鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

18家中国公司,在CES上给出消费级AI机器人新解

编程导航
编程导航
2026-01-08 12:31
阅读 195
编程导航
2026-01-08 12:31
阅读 195

机器人前瞻(公众号:robot_pro)
作者 | 江宇
编辑 | 云鹏

机器人前瞻1月8日报道,昨日,在国际消费电子展CES 2026上,AI正在悄然化身为陪你聊天、哄你睡觉、逗你开心的“电子宠物”“桌面小伙伴”或是“飞行精灵”,成为我们日常陪伴的一份子。

从具身拟态、会撒娇卖萌的仿生宠物,到主动找你唠嗑、帮你开会的情绪机器人,再到识别喜怒哀乐、养成专属人格的小型机器人,一批中国创业公司正借AI浪潮重新塑造陪伴与教育的体验,也让这一类产品成为CES 2026最具人气与创意的一道风景线。

据智东西不完全统计,本届CES展出的“AI陪伴、教育机器人与宠物类”中国企业共计18家,涵盖桌面机器人、仿生宠物、飞行装置等多种形态,背后则是AI原生交互、多模态感知、人格建模等多项技术的尝试与探索。

一、桌面萌物、移动搭子、教育帮手扎堆亮相

Loona DeskMate是可以科技在CES 2026带来的全新形态产品,选择稳稳占据办公桌的C位。它并不自带屏幕、摄像头或麦克风,而是借用iPhone:当手机吸附到无线充电位时,AI陪伴应用会自动启动。

18家中国公司,在CES上给出消费级AI机器人新解

▲Loona DeskMate放手机模式(图源:The Verge)

DeskMate还搭载了情感交互模型,支持自然对话。整机也是一台180W快充的桌面电源。

18家中国公司,在CES上给出消费级AI机器人新解

▲Loona DeskMate不放手机模式(图源:The Verge)

机器灵动的糯宝Robie是一款长着耳朵、会眨眼的桌面宠物。

在互动过程中,糯宝会对突发动作产生“瞳孔收缩”,被摇晃后出现“头晕”表情。糯宝也可以识别人脸与情绪状态,实现连续对话,支持声纹与人脸双重识别,在嘈杂环境中仍可准确分辨交流对象。

18家中国公司,在CES上给出消费级AI机器人新解

▲机器灵动的糯宝Robie

玄源科技Yonbo X1则是一款有角色、有脑子、有亲和力的成长型家庭机器人。Yonbo X1可12自由度运动、支持语音对话、游戏互动与作业辅导,并可根据孩子年龄阶动态调整内容。

其核心特色在于“人格系统”,家长与孩子可为Yonbo设定不同角色性格,同时配套严格的家长监管与内容控制。

18家中国公司,在CES上给出消费级AI机器人新解

▲玄源科技的Yonbo X1(图源:the-independent)

赋之科技的Enabot算得上一款“既能陪人,还能陪宠物”的AI机器人管家。Enabot可远程操控、陪猫玩激光、发起视频通话,还能在用户不在家时巡视环境、发起安防警报。它最特别的一点,是将宠物互动、家居服务与AI陪伴三合一。

Enabot还重点强化了AI对话能力,支持6种角色切换与20余种方言口音。

18家中国公司,在CES上给出消费级AI机器人新解

▲赋之科技的Enabot

AiMe是TCL推出的可移动家庭智能中枢,由卡通风格的主体机器人与轮滑式底座构成。主体机器人承担情绪陪伴与交互任务,通过眨眼、摆手等动作完成交流,头部摄像头可识别用户情绪变化,并实时调整眼部神态。

底座模块为设备提供移动与充电能力,在家庭无人或夜间场景下,可执行巡逻与监控任务。

18家中国公司,在CES上给出消费级AI机器人新解

▲TCL的AiMe(智东西摄)

灵宇宙也带着Luka(卢卡)绘本阅读机器人再度亮相CES。Luka支持海量中英文绘本的自动识别与朗读,覆盖超过7万册中英文绘本资源,还支持中英双语模式及多种朗读方式。

18家中国公司,在CES上给出消费级AI机器人新解

▲灵宇宙的Luka(卢卡)绘本阅读机器人(智东西摄)

