首页
AI类系统
渠道合作
关于我们
橡鹿杨建成：从厨房出发，具身智能如何走向真实世界丨 WRC 演讲实录
当具身智能成为科技行业最受关注的方向之一，一个更难的问题开始浮现：机器人如何离开演示环境，进入充满噪声、变化与不确定性的真实世界？橡鹿机器人创始人、董事长杨建成选择从厨房回答这个问题。
厨房或许是具身智能最严苛、也最接近日常生活的考场：输入并不标准，过程快速变化，结果还带有强烈的主观性。橡鹿机器人本次发布的多模态烹饪 AI 基座 CookingMuse 厨启、3K 视觉 AI 炒菜机器人和具身烹饪机器人现炒方舟，也因此不只是三款产品，而是一条从模型、感知到具身执行的完整路径。
「真实世界不会为了机器变得标准。具身智能要做的，是看见变化、理解变化，并用行动把结果追回来。」杨建成在 2026 世界机器人大会（WRC）橡鹿机器人「看见」产品发布会上表示。以下为杨建成本次演讲实录：
具身智能的真正考题，不在演示场，而在真实世界
今天我们谈具身智能，常常先谈机器人能做什么动作、能完成多少任务。但我更关心另一个问题：当机器人真正离开实验室，进入一个每天都在变化的环境，它还能不能稳定地把事情做好？如果智能只能在被整理好的条件里成立，它就还没有真正走进生活。
真实世界不会为了机器变得标准。环境、材料、设备和人的需求都在变化。具身智能需要在变化中持续感知、理解、决策和执行，再根据结果重新调整。厨房之所以重要，是因为它把这些难题集中在一个高频、刚需、直接关系普通人生活的场景里。
今天讨论未来厨房，我想先从一个朴素的愿望说起：未来的厨房，不应该让人学习更多，而应该让人少为吃饭操心。橡鹿给自己定过一个目标——在五平方米的空间里，用五十分钟解决一家三口的一日三餐。
我们今天谈 AI，常常会谈参数、算力和模型，但对普通人来说，技术最终要落在一件件具体的小事上。吃饭就是其中最日常、也最复杂的一件事。一天三顿饭看起来普通，却牵涉时间、健康、口味、成本和家庭关系。谁能真正解决这件事，谁就真正进入了人的生活。
这背后有三层期待。第一，人不必再专门学习怎么做饭，技术应该把人类积累的烹饪经验接住；第二，人不一定要走进厨房，回家后的时间应该更多留给家人；第三，这件事不能太贵，只有普通家庭承担得起，才会成为真正普遍的生活方式。
过去是「家里有什么就吃什么」，后来是「想吃什么就点什么」，今天新的问题是「我应该吃什么」。孩子、老人、术后人群和上班族，需要的并不是同一顿饭。所以未来厨房真正要回答的，不是会做多少道菜，而是能不能为眼前这个人做出合适的一餐。
这三个条件缺一不可。如果只是把专业厨房里的复杂设备搬进家庭，用户仍然需要学习和操作；如果一套系统只能服务少数高端人群，也无法改变大多数人的生活。我们希望把复杂留在机器内部，把简单留给使用者。
设想回到家以后，只要给冰箱拍一张照片，系统就能识别现有食材，结合家人的年龄、口味和身体状况给出建议，再把饭做出来。过去的人工智能更多是在教人怎么做，未来的人工智能应该进一步帮助人把事情做好。
从「执行问题」到「理解问题」：自动化与智能化的分水岭
厨房首先揭示了自动化与智能化之间的差别。自动化擅长在固定条件下重复动作；智能化则要在输入发生偏差时，仍然理解目标并对结果负责。对具身智能来说，真正困难的从来不是「动起来」，而是知道为什么动、怎样动，以及动作以后世界发生了什么。
过去五年，我们一直在追问：一道菜明明有菜谱，为什么还是很难复刻？后来我们发现，菜谱记录的是步骤，真正决定味道的，却往往是没有被写下来的判断。什么时候下料、什么时候翻炒、什么时候收汁，老师傅依靠的是多年形成的经验。
很多人都有类似的感受：小时候记得妈妈做的一道菜，长大后即使找到相同食材、按照相同步骤操作，也很难得到完全相同的味道。因为真正起作用的，是她对食材状态的熟悉，以及在每一个细微节点上的选择。这些选择通常不会被写进菜谱。
