对话深诣机器人黄康尧：十年部署10万台机器人，先从工业开始

8月20日消息，在一年一度的2026世界机器人大会（WRC）期间，SEEN·E深诣机器人联合创始人、具身系统负责人黄康尧深入阐述了公司核心技术和理念，并就产业相关话题与媒体进行深度交流。

据了解，SEEN·E深诣机器人是一家面向真实世界、聚焦持续学习与产业落地的通用具身智能公司。发布了L4E+E4L技术范式，提出了“双生智能”理念，将以物流、制造、电商零售等真实产业场景为起点，推动通用具身智能从高价值任务走向规模化应用。

据介绍，SEEN·E深诣机器人的核心差异化在于，当前主流路径先采集数据、完成训练，再将相对固定的模型部署到现场；L4E+E4L的三项核心技术结合机器人终身系统（Robot Lifelong System），将学习从训练阶段延伸到机器人的整个生命周期，差异化地回应了具身智能落地的核心痛点。让机器人在真实工作中遇到的每一次成功、失败与纠正，都成为下一轮学习的有效素材。

现场，黄康尧表示，我们的愿景是“为人类提供充沛生产力”，并计划在十年之内，在工业以及物流领域部署超过10万台具身智能机器人。技术路线方面，定位为全栈公司，但会把大部分精力放在“大脑”，也就是foundation model上，同时保留本体研发能力。

在机器人形态上，黄康尧强调“形态即智能”。他认为，人类的形态并不是天然为干重活或者工业场景中的工作而设计，因此机器人“不一定以全尺寸人形为主，也可能是轮臂机器人，或者单臂轮式机器人”。公司的目标是先构建一个“拥有世界物理规律先验知识的foundation model”，再用同一套模型驱动多种形态的机器人本体。

在模型路线方面，SEEN·E Robotics提出L4E和E4L两套技术理念。黄康尧解释，L4E即Learning for Embodiment，强调通过海量数据训练一个强大的预训练模型；E4L即Embodiment for Learning，强调“让机器人在工作的过程中、真正干活的过程中，持续更新自己的参数，不断学习和自进化”。他认为，仅依靠预训练还不够，“既要有一个非常强的预训练大脑，也要让机器人在真实场景中持续与环境交互，通过做任务不断加强自己的能力”。

对于当前行业主流的VLA和World Action Model路线，黄康尧表示，公司的模型“既不属于VLA，也不属于World Action Model”。他表示，公司希望把机器人理解物理规律、预测运动、避障、3D估计以及场景理解等能力融入模型，并构建一套全新的自进化范式，内部称为类似MoE的“混合物理专家模型”。

在数据话题上，黄康尧认为，具身智能不能简单复制大语言模型的“堆数据”路径。他表示，大语言模型的数据本体是文本，边界相对明确且获取成本较低，但真实物理世界中的视觉、触觉和连续动作数据“是不可能采集完的”。因此，“数据当然非常重要，因为它提供先验认知”，但“只有先验认知远远不够，数据采不完，机器人必须拥有主动探索能力”。

在工业落地方面，SEEN·E Robotics当前优先选择工业及泛工业场景，包括包裹运输、物流搬运、柔性线束插接和柔性装配等。黄康尧表示，选择工业并不是因为工业场景容易做，柔性插接精度甚至可能达到亚毫米级，而是因为工业场景“有明确的安全边界，同时又能提供很diverse的数据”。公司的核心目标仍然是“实现从0到1的闭环”。

对于未来场景规划，黄康尧表示，公司短期会优先在工业和泛工业场景完成从0到1的落地，“积累数据、形成一部分模型能力后，再拓展到更多场景”。更远的未来可能进入Personal Robot和开放社会场景，但“不是说明天就要实现家庭场景”。他强调，公司思路“更偏长期主义”。

他表示，具身智能是“长坡厚雪的赛道”，真正重要的是模型和技术范式能否匹配产业需求，以及能否通过真实客户形成持续的数据回流和积累。“更关键的是产品方向、技术路线，以及最重要的数据积累，能不能支撑公司走得更远。”

在商业化节奏上，SEEN·E Robotics计划今年年底推进数采设备PoC，明年年初推进机器人产品PoC，并在明年年初尝试部分工业或半工业产品落地。黄康尧表示，公司更看重交付稳定性，希望进入客户现场的产品经过充分验证，“先把技术做扎实、达到可交付的状态，再去谈规模化”。（定西）