Waiter Robot！我要点餐

位于华盛顿的希尔顿酒店大堂里，一个智能服务机器人穿过来往的客人，自己搭乘电梯，将一份早餐送到了酒店顶楼的客房内。这个身高1.2米的小家伙，是来自浦东企业 上海擎朗智能科技有限公司（ 以下简称“擎朗智能”）的服务机器人T5。

有数据显示，2023年中国商用服务机器人厂商的出海收入合计约15.1亿人民币，其中餐饮配送机器人是中国商用服务机器人出海的主力军，而 擎朗智能更是以44.8%的占比位居中国厂商之首。

目前，擎朗智能全球业务已覆盖600多个城市及地区，在阿联酋迪拜、德国杜塞尔多夫、日本东京、韩国首尔、美国洛杉矶等地设有子公司/办公室， 其中在日本、韩国及欧洲市场2023年营收增速分别超240%、100%、50%。

根据客户需求和市场特点，海外客户对机器人的诉求以租赁模式为主。“国内外的业务模式是不一样的，国内有代理商、渠道、直销等多元模式，在海外则以寻找合作方代理商为主。” 擎朗智能创始人、CEO李通介绍说。

“发达国家劳动力成本高，智能服务机器人普及率低，市场广阔。”李通表示，“以日本为例，一家餐厅月付700-800美元就能租到一台擎朗送餐机器人， 相当于用人工配送1/3-1/4的成本，实现了1.2-1.5倍的人效。”

在浦东新区新金桥路的擎朗智能展厅，一块蓝色屏幕上密集分布着市场图标，覆盖中国地图上所有的省、直辖市、自治区和特别行政区；屏幕空白处还有几个动态更新的数字：产品日活台数超过50000台、累计运行里程超过2000万公里（相当于绕赤道510多圈）……从“网红”海底捞到百年老店全聚德，再到国际知名的喜来登酒店和希尔顿酒店，这些场景中都有擎朗配送机器人忙碌的身影。

“小朋友常常追着我们的送餐机器人跑，如果工业机器人碰到服务机器人所面对的复杂场景，可能会‘崩溃’。”李通笑着说。

李通描述的场景其实只是配送机器人常遇见的复杂情况之一。“原定送餐路线遭遇阻挡时，机器人是只会停在原地，还是能够自主决策，实时更换路线？传送汤水时，机器人是会撒漏还是足够稳定？两台机器人‘狭路相逢’时，机器人社群的协作是否高效、安全……这些都是真正考验餐饮配送机器人的场景。”擎朗智能市场部负责人表示。

解决复杂场景的挑战，实现配送机器人的规模化生产和商业化落地，这离不开李通将应用场景落地的执念。 在公司创业的前五年，企业员工人数不超过20人，最少时仅剩下2人。彼时的机器人市场还是一片空白，创业者们“一浪接一浪”被拍死在沙滩上，而李通的“四人小组”成了这条新赛道上的“孤勇者”，每一步都只能摸着石头过河。

直到2016年，围棋“人机大战”引发了第一波汹涌而来的AI变革浪潮，机器人深度学习能力获得有效提升，擎朗智能踩准了行业节拍，餐饮业“劳务替代”有了需求对接。“在做出原型机之后、真正商业化之前，我们花了很长时间改进产品线。配送看起来很简单，但我们当时每次拉产线问题清单时，都有几百条问题要解决和落实。”李通回忆， “我们一直觉得要做有用的机器人，要把锚准的场景做好。 14年来，为了达到这个目标，在擎朗近千项专利当中，一半都是技术含量极高的发明专利。”

2016年，擎朗智能碰到了AI行业的风口。无论是即时定位和地图构建（SLAM）、多模态人机交互技术，还是传感器、智能芯片、底盘技术，服务机器人主要技术日益成熟，性能极大跃升，利好政策也紧随而至，行业迎来上升期。

“机器人遇到的复杂场景因不同工作环境而异。依托SLAM技术，每到一个新的工作环境，擎朗机器人首先会自己建立对应环境的地图，就像老员工带新员工在店里走一圈一样。”李通自豪地说，“我们也教客户如何更好地使用机器人进行高效服务，并且通过我们全球数万台机器人的部署积累，持续提供执行分析，保证良好的产品运行状态和人机协同效率。”

李通表示，环境越复杂，对算法等技术的挑战越大，因此服务机器人应用的室内自动驾驶技术，与人们熟悉的室外无人驾驶技术相比，具有其特殊的技术难点和瓶颈。 “因为大部分交通参与者都熟悉马路交通规则，但配送机器人往往在没有固定规则的空间中行动，环境随时可能出现意外变化。”他进一步解释道。

记者来到擎朗智能测试场地，目睹一位测试人员在一台送餐机器人行进过程中反复冲撞出来进行干扰，以测试机器人的应对策略。该测试人员表示，通过将近距离传感器与超声波雷达深度融合，擎朗机器人的避障反应已达到毫秒级别。

另一位工作人员则在反复测试一台送餐机器人的上下坡表现。这位工作人员告诉记者，通过L4级别室内无人驾驶技术、车规级底盘减震等技术的应用，擎朗机器人可以应对不同的地面情况，测试获得的系统更新，会及时通过机器人后台传输到正在服役的机器人端口。

“我们已经让每一台擎朗机器人都学习了一套交通规则，就像每个驾驶员要去驾校学习一样。”李通介绍，即便一个餐厅中有10-15台机器人同时服务，它们也完全可以靠自己进行调度。比如，当两台机器人之间的距离缩小到某个固定值以内，它们就会互相通讯，根据其学到的交通规则来判断事务的优先级。

“相比这种分布式的作业逻辑，行业内还有一种比较常用的逻辑，即设置一台机器人作为总控，指挥其他所有机器人。这种技术难度不高，但施工难度较大。”李通表示，按照擎朗机器人的作业方式，餐厅在引进机器人时需要做出的环境调整非常小。

与此同时， 技术和成本的平衡也成为服务机器人未来发展道路上要解决的问题。 理性的机器人企业选择商业化路径，并不是直接进入C端，而是先依赖B端合作场景研发、打磨产品，待时机成熟后大举进入C端，服务机器人不会放弃C端市场的星辰大海。

随着SLAM、语音识别、图像识别、语义理解等AI技术迅速发展，新一轮AI浪潮正为擎朗智能带来新的机会。 “大模型或将赋予机器人无限可能。” 李通若有所思地说，“一家餐厅里可能有20个工种，现在我们的餐饮服务机器人只做了2个工种：菜品配送和餐盘回收，未来，我们是不是也能帮客人点菜、炒菜，来更多赋能餐饮行业？”

值得注意的是，服务机器人正向人形机器人靠近，呈现出过渡形态。擎朗智能透露， 和大模型、人形机器人等领域企业进行更密切的对接，将有助于擎朗智能更好、更快地推进新品开发计划。 今年8月的世界机器人大会上，擎朗智能已推出具身智能的落地化应用展示，并在持续深化具身智能在商业场景中的应用。

“目前行业面临的最大挑战是参与者不够多、供应链体系不够健全。”李通表示，“真正能落地的行业参与者一只手就能数过来，因此竞争相对较弱。如果有更多行业参与者，那么行业发展可能会更快，这就好比你在自动扶梯上前进，扶梯本身也在前进。”