这也是家乡味难以离开原来厨房的原因。酸度差一点、火候慢一点、食材状态变一点，最后的味道就会不同。连锁餐饮面对的难题同样如此：食材、环境和操作人员每天都在变化，只靠固定 SOP，很难让结果始终稳定。
比如同样是酸，不同地区和不同人群能够接受的程度完全不同；同样叫「收汁」，不同菜品需要的浓度、温度和时间也不同。烹饪语言里有大量这样的经验词，它们对厨师来说清楚，对机器来说却不够精确。
过去，行业把烹饪看作执行问题；我们认为，更难的是理解问题。机器不仅要完成动作，还要知道锅里正在发生什么、当前状态离目标还有多远，以及下一步应该怎样调整。
老师傅的经验如果只能留在一个人身上，就会随着人员流动而损失；一家门店做得好的味道，也很难稳定复制到另一家门店。我们希望解决的不只是效率问题，还包括经验如何保存、品牌味型如何延续，以及地方风味如何跨越空间。
真实门店里的波动每天都在发生：早晚批次的食材不同，新员工和熟练员工的操作不同，设备使用时间长了以后状态也会不同。传统管理往往要求现场尽量消除差异，而 AI 需要进一步做到识别差异、理解差异，并主动修正差异。
因此，具身智能进入真实世界的第一道门槛，是把对环境的理解放进执行过程。机器不能等任务完成以后才发现结果不对，而要在过程中识别偏差、判断原因并主动修正。只有从执行预设走向理解变化，机器人才能承担真正的现场工作。
从「汁水合一」到精确动作：具身智能必须建立连续闭环
具身智能与只在数字世界中生成答案的 AI 不同。它作出的每一次判断，都会通过身体改变物理环境；改变后的环境又会成为下一次判断的输入。因此，它面对的不是一次性问答，而是一条持续发生、彼此影响的时间链。
厨房有高油、高盐、高湿和高温，变化又发生得非常快。更重要的是，「好吃」没有唯一答案。同一道菜，不同地区、不同人群可能有完全不同的标准。模型不仅要认识食材，还要理解味型、火候和人的偏好。
真实厨房里的变量远比想象中多。同一种蔬菜，季节不同，含水率不同；同一块肉，冷冻程度不同，下锅后的温度曲线也不同。甚至海拔改变后，水的沸点和加热效率都会变化。固定参数无法覆盖所有现场条件。
因此，我们要把「汁水合一」「炒到断生」这样的经验语言，转化为机器可以执行的数字：目标温度是多少，还要加热多久，锅内状态发生变化后应该怎样修正。感知、理解、决策、执行，再根据结果反馈重新判断，这必须形成一个连续闭环。
机器还要先学会「看锅」。我们通过视觉、红外测温等多模态感知，让系统识别食材部位、温度分布、含水状态和加热变化。人凭经验一眼看出的事情，机器必须用数据看清楚，并且在极短时间内作出反应。
把经验量化，并不意味着用一个数字替代厨师，而是把厨师隐含的判断拆解出来。系统要知道目标是什么、当前在哪里、偏差有多大，再决定增加火力、延长时间还是提前停止。只有目标、过程和反馈都被数字化，机器才可能真正理解烹饪。
烹饪过程不会等模型慢慢思考。锅温、汁水和食材状态持续变化，上一秒的判断会直接影响下一秒的结果。因此，系统既要看得准，也要反应得快，还要通过设备稳定完成动作。模型和机器本体必须共同进化。
感知之后还要执行。机器即使判断正确，如果温控、投料或翻炒动作不稳定，结果仍然会偏离。因此，烹饪 AI 不是一个单独的软件模型，而是视觉、传感器、算法和机器人本体共同组成的系统。
所以模型与本体不是两个可以分开讨论的问题。模型判断正确，如果投料、搅拌或温控执行不到位，结果仍然会偏离；本体产生的误差又会反过来污染感知。身体能否准确执行，本身就是智能的一部分。
真实厨房不是应用终点，而是模型训练的起点
具身智能不能只靠互联网数据理解世界。它必须进入真实场景，通过传感器观察，通过动作影响环境，再从反馈中学习行动与结果之间的关系。对烹饪 AI 来说，模型不是在演示里成立的，而是在厨房里一盘一盘炒出来的。
