对话机器人行业二十年变化：从北美到中国，PNP机器人的即插即用(Plug&Play)之路
机器人离「即插即用」
还有多远？
对话：包文涛 PNP 机器人创始人 & CEO
嘉宾@包文涛
PNP 机器人（集智联机器人）创始人 & CEO
曾先后任职 ABB 集团、Universal Robots（优傲机器人），国内协作机器人最早的推动者之一
W创 会客厅 | 一档科技人物深度对谈栏目 VOL.2｜具身智能创业者系列 公众号 · W创会客厅 |
ABOUT guest
◇ W创会客厅的嘉宾：
• 包文涛（集智联机器人（PNP Robotics）创始人 & CEO）
• 哈尔滨工业大学机器人研究所毕业，拥有美国、加拿大等地超过20年的机器人专业经验
• 曾先后任职 ABB 集团、协作机器人先驱企业 Universal Robots（优傲机器人），担任集团及中国区域高级管理职位，2014 年回国
• 国内最早推动协作机器人发展的专家之一，曾参与协作机器人规范的制定与解读，推动国内协作机器人行业从 0 到 1 的发展
• 如今PNP机器人作为 Franka Robotics 中国区金牌授权生态伙伴暨战略合作伙伴，聚焦具身智能机器人操作策略与具身智能通用数据采集解决方案。
◇ 主持人：
• W创会客厅主理人（科技自媒体「W创会客厅」运营、主笔）
◇ 本期关注的机构与产品：
• PNP 机器人（Plug and Play Robotics）：工业具身智能「即插即用」解决方案与数据采集基础设施
• Franka Robotics：具身智能学术标准平台，PNP 中国区金牌合作品牌
这是「W创会客厅」的第二期具身智能系列深度对谈。
正式对话前，先给读者两个背景。
第一，数据正在成为具身智能最稀缺的资源。 在全球最大的开源机器人操作数据集 Open X-Embodiment 中，来自 Franka 机器人的轨迹占比最高，接近四分之一。一台本体被选为「学术标准机」，意味着围绕它的模型、数据格式和采集生态会不断自我强化——这件事正在发生。
第二，工业机器人行业刚刚经历一次标志性的转手。 2025 年 10 月，ABB 宣布以 53.75 亿美元将机器人业务出售给软银——这是包文涛研究生毕业后加入的第一家公司。而另一边，他曾参与从零做到中国市场的优傲机器人，营收在 2022 年见顶之后连续两年下滑。本体制造的时代正在谢幕，几乎已是行业共识。
两件事指向同一个问题：当硬件不再稀缺，机器人的价值会向哪里迁移？包文涛的答案是：数据，以及让数据真正用起来的一整套「即插即用」的能力。
以下是我们的对话实录，经整理与编辑。
包文涛在 ROSCon China 2025 上发表演讲（图源：PNP 机器人）
01 PART
标准化硬件平台
The Missing Platform
Q 我们就从今年 5 月的波士顿峰会聊起。您当时代表 PNP 出席，和 Franka 团队谈到行业缺一个标准化硬件平台。我们之前查到一个数字：在海外的开源平台 Open X-Embodiment 里，近四分之一的轨迹是 Franka 采集的——可以说学术界的数据采集，事实标准已经存在了。那你们当时谈的缺位，缺的到底是什么？
包文涛：Franka 在 Open X-Embodiment 里占的比例是所有本体里最多的，在学术圈的影响确实大。但学术端允许各家自由搭设平台，根据自己的需求做验证就够了；工业场景的需求远比学术端复杂——除了本体之外，末端是夹爪还是灵巧手，感知用视觉还是触觉，服务的是单一场景还是通用场景，差异都很大。所以工业端缺的，是全链路的可复产、可量产、可复现的完整一体化具身平台。这个平台今天还不存在。
Q 假设未来真有一个平台，它会从 Franka 这样的学术生态里长出来，还是从工厂端自己向上生长出来？这个时间大概要多久？
