乐聚的下半场：万台产线之外，争夺具身智能的数据入口

今年WAIC的机器人展厅，有点像一场人形机器人的大型招聘会。

搬箱、码垛、分拣、上料，到处都是各大厂商临时搭起来的工位。人形机器人开始“当牛马”了，专挑那些枯燥的脏活儿干。

乐聚是最实诚的。别的公司把机器人带来做做Demo，它却直接把工厂搬了进来。

他家的展台被改造成一个小型工厂，几台夸父人形机器人轮番抓零件、搬料箱。旁边还摆着一块“搬砖”计时牌。我到展台时，数字已经走过6个多小时，颇有一种“赛博工时表”的感觉。

就在WAIC结束后不到两周，乐聚又承办了一场200多支战队参加的国赛。一个面向观众，一个面向开发者，背后都是同一件事：把机器人、真实任务和开发者聚到一起。

乐聚的知名度可能不如宇树，创始人也很少在网上制造话题，但重活、累活没少干。十年前，一群哈工大的年轻人认定了人形机器人；十年后，当行业集体往工厂里冲，乐聚已经有了万台产线、工业客户，以及一套围绕真机数据搭建的训练体系。

今年3月底，乐聚的万台级人形机器人自动化产线在佛山投产。我更愿意把它看作这家公司上下半场的分界线：过去十年，乐聚解决的是怎样造出机器人的身体；接下来，它要让机器人进入真实场景，把任务变成数据，推进大脑和身体的二次进化。

乐聚下半场真正想占住的，是这条循环中最靠近真实场景的一端：持续产生真机数据，再把数据转化成机器人解决问题的能力。

一、机器人集体进厂，乐聚手里正好有一条万台产线

2026年，人形机器人进厂的速度明显快了。智元、优必选、比亚迪、小米、小鹏等企业都在推进汽车和电子制造场景，工厂成了最积极的“面试官”。

原因并不复杂。工厂有大量重复、辛苦又招不到人的工作，也最容易算清机器人的账：一个工位需要几个人、机器人工作多久能回本，都有明确指标。

各家公司都在进厂，乐聚的优势是什么？

一个直接的答案是，它已经把生产体系推进到万台级。这条位于佛山的产线设计年产能达到一万台，一台机器人最快约30分钟下线，要经过24道装配工序、77项检验检测和41项工况模拟测试。目前，国内真正把全尺寸人形机器人的生产能力落到万台级的公司并不多。

产线之外，乐聚也在把机器人往工厂里送。在海晨物流仓库，夸父进行纸箱拆垛，公开披露的综合成功率达到95.8%，平均28秒搬运一个纸箱；在一汽、江汽集团的产线上，机器人进行塑料箱跨货架搬运。

乐聚不是先有了万台产线，再慢慢寻找机器人能干什么。它是在把客户现场、产品和制造能力一起往前推。

2025年，乐聚销售577台夸父系列机器人，实现收入约1.78亿元，平均售价降至30.81万元。

宇树靠标准化、运动能力和高性价比，把机器人推向更广泛的市场；乐聚选择的，则是另一条更重的路：全尺寸本体、工业场景、规模制造，再围绕真实任务沉淀数据。

它的声量未必最大，但当人形机器人集体走进工厂时，乐聚已经站在了工厂门口。产线开动以后，比赛的题目也变了：此前比的是能不能把机器人造出来，此后比的是机器人从产线上下来以后，能不能尽快学会干活。

二、乐聚争的，不只是机器人订单

万台产线解决了身体从哪里来，却没有解决另一个问题：这么多机器人下线以后，怎样让它们更快学会干活？

现在的人形机器人，身体往往比大脑成熟得快。箱子尺寸、相机角度、货架位置一变，训练好的动作就可能失效。一个场景调试几个月，换条产线再从头做，这种生意很难规模化。

所以，乐聚的重心已经从造本体延伸到“数据—大脑—小脑—本体”：本体和运动控制自己做，基础模型与外部伙伴合作，重点投入真机数据、后训练和场景部署。

今年1月，乐聚与阿里云达成全栈AI合作，已有机器人接入千问；在WAIC上，它又与蚂蚁灵波推出物流方案。基于LingBot-VLA 2.0，约300条实操数据、1到2天微调，任务成功率可以提升到80%以上。至少在这个任务上，机器人的后训练周期已经可以按天计算。