烹饪 AI 不能只在实验室里训练，真实厨房才是训练场。橡鹿设备已经覆盖约 1.3 万家门店，累计服务近 6 亿人次，并沉淀了大量菜谱和过程数据。真正困难的，不是把数据全部交给模型，而是判断哪些数据代表好的结果，并建立专业的评价和标注体系。
在此基础上，我们研发了多模态烹饪 AI 模型 CookingMuse 厨启。它学习的不只是菜谱，更包括用户评价、实时锅内状态、设备状态和动作结果。模型需要理解不同菜品背后的共性过程，再针对品牌味型和个人偏好进行调整。
如果每一道菜都单独写一套程序，那仍然只是更多的 SOP，不是真正的模型。模型需要从大量菜品中抽象出加热、脱水、上色、入味、收汁等共性过程，再把这些能力组合到新的菜品中。这样，它才能从「记住一份菜谱」走向「理解一种烹饪过程」。
口味数据的标注尤其困难。同一份菜交给不同的人评价，答案可能完全不同；如果模型把所有意见同等对待，就很容易学得模糊。我们需要区分专业判断、品牌标准和个人偏好，让模型知道什么是稳定的工艺目标，什么是可以因人而变的口味选择。
「好吃」本身具有很强的主观性。面对同一道菜，不同厨师和消费者可能给出不同答案。因此，数据量并不等于训练质量。我们必须把专业厨师的判断、消费者反馈和客观过程数据放在一起，逐步建立模型能够理解的评价标准。
商业化场景也会反过来推动模型成长。小吃、快餐、食堂和家庭对口味、速度、成本的要求不同，真实客户提出的问题会让模型不断补齐能力。数据、模型、设备和场景必须形成循环，烹饪 AI 才会越用越懂厨房。
为了兼顾反应速度和成本，我们采用云端与边缘端协同的方式：复杂知识在云端训练，关键判断在设备端实时完成。这样，模型才能在商业厨房里真正落地，而不是停留在演示里。
商业化也不是模型完成后的最后一步。机器人进入门店后产生过程数据，数据继续训练模型，模型再赋能更多机器人，最终形成「机器人—数据—模型—机器人」的飞轮。真实应用不断提出新问题，也不断扩大模型的能力边界。
从模型、感知到本体：一套进入真实世界的完整路径
CookingMuse 厨启、3K 视觉 AI 炒菜机器人和现炒方舟，如果只看成三款产品，就很难理解我们真正想做的事情。把它们放在一起，构成的是从模型、感知到具身执行的一条完整路径：模型理解烹饪，视觉看见变化，本体把判断变成连续动作。
模型最终要通过产品解决问题。现炒方舟是一套可移动的微型无人后厨，在约 1.2 米乘 2.4 米的空间里完成取料、烹饪、出餐和清洁，可以进入景区、露营地、活动现场等传统厨房难以覆盖的场景。
3K 视觉 AI 炒菜机器人则从「照着菜谱炒」走向「看着锅里炒」。它可以识别食材大小、投料多少、解冻状态和锅内变化，再判断什么时候收汁、什么时候调整火力。菜谱下发以后，机器也能在食材存在差异的情况下，尽量把结果拉回目标味型。
现炒方舟并不只是把炒菜机器人放进一个盒子里，而是重新组织后厨流程。食材如何存放、机器人如何抓取、烹饪完成后如何出餐和清洁，都需要一起设计。只有整条链路足够稳定，无人后厨才可能离开固定门店，进入更多临时和移动场景。
这意味着，质量管理可以从出餐后的检查，前移到烹饪过程本身。系统发现食材、投料或设备状态异常时，可以及时判断和干预，让技术真正承担对结果的责任。
3K 视觉 AI 的另一个价值，是让好菜谱更容易被分发。过去，菜谱发到不同门店以后，会因为食材切配、人员经验和设备状态不同而走样。机器能够看见这些差异，就有机会在执行过程中动态补偿，让同一道菜跨越门店和地区后仍然接近原来的味道。
我们也在尝试让同一套能力覆盖中餐、西餐、面食等更多品类。不同品类的动作不同，但底层仍然围绕食材状态、能量输入和目标结果展开。产品形态可以变化，模型对烹饪的理解应该逐步沉淀为通用能力。
