2025年， 人形機器人 該領域持續(xù)火熱， “科幻走進現(xiàn)實” 場景不斷涌現(xiàn)。

四月是世界上第一場比賽 半程馬拉松人形機器人 鳴槍開始跑步，各具特色的機器人選手在現(xiàn)實世界的跑道上行走；5月，世界上第一個以人形機器人為參賽主體的人。 格斗比賽 在中間，機器人完成了一系列格斗動作，如勾拳、側(cè)踢、躲閃等；八月 ， 世界 人形機器人運動會 還將拉開序幕，有田徑、體操、足球等豐富多樣的比賽項目。

一年前，我們在那里 報告《通往具體智能之路》 指出，供應鏈成本效率優(yōu)勢的持續(xù)提升，以及第二、第三產(chǎn)業(yè)場景需求的快速增長，或成為 具有智能跑道 的持續(xù)性機會。一年過去，具有智能跑道 出現(xiàn)了 哪些變化 ？ 涌現(xiàn)了 哪些 新的機會？

在 「What's Next｜科技早知道」 在播客節(jié)目中，峰瑞資本執(zhí)行董事 劉鵬琦 和「聲動活潑」創(chuàng)始人&「科技早知道」主播 Diane丁教 ，以及「科技早知道」節(jié)目監(jiān)制 雅嫻 ，圍繞具體智能跑道的新階段和核心挑戰(zhàn)，探討了包括但不限于在內(nèi)的以下問題：

當下這一波 具體智能熱潮的起點 在哪里？為什么一切都在 追尋“人”與“通用”？

人形機器人 軟硬件發(fā)展 與哪些因素有關？當前的核心挑戰(zhàn)是什么？

人形機器人 商業(yè)落地狀況 怎么樣？趨勢和機遇是什么？

我們截取了一些播客的內(nèi)容，希望能帶來新的思維視角。歡迎繼續(xù)和我們一起觀察和討論。也歡迎來到小宇宙APP。 或 Apple podcast，搜索并訂閱「What's Next｜科技早知道」完整版本的收聽。

/ 01 /

制造機器人，為什么要追求？

“人”與“通用”？

雅嫻：最近，機器人馬拉松非常受關注，世界人形機器人運動會也將于八月舉行。為什么這波具身智能如此火爆？

劉鵬琦：這次由亦莊舉行 半程馬拉松賽人形機器人 事情挺出圈的。除投資圈的小伙伴外，我觀察到許多跑步小組也在討論，關注機器人能否完成比賽。

第一次是人形機器人 走出實驗室環(huán)境 ，馬拉松挑戰(zhàn)在現(xiàn)實中已經(jīng)完成了這么長時間。從結(jié)果來看，機器人的完成率可能是 30% ，第一名比許多人類選手還快，其實挺了不起的。

特斯拉宣布進入 人形機器人，是這一波熱潮之一。 代表性起點。

2021年， 特斯拉正式宣布人形機器人計劃，提出 “Tesla Bot” 概念；2022年，特斯拉正式發(fā)布人形機器人 Optimus 原型機(擎天柱)。

同年， Figure AI 建立，重點開發(fā)通用類人形機器人。

不像之前成立的人形機器人公司，Optimus和Figure AI的目標非常明確。它們不僅限于制造一個可以實現(xiàn)復雜和酷炫動作的機器人，還可以制造機器人。 送到工廠，參與生產(chǎn) 。

2022、2023年前后 ，國內(nèi)許多團隊也相繼成立，下注具體的智能方向，如智元機器人、銀河通用、逐際動力等。

為何每個人都選擇這個時間節(jié)點的結(jié)局？可以從軟件和硬件兩個方面來理解。

就硬件而言，過去十年， 新型能源產(chǎn)業(yè)，工業(yè)自動化，消費電力 子等領域的 工業(yè)化，規(guī)模化 隨著水平的提高，包括電機、傳感器、電池在內(nèi)的硬件和零件上下游系統(tǒng)得到了改進， 降低了建造機器人的門檻。

就軟件而言，從2022年底開始， 大型模型的出現(xiàn) 它被認為是一個提高機器人算法模型能力的機會，尤其是 感知決 策方面。 這樣就給了行業(yè)很大的想象空間，去構思將來做通用機器人的可能性。

雅嫻：2017年，宇樹推出的四足機器人可以完成很多任務。例如，在工廠里，機械臂非常熟練地操作和組裝汽車，并做一些詳細的操作。那為何必須這樣做把機器人 做成“人型” ？ 為何必須這樣做 追尋“通用”？