包文涛：技术体系其实都是一点一点沉浸式长出来的，不会突然凭空出现一个和过去完全割裂的全新体系。 大概率是学术端和工业端都沿用之前积累的学术资源，在这个基础上去做，涉及到的生态——模型、数据采集、标准格式——都脱离不了这些积累。时间很难说，比较乐观来讲 5 到 10 年，不乐观的话 10 年以上。
全球最大开源机器人操作数据集 Open X-Embodiment 中，Franka 机器人的轨迹占比最高（图源：PNP 机器人）
02 PART
一个时代的转手
A Changing of the Guard
Q 聊完行业，想聊聊您的履历——它几乎和机器人行业近 30 年的权力转移同步。您在 ABB 那些年，四大家族占中国工业机器人市场约七成份额；2023 年国产品牌首次过半；到 2025 年 10 月，ABB 把整个机器人业务以 53.75 亿美元卖给了软银。您觉得，这是 ABB 一家公司的选择，还是这一代工业机器人公司共同要面对的问题？
包文涛：这是一个挺好的问题。我觉得这既是 ABB 个性化的资本选择，也是传统工业机器人这个行业的时代拐点。
我在 ABB 工作过差不多 10 年，感情还是比较深的，它也是我研究生毕业之后的第一份工作。ABB 本身的强项在电力和电气，机器人业务和主业的联动一直相对独立，所以从集团角度讲，出售是优化资产、优化业务布局，一个很合理的选择。
但放到行业里看，最近行业的共性问题是：硬件本体越来越内卷，毛利率在下滑。而具身智能带来的变化是，机器人的价值正在从本体制造，转向软件、数据、模型结合在一起的解决方案。 这是所有传统工业机器人公司面对新旧范式转换都要面对的选择，只不过 ABB 目前选择了出售这种方式。
Q 如果今天您还坐在 ABB 的决策层，这一票，投赞成还是反对？
包文涛：我是倾向于赞成的。 当前这个阶段，发展的趋势已经比较明显，对任何企业来讲都要拥抱这种变化。我相信 ABB 决策层也是这样一种考虑。
这既是 ABB 个性化的资本选择，也是传统工业机器人行业的时代拐点。机器人的价值，正在从本体制造转向软件、数据和模型构成的解决方案。 —— 包文涛 |
图源：PNP 机器人公众号《机器人 10 年》
Q 您的履历第一站是哈工大机器人研究所——中国第一个机器人研究所。回头看，哈工大给你们这代人最大的资产是什么？
包文涛：最大的优势是一直扎根机器人这个行业，从学术端就比较在意从物理的底层出发、用工程的思维去解决问题；而且到今天还有很多师兄弟在哈工大机器人研究所做研究，同学师兄弟遍布学术和产业各个领域，这种同门网络是很宝贵的资源。
但同时面临所有从学术走向产业的人的共性问题：容易高估技术方向的决定性作用，而低估成本、供应链、客户、市场成熟度这些因素。 我自己也是在这个行业、尤其工业市场工作了很多年，被市场和客户毒打过很多遍，才真正理解这一点。
Q 从哈工大出来，您在 ABB 北美做了将近十年管理。那十年学到最重要的东西是什么？今天中国的机器人公司，学到这些东西了吗？
包文涛：北美和中国是两个不同的市场，差异比较大。在北美工作，很明显感觉到大家对工业需求更看重长期的东西，对细节把握得更仔细，论证比较严谨，很少犯错，然后在这个基础上长期投入，取得比较稳定的结果。
国内的产业因为竞争的关系，更看重产出和结果，不盯着表面参数，而是用实际行动去检验——是骡子是马，拉出来遛遛。这两种差异，背后是各自的优势，也各有代价。
Q 2014 年您回国，参与创建优傲中国。回来之后见的第一批客户，和您预期最不一样的地方是什么？
包文涛：差异确实比较大，我个人也花了一段时间去适应，主要是客户的务实程度。 国内企业很少去关注纸面指标和品牌光环，就看你有没有实际解决问题的能力，而且时间上要快速。成本上抠得比北美严格得多——尤其在一些细分行业，成本要求的严格程度，超出我的想象。
03 PART
两个市场，两套验收
Two Markets, Two Playbooks
