不做人形：他家的具身智能憑什么在100+城市賣出400萬杯咖啡？

編輯｜吳昕

新年剛開局，AI 行業就直接拉滿強度。

在 CES 這個全球科技風向標上，機器人 × AI 成了真正的主角。在拉斯維加斯的霓虹燈下，中國機器人軍團走到舞臺中央——不靠堆概念，而是帶著訂單和規模化落地速度。

CES創新獎評委Chris Pereira 指出，中國廠商正在把新興技術，快速轉化為能量產、能交付、能在全球市場銷售的成熟產品。

與此同時，AI 正退到幕后，成為產品底層能力，真正的競爭，落在實用性、設計與可靠執行力上。

在展會現場，最吸睛的依舊是「人形」。

波士頓動力（現在已經屬于韓國現代集團）的新版Atlas亮相。

但在同一空間內，另一條路線也在同步展開。

在影智 XBOT 的透明櫥窗前，人群一層層圍攏過來。這是全球首個支持冷熱雙杯同出的具身機器人，也是目前一眾具身智能中最落地的一種呈現。

有人舉著手機錄像，有人已經在討論要把什么圖案印在咖啡上。

影智 XBOT Lite 系列印花咖啡機器人——全球首個支持冷熱雙杯同出的具身機器人。

玻璃之后，兩只機械臂分工協作，打奶、印花、出杯，動作連貫得像一段被反復打磨過的編舞。110 秒后，一杯冰美式和一杯熱拿鐵同時完成，杯面上浮現出由 AI 生成的專屬印花——每一杯都不重樣。

「這玩意兒太酷了。」隊伍里有人忍不住感嘆，「能在咖啡上打印照片，絕對是游戲規則改變者?！褂腥艘呀浀炔患芭恼瞻l社交平臺。

機器人繼續出杯，節奏穩定?！改隳馨压?logo 印在咖啡上，這杯咖啡一下子就成專屬的了，誰會不喜歡？」 有顧客說?！付也挥酶缎≠M——對顧客對老板都是好事?！?有人從更現實的角度補了一句。

喝完咖啡，又嘗了旁邊影智 XBOT 冰淇淋機器人做的冰淇淋，人群里笑聲不斷?！高@哪是咖啡機？」有人指著櫥窗笑道，「這是個能把人吸過來的娛樂中心。」

與多數人形機器人仍在努力「看起來很未來」不同，影智XBOT并不追求形似人類，而是成為一臺可以全天候運轉的生產工具——不跳舞、不表演，直接把一杯口感穩定、好喝的咖啡，端到你面前。

而這套邏輯，已經在真實世界里跑了很久。

從天安門廣場、國家圖書館到成都錦里，影智XBOT經歷的不是短暫的 show time，而是數百萬次的反復出杯。

目前，影智XBOT已在15 個以上國家、100多個城市落地，部署量超過600 臺，累計制作咖啡400 萬杯以上，在部分核心點位甚至實現了數月回本

在具身智能普遍面臨商業化難題的當下，影智XBOT用一組明確的數據證明：它是目前行業內商用落地速度最快的具身智能機器人之一

2025年8月影智科技發布年度新品之一：影智XBOT Lite系列印花咖啡機器人。

回歸商業常識：具身智能不等于「人形」

在當下關于具身智能的討論中，「人形」幾乎成了一種默認答案。但在「操刀」影智XBOT的影智科技看來，這條路徑更多源于技術想象，而非商業理性。

這一判斷，來自公司創始人唐沐長期積累的產品與商業經驗。

作為 2022 年福布斯中國十佳設計師，唐沐曾掌舵騰訊用戶體驗設計中心（CDC），并擔任小米生態鏈副總裁。他既是 QQ 頭像、微信表情包等現象級符號的締造者，也是小米路由器、小愛智能音箱等億級爆款產品的重要推動者。

