文｜硅谷101
最近，人形機(jī)器人賽道再次被推向了輿論的風(fēng)口浪尖，依然在“泡沫”與“前夜”的爭(zhēng)論中搖擺。
在硅谷，初創(chuàng)公司1X近期發(fā)布了Neo的演示視頻。在這支拍攝精美的廣告片中，Neo似乎能像人類一樣自然地做家務(wù)，視頻瞬間在X和YouTube上引發(fā)熱議。但贊嘆聲未落，質(zhì)疑聲便鋪天蓋地而來——外界指出其流暢動(dòng)作的背后，其實(shí)嚴(yán)重依賴遠(yuǎn)程操控（Teleoperation），而非機(jī)器人的自主智能。這讓人不禁聯(lián)想到2023年那些聲稱擁有AI能力、實(shí)則依賴人工后臺(tái)處理的初創(chuàng)公司，“人工”智能的幽靈再次出現(xiàn)。
與此同時(shí)，高盛在一份最新調(diào)研報(bào)告中，無情地指出機(jī)器人供應(yīng)鏈的“現(xiàn)實(shí)溫差”。盡管資本市場(chǎng)情緒高漲，企業(yè)產(chǎn)能規(guī)劃激進(jìn)——普遍在年產(chǎn)10萬至100萬臺(tái)之間——但實(shí)際的大規(guī)模訂單尚未落地。高盛甚至預(yù)測(cè)，即便到了2035年，全球人形機(jī)器人總出貨量或僅為138萬臺(tái)。
盡管面臨“造假”質(zhì)疑與“產(chǎn)能過剩”的風(fēng)險(xiǎn)，具身智能賽道在過去兩三年間仍吸引了巨額資本注入，并展現(xiàn)出與AI技術(shù)同步演進(jìn)的強(qiáng)勁勢(shì)頭。
本期《硅谷101》，特約研究員劉一鳴邀請(qǐng)了兩位深耕中美市場(chǎng)的資深投資人——華映資本海外合伙人Jonathan邱諄，Shanda Group合伙人/投資副總裁Christine Qing，透過資本的迷霧，審視具身智能賽道的真實(shí)格局。當(dāng)下的繁榮究竟是泡沫的預(yù)演，還是技術(shù)爆發(fā)的前夜？中美企業(yè)在戰(zhàn)略布局與核心優(yōu)勢(shì)上呈現(xiàn)何種差異？在商業(yè)化落地的競(jìng)賽中，哪些場(chǎng)景有望率先突圍？
以下是這次對(duì)話內(nèi)容的精選：
01、當(dāng)下的機(jī)器人賽道處于泡沫破裂前夕嗎？
一鳴：我們先來構(gòu)建一個(gè)全景圖。最近1X發(fā)布的視頻引發(fā)了很大爭(zhēng)議，被稱為“人工”智能，同時(shí)高盛的報(bào)告也指出產(chǎn)能與訂單的巨大落差。從投資視角來看，2025年的人形機(jī)器人賽道，究竟是處于一個(gè)類似“ChatGPT”爆發(fā)的前夜，還是已經(jīng)明顯過熱，甚至是泡沫破裂的前夕？
邱諄：我們內(nèi)部一直也在非常激烈地討論這個(gè)話題。一個(gè)核心觀點(diǎn)是：一定會(huì)有一定的過熱，但是我們覺得任何一個(gè)大的技術(shù)爆發(fā)的前夜都會(huì)過熱。所以作為投資人，我們其實(shí)還是希望能夠在這個(gè)過熱當(dāng)中，找到比較清晰的一些機(jī)會(huì)，而不是因?yàn)檫^熱就完全否定它。
如果你問我現(xiàn)在的具體定位，我是把目前定義成“BERT時(shí)期”。
大家可能記得，Transformer架構(gòu)是2017年剛出來的，然后2018年的時(shí)候Google推出了BERT模型。BERT時(shí)期的意義在于，我們已經(jīng)有了一個(gè)比較清晰的技術(shù)路線了，大致知道是往這個(gè)方向走。映射到今天的機(jī)器人領(lǐng)域，我們看到了包括VLA（Vision-Language-Action）、RT-2、Pi0等模型，其實(shí)都有一個(gè)看上去很清晰的技術(shù)路線。
我們要區(qū)分兩個(gè)概念，其實(shí)所謂的“GPT時(shí)刻”有兩個(gè)階段。
第一個(gè)階段是GPT-3時(shí)刻，發(fā)生在2020年。它的標(biāo)志就是出現(xiàn)了一次“涌現(xiàn)”。簡(jiǎn)單來說，就是之前積累的大量的互聯(lián)網(wǎng)數(shù)據(jù)現(xiàn)在終于能夠用上了，被訓(xùn)練進(jìn)模型里了。其實(shí)在BERT時(shí)代，大家如果還能記得的話，那時(shí)候我們看一堆BERT的項(xiàng)目，它的意義是定義了預(yù)訓(xùn)練（Pre-train）這個(gè)技術(shù)路線——GPT中的“P”（Pre-train）其實(shí)從BERT時(shí)候就已經(jīng)定義了。但是因?yàn)樗皇巧墒降?，所以很多?shù)據(jù)是訓(xùn)練不進(jìn)去的。
