千寻智能韩峰涛：完美数据教不出能干活的人形机器人 我们坚持使用“脏数据”

在2026世界人工智能大会（WAIC 2026）现场，千寻智能展区的Moz1机器人接到了一个指令：“整理客厅”。它环视四周，走到桌前抓起可乐放进冰箱，走向餐桌夹起脏碗送入洗碗机。屏幕上实时显示着它的思考过程：指令拆解、下一步规划、动线优化——清晰可见。一位小朋友扔出一团纸巾，Moz1临时停下，重新规划路线捡起纸巾扔进垃圾桶，再回到原任务。

这是搭载千寻智能Spirit v1.6的Moz1首次公开进行空间级长程复合任务的演示，而在千寻智能创始人兼CEO韩峰涛看来，这次演示想传递的信息不止于此。

韩峰涛在接受证券时报记者专访时表示，千寻智能在具身大脑层面的下一步核心攻坚方向，是模型的泛化能力和数据效率。“如何让模型在接触少量真实场景数据后，就能快速适应新任务和新环境，而不是每个场景都需要标注海量数据。”他规划的短期目标是，通过预训练算法加少量场景数据微调，就能让模型在特定任务上达到较高的作业成功率，这需要千寻团队持续优化模型架构和数据策略。

随着硬件不断成熟，今年以来机器人的“大脑”成为必争之地，但支撑机器人“变聪明”的数据缺口巨大。当具身智能行业都在追逐“更大规模、更干净”的数据时，韩峰涛给出了一个反直觉的判断：“非完美数据才是扩展模型基础能力的关键。”

他进一步解释，行业数据缺口卡在三个环节：采集成本高，质量参差不齐，以及最关键的一点，数据本身缺乏多样性和“非完美”场景，导致模型在真实世界中容易“翻车”。因此，千寻智能坚持从真实场景中采集包含各种干扰、失败案例的“脏数据”，比如瓶子没抓稳掉了、目标被遮挡了、执行过程被打断了，这些不完美的片段是模型真正学会应对真实世界的关键。

对于技术路线的选择，韩峰涛认为世界模型并非VLA的替代。“VLA解决的是‘看到什么就做什么’的直接映射，而世界模型让机器人具备了‘预测这么做会发生什么’的推理能力。”融合VLA与世界模型的混合架构被普遍认为是更优解。据介绍，Spirit v1.6已采用融合VLA与世界模型的架构，打通环境感知、任务理解、动作规划与状态预判。

同时，本次WAIC上，千寻智能新一代机器人Moz2首次亮相。不同于面向工业和复杂操作任务的Moz1，Moz2定位商服场景，强调在公共服务场景中的亲和化设计和自然交互体验，Moz2全身配备32个自由度，搭载全向舵轮底盘与折叠腿部结构，配合7自由度仿生手臂与4自由度三指灵巧手，将重点面向商超、酒旅、办公楼宇等场景落地。

对于本次展会上展示的两款机器人产品，韩峰涛向记者介绍，Moz1解决的是“能不能干好活”，它已经在宁德时代产线上跑通了高压插接这类复杂工序，作业成功率99%以上，这是千寻智能在工业场景里交出的答卷；而Moz2解决的是“人愿不愿意跟它打交道”，商服场景的机器人第一关不是精度，是人的接受度。

韩峰涛表示，未来，千寻智能Moz1积累的工业级操作能力会逐步迁移到Moz2上，两条线并行，先跑通工业，再打磨商服，最终走向家庭，这是千寻智能的商业化落地节奏。