Q 提到北美市场，我也注意到 Rethink Robotics——当年拿了 1.5 亿美元融资，2018 年关停。这样的叙事，是北美市场的一个个例吗？
包文涛：Rethink 这家公司我们确实比较了解，当年还是竞争对手。协作机器人这个方向到今天也是成功的，而且引领了很多行业的发展——包括现在具身智能、人形机器人，发展的基础其实都是协作机器人带来的。 Rethink 作为最早从事协作机器人方向的公司，毫无疑问是很厉害的。它没走通的原因，是技术方向的选择导致产品不够可靠，商业端没有形成闭环，后续融资就没有有效的案例和验证去接着走下去，是比较可惜的案例。
Q 今天具身智能的赛道里，有没有哪家公司让您想起当年的 Rethink？描述一下这类公司的特征，也让初创公司少走一些坑。
包文涛：说到最后能够走出来的公司，共同特征还是比较明显的：技术可靠，解决的是真实需求，长期稳定，能形成正向循环。 需求一定是真实的，不是靠讲故事、或者临时堆砌一个场景去验证。而走不通的，参考协作机器人那波浪潮里的警示案例，共性是商业闭环出了问题——有的是稳定性，有的是技术方向，有的是客户反馈、价格和市场接受度。现在具身智能这波浪潮，和当年协作机器人概念刚出来时，有很多相同之处。
能走出来的公司，共同特征都比较明显：技术可靠、需求真实、长期稳定，形成正向循环；走不通的，问题都出在商业闭环上。 —— 包文涛 |
Q 您在北美卖过机器人，在中国也卖机器人。能不能各讲一个印象深刻的验收场景——北美客户验收一台设备时最在意什么？您公司总部在苏州，苏州工厂的客户验收时又最在意什么？
包文涛：北美对场景验收比较看重的是标准化——项目标准化执行的水平，还有整个合规性：供应商、人员在危险场合要有相关的 license 才有资格进场，体系要求严格完整，文档性的东西要求更多。
国内客户特别在意的是执行起来的良率、节拍，短期之内的 ROI，重在证明确实能替代人工，用实际执行结果来验证。
Q 那您个人更倾向于服务北美客户还是中国客户？哪一个更难伺候一点？
包文涛：其实都还好，两边我都长期工作过。北美的方式比较成熟，能有效规避长期风险，但执行效率、周期和成本都比较难控制；国内重在解决问题，效率高，但也有相应的风险。各有取舍。
Q 顺着客户聊聊需求侧。北美的需求很直观——劳动力短缺、用工贵；但中国制造业并不缺人。中国具身智能的需求侧到底是什么？如果其中很大一块来自政策或资本叙事，您担心它的持续性吗？
包文涛：其实并不是中国劳动力成本低、不缺人力需求。人会生病、会请假，这些都是生产上不太稳定的因素；制造业的核心，是不断提升标准自动化的水平，去替代缓慢的非标自动化。而且不是所有人都能上产线——不经过培训、没有特殊技能的人，在产线上是做不了的。所以长期来看，每一家制造企业的需求都是一样的。美国面对的也是同样的问题：劳动力早就转移了，也缺高素质劳动力，希望用数据、用自动化的形式弥补生产上的缺陷。 两边长期来看，目的其实都是一样的。
04 PART
数据的真相
The Truth About Data
Q 聊完市场，进入数据这个正题。现在大家都在讲出海，中国的优势常被总结为供应链、场景密度、数据便宜。但数据便宜的前提是人力便宜——这到底是在建立壁垒，还是在以新的形式出口廉价劳动力？
包文涛：这确实是需要当心的一个方面。低成本的数据采集，实际上是最大的隐形陷阱。 表面上你做了很多工作，但这里边最容易忽略的地方是：只关注了量，并没有特别关注流程里核心的东西——比如标准的制定，你有没有话语权；数据的检验、数据的合规。没有这些把控和主动权，你就只能是被动输出的角色，变成一个纯人力外包的场景。所以并不是廉价地做一些工作，最后就能收获结果，还是要特别关注最核心的东西。
低成本数据采集是最大的隐形陷阱。没有定义权，就只能被动输出，变成纯人力外包。 —— 包文涛 |