我们还必须面对真实世界的成本和网络约束。厨房判断不能完全等待云端，否则结果返回时菜可能已经煳了；但把大模型全部放在端侧，又会让设备成本难以推广。云端与边缘端协同，不只是工程选择，也是具身智能能否规模化进入现实的条件。
两场「破坏性测试」：验证的不是菜谱，而是应对变化的能力
具身智能不能只用一段流畅演示证明自己。我们更愿意主动制造偏差，看系统在标准条件被破坏以后还能不能完成任务。因为真实世界每天都会发生类似的「破坏」：材料不同、温度不同、操作不同，机器必须学会接住这些变化。
我们做过两组对照测试。第一组使用相同的麻婆豆腐菜谱，其中一台机器额外加入一百克水。系统识别水量变化后，重新调整火力和收汁时间，最终让两份菜的浓度和味型保持接近。
第二组分别使用鲜肉和未完全解冻的肉。冻肉下锅会降低锅温并增加出水，固定程序往往难以应对。系统识别食材状态后调整加热路径，两份菜最终仍保持了接近的味型。
对有经验的厨师来说，多出来的水并不是一个抽象数字，而是锅里正在发生的变化：汁水更稀、升温更慢，需要重新判断收汁节点。机器要做到的，就是把这种现场判断转化为可以计算的反馈，而不是等到程序结束后才发现味道不对。
测试的意义不在于机器又会做两道菜，而在于它能否面对真实厨房的不确定性。标准化不应该要求所有食材、所有环境都一模一样，而应该允许现实存在波动，同时让最终结果尽可能稳定。
冻肉测试也是同样的逻辑。系统不是简单地给冻肉增加一个固定时间，而是持续观察温度和出水变化，再调整后续动作。我们关注的不是某一次测试的胜负，而是机器有没有形成面对变化时重新决策的能力。
具身智能走向真实世界，最后仍然要回到「人」
无论做了多少模型、传感器和机器人本体，最后都要回到一个问题：技术为什么进入真实世界？答案不是为了让机器展示更多动作，而是帮助人解决高频、具体、长期存在的问题。只有真正改善人的生活，具身智能才获得了意义。
从 CookingMuse 厨启、3K 视觉 AI 炒菜机器人到现炒方舟，橡鹿正在形成从感知、判断到执行的完整链路。它既可以服务米其林餐厅、快餐门店和食堂，也可以走进家庭，为不同年龄、口味和健康状态的人提供更适合的一餐。
对于餐饮企业，这套能力意味着更稳定的出品、更低的培训压力和更可控的经营；对于厨师，它不是抹去个人经验，而是让好经验能够被记录、放大和传承；对于消费者，最终感受到的应该是一顿更稳定、更合适、也更容易获得的现炒饭。
我们希望把厨师难以言传的经验转化为可以保存和传播的数据，让江西菜等地方风味走出本地之后仍然保持自己的性格，也让更多人的饮食偏好得到理解。未来，从 B 端到 C 端不是简单的产品迁移，而是模型、设备和生态的共同打通。
面向家庭以后，系统面对的不再只是一个品牌的统一标准，而是从婴幼儿到老人、从日常饮食到健康管理的不同需求。机器既要理解一道菜应该是什么味道，也要理解今天坐在餐桌前的人需要什么。
中国烹饪拥有非常丰富的菜系和经验，如果能够把这些经验沉淀为机器可以理解的知识，它们不仅可以服务国内不同城市，也有机会走向全球。技术不应该把所有味道变得一样，而应该帮助每一种风味更准确地表达自己。
未来，一个人的口味、过敏信息和健康需求可以在不同场景中得到连续理解：在公司食堂、餐厅和家里，系统都能给出更合适的选择。我们希望技术减少人每天反复做决定的负担，同时把选择权留给人，而不是用单一标准定义所有人的饮食。
从实验室走向真实世界，不是把一项技术搬到现场，而是让模型、本体、数据、成本和人的需求共同成立。机器人最终要看见的，不只是一道菜，而是每一个人；具身智能最终要理解的，也不只是一个任务，而是任务背后真实的人与生活。
我们做这件事，不是为了证明机器人能做多少道菜，而是希望人工智能真正进入日常生活：记录每一种味道，理解每一种需求，让每一个人都更容易获得一顿适合自己的好饭。机器人最终要看见的，不只是一道菜，而是每一个人。谢谢大家。
来源：互联网
