獨家專訪IntBot：從硅谷向世界，用世界模型做社交“塑魂”機器人

作者：呂鑫燚

出品：具身研習社

具身智能的進化只有一條主線：解構再重構。

用AI解構人類的行為意圖和作業能力，再重構具身智能感知到決策的閉環。在這條主線上，主流選手更鐘情于具身智能干活能力的塑造，用更精密的硬件、更極致的算法、更差異化的場景，去復刻人類的體力與技能，塑造物理世界的新生產力。

但人類值得被解構的，遠不止作業能力。

這也是一條更少人走的路，但正在顯現商業想象力：解構人類的社交能力。這并非在既有模型上外掛一個情感交互模塊，也不是MOE架構里的插件，而是自下而上搭建一個完整的社交基座，給一個能干活的生產力“塑魂”。

這是一次對具身智能定義邊界的重新發問。

它的答案遠不止讓機器人“能說會道”，也不是在某一個場景里機器人能和你來一場走心的對話。而是讓機器人從被動響應執行指令，變成主動靠近，提前執行。且社交基座模型可以跨本體、跨場景，這種能力與人類的社交直覺同源，它貫穿形色各異人群的所有交互、所有任務的底色。

厘清這條主線的真實價值，才能讀懂社交智能的真正分量，它不是具身智能的增值功能，而是一個商業上限極高的獨立賽道。

IntBot CEO Yang Lei、CTO Sharon Yang在和具身研習社對話時，清晰勾勒了社交智能的商業想象力，社交智能輻射范圍包括但不限于，本體廠商、終端場景方、解決方案方。從一開始就不是依附于某款硬件、某個場景，而是一套獨立于作業能力之外、可橫向復用的底層基礎設施。這正是IntBot堅持“全開放、不綁定”的底層邏輯，機器人的硬件形態多樣化、應用場景終將碎片化，一套能跨本體、跨行業復用的社交基座，能穿透產業鏈各環節，成為新的價值錨點。

對社交、情緒與人際邏輯的解構，本質上是在為具身智能注入“感知與分寸”。這不是對生產力主線的背離，而是AI對人類能力復刻的必然延伸，人之所以能完成復雜協作、建立商業信任、形成情感連接，依靠的從來都不只是精準的動作與明確的指令。

今天的具身智能，絕大多數資源與注意力仍集中在“讓機器人更能干”這件事上，這些硬指標定義了行業的準入門檻，也構成了當下商業化的基本盤。但當作業能力的邊際效益開始遞減，真正能拉開產品價差、構建用戶粘性、打開家庭與大眾消費市場的核心變量，恰恰是這種難以量化的“懂人”的能力。

這或許就是社交智能這條少有人走的路，最核心的產業價值：它沒有改寫具身智能的進化主線，卻實實在在拓寬了這條主線的邊界。在此之前，我們討論具身智能，總在追問“它能產生多少勞動價值”；在此之后，我們或許要開始回答另一個更本質的問題，它能在多大程度上，理解人、連接人、走近人。

“如果通用基座模型能力躍遷，會吃掉社交智能基模嗎？”

“不會”。

Sharon Yang的回答干脆利落，這份篤定背后，是對社交智能技術壁壘的清晰認知，它不是通用大模型能力在社交場景的簡單延伸，而是一套完全獨立的、基于世界模型搭建的完整技術體系。

IntBot將社交智能構建為一個面向真實人類環境的社交世界模型，并通過三層能力實現從理解人到做出符合人類預期行為的完整閉環。

• 第一層是社交感知層：系統輸入人的語言、微表情、肢體動作，以及環境、場景、人物關系等上下文信息，輸出對人當下狀態與潛在訴求的預判，核心回答“面前的人此刻需要什么”。
• 第二層是社交推理層：基于感知層的判斷，結合場景規則與社交邏輯完成決策推導，比如“炎熱的夏天顧客需要冰水”，將模糊的感知轉化為明確的行動目標。
• 第三層是行為規范層：將推理結果拆解為可執行的多模態動作序列，協調機器人的運動系統、語音系統與表情系統，最終輸出完整的交互行為，不僅是遞上所需物品，同時伴隨恰當的問候與肢體動作，形成符合社交分寸的完整反饋。