Q 数据怎么从一个成本项变成资产，而不是简单的人力外包？您认为定价权应该在哪一端？
包文涛：目前采集端是没有掌握定价权的。要想在数据上有比较多的产出，不仅仅是数量，更在于你采集的场景是不是成熟、可复用、可以用来交易的数据——这些才是数据资产。不能低头盲目采集。有些场景采了也没法泛化落地，那就是没用的数据。
更长远的问题在于：现在模型并没有统一，对数据的要求也没有统一，你采集的数据，它的标准、整个压缩和存储体系，能不能满足未来模型训练的需求，到现在也不是一个明确清晰的走向。
另外还有合规问题：定制化的数据，尤其涉及工厂端的生产工艺，是有保密要求的；政策一旦收紧，有些数据就可能变成很难出手的数据。这些都是不得不考虑的方面。
Q 这两年国内具身智能数据训练场出现了爆发式增长，数量和落地速度都很快。把两边放在一起看，北美和中国具身智能的整体成熟度有哪些结构性区别？国内训练场的规模优势背后藏着哪些短板？
包文涛：北美那边很少看到这种规模化的公共训练场，更多是企业根据自己的模型训练需求自建；国内则是受政策性导向建数据训练场的地方比较多，我们也参与了一些数据训练场的建设。
我的理解是，数据是基础设施，就像国家修高铁、修高速公路——基础设施有了，车才能跑在上面，才会吸引更多人在上面做事情。
从长远发展角度讲，这是可以理解的，也有很多优势。短板在细节：采出来的这些数据，真正能不能成为有效的资产，还需要再去深耕、再去挖掘，做得更细致化一些，才会更有用。
Q 北美的企业自建和国内政府主导的公共训练场，本质差别是什么？政府主导的训练场，最后会不会变成各地的形象工程？要真正做到数据基础设施这一层，还需要哪些具体的细节？
包文涛：这两类其实都是现实困难逼出来的方式。工厂端每家都有自己的生产流程，很多工艺是不能输出的保密信息，你去采集数据本身就受限——美国那边也是一样，企业去工厂采集同样面对数据合规和隐私的处理，所以不得已才自己搭建场景。
两种方式都会产生好的一面和不好的一面。好的一面是，自建的生活类场景数据，和家庭生活里的操作有很多类似之处，不涉及特别敏感的信息，我相信很大一部分将来是可以复用的。
缺点在于，这些场景只能服务一部分企业、一部分客户——可能 10%、20% 都不到，更广泛的场景涵盖不到。这就涉及到数据分轮迭代、怎么进化的问题——到现在怎么解决，是这个行业面对的共同难题。
PNP 的具身智能数据采集训练场场景配置方案（图源：PNP 机器人）
05 PART
PNP 是谁
Plug and Play, as a Bet
Q 聊回 PNP 本身。想先请您给 PNP 下一个定义——外界提到 PNP，第一反应往往是 Franka 的中国代理。您自己怎么定义？哪一层是今天的现金流，哪一层是公司未来的战略布局？
包文涛：PNP 其实是一个简称，英文全称是 Plug and Play，公司名叫 Plug and Play Robotics。公司的自身定位，是在工业具身智能行业里做即插即用——帮助企业客户减少落地部署流程上的麻烦。
Franka 只是我们业务的一个载体，核心想法是依托成熟、有口碑的硬件产品：短期要有一个成熟的解决方案，满足现在客户的需求，提供稳定的现金流——成熟产品不需要我们从零开始去教育客户、说服客户；
但长期来看，我们确实要有自研产品部署在这些解决方案里，包括遥操作、触觉力反馈、数据采集等等，这些才是公司未来的增长引擎。所以我们不是单纯靠卖硬件产品赚差价让公司活下去，而是用软硬一体化的解决方案，构建长期的竞争力。
PNP 具身智能解决方案：基于 ROS 2 的模仿学习、强化学习与 VLA 快速部署（图源：PNP 机器人）
Q 我们上期访谈了瞬适科技的创始人石野教授，他走的是世界模型路线：让机器人快速适应一个新环境，不需要在每个新场景重复采集海量的真实数据，把迁移成本降到最低。PNP 在建的即插即用，和瞬适的瞬间适应的理念本质上有什么区别？数据采集这门生意，会消失吗？对话石野｜从上科大博导到瞬适科技创始人：让机器人瞬间适应新世界
