人形大讲堂获悉，2026WAIC现场，成立仅一年的深圳诺因智能发布首款消费级折叠双臂机器人Knowin-X1。该机器人整机折叠后高度仅40厘米，可以塞进桌底、柜边或任何狭小空间。

诺因智能在展会现场搭建了一个真实家庭模拟环境，物品随机摆放，没有标准化展厅的规整布局。Knowin-X1在这样的环境中完成了桌面收纳、洗衣和衣物折叠的完整闭环。

记者了解到，Knowin-X1产品背后的开发者来自前华为诺亚方舟实验室核心成员李银川的团队。30岁离开华为创业时，李银川在决策推理领域已经积累了多年研究经验。

PART 01

为什么选择轮式底盘而非双足？

当行业热衷于让机器人接近人的外形时，李银川关注的是一个更实际的问题：一台拥有双臂和移动能力的机器人，进入家庭后应该放在哪里？工业厂房和仓库可以为机器人预留固定工位，普通家庭没有这样的空间。身高超过1米的人形机器人即使停止工作，仍会占用宝贵的生活空间。

Knowin-X1的全折叠双臂结构针对的就是这个痛点。产品在工作状态下可自由切换直立、跪姿两种姿态，单臂搭载7个自由度，全身合计23个运动关节，双臂最大负载可达6kg。完成工作后，整机能够向内收缩压缩至40厘米以内。

李银川明确表示，第一款产品不希望被当做家庭成员看待，"如果是家庭成员的话，那意味着存在感很强，也不匹配现阶段具身的能力。现阶段它只是一个做家务的机器人，不是保姆。所以我们希望它存在感尽量低一点，该工作的时候工作，大部分时间休息。"

在底盘选择上，Knowin-X1同样没有采用双足结构，而是选择轮式方案。李银川认为，家庭场景更看重安全、续航和安静程度。双足机器人存在摔倒风险，轮式底盘则可以容纳更大的电池，也更容易控制噪音和成本。在操作端，诺因的首款产品也没有追求复杂的灵巧手，而是使用满足家务需求的末端执行器。

这种极简主义贯穿产品设计的每个环节。李银川曾考虑在机器人内部放置高品质音响，用于看电影时播放音乐。这个想法最终被放弃，因为"在家里看电影用专门的外置音箱可能还是一个小众需求。"这种取舍带有明显的消费电子产品思维。诺因联合创始人王韵杰来自大疆，曾参与大疆Flip无人机的研发，公司希望将大疆在软硬件协同、产品定义和供应链降本方面的经验复制到机器人领域。

PART 02

为什么要在真实环境演示？

产品形态的务实选择，最终要通过真实场景的表现来验证。WAIC展会现场，诺因搭建的家庭模拟环境充满变量。Knowin-X1在这样的环境中完成了三套完整家务闭环，自主识别桌面杂乱物品并精准抓取，自主定位散落衣物、完成拾取转运并投放至洗衣机内筒，还能独立完成洗衣机开门、投放、启动洗涤全流程操作。针对衣物这类柔性易变形物体，机器人的视觉识别与力度控制稳定性得到现场实测验证。

多数竞品仅能在光线稳定、物品摆放固定的展厅完成演示，一旦进入真实居家环境极易出现识别、抓取失误。诺因选择在干扰环境中公开演示全流程家务任务，展现了其算法针对非结构化家庭场景的优化成果。

家庭环境持续变化，衣服的形状、家具的位置、室内光照乃至同一件物品的摆放方式都不固定。机器人还需要面对洗衣机、抽屉、柜门等不同设备。换一套户型或换一个品牌的家电，原有动作策略就可能失效。这也是家庭机器人长期停留在扫地机、割草机等单一功能产品上的原因。增加两条机械臂并不困难，真正的挑战是让机器人在没有工程师值守的环境里，稳定完成由多个动作组成的完整任务。