簡單來說，這是一套端到端的社交閉環：從環境與人的多模態感知輸入去理解社會環境，到社交邏輯的逐層推理，最終輸出語言、動作、表情協同的全身級交互結果，而非單一的文本或語音應答，并據此作出符合人類預期的行為。

這套架構最隱蔽也最堅實的技術壁壘，在于感知層的前置預判能力，它不需要等待人類用語言明確發出指令，僅通過微表情、肢體姿態等非語言信號，結合場景上下文，就能預判人尚未說出口的訴求。最典型的場景是酒店大堂。雨天，一位顧客渾身濕漉地快步走進門。模型能力加持下，機器人無需上前詢問“請問有什么可以幫您”，而是會直接取來干毛巾與溫水遞到顧客面前。整個交互沒有指令觸發的環節，卻比任何標準問答都更貼近真實的服務體驗，就像熟悉的朋友或家人，總能在你開口前，就察覺到你的需要。

這恰恰是通用基座模型很難自然涌現的能力。

真實的社交交互，絕大多數信號是非語言的、隱性的，它沒有標準正確答案，只有“得體”與“不得體”的分寸之別。這種能力無法靠通用語料的規模堆疊自然獲得，它需要專門的交互數據集、專門的訓練目標、專門的社交評價體系，以及專門針對物理世界實體交互優化的世界模型架構。

這就是IntBot用know how修筑的護城河。

Yang Lei表示，目前IntBot團隊中不乏有認知科學背景出身的伙伴，并在模型訓練時加入了大量人類的行為心理學，用于強化機器人的感知能力和行為邏輯解讀。此前，美國知名高校聯合IntBot開展聯合研究，憑借關于IntBot社交機器人Nylo的研究成果拿下了Best Paper。這里有個比較有意思的是，IntBot對人類情感邏輯的拆解不僅僅局限于機器人該做什么反饋這一個外顯上，還會針對人類共性的心理認知問題，設計機器人的表情、外觀等賦予機器人自我認知能力。

Sharon Yang進一步補充道，社交智能所需的數據與傳統機器人訓練數據存在本質差異。相比高度規范化的數據采集環境，IntBot更關注能夠反映真實人類行為模式的多源數據，包括互聯網視頻、仿真環境以及真實世界的人機交互數據。這些數據能夠幫助模型學習人類在現實環境中的表情、姿態、距離感、注意力和社交互動規律。隨著機器人持續部署到酒店、機場、展會等真實場景，系統不斷積累真實的人機交互數據，并持續反哺模型訓練，逐步形成“部署越多—交互越多—模型越懂人—部署更多”的正向循環。這種來自真實世界的人機交互數據積累，也正在成為IntBot社交智能平臺最重要的長期壁壘之一。

把IntBot的社交智能這條路放在更大范圍的具身智能落地來看，當所有機器人都能聽懂指令、完成基礎任務，產品體驗的分水嶺就會從“能不能做”，轉向“做得舒不舒服、懂不懂分寸、能不能讓人產生信任”。前者是通用能力可以覆蓋的行業下限，后者才是社交智能定義的體驗上限。

機器人具備社交能力，這件事在當下的具身智能產業語境里，很容易被歸為“錦上添花”的非核心功能，感性的交互價值很難被放進嚴謹的商業模型里。

這種認知差，IntBot在融資路上感受得尤為真切。Yang Lei坦言，不少投資人會把社交智能窄化為情緒陪伴、寵物式交互，甚至只是一段更富表現力的語音合成。在主流判斷里，這是依附于硬件本體的增值模塊，撐不起獨立的賽道體量。

但這恰恰是對社交智能最核心的誤解。專訪前，在澳門Beyond Expo論壇上，Yang Lei在和具身研習社圓桌對話時就表示，社交智能不是單維度的交互功能，也不局限于某一類場景、某一種硬件形態，而是一套可橫向復用的底層基座能力。