公司創始人唐沐和影智XBOT咖啡機器人。

長期站在技術、產品與規模化商業的交匯點，也塑造了他極其務實的產品觀：一切產品必須從真實場景出發、目標要指向大眾市場，并且要經得起規?；⒖煽啃耘c成本結構的嚴格檢驗。

這也構成了影智科技切入具身智能領域的基本原則——回歸商業常識。先解決人的需求，解決人的問題，在一個足夠垂直的場景中把事情做到極致，再去討論所謂的「終極形態」。

在唐沐看來，機器人的進化路徑不該從「像人」出發，而應回到「是否真正有用」。具身智能的價值，并不取決于外形是否擬人，而在于是否能夠圍繞具體問題展開，在真實環境中靈活適應、精準執行。

在大量現實的消費與服務場景中，工程復雜度高、成本更高并伴有不可控風險的人形設計，反而會成為商業化落地的負擔。

至于「為什么是精品咖啡」，也是多條現實線索疊加后的選擇。

挑市場，首先要足夠大，其次必須是一個成長型市場，咖啡符合這兩個前提。它本身是一個高度全球化、已被充分驗證的成熟消費市場，而中國市場還在快速增長。

數據顯示，2023 年我國人均年咖啡消費量約為 16.74 杯，幾乎是 2016 年的兩倍；到 2024 年，這一數字已提升至 22.24 杯以上。即便在瑞幸、庫迪等品牌快速擴張的背景下，中國咖啡門店的整體密度，依然明顯低于日本和韓國等成熟市場，增長空間可觀。

需求持續走高的同時，供給側卻長期受制于人力瓶頸。

咖啡師培養周期長、流動性高，崗位留存率普遍偏低；在高度內卷的競爭環境中，咖啡店拼的是出單量與運營效率，對人力的擠壓不斷加劇，也放大了系統性的運營矛盾。

咖啡消費還呈現出明顯的波峰與波谷。高峰期排隊幾乎成為常態，品質波動難以避免。尤其是在拉花這類對毫米級精度和連續軌跡高度敏感的操作中，人類不可避免的生理性抖動，會直接放大為線條斷裂或形變。

而對大多數用戶而言，他們關心的不是「誰在做咖啡」，而是出杯是否足夠快、品質是否始終穩定。以出杯量為例，每天三百杯以上的穩定輸出，對人類咖啡師而言幾乎不可持續；而對機器人來說，這只是一個連續、可復制的標準工作負載。

在這樣的背景下，大模型的出現，讓產品「升維」——從底層重新定義一套面向消費服務場景的具身智能系統——成為可能。

市面上多數咖啡機，本質上仍是工業自動化設備，考慮的是「怎么把咖啡做完」。具身智能除了關心效率，還關心「這杯咖啡是給誰喝的、在什么情境下喝、怎樣才算一次好的體驗」?？Х冗@一日常消費場景，第一次有機會邁入以用戶體驗為核心的重構階段。

歷經兩年多研發，影智XBOT問世并成功出圈，唐沐也因此多了一個被媒體反復引用的標簽：「具身智能消費機器人第一人」。

具身智能的「三位一體」：

為什么能做到萬杯如一？

從原料開始，影智XBOT就在為「穩定性」服務。

目前，影智XBOT全部采用阿拉比卡咖啡豆，設備內設置兩個豆倉：一個拼配豆，一個單品豆（瑰夏），以覆蓋不同用戶的口味偏好；牛奶則與蒙牛合作統一供應。無論是在北京、上海，還是成都，下單后端到手里的那杯咖啡，都能保持高度一致的風味。

這種「萬杯如一」的表現，并不是靠單一環節實現，而是依賴一套完整的具身智能技術體系：負責理解與決策的「大腦」、統籌執行的操作系統（OS），以及完成精細物理動作的「小腦」。

影智XBOT的「大腦」，并不是傳統點單系統，而是一套面向真實世界運行的具身智能餐飲大模型，核心目標是更好地理解用戶需求。

當你說出一句模糊需求——比如「我想來一杯熱帶風情的咖啡」——系統會在毫秒級調取完整的飲品知識體系，覆蓋公開菜單、配方邏輯與標準化制作 SOP，并理解「熱帶風情」意味著椰子、熱帶水果、冰感與較高甜度。