PART 03

合成数据能否突破家庭场景数据困境？

支撑Knowin-X1稳定运行的，是诺因自研的GLOW生成式世界学习具身大模型，而这套系统背后是合成数据技术路线。

2024年5月，GPT-4o发布时，李银川还在华为负责生成模型相关研究。他当时关注的方向之一是AIGA，最后一个A就是action，重点研究如何基于生成式学习来生成动作。GPT-4o让李银川看到了具身智能数据来源问题的解决可能。

"很多人觉得合成数据就是生成逼真的画面，但机器人需要的不是好看的图片，而是能学到动作的数据。"李银川说，GPT-4o模型已经能够理解和生成具有物理结构的内容，指令遵从性也非常高，只要在具身场景下做进一步提升，从中提取动作相关的信息是可行的。

这条技术路线的价值在To C场景中尤为明显。"你很难想象让机器人走进1万个家庭采集遥控操作的数据吧？"家庭环境的复杂性和私密性使得大规模数据采集几乎不可能实现。诺因的KnowinDream数据引擎从有限的真实数据中学习物体、场景与动作之间的关系，再生成不同光照、材质、背景和物品状态下的第一视角训练数据。机器人无需在每一个真实场景中重新演示，便可以扩大训练数据的覆盖范围。

在此基础上，KnowinWorld为机器人提供可交互的三维训练环境，KnowinBrain负责理解场景和生成任务策略，KnowinAct将策略转化为机械臂能够执行的动作，KnowinAgent则管理长程任务、状态记忆和失败恢复。机器人在真实环境中的执行结果还会回到数据系统，形成从数据生成、模拟训练到真机执行的循环。

李银川将这套路线称为从VLA向AIGA转变。传统VLA模型更依赖模仿已有动作，AIGA强调根据当前环境、任务目标和限制条件生成新的动作策略。

在展会现场的演示中，这套技术路线的成果得到了验证——Knowin-X1能够在任意形态、任意背景、任意光照条件下完成复杂家务任务，这种泛化能力完全来自使用足够多的合成数据。

PART 04

估值20亿后，诺因智能后面的路要怎么走?

诺因智能成立于2025年6月，创业团队主要来自华为、大疆等科技企业。曾以"天才少年"身份加入华为诺亚方舟实验室的周凯文也加入诺因，担任合伙人兼算法主管。成立后不到一年，诺因连续完成种子轮、天使轮和天使+轮融资，累计融资金额达到数亿元，最新投后估值超过20亿元。

此次Knowin-X1在WAIC 2026亮相，是产品首次公开展示，诺因将在后续公布Knowin-X1的售价、整机重量、续航、任务成功率和批量交付时间。这些指标将决定折叠结构和合成数据路线如何转化为一款真正的消费级产品。李银川最初曾认为，功能强大的家务机器人可以对标保姆定价，但市场调研让他意识到，消费电子产品的定价逻辑必须与成本挂钩，而非单纯依赖功能强弱。

过去几年，人形机器人企业已经证明机器人能够行走、跳舞和搬运。家庭机器人面对的是另一套标准：价格可接受、运行足够安静，还要在无人值守时反复完成琐碎家务。Knowin-X1的40厘米折叠设计解决了空间占用问题，轮式底盘保证了安全和续航，合成数据路线突破了家庭场景的数据采集困境。

这些设计解决了硬件层面的基础问题，但机器人能否真正胜任家务，最终取决于算法在复杂真实环境中的表现。WAIC上的真实环境演示提供了初步验证，诺因在灯光变化、物品随机摆放的干扰环境中完成了完整家务闭环，展现了算法的泛化能力。接下来，Knowin-X1能否在不同家庭环境中稳定完成任务，需要量产交付后的实际使用数据来回答。

从技术验证到商业落地，诺因需要跨越的关键节点包括：市场化预期、量产交付能力、以及在真实用户场景中建立数据闭环。在产品形态、技术路径和场景选择上，这家成立仅一年的公司已经展现出明确的方向。

（更多人形机器人赛道深度文章，请关注微信公众号“人形大讲堂”）