作为一名在深圳摸爬滚打十几年、很少接触高新科技的家政从业者，龙开柳意外地站在了具身智能落地家庭场景的最前沿。
作者：钱玉娟封图：受访者供图
2026 年 4 月 17 日，深圳福田区的一个花园式小区里，50 岁的保洁阿姨龙开柳按响了户主的门铃。
房门打开，站在龙开柳旁边的是一台身高约一米五、银白色外壳、拥有修长机械臂和两支灵活夹爪的轮式智能机器人，以及随行的工程师。
这是龙开柳和机器人"同事"的又一次配合——在过去的一个多月里，她已经习惯了这样的"三人组"。自 3 月 13 日以来，她接了十几单"人机协同"保洁任务，用时下科技圈的热词来说，她带着一个具身智能机器人上户。
这是一项率先在深圳落地的智能保洁服务。和龙开柳一起上户的机器人来自自变量，58 到家提供平台支持。
作为一名在深圳摸爬滚打十几年、很少接触高新科技的家政从业者，龙开柳意外地站在了具身智能落地家庭场景的最前沿。
"会思考的学徒"
龙开柳是湖南人，2012 年来到深圳，凭着勤快和细致，在家政保洁行当站稳脚跟，拉扯大了孩子。
三年前，她加入 58 到家平台，成为一名保洁员。2026 年 3 月，她的订单列表里开始出现一种特殊的标记：智能搭档保洁（机器人助手）。
"刚开始我也不知道怎么回事，只是听说有机器人可以跟我们一起干活。"龙开柳回忆，那是一个下午，三点钟，她准时到达客户家门口时，机器人已经由工程师带到了现场。
第一次见机器人的龙开柳，没有太多惊讶，她换好鞋套进屋，习惯性地扫视全屋，按照智能搭档保洁协作流程开始干活。
令她意外的是，身边的机器人似乎也在做同样的"观察"，它安静地停在客厅入口处，摄像头转了转，打量着整个空间。客户家的地上散落了小孩的一堆玩具。龙开柳发现，机器人并没有胡乱抓取，而是先挑开障碍，有条不紊地从最外侧把玩具一个一个装进盒子。
这种"先观察、后规划"的做法，让龙开柳觉得它不仅是一台机器，更像一个"会思考的学徒"。
按照服务流程，这种智能保洁订单的时长为 3 小时，龙开柳和机器人的分工明确。
机器人负责客厅区域的物品收纳和基础清洁。餐桌上随机摆放的杯子、遥控器被归置成一条直线；沙发上凌乱的衣物被逐一折叠；散落的鞋子被准确地放入鞋柜。最后，它还熟练地提起垃圾袋，并为垃圾桶套上新的袋子。
龙开柳则腾出手来，拎着清洁剂走向厨房和卫生间，清理重油污的抽油烟机缝隙、瓷砖缝里的霉斑、洗手台角落的积垢，这些是机器人目前还无法触及的领域。"这些活儿最累最磨人，但也最考验手艺。"龙开柳说，机器人接手了那些重复性的体力活，她主要解决卫生死角。
这对"人机 CP "还会互动。叠被子和铺床这种需要两人配合的大动作，机器人已经能准确感知龙开柳的动作力度。不过第一次配合时，机器人拿不准大件被褥的重心，叠厚被子时，需要龙开柳搭把手。
但一个月下来，龙开柳发现这位搭档进化得很快。"现在我只要起个头儿，拎起被角一抖，它就能用夹爪精准接住另一头。"搭档合力能将床铺得平整，把厚重的被子叠得整齐。
龙开柳还经历过这样一个订单，不仅有机器人工程师陪同，还有几位记者在场。订单完成后，工程师和机器人语音互动，让它把桌子上放着的一盘橘子分给大家。
让龙开柳啧啧称奇的是，机器人走到桌边，取了一个橘子，递给了离它最近的女士。随后它环视一圈，继续递橘子。在场的人很快发现规律，机器人学会了"女士优先"。
目前，机器人劳动力还远不能取代纯人工。整理玻璃杯或比较重要的东西时，龙开柳还是会亲自收拾，她担心机器人的夹爪会夹碎或破坏物品。"它帮我收拾那些零零碎碎的东西，虽然动作比我们慢一点，但摆得很整齐。"龙开柳说。
"机器人已经能替代你做多少活儿？"面对记者的提问，龙开柳想了想说："大概 30% 的工作量。"她还在期待机器人的下一次进化。
进入真实世界的成本
目前，智能保洁服务的价格与同平台纯人工保洁的价格持平。一位居住在深圳的国际友人看到新闻报道后，在 58 同城 App 上预约体验了这项智能保洁服务，并在社交平台感慨："三小时收费加上小费才 149 元，这个价格在硅谷甚至雇不到一个纯人工的小时工。"
龙开柳与机器人协同完成智能保洁服务，这样一个订单给她带来的收入，和常态服务 3 小时的收入一样。这也意味着，从出动机器人到完成上户服务全流程的成本由自变量承担。
被问及机器人进入家庭的价格时，自变量创始人王潜称："我们要广泛进入家庭，一定是尽可能让所有的家庭都能用得起。"
