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

扫地机器人,卷“上天”了

编程导航
编程导航
2026-01-10 23:50
阅读 140
编程导航
2026-01-10 23:50
阅读 140

智东西(公众号:zhidxcom)
作者 | 王涵
编辑 | 漠影

敢信吗?扫地机器人都能飞上天了。

一年一届的消费电子开年大秀CES展在1月7日盛大开幕,现场人头攒动。

在扫地机器人展区,MOVA 的飞行模组Pilot 70飞在半空中,惹得人们忍不住纷纷驻足观看。

扫地机器人,卷“上天”了

据国际数据追踪公司IDC在2025年12月发布的《全球智能家居设备市场季度跟踪报告(2025年第三季度)》显示,2025年前三季度,全球智能扫地机器人市场累计出货1742.4万台,同比增长18.7%。

并且,中东非与欧洲市场成为核心增长引擎,引领行业扩张。从厂商份额来看,中国厂商包揽全球出货量前五。

要想从这样快速增长的市场中脱颖而出并不是一件容易的事情,但是MOVA做到了。

MOVA的清洁业务线在此前的CES 2025上摆出了其多个品类的全系新品,以及宣发了业内首个“全球全品类三年质保”政策,成功吸引了大量关注,扫地机更是拿下了包括“Best of CES”在内的多项大奖。

扫地机器人,卷“上天”了

而在这次CES 2026展会上,除了会飞的扫地机器人外,MOVA扫地机器人还带来了携带可烘干环保集尘仓的MOVA V70 Ultra Complete,以及行业首创支持分区清洁的MOVA MOBIUS 60和会爬楼的MOVA ZEUS 60等产品,再一次赚足了观众的目光。

我们不禁好奇,MOVA此次亮相的新产品有怎样的技术亮点?在产品背后,MOVA扫地机器人又有着怎样的研发理念?

一、能飞上天、会爬楼的扫地机器人,是炫技还是解决真痛点?

MOVA这次在CES的主题是“Move Up, Move Beyond(上天入浪,全面封神)”,展示了其打破地面限制,在“水、陆、空”全场景领域布局的野心。

在半空场景,这次最吸引人眼球的产品——MOVA Pilot 70就是这一野心的最好例证。

Pilot 70是MOVA首创的飞行模组,通过无人机运输仓与扫地机的集成,打破了传统扫地机局限于单一楼层清洁的壁垒。其搭载飞行控制系统、感知系统以及6重主动防护设计,还能通过AI对清扫路径与飞行路径协同规划。

另外,该模组拆卸吊舱后,无人机还能单独使用,相当于买一台MOVA Pilot 70得到一台无人机+一台扫地机器人。

扫地机器人,卷“上天”了

▲央视也报道了MOVA Pilot 70这一解决方案

在地面场景,MOVA ZEUS 60扫地机是行业首创可替换爬楼及多楼层清洁模组,拥有立体空间感知+双侧支撑结构,能适应旋转台阶等复杂地形。

在日常清洁场景中,不同房间的清洁需求不同。MOVA研发团队发现,用户普遍非常不希望清洁过厨房油污或卫生间湿滑地面的拖布,再去清洁客厅的地毯或卧室的木地板,MOBIUS 60就能很好地解决这一问题。

MOVA MOBIUS 60依托Space Hub多功能分区换拖布系统,能够自动识别厨房重油污、木地板娇贵表面等差异化场景,并自动切换对应拖布。

传统扫地机通常都需要经常更换集尘袋,MOVA V70 Ultra Complete则全球首创了可烘干环保集尘仓,彻底颠覆了传统一次性尘袋的耗材模式,支持水洗维护与主动烘干抑菌,一年能够减排1400g温室气体。

与此同时,其还搭载个性化避障大师软件功能,允许用户根据自家独特的家居布局与生活习惯,灵活调整机器的避障逻辑,有效解决了传统AI避障中常见的误判与漏扫痛点,实现了从“全自动”向“可对话、可定制的智能体”的跨越。

二、“先高端欧美,后渗透全球”,MOVA扫地机器人走进超140万户

MOVA不仅在产品路线上剑走偏锋,在市场路线上,它也走出了一条与众不同的路线——“先高端欧美,再渗透全球”。

MOVA从创立开始,便定位为一个全球化企业,目前已布局了全球60多个国家及地区。

其目前主要制造中心在中国及东南亚,此外还在全球范围内设立了三大中心,博采众长,分别是法国全球美学中心、德国全球创新中心和上海全球用户体验中心。

MOVA于2024年6月入驻东南亚/新加坡,目前已经布局线上的Shopee、Lazada、Tiktok、独立站,同时线下已于2024年10月入驻Courts等商超渠道。

