为什么说清洁可能是通用机器人进入家庭最好的起点？

具身智能正在经历一个微妙的转折点。机器人叠衣服、整理房间的演示已经足够令人印象深刻，但行业真正面临的问题正在从“能不能做”变成“怎么进家门”，以及进去之后，怎么留下来。

在实验室和展厅里完成一次任务，与在成千上万个不同家庭里每天稳定复现，完全是两码事。一把椅子挪了位置、地板上多出一根电线，或是家人随手放下的手提包，都可能让原本流畅的运行逻辑瞬间卡壳。视频演示可以在动作完成那一刻收尾，但真实生活却在不断给机器人出新题。

面对这种落差，行业内有一种主流思路是继续在实验室里训练，等能力足够成熟再交付。但这条路有天然的困境，越想在交付前把所有问题解决，前期投入的时间与资金就越庞大；更关键的是，有些现实问题不让产品置身于柴米油盐之中，研发团队甚至无法判断它们到底有多致命。

用户最迫切的需求是什么？哪些小失误可以被容忍？哪些故障会让人彻底失去耐心、拔掉电源？这些问题，很难单靠实验室数据给出答案。

换句话说，具身智能走向家庭的瓶颈，可能不是模型还不够聪明，而是产品还没有找到一条可行的入场路径。

在刚刚结束的柏林 IFA 2026 上，一家受到海外广泛关注的中国家庭机器人公司 xLean（颗粒进化），给出了一个值得关注的回答。

这家公司选择的路径是：不等通用能力完备，先用一项高频刚需家庭清洁，让产品进入真实家庭，在日常使用中持续暴露问题、快速迭代，再逐步扩展到更多任务。这不意味着退而求其次地做一台扫地机器人，而是一种场景先行的具身智能路径：先进入生活，再在生活中长出通用能力。

从产品架构来看，xLean 从一开始就在为清洁之后的扩展做准备。公司设计了一套名为 PAI（Physical Agent Interface，物理智能体接口）的统一标准，让机器人接入新的硬件模块时，系统能够识别模块的能力并调用它。清洁之外的功能可以逐步接入同一套体系，而不必每增加一项任务就重建软硬件架构。

这一构想，与 Anthropic 今年 8 月发布的 MHS（Model Hardware Standard，模型硬件标准）研究预览不谋而合。MHS 首先面向科研和制造，尝试让 AI 通过统一规范识别、调用不同物理设备；PAI 则聚焦家庭。

两者都在处理一个日益实际的问题：当 AI 从屏幕走向现实世界，模型智能之外，还需要一套连接和组织硬件的底层接口。而 xLean 早在 MHS 发布之前就已经在构建 PAI，某种程度上，这家创业公司对“AI 如何调度物理硬件”这个问题的嗅觉，走在了行业共识形成之前。

对 xLean 来说，PAI 解决的是未来怎样扩展，清洁解决的则是眼下怎样进入家庭。而它选择的起点，落在一件每天都会发生的事情上。

通用能力，要在具体生活里长出来

家庭与工厂的一个重要区别，是人们很少愿意为了机器重新安排生活。

工厂可以调整工位、统一物料摆放方式，甚至重新设计流程，让机器人更容易工作。改造成本能够通过大量重复作业摊薄。家庭里的物品摆放、家具位置和生活习惯，则很难保持一致。

同一家庭的成员也可能有不同要求。有人希望桌面上的东西全部归位，有人需要正在使用的物品留在手边。“收拾干净”并没有一个适用于所有家庭的统一标准。

因此，真实环境的多样性，成了衡量机器人泛化能力的核心变量。

Physical Intelligence 在 2025 年公布的 π₀.₅ 研究中，曾让机器人进入此前从未见过的真实家庭，测试整理餐具、铺床和收拾卧室等任务。研究明确显示：模型在陌生家庭中的表现，与训练环境的数量呈显著的正相关。

对产品公司来说，真实使用还能提供另一类信息：哪些任务经常中断，用户在哪里接管，哪些功能被反复使用，哪些尝试一次之后就被放弃。这些反馈帮助团队判断，技术上能够完成的事情，是否真的解决了用户的问题。

在获得用户授权并完成筛选、训练和验证后，这些反馈才有可能用于改善产品。它们的价值，在于让研发持续面对真实生活中的问题。

所以家庭清洁人所要面对的核心问题就是：怎样让机器人在能力尚未完备时进入真实家庭，并在持续使用中继续成长？而 xLean 创始人薛轲翰对这件事的判断，也与他先后参与机器人研究和产品商业化的经历有关。

图丨薛轲翰（来源：xLean）

在本科就读于西北工业大学期间，他曾任 V5++ 机器人团队队长，参与多项国际机器人竞赛；大三时又以 CTO 身份参与医院机器人创业。据公司资料，他在 20 岁时主导过实现数千万元营收的机器人产品落地。此后，他进入香港中文大学机器人研究所深造，并于 2022 年退学创业。xLean 最初孵化自香港中文大学 T-Stone 机器人研究所。

