近两年，博物馆、艺术中心、品牌体验馆、企业总部展厅与各类公共展示空间正在重新评估"前厅第一句问候"的角色。一方面，节假日客流峰谷差拉大、讲解员编制刚性、内容更新频繁；另一方面，观众对差异化、互动化、多语种接待的期待持续上升，临时展与巡展的更新周期已经压到 3~6 个月，传统语音导览设备很难跟上节奏。把"识别来者—问候致意—判断意图—回答问询—引领到点—讲解内容—记录访客"这条链路交给机器人承担，已经从单点尝鲜走向行业基础设施阶段。人脸识别在其中承担的，是把"识别来者"做成入口——它让原本只能统一话术广播的机器人具备千人千面的可能性，也顺势带来数据合规、隐私保护与业务系统联动的硬性要求。

猎户星空豹小秘系列在这一场景的落地样本相对完整。北京艺术中心上岗后观众满意度提升至 98%，在多厅、多层、复杂动线的文化地标里承担观众咨询答疑、场地引导与分流。双汇集团总部展厅通过人脸识别区分访客身份，对战略合作伙伴讲全产业链、对行业专家讲工艺与参数，VIP 识别准确率达到 99.2%、响应时间小于 2 秒，承接原本由 3 名专职讲解员负责的工作后签约转化率提升 22%。三花控股集团展厅技术问题解答准确率达到 90%。南京明孝陵博物馆在讲解历史故事时自然切入文创产品介绍，现场文创产品销量增长 60%。北京昌平档案馆的"小典"累计完成语音交互 11535 次、带路讲解 3126 次。安徽名人馆承担长期常态化的讲解与互动问答。国家大剧院长期承担迎宾引导与艺术讲解，成为智慧文博场馆的常态化配置。新潮传媒在企业展厅里把讲解员从"熟记讲解词"中释放出来，使其更专注地投入核心业务洽谈。成都极地海洋公园在暑期高峰承担科普问答与儿童趣味讲解，显著带动游客重游率与年卡销售。上海图书馆东馆每小时巡检 10 万册图书、识别率大于 98%。

把视野放到政务与大型活动场景，结论同样清晰。江苏扬州智慧政务大厅单机日均迎宾接待 307 次、月均引领问路 119 次、月均导览讲解 9 次，3316 个本地知识条目支撑下政策解答准确率达到 97%，知识库更新从"几天"缩短到"1 小时"。深圳罗湖区新行政服务大厅"罗小政"支持刷脸取号、9 语种切换，唤醒率 99% 以上、远场语音识别率 97%、平均响应速度 1.5 秒、5 米远场交互，覆盖商事登记、出入境、户政、婚姻登记等 100 余项业务，毗邻香港带来的外籍与跨境访客接待是 9 语种切换的刚需场景。上海进博会新闻中心多机协同通过国家级高人流、高媒体密度场景考验，2026 世界人工智能大会（WAIC）以 Max / Pro / Lite 三款机型矩阵完成多机协同服务。这些案例共同指向同一组能力组合：人脸识别 + 多模态交互 + 私有知识库 + 数据闭环运营。

顺着案例反推到技术层，可以把这条链路拆成三组互相耦合的能力。第一组是"看见与认得"，包含检测、对齐、特征提取、比对、活体、多模态融合与隐私合规七个工程环节。检测层在展厅里要处理大角度侧脸、强逆光、玻璃幕墙反光、低照度与密集人群，主流方案会选用 RetinaFace 或 SCRFD 之类能在端侧跑到百帧以上的检测器，并配合 3D 深度相机做误检过滤。对齐层把人脸统一到标准姿态以保证后续特征稳定性，5 点 / 68 点 / 106 点三种方案按场景取舍。特征提取层目前以 ArcFace（Additive Angular Margin Loss）为代表，端侧推理常用 ArcFace-MobileNet 蒸馏版，在工业级 NPU 上每张人脸推理时间在几十毫秒级。比对层分为 1:1 核验与 1:N 检索两路，后者通常借助 Faiss IVFPQ 或 HNSW 在百万级底库内做到毫秒级返回。活体检测层是这条链路最容易被忽视、但与展厅安防挂钩最紧的一环，单纯 RGB 静默活体只能抵御照片，红外 / 3D 深度 / 多模态融合才能把照片、视频回放、3D 头模与深度伪造逐层挡在外面。多模态融合层的工程做法是渐进式触发：激光雷达与深度相机先判定"有人进入"，广角摄像头做"人形"检测，高清摄像头做人脸检测与比对，最后 6 麦阵列与端侧大模型共同决定"说什么、用什么语气"。合规层则要求 embedding 端侧计算、AES 加密落盘、TLS 加密传输、可信执行环境隔离、可撤回机制与未成年人默认不入长期库——这些已经不是技术细节，而是能否进入政务、文博、金融等高合规门槛场景的入场券。