二、仿生毛绒、飞行精灵、性格养成各显神通

会畅通讯也在CES 2026展示了其Ollobot赛博宠物体系,其中包括两款形态各异的产品。

Ollo整体为圆润锥体造型,偏向“静态陪伴”,内置感知系统。

18家中国公司,在CES上给出消费级AI机器人新解

▲Ollo

OlloNi则进化出表情屏幕与可伸缩“颈部”。

18家中国公司,在CES上给出消费级AI机器人新解

两款产品能持续感知用户状态与环境变化,并在互动中不断更新行为模式。Ollo和OlloNi也被设定为更大角色IP宇宙的一部分,对应着不同性格。

宇灵无限带来了一款会飞的情绪型陪伴机器人BOOBOO。BOOBOO由AI驱动,采用了仿生扑翼方案,更适合室内环境。

18家中国公司,在CES上给出消费级AI机器人新解

BOOBOO还能通过灯光、动作与语音主动与人建立情绪连接,可悬停、靠近并实时识别用户情绪变化。00后NASA背景创始人张宇诺带着这只飞行萌宠亮相CES,吸睛无数。

卢登斯智能也带来了两款产品:一个在地上走,一个在桌上陪。Cocomo是一款可自主移动的机器人宠物,采用轮式底盘,可在家庭环境中跟随用户,外壳温度设定接近人体,正常使用约37°C,频繁触摸时可升至39°C。Cocomo不以语言交流,而通过非语义咕噜声传递情绪。

18家中国公司,在CES上给出消费级AI机器人新解

▲卢登斯智能的Cocomo(图源:teknoport)

Inu则是一款固定桌面场景的“外星小狗”,体型小巧,通过声音与触摸触发反应,尾巴摆动、眨眼动画等互动相当可爱、逼真。

18家中国公司,在CES上给出消费级AI机器人新解

▲卢登斯智能的Inu(图源:teknoport)

来自零动未来的话话糖像极了AI版“拓麻歌子”。体积仅89g、随身携带、有体温、能记忆、会饿会撒娇。话话糖能随时随地陪着你,出门旅行也不掉线,还能“碰一碰”交朋友。这是一款从儿童切入、计划扩展至全年龄的AI口袋宠物。

18家中国公司,在CES上给出消费级AI机器人新解

▲零动未来的话话糖(图源:Facebook)

阿尔法蛋Eggi则把运动变成养宠的一部分。Eggi通过动起来赚金币、解锁技能,让小朋友在互动中养出性格、学会照顾“数字生命”,还能经历“叛逆期”和用户闹别扭。它有情绪、有需求,也能慢慢“长大”。

18家中国公司,在CES上给出消费级AI机器人新解

▲阿尔法蛋的Eggi

镭萌科技带来的AI潮玩生命体,外形像是LABUBU的电子亲戚。bibo可以识别面孔、语气、动作,通过情绪AI判断你的状态,主动发起互动。

18家中国公司,在CES上给出消费级AI机器人新解

▲月亮萌族bibo(左)和太阳萌族bibo(右)

镭萌科技创始人王寿畅曾深度参与淘宝门面“淘小宝”等IP的设计。

“AI版瓦力”W1由乐享科技新品牌元点智能推出,是一款“室内+户外”交互机器人,售价约4万元。产品外形与《机器人总动员》中的瓦力相似,获得迪士尼IP授权。

W1像“瓦力”一样有轮有眼,支持情绪交互和户外露营拍摄。它不仅能监测跌倒,还能跟着搬东西、一起听歌,是个带情绪的“露营搭子”。

18家中国公司,在CES上给出消费级AI机器人新解

▲乐享科技Zeroth的W1

涂鸦智能展出了一款表情丰富的AI宠物机器人。

18家中国公司,在CES上给出消费级AI机器人新解

除上述产品外,华硕的Zenbo Qrobot、珞博智能的Fuzozo、灵犀智能的AiMOON星座AI守护精灵和大象机器人的陪伴类毛绒宠物等中国公司的产品也在CES 2026现场展出。

18家中国公司,在CES上给出消费级AI机器人新解

结语:陪伴机器人,成为AI落地的新前线

从手心里的话话糖,到飞在空中的BOOBOO,再到能辅导作业的Yonbo X1,这届CES上的中国AI陪伴机器人正逐渐走入真实使用场景。

它们通过感知、表达、记忆与共情等能力,尝试建立人与AI之间更自然的交互方式,也在教育、护理、情绪支持等方向上释放出实际潜力。

在这一轮技术应用的转向中,那些能融入日常、具备温度和互动感的小型机器人,正成为AI触达更多人群的重要入口。

原文链接: 18家中国公司,在CES上给出消费级AI机器人新解
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230