这几段经历让薛轲翰同时接触到两个问题：实验室里的机器人怎样获得更强的能力，一项机器人技术又怎样变成用户愿意购买、能够长期使用的产品。在采访中，他以叠衣服为例解释两者之间的距离。让机器人完成一次叠衣动作，只解决了任务的一部分；一个家庭助手还需要知道什么时候该叠、先处理哪些衣服，以及怎样把这项工作安排进其他家务之中。后者依赖机器人对具体家庭、成员习惯和生活节奏的持续理解。

在他的判断中，一台能够处理各种家务的机器人，距离普通消费者的日常使用仍有不少工作要做。xLean 希望在这个过程中先做出可以销售和交付的产品，让后续研发有真实用户和使用场景作为依据。

而清洁，是他们选定点第一项任务：用户有明确需求，产品也有机会被持续使用。至于能否从这里延伸出更多能力，需要在后续产品中逐步实现。

先获得一个每天工作的机会

为什么一家初创公司在 2026 年仍然选择进入清洁机器人行业？

IDC 数据显示，2025 年全球扫地机器人出货量约为 2,412 万台，同比增长 17.1%。千万台级的年出货量意味着，消费者已经理解这类产品的用途，也愿意为减少地面清洁劳动付费。

而成熟市场同时意味着更高的进入门槛。既有品牌在产品、渠道、供应链和售后服务上都已有积累。无论一家公司对通用机器人有多长远的设想，消费者首先判断的仍是眼前的清洁效果。

但从“建立家庭立足点”的维度来看，清洁恰恰具备无可替代的优势：需求高频且周而复始，清洁效果直观可见，省时价值极易被量化评估。一款足够可靠的清洁产品，天然拥有高频开机、长期留驻家庭的资格。

对于 xLean，清洁还承载着一组可以复用的基础能力。

为了完成地面清洁，机器人需要在家中移动，感知家具、障碍物和环境变化。寻找物品、查看宠物、家庭巡检等任务，同样要先走到目标附近、观察现场并理解空间。移动与感知因此构成了从一个需求向多个需求延伸的起点。

当然，拾取物品还需要操作能力，查看高处需要合适的观察位置，新的任务也需要相应的算法和可靠性验证。xLean 的设想，是让已经进入家庭的产品逐步承接这些新增能力。

其首款产品 TR1 采用了独特的双形态设计：既可作为独立的地面清洁机器人自主运行，也能由用户取下进行手持操作。

图丨TR1 双形态切换（来源：xLean）

薛轲翰向 DeepTech 表示，之所以采用这种形态，是希望机器人逐渐学会人处理污渍的方式：根据不同情况选择清洁策略，检查处理结果，没有清理干净便继续工作。现有自主能力暂时覆盖不了的场景，可以先由用户手持接管。

按照公司的技术设计，TR1 在手持模式下还可以记录视觉信息和清洁系统的工作状态，为学习人的操作方式提供数据。用户的一次接管，既完成当下任务，也可能成为机器人后续改进的示范。这个学习循环能否稳定减少人工介入，仍要由产品进入真实家庭后的表现验证。

这类操作示范主要用于改善清洁。要扩展到其他家务，机器人还需要增加相应的硬件能力。TR1 的双形态设计为此留出了一个位置：顶部连接手持杆的接口，按公司的规划，未来也可以接入机械臂等模块，让不同任务共用同一个移动底座。

按 xLean 的规划，机器人在用户授权下获得的家庭环境信息，可以用于建立模拟环境，让搭载新模块的机器人先在其中训练和测试，再回到现实中验证。公司希望通过这种方式，在已有产品的基础上逐步扩展任务范围。

一个家庭助手，怎样接手更多小事

当这样一台具备扩展能力的机器人能够在家里稳定运转起来，我们其实就可以自然而地期待它在清洁之外，再帮忙做一些小事。

“看看宠物在哪里”“确认窗户有没有关好”“找找掉在地上的东西”，这些需求频率不一，又带有很强的个人差异。为其中每一项需求单独开发和购买一台设备，往往缺少充分的理由。

但如果家中已经有一台具备移动与感知能力的机器人，部分新增任务就有机会共享硬件、环境信息和交互方式。用户要做的，或许只是像给手机下载一个应用或外插一个配件那样，添置一个轻巧的功能模块。

（来源：xLean）

这就是 xLean 所说的“做透一个大需求，延展多个小需求”：大需求支撑产品进入家庭，众多小需求逐渐扩大它在生活中的角色。

公司将这个角色定义为 Family Agent，即连接家庭硬件、智能与家庭成员的助手。按照 xLean 的设想，用户通过自然语言表达需求，系统判断需要调用哪些能力，完成任务并反馈结果。当用户习惯通过同一个助手处理越来越多的事情，Family Agent 才逐渐成为家庭服务的入口。

