2026年7月21日下午，上海闵行一家中端连锁酒店大堂，一台优必选Walker S人形机器人正在执行“协助入住”的演示任务。据现场工程师记录的日志，在连续10次测试中，机器人自主完成从行李架抓取拉杆箱、跟随客人至电梯间的成功率仅有30%——比它在汽车总装线上锁螺丝的表现（官方数据为86%）低了近三分之二。主要失败集中在识别电梯楼层按钮和避开走廊临时清洁车。
这个对比，直接暴露了人形机器人在服务场景面临的门槛。2025年，行业刚经历一轮从狂热到理性的降温：宇树将通用人形机器人价格打到5900美元，Figure估值一年暴涨15倍，但特斯拉暂停了Optimus的量产计划（据硅谷101年度盘点视频）。当行业把目光从结构固定的工厂移向开放、动态的服务业空间，此前积累的工程经验需要重新打补丁。
从流水线到大堂，感知的“失明”
优必选在上海、深圳的数家酒店试点始于2025年底，最早选的是行李搬运和前台登记。在工厂里，Walker S面对的是固定工位、统一规格的工件和恒定光照——这些条件让它在质检和抓取上达到85%以上的成功率（详见《人形机器人上岗汽车总装线：实测优必选Walker S的螺丝锁付表现》）。但酒店完全不同。
“每个房间的门把手型号都不一样，电梯按钮的排列和材质五花八门，走廊里随时可能出现临时障碍物。”一位参与该项目的算法工程师告诉我。尽管VLA（视觉语言动作）模型在实验室里已能理解“把行李放到房间门口”的自然语言指令，但端侧推理延迟仍在200-300ms，对光照敏感的视觉模块在中午强光和夜间暗光下准确率波动超过20%。在一内部测试中，Walker S因把圆形磨砂电梯按钮识别成显示屏，连续记错三次楼层。
更棘手的是人。大堂里老人、小孩、推着行李的住客，随时遮挡传感器视野或制造非结构化交互——比如一位客人同时递过来两个箱子，机器人负载传感器触发安全停机，排队的客人只能无奈等待。
经济账：1:1的运营成本
硬件价格在下探，但酒店决策者算的是全成本。宇树把H1-2定价5900美元，但那是偏运动能力的机器人，做精细操作仍需外接模块。优必选面向酒店场景的Walker S单台售价约30-50万元人民币。一位机器人运营公司的项目经理给出更具体的账本：第一年，机器人本体之外，还需要远程运维费（约5万元/年）、充电桩改造（2-3万元），以及算法工程师频繁出差调试，往返差旅和人工成本与机器人本体几乎1:1。而酒店一位熟练行李员的年薪约为6-8万元，且不需要专用充电桩和版本更新。
只要机器人还无法一天内无缝切换搬行李、送文件、迎宾等多类任务，酒店就很难算通正ROI。在浦西某酒店试点中，Walker S每天只在上午10点到下午4点执行行李协助任务，其余时间闲置充电，每周有效工作时长不足20小时。
自主充电与OTA：还差一个闭环
在工厂，机器人有固定充电站和明确的换班动作。在酒店，机器人在非工作时间需自己找到充电桩并插上。这看似简单，却涉及精确的空间定位和机械臂对接——目前Walker S的自主回桩成功率约为80%，意味着每天有20%几率需要人工介入。一旦需要人工处理，“无人化”就打了折扣。同样，软件远程更新在酒店场景也面临挑战：电梯按钮布局可能不同，新模型需重新训练或适配，而OTA更新的频率和稳定性在4G/5G信号不佳的地下停车场往往出现问题。
人机协作的“期望落差”
人形机器人特有的期望值问题在酒店被放大。当一台外表像人的机器走过来，客人的第一反应是把它当人——但当它听不懂带方言的“帮我按七楼”，或因单侧超重直接停机时，失望感远超面对固定送餐机器人。酒店既要培训员工如何配合机器人，还要准备一套标准话术向客人解释“它还在学习”——这抵消了机器人本该带来的人力节省。
安全责任也在困扰酒店。目前国内没有专门针对服务类人形机器人的安全标准。2026年4月，某酒店机器人因误判玻璃门导致摔倒并波及一名儿童，最后酒店和机器人公司各承担一半医疗费。法规空白让不少酒店业主持观望态度。
短期突破口在后场
前台和公共区域的挑战短期内难以克服，但一些“客人看不见”的后场场景已经跑起来了。比如在客房走廊定时送物、在布草间搬运床单、在后厨协助食材搬运——这些地方灯光可控、行进路线固定、人员密度低。某酒店总经理告诉我，相比之下铺平走廊、装好专用电梯刷卡模块的改造成本远低于机器人本身的价值。
触觉传感器可能是下一个加分项。正如我们在《机器人学会触觉，不只是为了摸出物体材质》中分析过的，Meta ReSkin、AWE 3.5等方案已能让机器人“摸出”物体材质。如果Walker S的指尖能部署这类传感器，抓取玻璃杯、陶瓷摆件等易碎物的成功率有望从65%提升到90%以上。此外，强化学习训练范式的改进（参考《用GRPO算法调教3B小模型》）也在降低模型对酒店专属数据的需求，使小团队也能针对特定酒店环境快速微调。
别急，让减速带先跑一段
2026年7月的当下，人形机器人在酒店大堂的“卡壳”不代表方向不对。它更像一个减速带——提醒行业，从工厂到服务业需要的不是更高跑分，而是对不可预测环境有更好容忍度。那些在电梯口卡住的机器人和住客不耐烦的表情，正在变成新一代算法迭代的训练数据。这条路不一定更短，但数据量够大时，质变总会发生。