劉鵬琦：“人型”在一定程度上反映了人類心靈深處對未來通用機器人的終極形態(tài)。 普遍的想象。 許多科幻電影、電視劇所呈現(xiàn)的機器人形象也與人類相似，比如動畫電影《超能陸戰(zhàn)隊》中的服務機器人“大白”。

就技術而言，人類所體現(xiàn)的 技術和通用能力 也許看起來更高級，也因此，許多企業(yè)將“人型”視為目標。

但是對于狹義的人型和非人型來說，“有沒有腿”主要表現(xiàn)在 移 動力能力的差異。 在移動能力方面，可以說80%-90%的場景不需要人型，輪試底盤就夠了。所以現(xiàn)在我們可以看到，更多的公司已經(jīng)開始將資源投入其中。 機器人的上身， 特別是 操作技能 在研究和開發(fā)方面，這可能是一個更能發(fā)揮商業(yè)價值的地方。

雅嫻：為了被稱為“通用”，機器人需要具備哪些能力？

劉鵬琦：目前我們討論的是通用機器人，人形，以及在大模型領域討論AGI的想法。 通用 是我們 追尋最終目標， 但是挑戰(zhàn)在于整個世界。 資源有限。 我們還需要平衡，同時追求通用性。 效率，通過率，成本 等因素。

例如，在 工業(yè)，制造業(yè) 與能否通用相比，效率、通過率、成本等各種因素顯然更為重要。但是現(xiàn)在 家政服務 實用性在場景中更為重要。機器人可以犧牲一定的成功率和效率，但是相對來說可以做更多的事情。

目前，業(yè)界還沒有就通用機器人所需的能力達成共識。我認為我們可以參考自動駕駛能力，從L1到L5對通用機器人進行分類和定義，分類指標可以看到它覆蓋了多少場景，不同場景覆蓋了多少任務。

丁教：在機器人領域，無論是研究階段還是應用領域，更需要的是 收斂 ，而不是 泛化 ？

劉鵬琦：偏向?qū)W術學校的創(chuàng)始人可能更贊同直接追求全場景泛化的路線。偏向產(chǎn)業(yè)背景的創(chuàng)始人可能會在一般方向做減法，選擇解決一個垂直場景的問題，然后在未來做其他場景。但不能一概而論。

/ 02 /

軟件和硬件是服務機器人所需的。

發(fā)展如何？

雅嫻：現(xiàn)在機器人需要什么樣的硬件，現(xiàn)在不同的硬件已經(jīng)發(fā)展到什么階段？

劉鵬琦：可簡單地將機器人硬件分為幾類： 機械部分 (類似于人的骨骼、肌肉、肌腱)、 傳感 (類似于人的五官，觸感)、 控制 (類似于人腦、小腦、神經(jīng)系統(tǒng))，以及配套設施 供能系統(tǒng)，通信系統(tǒng) 等。

從投資的角度來看，不同種類的硬件模塊處于完全不同的發(fā)展階段，這與 模塊化相關產(chǎn)業(yè)的成熟度 相關。

目前很多完善的硬件模塊都是新能源汽車、工業(yè)自動化、消費電子等。 大規(guī)模發(fā)展后，成熟產(chǎn)業(yè)溢出成果。

例如 關節(jié)減速機 ，它是機器人廣泛使用的一體化關節(jié)的重要組成部分。關節(jié)減速器在新能源汽車和工業(yè)自動化行業(yè)發(fā)展良好，成本不斷降低。機器人行業(yè)可以用一點定制。

再比如 傳感器 ，得益于自動駕駛和掃地機器人行業(yè)的發(fā)展，激光雷達、毫米波雷達等視覺感知模塊的成本較低，可以使機器人 “用于即用”。

相反，還有一些不完善的硬件模塊，其核心部件過去在其他行業(yè)方向沒有產(chǎn)業(yè)化和規(guī)?；姆e累，需要智能化。 定制研發(fā)。 這種情況也存在 創(chuàng)業(yè)，投資的機會。

例如 靈巧手 (一種新型的機器人終端執(zhí)行器是機器人與環(huán)境相互作用的最終階段和執(zhí)行部件)以及相關的觸感和力覺傳感器。2024年之前，靈巧手的應用場景主要是假肢和科研。近年來，隨著智能行業(yè)的日益普及，靈巧手“帶火”，吸引更多的資金和人才進入市場，促進其發(fā)展。