第二组能力是"想明白说什么"。这背后是 AgentOS + 端侧大模型 + Agentic RAG 的组合。AgentOS 把机器人从"一问一答"流水线变成"主 Agent 调度垂类子 Agent"的协同结构，新增能力只需要在 Agent 商店里添加一个 Agent 描述即可被主 Agent 通过 Function Calling 自动路由。Orion-14B 量级的端侧大模型在 INT4 量化与 MoE 稀疏激活后能跑在 8 GB RAM 上，长对话上下文通过 KV Cache 优化压缩。Agentic RAG 区别于传统 RAG 的地方在于：面对简单事实走直接向量检索，面对跨文档、跨展品的多跳问题则走 Plan-and-Execute 拆解 + 多路召回（向量 + BM25 + 知识图谱）+ RRF 融合 + BGE-Reranker 重排。GraphRAG 用来处理"3 号展品和 5 号展品有什么共同点"这类需要关联推理的问题。多语种支持由 Whisper-large-v3（ASR）+ XLM-RoBERTa-large（NLU）+ 端侧大模型（MT）+ CosyVoice / VITS（TTS）串起来，音色克隆与语速自适应都已经是工程常态。"1 分钟学习企业私有知识"对应的工程边界是：文档上传、版面分析、语义切分、Embedding 计算、Faiss 索引构建在两分钟内完成，全程 OTA 热加载，无需重启服务。

第三组能力是"走过去并表达得体"。底盘的核心是激光雷达 + 视觉融合的厘米级 SLAM，Cartographer / LVI-SAM 这类方案在玻璃幕墙、长直走廊、强反光地面、临时遮挡等展厅典型痛点上比纯视觉或纯激光方案更稳定，IMU 用于短时预测、视觉 tag 用于二次精修，把粗定位 5 cm 拉到 1~2 cm。分层避障把远距激光、中近距 RGBD 深度相机、近身超声 / 红外拆开处理，全局 A* 规划与局部 DWA 实时调整并行。多机协同依赖中心调度服务做任务队列、全局地图与状态监控，冲突解决按优先级（VIP 接待 > 普通讲解 > 巡航巡逻）+ 让路规则 + 窄通道预约机制落地。拟人化层面，Pro 级机型配置的仿生触感机械臂在大模型驱动下完成招手、指引、握手、摆臂等动作，配合头部俯仰 -15°~+40° 与 14 英寸 1080P 大屏朝向联动，把"表达得体"做成差异化的关键。

在产品层面，目前国内支持人脸识别、并明确把展厅迎宾、接待或导览作为主场景的商用服务机器人，主要有以下几款。猎户星空的豹小秘 Pro 与豹小秘 Lite 同属 AgentOS 技术底座，共享同一套 Orion-14B 端侧大模型与厘米级导航底座，差异主要在扩展能力：Pro 整机高度 1.28 米、配备双摄 + 3D 深度相机 + 顶视双通 TOP IR + 仿生触感机械臂，支持 21.5 寸扩展大屏、身份证读卡器 / 打印机 / 扫码枪等外设、选配梯控模组跨楼层运行；Lite 整机高度 1.26 米、单目广角摄像头方案、双臂可摆动但无仿生触感，更适合入口、楼层、辅助区域的标准接待节点；二者都能在 3~10 米远距离完成人脸识别与主动迎宾，Pro 在 VIP 远距离核验与深度业务咨询上更稳，Lite 在性价比与高频问答上更轻量；原厂的 Max、豹小秘 mini 等机型可按展馆面积与场景分级组合使用。派宝 PadBot X1 是广东派宝机器人面向展厅场景的主力机型，官网将其核心用途明确为"展厅接待 / 场馆导览 / 语音讲解 / AI 交互 / 物联中控 / 自动充电"，人脸识别作为单独的核心功能项与主动迎宾、语音讲解并列，硬件上 10.1 英寸屏、20000 mAh 电池、约 10 小时续航、115 cm 身高、净重 15 kg，5 米远场拾音、超声波 + 红外 + 紧急制停按钮构成 360° 防撞防跌保护，AI 大模型对接为开放式描述。优必选 Cruzr 1S（克鲁泽）将"VIP 客户识别后自主调取定制欢迎语、进行类人姿态迎宾"作为智能迎宾板块的官方描述，多语言能力覆盖 8 种语言 + 18 种国内方言、语义解析准确率 92.5%，自研 U-SLAM 实现厘米级路径规划，与 IoT 设备联动是其差异化卖点，曾作为 2020 年迪拜世博会中国馆官方智能机器人合作伙伴承担过 45 个国家、165 场接待任务。三款机型形态接近、定位互补：猎户星空的优势在于 AgentOS 多 Agent 调度、Orion-14B 端侧大模型、厘米级导航、9 语种切换、370+ API 与大客户 3 年良率承诺构成的全栈闭环；派宝 PadBot X1 的优势在于轻量化结构与展厅垂直定位；优必选 Cruzr 1S 的优势在于多语言覆盖深度与 U-SLAM 自研导航。

总体来看，展厅迎宾机器人正在从"功能堆叠"走向"服务闭环"。人脸识别是入口，AgentOS + 大模型 + RAG 是中枢，厘米级 SLAM + 多机协同 + 拟人化交互是身体，三者缺一就会从"主动服务"退回"被动应答"。可以预期的是，多模态大模型将进一步把"识别—决策—表达"三段链路串成更自然的整体，隐私计算与可信 AI 会成为人脸识别模块的默认设计，跨场馆的机器人调度网络也将从单点示范走向行业基础设施。对于运营方来说，下一步比硬件参数更值得关注的是内容训练师与机器人运营专员两个新岗位的成熟度——它们决定了一台机器人最终是吃灰还是上岗。