包文涛：理念其实应该是一样的，只是大家从商业模式上出发，具体执行走的路不太一样。 世界模型这个方向会不会成为未来唯一确定的基础路线，至少从目前来看还有很多不确定——不管用哪种模式跑出来，即插即用一定是具身智能的终极形态，只是可能需要的时间更长一些。
但我认为，真实的数据采集一定会一直存在。 现在很多模型的瓶颈还是在数据采集过程里。大家可能一度忽略了物理接触，但包括现在的学术走向，也越来越清醒地认识到：物理接触是必不可少的。
仿真和物理之间，工业端目前统一的认识是：存在巨大的鸿沟，至少短期内不会拉齐、对齐。工业端大多数场景都需要物理感知，精细化操作的要求远高于生活场景里抓来抓去。所以从今年开始，我们也增加了基于触觉力反馈的数据采集方式。
真实的数据采集一定会一直存在。仿真和物理之间有巨大的鸿沟，至少短期内无法对齐。 —— 包文涛 |
Q 那有没有可能出现一种强大的高维泛化表征，让模型 zero-shot 就能自我推理、自我进化，理解所有操作？
包文涛：我认为它能无限靠近。但你说这种能力要提升到什么程度，这很难说。
比如精细操作的场景，人可以做百分之百；模型自我推理，也许能达到人类操作的 80%、极限 90% 的水平，但你要让它再更进一步，我觉得就很难很难再推进了——限制的因素太多了。所以它可能无限靠近，但也许永远达不到那最后一段。
Q 回到你们自己的数据采集。目前是只押在力反馈遥操作这一条路线上吗？为什么没有选择其他数据采集路线？
包文涛：我们对风向的把握还是比较敏锐的：之前我们帮助建了很多数据训练场，很多场景不需要力反馈——比如生活场景里简单的抓取、倒水，那类我们会提供别的方式：基于非力反馈的遥操作、基于不带力反馈的数据手套、基于 VR 的操作。需要力反馈的场景，我们再把力反馈加进去。
一句话讲，有力反馈的操作，数据的质量更高。 详细来讲，数据采集的整个过程里，动作、执行角度、力这些信息都是一体的。
举个齿轮装配的例子：没有力、没有力感知，机器人可能永远在那儿往下装，齿轮捏合不对就一直装不进去，靠强化学习去迭代也永远卡在那个状态；但有了力反馈，它在装配过程中发现位置不对，会去感受那个最小的力，做一个微调——这个过程就很丝滑，效率也最高。你记录下来这些数据，未来模型推理也会用最有效的方式去迭代，让过程更贴近自然、执行效率更高。
PNP-TO 系列力反馈遥操作方案：Franka 双臂遥操作模仿学习（图源：PNP 机器人）
Franka双臂力反馈遥操作演示.mp4 PNP 力反馈遥操作演示：操作员通过主从臂完成双臂协同任务，全程带力觉反馈（时长约 98 秒） |
Q 您刚才说力反馈让数据质量更高——那数据质量有效的衡量尺子是什么？如果未来有了这把尺子，您认为该由谁来定？
包文涛：说开了会比较多：采集的时间效率最优、动作执行效率最优、轨迹最优，再加上成功率，这些都算评判质量好不好的因素。目前这些数据质量的衡量，还靠人的感觉去定义，加上一套标注和舍弃的流程——觉得不好的数据就舍弃不要。
现在行业里缺一把公共的尺子来衡量数据质量，国内国外都没有。 未来这把尺子该由谁来定？参照协作机器人发展的过程，我认为标准要行业一起参与制定，不是由一家企业或者某个主管部门说了算——标准的涵盖范围，本身就需要一个过程。
Q 你们的方案要兼容多种本体——不同的机械臂和灵巧手之间，数据是怎么对齐的？跨本体迁移最难的地方在哪里？
包文涛：目前的数据采集，模型之间、数据之间是不通用的，至少现在来讲是不通的。 但学术上已经有进展，比如斯坦福、CMU 已经提出一些观点和方法；前沿的模型也开始展示跨本体的通用性。我觉得这是短期存在的一个问题。本体数量有限，在接口、控制这些方面都能兼容的情况下，即使两个本体之间有差异，用一些模型或者数据修改的方式也能够对齐。从趋势看，跨本体的问题正在慢慢被攻克，不是一个长远解决不了的问题。