因時機器人 這是一個特別有趣的例子。2021年，當峰瑞在A輪投資機器人時，該公司已經(jīng)有了一個靈巧的產(chǎn)品演示，但當時我們更關注它的核心部件。 微型伺服電缸 (線性關節(jié)，又稱線性執(zhí)行器，是集成伺服電機、減速器、絲杠等部件的一體化運動模塊)。

當時，由于機器人微伺服電缸已經(jīng)在新能源行業(yè)和美容行業(yè)得到了成熟的應用，靈巧的手是技術實力的證明，盡管收入占比不高?，F(xiàn)在看來，微型伺服電缸的核心部件技術逐漸成熟，成本逐漸下降，這可能是由其他大型行業(yè)推動的，最終為智能手的實用性積累了關鍵能力?，F(xiàn)在，由于機器人在靈巧手跑道上的先發(fā)優(yōu)勢明顯，在行業(yè)內(nèi)出貨量領先。

因此，人形機器人零部件、硬件模塊的成熟程度在初期是非常依賴的。 支持其它成熟產(chǎn)業(yè)。 假如只靠自己的智能產(chǎn)業(yè)本身，會比較慢，比較難。

丁教：使我想起了樂森機器人，以前做伺服電機，后來轉(zhuǎn)行做玩具行業(yè)，反而在商業(yè)上取得了巨大的成功。

劉鵬琦：公司在其它行業(yè)積累、卷出的能力， 新興市場 事實上，反而可能更符合市場邏輯。

雅嫻：談完硬件，我們再來看看軟件。機器人控制系統(tǒng)有兩條主流的發(fā)展路線。

一條是 端到端架構 （end to end，指讓大模型直接理解問題，給出決策或答案) VLA模型 （visual language action，指從語言視覺端投射到行動端)，特斯拉車輛的FSD（Full-Self Driving，全自動駕駛)是端到端的典型代表。

另一條是 傳統(tǒng)的控制系統(tǒng)， 將機器人運動部件分為感知、決策、控制等模塊， AI模型結(jié)合AI模型分模組合 實現(xiàn)各種功能。

劉鵬琦：我認為這兩條路線 并非“非零即一”的狀態(tài)， 有很多相互借鑒的折中方案。

比如分層模型的一兩個模塊可以用大模型來實現(xiàn)部分端到端；VLA內(nèi)部也可以設計成分層結(jié)構，比如分為兩個不同速度的系統(tǒng)結(jié)構。

公司需要根據(jù)自己的需求 定位、場景、商業(yè)模式， 選對路線。

近十年來自動駕駛的發(fā)展狀況，能為具身智能產(chǎn)業(yè)提供參考。

在自動駕駛行業(yè)發(fā)展初期，市場上有企業(yè)一上來就制定終極L4(高度自動駕駛)計劃，也有企業(yè)先制定L2(部分自動駕駛)計劃。制定L2計劃的企業(yè)通常會在訓練模型之前將足夠的商品推向市場。

特斯拉的FSD并非最初實現(xiàn)了端到端的模型。它也可能是 首先進行分層模型， 足夠多的積累 用戶信息 ，再反過來 訓練端到端模型。

當然，端到端模型不一定是“終點”。業(yè)內(nèi)人士認為，端到端模型最多可以起到模仿學習的作用。是否需要添加更多的其他方式和數(shù)據(jù)來訓練端到端模型，主要取決于公司的定位和想法。

雅嫻：端到端模型有什么優(yōu)點？

劉鵬琦：最簡單的理解是，端到端的模型結(jié)構看起來更簡單、更干凈。如果有足夠的數(shù)據(jù)計算率，就有可能發(fā)揮作用。 Scaling law (OpenAI提出的規(guī)模法則認為，大型模型的最終性能主要與計算量、模型參數(shù)和培訓信息量有關)的優(yōu)勢直接將模型運行出來。

問題是，是的 具體使用場景 里， 從而達到結(jié)果的成功率模型 有多高，比如精度能否達到行業(yè)目標。以自動駕駛為例，端到端模型的上限是否達到100公里左右接管一次？一百公里一次就夠了嗎？