接下來，大模型會調用口味拼配算法，在現有原料約束下尋找最優解：比例如何控制？先加什么、后加什么，才能在不破壞咖啡骨架的前提下，呈現「熱帶」風味？

這些原本高度依賴咖啡師經驗與手感的判斷，被轉化為一組可計算、可推演的決策過程。算法甚至「知道」一些已經被反復驗證的美味公式，如生椰與拿鐵是絕配。

最終，你的抽象需求會被翻譯成一連串精確到秒的動作調用：咖啡液多少秒、椰乳多少秒，冰、糖與水如何配合。每一個動作，都是機器人已經掌握的能力模塊，可以被反復調用、穩定復現。

在「攬客」上，AI 數字人承擔「意圖入口」的角色。它具備長記憶能力，能識別老顧客與偏好——「Hi，Thomas，還是要上次的橙 C 冰美式嗎？」甚至能在連續對話中保持上下文一致。

數字人還能根據狀態做出情境化推薦，如夜深時建議一杯 double 濃縮。結合 AIGC，用戶「隨口一說」的創意，也能被實時「打印」成咖啡印花。

將自拍變成獨一無二的咖啡印花。

如果說「大腦」解決的是「邏輯上該怎么做」，那么影智XBOT操作系統（LU BAN OS）要解決的是在真實世界中能不能這么做——這是雙臂機器人實現落地的關鍵一環。

它更像一套神經中樞。當「大腦」給出高層指令后，OS并非簡單轉發，而是介入執行層，在復雜的真實環境中進行全局編排：統一調度機械臂、咖啡機、奶泡器、糖漿泵、制冰機、印花機等設備，確保每一個步驟、每一個動作，都發生在安全、合理且可控的物理條件之內。

做出一杯咖啡，看似線性的流程，背后其實是一套高并發的任務調度系統。通過底層運動算法，OS實現了雙機械臂的空間解耦與時間同步。即便在狹窄的操作空間內，兩只手臂也能在毫秒級反饋下實時避障，像人類雙手一樣默契配合。

OS真正強大的地方，在于賦予了雙臂「柔性作業」的能力。在不同調度策略下，雙臂可以進行高度非對稱的協同，互不干擾地同時制作兩款完全不同的飲品。

在寫字樓早高峰，OS可以同時處理一杯熱美式和一杯冰拿鐵，將單杯等待時間大幅壓縮。

與此同時，OS還會持續監控設備狀態，記錄運行數據，提前識別潛在異常，并為下一單完成預準備，等等。正是這套全局感知與調度能力，使影智XBOT即便在無人值守的情況下，也能長期穩定地支撐高并發出杯。

當這套通用底座逐漸成熟，咖啡也就不再是它的唯一應用場景。冰淇淋、奶茶、雞尾酒、面食，乃至教育、陪伴等更廣泛的消費與服務領域，本質上都只是同一套具身智能系統之上的「技能插件」。

在此之下，「小腦」承擔的是具身智能中最貼近物理世界的一層任務：在液體流動、奶泡阻力與原料狀態不斷變化的真實環境中，依然把口味與視覺表現鎖定在同一標準，實現真正意義上的「萬杯如一」。

在硬件層面，團隊自研雙六軸定制工業機械臂，重復定位精度達到±0.03 毫米；配合高精度運控算法，整體操作精度達到0.1毫米，遠超人類生理極限。

在萃取階段，粉量誤差被壓縮至極小范圍。糖漿添加與拉花動作被控制在毫米級精度。拉花時，機械臂的移動速度與噴頭擠出節奏始終保持同步，一旦感知到液體阻力或流速偏移，系統便即時修正電機輸出，確保線條連續、不抖動。