目前一台具备双臂协作能力的机器人，造价动辄数十万元，很难进入寻常百姓家。
但王潜表示，当下阶段，机器人进入家庭场景，是真实数据的导入过程。自变量早在 2024 年初就投入建设自有数据工厂，目前拥有全国乃至世界规模最大的数据工厂之一，但除了工厂采集，外部真实环境采集的数据对自变量机器人的迭代演进至关重要，即使这是极为烧钱的事。
"物理信息越多的数据，价值越高，采集也更难。"自变量机器人 CTO 王昊介绍。
据了解，58 到家连接着超 4500 万家庭，是具身智能技术落地的天然试验场。通过与 58 到家合作，自变量试图打通"技术研发—场景验证—商业闭环"路径。
机器人保洁上户越来越多，除了收获赞美，也收到不少吐槽。有些用户反馈机器人干活儿太慢，以及还要有一位工程师随行。
对此，自变量公开回应称：在现阶段，受限于技术的发展，机器人的动作相比于人来说确实慢很多，但这也正是机器人在智能进化道路上迈出的第一步，通过在真实家庭场景不断实践和学习，随着服务次数的增加，它将会越来越熟练。
深圳市龙华区人力资源行业协会秘书长欧江认为，这一模式绝非机器对人工的简单替代，而是通过人机分工互补、优势叠加，重塑了家庭保洁的服务逻辑，既破解了传统家政的效率、成本痛点，也为人机协同赋能民生服务提供了可借鉴的深圳样本。
牛奶与糖水
龙开柳向随行的工程师打听过，机器人是怎么操作的，工程师解释，后台有综合智能系统支撑任务全流程。
龙开柳不懂那些高深的技术用词，她也不知道，深圳开展的这项智能保洁服务试点，可以算是全球具身智能行业从实验室走进真实家庭的重要一步。
在科技圈，自变量机器人是一个特殊的存在，它没有扎堆让机器人跳舞、翻跟头或是跑步竞速，而是聚焦机器人"大脑"，从一开始就把家庭场景作为主战场。它也是国内唯一一家同时获得字节跳动、阿里巴巴、美团、小米四大互联网科技巨头投资的具身智能公司。
王潜解释，不主攻运动型机器人，因为硬件壁垒低、易复制；不首攻工业场景，因为工业流水线任务重复、环境固定、安全边界清晰，极度依赖于后训练。自变量走上家庭端这条路，主要依赖通用模型的底层能力。
王昊举例称，当机器人面对一只装有半杯水的透明玻璃杯时，它不能靠预设程序，而是要通过视觉和触觉的融合，像人类一样"尝试"着稳稳拿起。
这并非技术远景。自变量机器人在 4 月 21 日发布世界统一模型架构 WALL-B 后，把视觉、语言、动作、物理预测等所有能力放在了同一个网络中联合训练，从底层模型上缓解了模块间的数据搬运损耗和信息断层。
王昊介绍，机器人每一次失败后的调整都会更新到模型参数中，这类似于人脑记忆的自我更新机制，WALL-B 基础模型也能自主更新，其智能化或将从模仿进入到涌现。
这种基于底层模型能力的进化，支撑着自变量机器人率先走进了真实的家。
家庭场景的难点在于泛化性和精细操作。自变量机器人的一位研发工程师解释："每一户的桌子高低、材质、形状都不同，模型必须在复杂多样性的家庭中顺利完成任务。"
王昊将这种数据来源比喻为"牛奶数据"——嘈杂、随机但营养丰富。相比之下，实验室里的固定光照、无干扰环境产生的只是"糖水数据"，用"糖水"喂大的机器人，一旦进入真实家庭，面对乱踢的拖鞋、跳上桌子的猫、折射光线的镜面，会迅速失效。
在具身智能的行业浪潮里，围绕家庭场景展开的创新并不算少。有的聚焦儿童陪伴，有的在养老院和医疗场景内试水，像自变量这样，将机器人放入家政这一高频且真实的场景中，与保洁阿姨肩并肩做家庭服务，并取得规模化数据的，还是少数。
在进入超 100 户真实家庭服务后，自变量计划于 5 月 25 日推出搭载 WALL-B 的家用服务机器人，进入真实家庭场景提供服务。包括龙开柳在内的保洁阿姨们的职场可能悄然改变。
欧江看到，在深圳人力资源服务的一线，越来越多的机构、平台、企业开始给普通蓝领赋能，通过培训让他们完整地操控自动化或智能化设备，从而实现人机协同。
龙开柳并不了解什么是具身智能，也不懂什么是世界统一模型，但她知道，过去的一个多月，机器人的表现一次比一次好。
当机器人安静地退出门外，龙开柳会回看下那个被整理后的空间，这是她和"同事"在三小时内共同完成的成果。收获客户的反馈后，龙开柳拎起工具包，赶往下一户人家，她身旁的那台银白色机器人将被工程师装箱带走，等待下一次上户召唤。
天臣配资提示：文章来自网络，不代表本站观点。