雅嫻：現(xiàn)在在通用機器人中使用大型模型，有什么挑戰(zhàn)？

劉鵬琦：在 偏機器人大腦 挑戰(zhàn)部分在于機器人。 需要與物理世界互動， 需要感知環(huán)境的3D信息和物理性質(zhì)，但目前大模型可以為機器人提供的關于“現(xiàn)實世界”的信息相對有限。自動駕駛之所以能使用大模型，是因為車輛和環(huán)境之間的交互需求相對較少，盡量避免與外界的接觸和碰撞。

規(guī)劃、控制操作等 偏小腦 部分，目前的大模型可能遠遠不能滿足機器人的需求。 準確性和響應速度。 舉例來說，機器人終端控制系統(tǒng)可能需要數(shù)百甚至數(shù)千HZ的信號更新頻率，目前大型Transformer結(jié)構(一種新型深度神經(jīng)網(wǎng)絡結(jié)構，是目前主流大型模型的基礎結(jié)構)更難實現(xiàn)這種更新頻率。

從另一個角度來看，具身智能實際上是一種 AI面向物理世界 Agent (智能體)。良好的AI 需要Agent 環(huán)境感知與記憶， 還要 推理管理能力， 更重要的是 Tool use (使用工具，指 AI Agent 有效地利用外部工具來提高其執(zhí)行任務的能力)。身體智能是一種AI。 Agent還需要具備上述特性。隨著大模型能力的發(fā)展，具有智能的環(huán)境感知和推理管理能力可以得到提高，但Tool與物理世界互動。 顯然，use面臨著更大的挑戰(zhàn)。

/ 03 /

在投資熱潮下，

具體智能跑道的趨勢和機會是什么？

雅嫻：人形機器人 商業(yè)化 處于什么階段？ 落地狀況 怎樣？

劉鵬琦：首先，從技術角度來看。許多技術，包括端到端模型。 研究階段很早。

所以，許多企業(yè)考慮的核心問題并非商業(yè)化?，F(xiàn)在，每個人的戰(zhàn)略重點都集中在 怎樣獲得更多的資源，促進前沿技術的研發(fā)。

從投資的角度來看，具身智能是 明顯過熱 在Gartner技術成熟度曲線上，狀態(tài)可能是 第一波高點 的位置。

“熱”的好處在于， 加快相關技術和產(chǎn)業(yè)的完善。 比如靈巧手，在獲得資本支持之后，行業(yè)內(nèi)出現(xiàn)了許多不錯的解決方案。

即使后續(xù)的智能產(chǎn)業(yè)進入資本低潮和冷靜期，也會產(chǎn)生許多 “沿路生蛋” 機會。其中，模型、算法和核心部件是由智能行業(yè)開發(fā)的，可能會 溢出到其它行業(yè)， 比如增強當前智能機器人的能力，做出現(xiàn)在很難實現(xiàn)的機械臂形態(tài)?，F(xiàn)在有些工業(yè)機器人只能在非常固定的過程中活動，未來可能會在更泛化的場景中執(zhí)行多任務。

從 量 產(chǎn)的角度 看來，目前國內(nèi)能夠?qū)崿F(xiàn)大規(guī)模量產(chǎn)的具體智能公司并不多，其中最大的挑戰(zhàn)之一是 PMF還沒找到 （Product Market Fit，產(chǎn)品與市場達到最佳契合點)，現(xiàn)在更多的是服務于科研情況和展示需求。另外，軟件方面 上臂操作技巧， 以及硬件方面 機械性能、可靠性和成本平衡， 還有優(yōu)化的空間。

假如討論未來人形機器人是如何著陸的， “不可能三角”的平衡 (指一件事同時存在三個要素，三者不能同時存在)，在具體智能領域主要是指具體智能領域。 通過率，實用性和支出。

人形機器人在中國市場需要實現(xiàn) 通過率高于人工操作，在垂直場景中實現(xiàn)泛化， 尤其適合切入 附加值相對較高 的行業(yè)。

比如， 人工試驗在生物醫(yī)學領域的階段 也許可以由機器人來完成。首先，實驗室所需的操作比較有限，對機器人的實用性要求也比較低。第二，在實際試驗過程中，機器人可能比人工更準確地控制試驗條件和規(guī)范操作。另外，實驗操作者一般需具有本科及以上學歷，并具有化學或生物學等學科背景，屬于高技能勞動力。如果人形機器人能夠做到這一替代工作， 可以創(chuàng)造經(jīng)濟附加值 相對來說也會更高。

相比之下，人形機器人可能不容易。 勞動力集中的場景 其中一個原因是這些場景的附加值較低，比如倉儲物流或工業(yè)場景。此外，我國勞動力成本低，海外勞動力成本高。因此， 國外市場 更加需要人形機器人來代替人力。

