过了 50%。

技术迭代从来不是线性的，而是指数级的。

今天看，无论是自变量还是拾光，它们未必给出了标准答案，但至少在把问题摊开。

它们提供了真实的样本：机器人在家庭里到底能做什么、用户愿意为什么付费，以及技术还差在哪一步。

更重要的是，这些尝试逼迫行业提炼出了衡量商业化终局的终极指标。

就像自动驾驶锚定 Cost per Mile（每公里成本），大模型锚定 Cost per Token（每 Token 成本）一样，家庭机器人的生死线在于 Cost per Hour of Household Service（每小时家庭服务成本）。

目前，请阿姨的时薪是 50 到 100 元甚至更贵，而机器人因为综合持有成本高、等效效率低，现阶段的实际每小时成本远超人类。

但只要成本下降与效率提升的两条曲线完成交汇，机器人进家庭这笔账就能算的过来，只不过是时间问题。

从这个意义上说，当下的家庭机器人，更像是一场正在进行中的长实验。

它需要时间，也需要耐心。在接下来的几年里，大部分尝试都会显得不那么完美，甚至反复摇摆。

但正是这些看起来不够成熟的阶段，才一点点把想象中的未来，压缩成可以被验证的现实。

比起急着下结论，也许更值得做的是继续观察，保留一点好奇心。

很多今天看起来还不成立的数字，往往是明天真正发生变化的起点。