2024年9月,其正式进驻欧洲市场,目前已布局德国、法国、意大利、西班牙、瑞士、荷比卢等国家,主要销售渠道为亚马逊以及独立站,渠道端已布局MediaMarkt、Unieuro、Electro Depot。

2024年11月,MOVA进入美国亚马逊、独立站,同时线下门店也在筹备中。

截至目前,MOVA全球门店开业已达1400家,已走进全球超过140万个家庭。

销售成绩上,2024年西南欧黑五期间,MOVA全渠道GMV突破2400万,其中扫地机突破2200万。

扫地机器人,卷“上天”了

2025年西南欧黑五期间,MOVA扫地机器人品类实现商品交易总额2亿元,并以3.9万台的销量创下年度纪录。

MOVA旗舰机型Z60URC与V50UC首次进入品类销量前五,同时三大主力产品覆盖各价格段,共有三款机型位列全平台销量前二十,实现从入门到高端市场的全面覆盖。

2025年北美Prime Day期间,MOVA创下全球GMV1.3亿里程碑,多品类获历史性突破。西南欧市场,扫地机高端旗舰首登TOP 3。

北美市场,明星扫地机单品销量领跑,加拿大扫地机品类销售额TOP 1,美国扫地机品类杀入Best Seller权威榜单前列。

三、靠什么赢得全球家庭的信任?MOVA用消费者洞察搭起桥梁

为什么MOVA能做到这样的成绩?

从消费者的角度来看,消费者不懂品牌那些“神乎其神”的测试参数,他们只相信自己看到的、感受到的。“消费者不为技术买单,而为效果买单。”这就是MOVA一直坚守的产品哲学。

无论是MOVA Pilot 70飞行模组还是能自动识别污渍更换拖布的MOVA MOBIUS 60,其背后都是MOVA用户团队和研发团队对消费者家庭清洁痛点的深入洞察和准确判断。

此外,MOVA行业首发的全品类三年质保,给了消费者放心;请来给皇马赢得过6次欧冠冠军、现效力于AC米兰的莫德里奇代言,给了消费者信心;MOVA申请超过2000项专利、70%的研发人员占比,给足了消费者安心。

扫地机器人,卷“上天”了

“酒香也怕巷子深。”MOVA特别的市场布局也是十分重要的因素。

在决定市场进入顺序和时间点方面,MOVA透露称其主要考虑三个方面的因素:

整体考虑该市场消费者的消费水平和市场需求。比如发达国家别墅多的市场,考虑能跨楼层的扫地机器人;硬地多的区域则是拖地能力更强的扫地机;地毯多的区域侧重能抬升机身保护地毯+吸力更大的扫地机。

从自身产品力、渠道资源和机遇、价格竞争力上考虑,MOVA选择优先布局拥有优质的经销商资源的市场。

从竞品分析上考虑,MOVA则会优先选择优势产品破局,瞄准有差异化的空白市场。

有了对消费者需求的洞察、三年质保和2000余项专利的托底和清晰的市场路线,MOVA在扫地机器人这一红海赛道,“杀”出了一条“血路”。

结语:MOVA“打好地基”与“灯塔式探索”并行

当然,有别墅跨层清洁需求的家庭还是占少数。

MOVA在飞行模组上的探索,更多地展示了品牌对未来家居清洁形态的前瞻性思考和技术探索的野心。

虽然短期内难以走进千家万户,但它所指明的研发方向,可能会逐步推动一些关键技术(如更轻的材质、更强的电池等)在传统产品上应用,并最终在技术成熟的未来,催生出全新的产品品类。

回到文章开头的那个问题:在快速增长且竞争激烈的市场中,MOVA如何脱颖而出?

从其CES展台上的Pilot 70、ZEUS 60、MOBIUS 60等产品可以看出,一方面,MOVA深耕清洁效率、基站功能、品质保障等用户核心关切的“地基”,构建坚实的市场基本盘。

另一方面,其又以爬楼、飞行等前瞻性技术进行“灯塔”式引领,塑造高端品牌形象并拓展行业想象力。

将技术转化为用户可感知、可信任的价值。这或许就是MOVA的答案。

原文链接: 扫地机器人,卷“上天”了
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
🔥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