今年618，石头、科沃斯都在卷参数，到底卷对了吗？
石头讲“稳”，科沃斯讲“全”，追觅讲“新”。618之后，扫地机器人终于从参数页走进了用户家里，也走进了评论区的真实验货现场。
品牌战火烧得正旺：吸力、热洗、基站和机械臂
如果只看今年618前后的公开卖点，扫地机器人行业确实像一场参数竞赛。
石头把“稳”继续往硬件深处打，石头P20 Max对外强调35000Pa吸力、100°C热洗拖布、60°C增压热拖，以及能识别拖布脏污并回站热洗的自动化链路。
科沃斯则把“全”推到台前，T90 PRO的传播重点集中在活水洗地、贴边覆盖、超薄机身、越障、降噪和“十项全能基站”。
追觅讲的是“新”，它不断把高吸力、仿生机械臂、拖布和边刷外扩、AI脏污识别、机械足越障这些新技术推到前台，试图把边角漏扫、门槛通行、宠物毛发这类老问题重新打成新卖点。
石头讲硬件可靠，科沃斯讲功能齐全，追觅讲技术突破，618的战火烧到最后，几乎都在回答同一道题：谁的清洁能力更强，谁的基站更省心，谁更能代表下一代扫地机器人。
矛盾浮现：同一台机器，两种相反的抱怨
但收货之后，用户的吐槽指向了品牌们都没正面回答的问题：同一台机器，为什么有人嫌它拖不干净，有人又嫌它太容易伤地？
我们最近翻了一批小红书评论，最扎眼的是几个很具体的问题：为什么开到MAX还是拖不干净？为什么拖得挺干净，地砖却花了？为什么水量一大就留下水印，水量一小又觉得没擦透？
有人骂“拖不干净”：
“花几千买的扫地机器人，开到MAX还是扫不干净”
“拖了五分钟还这样，不知道什么原因，客服说是正常现象”
“还是有一层灰的感觉，即使擦过”
有人骂“刮伤地板”：
“很干净，就是划地砖”
“干净程度也可以，但是划地板这个事儿比较不能容忍”
“精细是毫不精细，划痕是一条又一条。”
这些吐槽不是互相独立的。放在一起看，它们指向同一件事：扫地机器人不是缺一个更猛的档位，而是缺一套能判断“什么时候该强、什么时候该收”的清洁策略。
这就是清洁力最尴尬的地方：不是机器完全不行，而是“越强越好”这套参数逻辑，在真实家庭里开始两头不讨好。拖不净说明力度、路径、水量不够；刮地板又说明压力、材质、异物和地面状态没有被识别清楚。真正难的不是继续加码某一个参数，而是让机器知道眼前这块地，什么时候该强，什么时候该收。
拖不净，行业公认的硬伤，也是用户最难自救的痛点
“拖不净”看起来是最朴素的抱怨，但它其实最难处理。
因为用户不是没努力。开MAX、多扫几遍、换拖布、问客服，这些动作都出现过。但绕一圈回来，很多人还是那句话：看起来扫过了，可就是不透。
“拖了五分钟还这样，不知道什么原因，客服说是正常现象”
“先扫三遍再拖，满意”
这类问题最伤信任。
用户买扫地机器人，是想把清洁这件事交出去。结果他还要回头检查一遍、补扫一遍，甚至总结出“先扫三遍再拖”这种经验。机器看似在干活，实际没有真正让人放心。
数据口径：本文基于小红书扫地机器人用户VOC，采集时间为2026年06月。具体采集2283篇笔记、5383句原声，剔除营销噪声后约1209条真人原声（评论 + 素人笔记正文），经 AI 语义理解打标。
刮地板，不只是“力度太大”
拖不净让人失望，刮地板会让人警惕。
因为拖不净还能再扫，刮伤一旦发生，通常就回不去了。我们整理原声时发现，用户说到刮伤，基本不会只怪“力度太大”，他们会把原因拆得很细。
因素一：接触地面的部件材质
滚刷、拖布压板、万向轮、边刷，只要有硬质边缘，或者卡住碎屑，就可能从清洁工具变成“打磨工具”。
所以防刮不是一句“理论上不会刮”就能解决的。用户真正担心的是：每天在地上跑的那些部件，到底够不够软、够不够干净、够不够不伤地。
“滚刷是软毛，轮子是光滑的，正常怎么可能划地板”
因素二：异物卷入
很多刮伤不是机器本体直接造成的，而是异物造成的。小沙砾、笔芯、玻璃碎片，一旦卷进滚刷或轮子，机器就会从“自动清洁”变成“移动砂纸”。
“小沙砾卡在轮子缝隙，那肯定要刮的”
“水笔笔芯卷进去了导致的”
“是不是有石子玻璃之类的卡滚刷了”
因素三：地面材质
木地板、瓷砖、美缝的耐受程度不一样。用户会自然把刮伤和地面材质联系起来，但机器往往并不知道自己正踩在哪种地面上。
这才是问题。它不知道地面材质，也不知道当前压力、转速、水量是不是已经逼近风险边界。
“瓷砖美缝位置很多圆形的划痕，粉转黑了”
水印：矛盾的第三种表现，水渍卡在中间，暴露的是不会调参
水印水渍没有刮伤那么严重，但它很烦。
它最能说明“精准控制”为什么重要：水量小了，用户觉得拖不透；水量大了，地面又留下印子。
“新拖布都这么重水印，颜面扫地”
“谁能解决水印问题？我家拖过还是有印子”
不过水印和拖不净、刮伤又不完全一样。它有一部分用户自救空间。有人会调水量，有人会改扫拖顺序，有人会先扫后拖。
“第二次把水量调大了就没有印了”
“先用30水量再15水量，完全没划痕”
换句话说，水印不是完全无解。只是现在解法还停留在用户经验里。真正好的产品，应该把这些经验变成默认策略，而不是让用户自己摸索。
参数之外，品牌都要回到同一道题
石头、科沃斯、追觅都在讲自己的清洁能力。用户也会给不同品牌贴上不同印象：有的更稳，有的功能更全，有的更会讲新技术。
但看了许多评论后，会有一个很强的感觉：大家追问的其实还是同一道题：清洁力、防刮伤、防发臭和后期维护，能不能一起成立。
用户已经在替机器做判断。
地面脏不脏，要不要先扫后拖，水量是不是太大，轮子里有没有卡东西，新装修的地面是不是要更谨慎。这些本来都应该是机器逐渐学会的事。
所以卷对了吗？下一轮竞争，不是谁再把某个参数往上堆，而是谁先让机器学会在不同场景下自动收放。什么时候该强，什么时候该弱，什么时候该提醒检查异物，什么时候该改变水量和清扫顺序。
这些结论不是拍脑袋来的
真正有价值的部分，不是把几句用户吐槽摘出来，而是把这些吐槽放回完整语境里看：它们分别指向什么问题、带着什么情绪、用户有没有自己找到补救办法。
数字100智瞰 InsightAI · VOC 做的，就是把公开用户原声先清洗，再通过AI语义理解拆成问题、情绪、场景和应对行为，最后让每个结论都能追溯回原话。这样，最后形成的判断就不是拍脑袋，也不是单纯舆情摘要，而是可以复核、可以继续沉淀的产品洞察。
说明：本文涉及的品牌与型号信息均来自公开渠道，相关参数为各品牌公开宣称；用户原声引自公开平台评论并已匿名处理。本文仅就行业共性问题作分析，不构成对任何品牌或产品的褒贬评价或购买推荐。