为此，xLean 规划了底座、协议和应用模块三层。底座提供移动、感知及清洁能力；PAI（Physical Agent Interface，物理智能体接口）统一描述底座和模块的能力及调用方式；模块补充操作、巡检和互动等功能。EvoMate OS 则负责组织任务执行和反馈。

类似的问题也出现在其他物理设备的智能化过程中：模型能够理解指令之后，如何知道设备能做什么，又如何控制它完成任务？

2026 年 8 月，Anthropic 发布 MHS（Model Hardware Standard，模型硬件标准）研究预览，首先面向科研实验室和先进制造企业。它尝试用统一规范，让 Agent 识别设备能力、了解操作限制，并控制显微镜、移液设备和机械臂等硬件。

MHS 与 PAI 面向不同场景，却体现出相近的判断：Agent 要完成现实任务，需要统一的接口来识别和调用硬件能力，并获得执行反馈。随着系统接入更多设备，模型也可以把不同能力组织进更复杂的任务。

薛轲翰对协议层的态度也比较明确。如果 MHS 等通用规范形成成熟生态，xLean 可以接入，把更多精力放在家庭场景中的底座、模块和算法上。公司的重点，是把可用的智能能力转化为家庭中的实际服务。

模块的开发也会采用不同方式。机械臂等关系核心操作能力的复杂模块，公司更倾向于自研；香薰等已有成熟产品的功能，可以与第三方合作。按照规划，开放接口也会给用户自行开发模块留出空间。

家庭需求分散而多变，一家公司很难提前定义所有有价值的用途。开放模块，是 xLean 对这些长尾需求的回应。

让每一代产品，为下一步创造条件

按照 xLean 的产品规划，早期产品仍会把清洁放在更重要的位置，包括现有产品的迭代款，以及价格更低、面向更大用户群的产品。公司需要先建立销售和交付能力，让机器人进入足够多的家庭。

用户也需要时间理解新增能力。一个因为清洁而购买产品的人，未必会立即尝试模块。模块是否有用，需要在实际任务中被发现；新的使用习惯，也要靠一次次可靠执行建立。

当用户基础和任务需求逐渐形成，后续产品将提高 Agent 能力的比重。薛轲翰提到，届时机身尺寸、接口位置和交互屏幕等设计都可以调整，为更多任务留出空间。产品形态会随路线推进而改变，今天的清洁机器人只是承载第一阶段目标的具体形式。

目前，xLean 已经获得了一部分早期市场反馈。在刚刚结束的 2026 柏林 IFA 展会期间，xLean 团队的第一代产品 TR1， 继 IFA 2025 Best of IFA Next 、Design Honoree 后，又获得 IFA 2026 Smart Home、Home Appliances 两个领域的官方荣誉奖，并首次演示为机器人提供的原生 Family Agent 系统——EvoMate™ OS 的现场实际交互；现场超 1000 人次的用户及国际媒体体验了该产品，来自超过 40 个国家和地区的 100 多位经销商及经销集团，也在现场向 xLean 释放了约 15 万台意向订单。此前在 Kickstarter 上，TR1 已经获得 2000 多名早期支持者，众筹金额超过 210 万美元，并已签署超过 2 万台海外渠道订单。

截止目前，公司已累计完成 4 轮融资，融资总额超过 1000 万美元，历史投资方包括国方创新、华业天成、五源资本、麟阁创投、蓝海众力资本、万世资本、高樟资本和奇绩创坛。

采访时，团队正准备进入量产交付阶段。

产品真正进入用户家庭后，公司需要面对制造、交付、维护和持续迭代等一系列工作，获得的反馈也会比展会演示和早期社群讨论更具体。

xLean 的团队配置也围绕这些环节展开。据公司介绍，核心成员中既有机器人算法研究和车载决策算法负责人，也包括参与过消费硬件全球市场拓展，以及具备大规模量产交付经验的工程与供应链负责人。

当然，第一代产品开始销售，还不足以验证整条多任务路线。薛轲翰更关注形成一定用户规模后，有多少人会尝试扩展模块，并在生活中持续使用。

在他的设想中，如果未来装机量达到 5 万至 10 万台，约两成用户对模块扩展表现出兴趣并开始使用，将是一个有意义的信号。这是公司的观察目标，仍需要后续产品和用户行为来回答。

第一项任务给了机器人进入家庭的理由。等到第二项、第三项任务出现，用户是否还会自然地叫它过来，才决定了这个助手能在生活中走多远。

参考资料：

1.https://xlean.ai/

2.https://www.idc.com/resource-center/blog/global-home-cleaning-robot-market-2025/