工业客户在意的不只是成功率，更是采多少数据、调试多久。几千上万条数据、几个月部署，只能做昂贵的定制项目；几百条数据、几天能跑通，才有机会成为可以复制的产品。

这也是“数据入口”的价值：不在谁公布的数据集最大，而在谁离现场更近，能让真实任务变成数据，再让数据变成机器人能力。

这条路线能不能成立，要先看乐聚离数据现场有多近。

招股书披露，2025年夸父系列来自数据采集场景的收入达到7990.41万元，占夸父收入的44.94%，成为第一大应用场景。一批夸父已经进入多个数据采集中心，成为采集物理世界数据的工具。

这些数据也不只留在乐聚内部。OpenLET开源数据集覆盖20余项工业任务，数据时长超过6万分钟，累计下载量超过100万次。蚂蚁灵波的技术报告还将KUAVO 4 Pro列为9种真机数据采集本体之一，并提到乐聚参与了数据采集和基准测试。

这说明了，乐聚不是等模型训练好后，再给夸父接入一个“大脑”。它的本体、数据和测试能力，已经进入外部基座模型的训练与评测链路。

这套闭环的另一端，是开发者这个群体。

8月1日，乐聚承办的中国机器人及人工智能大赛人形机器人创新挑战赛吸引了213支战队。SMT上下料、零部件分拣、高危巡检等任务被搬进赛场，参赛队伍还要打通“大脑—小脑”技术链。

这场比赛把开发者、真机和真实任务放到一起，也让新的算法和场景经验继续向这套开源生态沉淀。

钱的流向是最能说明问题的。乐聚计划募资26亿元，其中约9.4亿元投向研发中心、6.16亿元投向数据集项目，生产基地投入约2.14亿元。公司还准备建设“一体化数据工厂”，把设备接入、数据处理、模型训练和回灌优化连成流水线。

最容易被看见的是万台产线，真正准备花钱的地方却是研发和数据。乐聚想建的，其实是两座工厂：一座生产机器人的身体，另一座生产让机器人持续进化的数据。而它真正想占住的，是物理世界数据进入具身模型之前，最靠近现场的那一段。

三、十年没有换题，乐聚等到了自己的下半场

乐聚还有一个值得关注的反差：这是一家成立十年的机器人公司，创始人冷晓琨却是1992年出生的。也就是说，2016年创业时，他只有24岁。

那时候，大模型还没有出现，双足人形机器人也被认为距离商业化太远。冷晓琨和团队却很早认定，全尺寸人形机器人最终会进入工业、家庭、养老和教育场景。

2012年，冷晓琨所在的哈工大团队就参与春晚机器人节目的研发。程序和动作可以由中国学生完成，机器人本体却主要来自国外。为什么不能做一台中国自己的人形机器人？这个问题一直留在他心里。

2016年，冷晓琨和9位哈工大同学南下深圳创办乐聚。但当时产业链、算法和硬件都不成熟，团队选择“两条腿走路”：先做小型人形机器人进入校园，用教育市场养活公司、积累双足控制和关节技术；站稳脚跟后，2018年启动全尺寸夸父研发。

第一代夸父国产化率不足10%，今天已超过95%，价格也降至30万元级。

冷晓琨的技术背景，也影响了公司今天的路线。本体和运动控制是自己的底盘，基础模型与阿里云、蚂蚁灵波等伙伴合作，真机数据、后训练和场景部署则由乐聚重点投入。

乐聚最大的特点，并不只是成立得早，而是十年没有换题。

当然，乐聚也有问题要继续回答。

招股书显示，2025年乐聚收入增长至2.58亿元，公司仍处在持续投入和场景扩张阶段。接下来要回答的是，如何把标杆项目转化为可复制的批量订单。

数据采集中心带来了第一批规模化需求，但数据产线的价值，要看乐聚能否降低工业客户的部署成本，让“300条数据、1到2天微调”从标杆案例变成更多工厂可复用的流程。

把工厂搬进WAIC，只是一次预告；把工业场景搬进国赛，则是把更多开发者拉进了这套数据闭环。

上半场，乐聚花了十年把机器人的身体造出来；下半场，它要让这些身体走进真实世界，在干活中产生数据，也在数据中变得更聪明。

万台产线之外，具身智能数据入口的争夺才刚刚开始。