Q 聊一个现实的问题：PNP 目前没有融资。这是您的一个主动选择，还是您刚才说的战略判断——先用成熟业务和自有资金做一个轻资产的启动？
包文涛：现在没有融资，确实是主动的战略选择。 我完整见证了协作机器人行业的发展，亲身经历，清楚融资短期能把一家公司推到什么程度。所以我们并不是主动靠融资、选择资本的模式去跑市场；长期来看，我们选择的模式是必须要有现金流，让企业自己跑出来。等市场成熟、我们对行业和客户的积累足够之后，也会需要资本助推，让成果放大化——但至少目前，不主动对接资本。
Q 如何用一句话介绍你们公司？
包文涛：我们叫 PNP——用 Plug and Play 即插即用的方式，提供具身智能行业快速落地的解决方案。
希望更多的企业、学术机构、数据训练中心，都能用上我们即插即用的产品。
PNP实验室双臂遥操作数据采集.mp4 PNP 实验室实景：操作员遥操作 Franka 双臂完成数据采集任务（时长约 19 秒） |
06 PART
机器与人
Of Man and Machine
Q 从工业机器人到协作机器人，再到以人为师的具身智能——人和机器的关系，在您心里有没有过改变？您希望它变成什么样子？将来您家里人用上您做的机器人，您希望他们怎么用？
包文涛：工业机器人时代，机器人纯粹是替代人的工具，用来做一些重复的劳动。协作机器人时代，人掌握机器人变得更容易，门槛降低了，确实促进了效率，解决了一部分需求——包括工业之外，送餐的、做菜的，都可能用上协作机器人。具身智能时代，我觉得更进了一步：机器人离每个人不再遥远，通过数据积累的技能，能听懂人的指令。
但所有这些，指令其实还是由人来下达的，机器人只是在模型的框架之内，负责去执行一些任务——重复的、精密的、危险的任务。我认为人和机器一定是一个协作的关系，是伙伴。人机互补，各司其职，让人的脑力活动更有价值。
Q 最后一个问题：请您对 10 年后的具身智能下一个判断。您最确定会发生的一件事是什么？最不确定的又是什么？
包文涛：最确定的，是工业具身智能会形成标准化的解决方案。 这个过程其实正在循序渐进地走，有些已经有比较好的苗头，比如 3D 检测方向已经有一些标准化；未来更多非标自动化的东西，可能都会用具身的方式去解决。这一点是确定的。
不太确定的，是人形机器人到底是不是工业刚需——很多场景，单臂、双臂也许就够了。未来理想的画面是：机器人只要装在那儿，一筐零件摆在那儿，机器人自主做全局规划、局部规划，最后直接产出标准产品，无需人工介入。现在欠缺的，其实还是数据和模型的部分。
写在最后
把两期对谈放在一起看，会得到一个有意思的对照：石野赌的是迁移成本可以趋近于零，包文涛赌的是物理接触永远绕不开。两个人指向同一个终局——机器人的「即插即用」，但押注的赔率几乎相反。
包文涛的履历本身是一套观察行业的坐标系。四大家族在中国工业机器人的份额从约七成跌到约四成，ABB 易主，协作机器人经历泡沫与出清——每一幕他都在场。如果问这套坐标系给出了什么规律，他的回答其实是同一个词：闭环。技术方向错了，闭环断；产品不可靠，闭环断；价格不被接受，闭环断。Rethink 死于闭环，四大家族让出份额于闭环，今天具身智能公司要过的还是这一关——只是这一代的变量，从本体换成了数据。
而数据这一代的特殊之处在于，它第一次把「定价权」三个字摆到了中国公司面前。低成本采集是不是新形式的劳务输出，这个问题不只问给数据公司。中国制造业曾用二十年从代工爬到参与定义标准；具身智能的数据环节，是同一个岔路口的又一次出现。
W创会客厅是一档聚焦科技创新与产业的深度对谈栏目。我们寻找那些真正站在产业一线的人，聊技术、聊商业，也聊机器与人的未来。 本期互动： 你认为具身智能时代，数据会像石油一样成为被争夺的战略资源吗？欢迎在评论区聊聊。 |