IntBot的社交基座可以與各類VLA模型并行部署，共同構成機器人的完整大腦。如果說作業模型賦予了機器人“動手做事”的軀體，搭建起物理世界的生產力底座；社交基座就是為這具軀體注入“懂人共情”的靈魂，讓冰冷的工業產品擁有擬人化的交互分寸，真正以協作伙伴的身份融入人類的生活與工作場景。

用一個真實案例來看，搭載IntBot模型的機器人走在人流熙攘的時代廣場會主動和陌生人打招呼進行交流，即便是周圍圍滿了人，機器人依舊能夠通過視覺和語音信息精準識別與其對話的人，實現自然的一對一交流，而不會受到周圍人群和噪聲的干擾。短暫交流告別后，機器人又在路上逛了一會再遇到剛剛對話的陌生人，依舊記得對方是誰，剛剛聊過什么。陌生人一句“see he remembers me”就是對社交智能最好的注釋。

視頻來源：IntBot

而這種能力疊加以底層基座的定位切入，從一開始就決定了IntBot的商業天花板。

硬件端，他們堅持橫向兼容的開放路線。在IntBot的判斷里，機器人產業很難像汽車那樣最終收斂為少數幾種標準化形態，家庭、工業、服務業的需求差異天然巨大，必然會催生出形態各異的硬件產品。這意味著，大腦層的最優策略不是押注某一家本體廠商，而是廣泛對接各行各業的頭部玩家，盡可能覆蓋更多產品形態與應用場景。目前IntBot已與多家出貨量領先、技術路線各異的本體廠商達成合作。

場景端，IntBot同樣遵循“有側重、不綁定”的思路。在他們看來，社交智能是一種通用底層能力，其滲透邊界可以覆蓋千行百業，過早綁定單一場景反而會禁錮自身的商業上限?，F階段落地重心集中在服務業，優先切入酒店、機場、零售、醫療、養老陪伴等多個高潛力細分場景。

目前場景側的合作伙伴主要分為兩類，各自對應不同的互補邏輯：第一類是垂直行業解決方案提供商與場景運營商。以IntBot早期合作的兩家酒店客戶為例，其自身既運營線下酒店物業，也對外輸出完整的酒店智能化方案；社交智能大腦作為整體方案的核心組成部分，隨合作伙伴的渠道體系一同拓展更廣的市場。第二類是機器人行業的分銷商與經銷商。這類玩家原本具備成熟的客戶觸達與線下服務能力，但過往客群多集中在教育科研、文娛表演領域，缺乏支撐24小時無人服務所需的持續AI迭代能力與遠程運維體系。社交智能恰好補齊了這一核心短板，幫助渠道伙伴跳出硬件價格戰的紅海，切入價值更高的商用服務市場。

這種“全開放、不綁定”的策略，本質上是在押注具身智能產業的終局格局：當硬件形態注定碎片化，不存在一款通吃所有場景的終極產品，那么一套能跨形態、跨場景復用的核心能力，才有可能抬高自身在產業鏈的價值節點。

這很像PC時代的操作系統邏輯，硬件廠商百花齊放、輪番迭代，但底層系統的價值會隨著生態規模的擴大呈指數級增長。社交智能基座的商業飛輪與此同源：接入的本體越多、覆蓋的場景越廣，真實人機交互的數據積累就越豐富，模型的社交理解與預判能力就越強，反過來又會吸引更多合作伙伴加入，形成正向的規模效應。

更關鍵的是，社交智能徹底改寫了具身智能的價值計算方式。過往服務機器人的商業價值，始終錨定在“降本”邏輯里，其換算公式永遠圍繞人力成本。但社交智能創造的是“增收”與“溢價”空間，目前IntBot模型加持下，很多人都會在機器人面前駐足，溝通長達十五分鐘，改變了以往人和機器人一問一答式碎片交流。這種交流和感知識別能力，讓機器人在酒店里更貼心的服務機器人能提升客評與復購率，養老場景里更懂老人的陪伴機器人能拉高付費意愿，零售場景里更懂察言觀色的導購機器人能提升轉化效率。這些價值沒有明確的人力對標，其商業彈性遠高于單純的人力替代。