當然，我們也觀察到了機器人。 工業(yè)領域 試一試，比如造車，但是現(xiàn)在機器人更有可能只做一些質(zhì)檢、隨機運輸?shù)裙ぷ鳎?真正進入核心生產(chǎn)環(huán)節(jié) 還有很長的路要走。

國內(nèi)外做人形機器人的企業(yè)畫像有許多不同之處。

在美國，著名的人形機器人公司包括特斯拉，F(xiàn)igure AI、Physik Instrumente（PI）等， 新興企業(yè)數(shù)量不多，但單一企業(yè)估值和融資額較高。 總的來說，美國企業(yè)傾向于追求追求 技術領先， 研究開發(fā)側(cè)重于機器人的大腦部分，如軟件和算法。除Optimus和Figure之外， 除了AI等少數(shù)企業(yè)， 自研機器人本體 公司不多。

進入中國人形機器人的企業(yè) 數(shù)量很多， 除遙遙領先的第一梯隊外，還有無數(shù)的第二梯隊、第三梯隊。根據(jù)新戰(zhàn)略人形機器人產(chǎn)業(yè)研究所的估計，2025年上半年仍有許多企業(yè)家進入。另外，看起來中國的具身智能企業(yè)也許更想要。 實現(xiàn)“全能”， 比如既做軟件又做自己的硬件，既要展示酷炫的技術demo、還要有落地思考和布局。

就市場環(huán)境而言，中國在孕育人形機器人行業(yè)方面具有獨特的優(yōu)勢：完善 產(chǎn)業(yè)鏈基礎 、規(guī)?；?市場需求 、積極的 政策引導 ，以及廣闊的 出海機會 。

雅嫻：對未來的人形機器人來說，公眾可能會有一些“機器人進入家庭”的想象。就目前的技術發(fā)展階段而言， 進入家庭場景的機器人 是否需要更長的時間？

劉鵬琦：的確。當機器人進入家庭時，除了成功率、實用性和成本之外，還有很多問題需要考慮在“不可能三角”中。 倫理問題，哲學問題 需要解決和克服。

丁教：但愿在資本的推動下，具身智能產(chǎn)業(yè)能迎來一個新的發(fā)展。 技術突破節(jié)點， 一點一點向前推進，我想最終應該能夠?qū)崿F(xiàn)這個目標。

劉鵬琦：假如僅僅靠一波就把它推到了最后的高度，那么這件事肯定不是什么大事。一件大事必須是 需要幾波浪潮， 把它推到最后。

雅嫻：那么現(xiàn)在機器人到了嗎？ ChatGPT時刻？

劉鵬琦：我覺得還遠沒有到。

在2024年5月，我們發(fā)表了一份報告《通往具體智能之路》。

和一年前相比，我想 具體智能變得更加火爆， 更多的團隊出現(xiàn)，更多的機構進入。不變的是，整個行業(yè)仍然存在。 處于起步階段， 雖然機器人馬拉松等很多現(xiàn)象“爆紅”，但是商業(yè)化還是很少的。

在硬件領域，大量新的創(chuàng)業(yè)公司和團隊布局 力量傳感器，觸覺傳感器，靈巧手等。 在 小腦機器人數(shù)據(jù) 在這一細分方向上，出現(xiàn)了公司或平臺，提供遙操作、動捕和生成模擬數(shù)據(jù)。這也符合之前在報告中的判斷。

在未來，新的趨勢和機遇可能會出現(xiàn) 控制大腦和小腦算法 另一方面，這是目前智力最大的瓶頸之一。解決辦法可能是先選擇一個。 考慮到落地場景的通過率、實用性和成本， 形成現(xiàn)有的技術能力 閉環(huán)解決方案， 積累 場景數(shù)據(jù)， 再逐步演變 新型算法架構。

若延長時間線，人形機器人的終極形態(tài)就會出現(xiàn)， 實現(xiàn)晚于量子計算和核聚變。 像漫威漫畫中的鋼鐵俠一樣，人形機器人可能會將可控核聚變視為 能源設備 、作為量子計算 計算單元 ，然后真正實現(xiàn) 一般人型機的形態(tài)。

本文來自微信公眾號“峰瑞資本”（ID：freesvc），作者：與企業(yè)家同行，36氪經(jīng)授權發(fā)布。

本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權或非授權發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com