" ‘通用模型作基座、垂类深入’是当下最优解。"

作者：苏打

编辑：tuya

出品：财经涂鸦（ID：caijingtuya）

" 作为机器人公司，我们一直有一个灵魂拷问，到底为什么做机器人？假设有技术门槛不存在了，我们能够做出跟人有一模一样能力的机器人吗？即便能做出来，难道要把所有工厂的人工都替换掉吗？"

公司情报专家《财经涂鸦》获悉，近日，" 智造现场 · 具身智能的工业试炼 " 论坛在 2026 世界机器人大会（2026WRC）期间举办。

赛那德联合创始人韩鹤天现场坦言，目前垂类数据都远未到 "ChatGPT" 时刻所需的百万小时，但 " 通用模型作基座、垂类深入 " 是当下最优解。

天眼查 APP 显示，赛那德（SENAD）数字技术（嘉兴）有限公司成立于 2019 年，是全球具身智能装卸机器人领域的技术领跑者，率先突破工业场景中 " 感知 - 决策 - 执行 " 闭环系统产业化难题。公司构建了物流行业首个多模态 VLM 大模型，通过 " 工业大脑 + 机器人小脑 " 双核架构实现毫米级操作精度。

其自主研发的 iLoabot 系列机器人，已经过近万小时实景训练可自主完成箱 / 袋货物装卸、动态避障及多设备协同，较传统方案效率提升 300%。目前公司产品已批量部署于中国外运、顺丰等制造业与物流龙头企业，并远销北美、日韩等发达国家，成为工业 4.0 时代具身智能落地应用的标杆企业。

2021 年 9 月，公司完成 3000 万元 A 轮融资；2023 年 11 月拿到数千万元 B 轮融资；2025 年先后完成 B+ 轮、B++ 轮两轮融资，分别获数千万元、超亿元人民币资金加持。

2026 年 3 月，公司完成超 2 亿元 Pre ‑ C 轮融资，阿里巴巴等机构入局；同年 6 月进一步落地 3 亿元 C 轮融资，投资方阵容持续扩充。

「目前能筛选出来的客户仍非常有限」

综合多个市场统计数据，目前具身机器人的渗透率仅约 5%，每年相对智能化的产品出货量约为 100 万台。

" 目前，具身机器人的覆盖率确实是比较低的，这一点有些反直觉。" 韩鹤天在圆桌对话中坦言，" 作为机器人企业，我们做市场拓展和业务时，会给自己的目标客户定画像。当前阶段，客户画像的限制条件其实比较多，比如要有购买力，又要有比较好的自动化程度，还要有较好的数据积累，甚至要对机器人流程有比较清晰的想法。

至于为何要选择自动化程度较高的企业，他表示，这些企业有较好的机器使用习惯，自动化解决不掉的问题，他们自然而然他会想到机器人。

这几个维度下，能被筛出来的客户变得非常有限。且这些有限的客户也大多聚焦在行业头部梯队，比如汽车工业、食品工业的头部企业。

" 我们目前能看到的，都是头部的、比较有钱的、能够为此买单的，但其实冰山之下还有大量企业，渗透率是比较低的。比如，一些自动化程度非常低的行业，像物流，现场还有大量的人工；另外还有一些中小企业，都不在客户范围内。"

但韩鹤天亦表示，反过来讲，渗透率低也是一件好事，意味着整个市场空间其实还是巨大的，可以通过持续的技术迭代和升级，把更多的市场增量挖掘出来。

「以取代人为终极目标逻辑是不通的」

谈及具身机器人的行业切入点，韩鹤天有自己的思考。

" 我们一直有一个灵魂拷问，到底为什么做机器人？假设有技术门槛不存在了，我能能够做出来跟人有一模一样能力的机器人，难道要把所有工厂的人工都替换掉吗？"

他进一步表示，这个问题公司内部也有很多争议和分歧。整体思考下来，大家依旧认为应该优先考虑人工无法做到或者很难实现的事情，比如重货搬运，对人体是有损伤的。欧盟已经有新规，规定超过一定重量的货物不允许人工搬运；还有一些分拣的精细动作，可能对人体的眼部是有伤害的。

" 我们觉得这些场景是机器人企业应该首要考虑，而不是考虑把所有工作都换掉，把没有人作为终极目标。我觉得没有人不是终极目标。"

在落地和商业化方面，韩鹤天认为，物流确实是一个好的方向，因为其不像工业产线那么复杂，工艺也不是很多，对机器人来讲比较友好。

" 鉴于在物流行业的积累，我们也找到了一些切入点。比如除了重物搬运，天气炎热时在集装箱里这种艰难环境中的工位，我们会优先考虑用机器人替换。而且这些工位以后也招不到人了，年轻人不愿意干的。"

形态上，机器人可以双足，也可以像哪咤一样一次能搬很多东西，甚至可以是个小坦克。

" 本质上，机器人无论在什么场景里，尤其是工业场景，最重要的还是提升效率，而不是单纯想着去替代人。‘单纯替代人’这个逻辑是说不通的。"

「数据缺口依然很大，获取成本依然很高」

谈及通用模型与垂类模型的路径，韩鹤天表示，通用模型作为基座、垂类模型走深入，这条路应该是没有错的。

" 但因为我们做垂类机器人，这个话题就很无奈。我们当然知道通用模型更好，而且它也给垂类模型带来了许多无来由的焦虑感——如果只做垂类模型，迟早会被淘汰。但无奈的是，目前数据不支持，数据量差得太多。

" 我之前统计过，如果具身能要走到 Chat GPT 的时刻，至少需要百万小时以上的数据，而现在还差得非常远。现在现场的真机数据，还没有做到数据的整理，包括数据筛选和反馈，只够支持垂类模型的应用。"

因此，对于垂类机器人来讲，" 我们能把垂类模型做好就不错了，目前阶段能把场景的数据训练好就很不错了。因为即便是这样，现在数据缺口也依然很大，而且获取数据的成本依然很高。对于企业来讲，这是挺痛苦的一件事。"

他认为，这是需要全行业共同解决的问题，单靠一家机器人厂家 " 可能有难度 "。

本文由公众号财经涂鸦（ID：caijingtuya）原创撰写，如需转载请联系涂鸦君。

添加涂鸦君个人微信（ID：tuyaclub）

加入【公司情报社群】

参与资本市场讨论

获取一手情报