從這個維度看，IntBot要做的是具身智能時代的交互基礎設施提供商，并悄悄搭建起了屬于自己的商業護城河，這關乎的不只是一家公司的體量，更是整個人機交互范式的重構。

2024年成立于美國加州森尼韋爾的IntBot，從誕生第一天起就帶著鮮明的技術底色。

作為聯合創始人兼CEO，Yang Lei職業路徑本身就暗含了IntBot的技術基因。其畢業于清華大學，并擁有加州大學圣巴巴拉分校計算機科學博士學位，曾任職于阿里巴巴旗下螞蟻集團，擔任AIoT事業部總經理；更早前他在英特爾實驗室主導多項前沿研究與產品落地項目。累計發表學術論文30余篇，手握30余項美國專利。過往多元化的發展經歷，讓他對“機器人如何真正融入物理世界與人”有著比純大模型背景創業者更具象的判斷，這也是他篤定社交智能是具身智能下一核心變量的根本原因。

聯合創始人兼CTO Sharon Yang擁有伊利諾伊大學厄巴納-香檳分校（UIUC）計算機工程博士學位。曾任英特爾資深首席工程師，主導全球跨學科工程項目與企業級創新業務，推動多項技術落地于英特爾全產品線及合作伙伴生態體系，研究領域覆蓋邊緣AI、AI系統、機器人、無人機與先進無線通信等方向，在全球范圍內擁有161項授權專利，發表37篇經同行評審的學術論文，同時深度參與行業標準制定。

技術的底氣，最終體現在落地的廣度與深度上。如今IntBot的全球化商業版圖已清晰鋪開：北美、亞太等多個國家均有項目落地，客戶覆蓋硬件本體廠商、行業解決方案商、企業級運營商等多元主體。

其機器人已經在美國圣何塞米內塔國際機場、紐約The Nap York酒店、拉斯維加斯的Otonomous酒店，俄克拉荷馬州的萬豪酒店。而且是全天候和人類員工并肩工作，不間斷運行。還出現在NVIDIA的GTC大會上，和來往的聽眾交流，全程以非腳本化的自然交互與參會者溝通，直觀驗證了社交基座跨硬件的通用能力。

2026澳門Beyond Expo現場，作為亞洲地區的創新展會，來往人群十分多元化，IntBot機器人接待了來自不同國家、不同文化的人群。還拿下了最佳創新獎。

今年5月，IntBot與新加坡大型運營集團Certis達成戰略合作，將社交智能引擎落地當地高流量公共場景的人形禮賓與服務輔助業務，正式進入東南亞企業級服務市場。在中國市場，其已與多家頭部本體廠商建立合作，社交基座的能力正快速滲透到服務場景的各個環節。

這種跨地域、跨業態、跨硬件的落地效率，根源在于社交智能的底層通用屬性。對人類情緒、隱性訴求與社交分寸的感知邏輯，不因語言、文化、硬件形態的切換而失效。這讓IntBot的全球化天然具備輕量化特征：無需為單個市場重構底層模型，無需自建硬件產線，只需在通用基座基礎上做本地化的場景適配與數據微調，依托合作伙伴的硬件、渠道與運營能力，即可快速完成商業閉環。

從硅谷的技術原點出發，IntBot走的不是硬件產品出海的老路，而是底層能力生態化擴張的新路。技術研發扎根硅谷，落地合作遍及全球，以開放基座的身份接入各地產業鏈，讓社交智能的價值隨著伙伴的業務邊界自然生長。這既是一家技術公司的戰略選擇，也暗合了具身智能產業分工的終局：當硬件形態與場景終將多元化，真正能穿越地域與周期的，是可復用、可兼容的底層能力。

而社交智能，正在這條能力賽道上跑出全球化節奏。