為了教會機器人各種餐飲手藝，比如「審美級」拉花能力，團隊搭建了一套頂級紅外光學動捕系統。

75秒內復刻大師級的拉花咖啡技藝。機器人6個小時就能掌握一款新的拉花方式，而人類咖啡師需要6個月。

通過 11 組高精度攝像頭，將頂級咖啡師最細微的手部擺動與力度變化，以毫米級精度完整記錄下來，再借助自研算法，將這些大師級技巧翻譯為機械臂可執行的控制指令，還實現了跨型號的自動校準。

最終，原本只存在于老師傅經驗中的「手感」，被沉淀為可規模復制、穩定復現的工業級能力。

設計美學 × 商業策略：

讓具身智能真正成為一門生意

如果說，技術解決的是「能不能把事做對」，那么工業設計解決的，其實是「這東西能不能被真正用起來」。而后一個問題，才是 2B 商家是否掏出真金白銀的分水嶺。

商家的目標很簡單，用盡可能確定、低摩擦的方式賺錢。因此，影智XBOT是否能夠被設計成一臺全年無休、穩定運轉的生產設備，是否能持續替代人力，把那些瑣碎、重復、長期消耗精力的管理問題一并吞掉，遠比「看起來有多先進」更重要。

也正因如此，作為少數同時拿下 iF、紅點 Best of the Best、IDEA、CMF 等國際設計大獎的團隊，影智科技并沒有把工業設計當作外觀層面的加分項，而是將其視為一套用于降低商業摩擦成本的方法論。

這種思路，最先落到一個極其「現實」的指標上：空間效率。

通過高度緊湊的內部架構，影智XBOT將機械臂、咖啡機、制冰機、印花機等完整模塊，壓縮進約 1.35㎡–2.5㎡ 的占地范圍內。在寸土寸金的商業環境中，這是直接影響坪效、租金模型，甚至點位是否成立的關鍵變量。

設計并未止步于「塞得下」，而是與商業運維深度綁定。

通過全模塊化架構，將復雜硬件拆解為標準化服務組件，故障模塊可在60 分鐘內快拆更換；配合遠程 OTA，實現系統、動作路徑與配方的一鍵升級。同時，預留擴展接口，支持未來擴容料倉或接入其他服務設備，讓單體機器不被功能鎖死，具備持續演進的商業彈性。

在商業模式上，影智科技并未停留在「賣一臺機器」，而是搭建了一套更貼近真實商業世界的三層結構：設備銷售、聯營模式，以及持續性的增值服務。

其中，「7S」服務體系是一個首創。通過將大量原本由運營者承擔的風險前移至平臺側，釋放出一個明確信號：咖啡機器人并不是在「與人搶工作」，而是在用技術降低創業門檻，讓小生意重新變得可控。它瞄準的，正是那些有創業意愿、卻缺乏技術、管理與抗風險能力的中小創業者——過去，這類人往往在高啟動成本與不確定風險中迅速出局。

在傳統「4S」基礎上，「7S」補齊了三項關鍵能力：用數據運營替代經驗判斷；通過金融服務，將近 20 萬元的初始投入拆解為更輕量的運營方案；通過回購與升級機制，賦予設備流動性與持續迭代空間，明確機器人是一種可持續優化的資產，而非一次性消耗品。

把具身智能先安放在當下

如果說人形機器人代表的是遠方，那么影智科技更像是把具身智能先安放在當下。

它代表了另一類具身智能公司：不沉迷概念敘事，也不等待終極形態，而是用當下可行的技術，在復雜、開放、不可控的真實世界中，反復驗證可復制的商業模式。

從底層運控算法、工業設計，到產品形態與商業模式，影智科技在一條全鏈路上不斷打磨同一個問題——當具身智能真正進入現實生活，它如何成為一門成立的生意。至少在咖啡這門生意里，這個問題已經有了被市場驗證的答案。

也許正是這些并不「人形」、卻能持續運轉的「中間態」產品，正在把具身智能從想象中的未來，一步步帶進現實世界。