直到GPT-3在2020年出現(xiàn)，才把所有的數(shù)據(jù)一下訓(xùn)練出來，搞出了一個(gè)175B參數(shù)量的超級(jí)大模型。我覺得這個(gè)（數(shù)據(jù)涌現(xiàn)）是我們現(xiàn)在對(duì)機(jī)器人領(lǐng)域很期望的一個(gè)標(biāo)志。
我一直的觀點(diǎn)就是：所有東西都是訓(xùn)練數(shù)據(jù)驅(qū)動(dòng)的。今天雖然有這么多種收集訓(xùn)練數(shù)據(jù)的方法——遙操、動(dòng)捕、仿真等等——但事實(shí)上，行業(yè)內(nèi)還沒有訓(xùn)練出來一個(gè)真正的、從參數(shù)到性能都能夠有一定規(guī)模的模型。
第二個(gè)階段才是ChatGPT時(shí)刻。其實(shí)剛涌現(xiàn)的時(shí)候（GPT-3），大家并沒有真正能大規(guī)模用起來，實(shí)話說，因?yàn)樗幕卮鸷芏鄷r(shí)候其實(shí)還是不那么準(zhǔn)確的。直到ChatGPT出來，做了RLHF（人類反饋強(qiáng)化學(xué)習(xí)）等后訓(xùn)練調(diào)優(yōu)之后，大家發(fā)現(xiàn)一下子這個(gè)效果立刻就很亮眼了，真的能用了。
所以回到機(jī)器人，我們還在等第一個(gè)時(shí)刻，即GPT-3時(shí)刻。我們很期待有一個(gè)涌現(xiàn)的出現(xiàn)。如果運(yùn)氣好的話，參考當(dāng)年從2018年到2020年也就兩年的時(shí)間，可能我們離這個(gè)時(shí)刻已經(jīng)很近了。
Christine：我非常同意Jonathan的觀點(diǎn)，這肯定是分兩個(gè)階段爆發(fā)的。
我們?cè)诘谝粋€(gè)階段的確是做了一些深入到技術(shù)節(jié)點(diǎn)的思考。如果說第一階段在技術(shù)上有了GPT時(shí)刻，它的標(biāo)志是什么？我覺得可能是這個(gè)時(shí)候的具身智能機(jī)器人，已經(jīng)擁有了長(zhǎng)期動(dòng)作鏈的泛化能力。
這就意味著，機(jī)器人可以直接通過語言和視覺接收到人類的直接指令，然后將它分解為一系列復(fù)雜的動(dòng)作去完成它。
舉個(gè)例子，比如說我現(xiàn)在說：“你去廚房拿個(gè)杯子，倒水，然后放回桌子上?！边@里面的整個(gè)能力其實(shí)是涉及到從L0、L1甚至有一些L3的能力在里面。這已經(jīng)不是一個(gè)簡(jiǎn)單的腳本指令操作了，它是一個(gè)端到端的泛化。當(dāng)這個(gè)能力出現(xiàn)的時(shí)候，我們就可以說非常接近、甚至是達(dá)到了GPT爆發(fā)的第一步。
第二步，我覺得是一個(gè)類似ChatBot甚至iPhone的時(shí)刻。它最實(shí)質(zhì)性的標(biāo)志是：在C端的使用量有了一個(gè)在產(chǎn)品上面的規(guī)模性爆發(fā)。
在機(jī)器人上會(huì)不會(huì)復(fù)制軟件這種爆發(fā)規(guī)模？我覺得是有難度的，因?yàn)樗吘故且粋€(gè)軟件和一個(gè)軟硬一體的東西，甚至要落到一個(gè)具體的使用場(chǎng)景里面去落地。但是我覺得另外一個(gè)可能我們可以去類比的模型是蘋果手機(jī)。它一開始是慢的，但是一旦開始有了數(shù)據(jù)，甚至是使用場(chǎng)景建立起來了，它就會(huì)變得非常的快，然后它這個(gè)市場(chǎng)是非常的穩(wěn)定且龐大的。
至于“過熱”這個(gè)問題，我是從兩個(gè)維度來看的。從產(chǎn)品或者Demo的實(shí)際能力（比如1X的視頻）以及技術(shù)成熟度來講，的確是不能和今天的估值做匹配的，現(xiàn)在的估值確實(shí)有些高。但是，如果我們是向前看，看這個(gè)未來的市場(chǎng)規(guī)模，那我們現(xiàn)在僅僅是開始了接近“物理AI”的可能性，這個(gè)市場(chǎng)的潛力是巨大的。對(duì)于風(fēng)險(xiǎn)投資來講，這種估值絕對(duì)是一個(gè)可消化的，也是一個(gè)必須提前占位的布局。
02、中美機(jī)器人故事：硅谷的“大腦”與深圳的“身體”
一鳴：兩位都是經(jīng)常在中美兩邊跑，看過很多創(chuàng)業(yè)公司和上市公司。大家都在談中美對(duì)比，無論在AI還是在機(jī)器人領(lǐng)域。在您看來，美國(guó)以特斯拉Optimus、Figure、Pi為代表的公司，跟中國(guó)像宇樹、智元、優(yōu)必選這些公司，它們?cè)趹?zhàn)略打法或者說一些核心優(yōu)勢(shì)上，有哪些異同？誰更領(lǐng)先？
邱諄：我們確實(shí)今年投國(guó)內(nèi)的具身項(xiàng)目投得比較多，從二月份開始已經(jīng)投了八九家了。因?yàn)槲易约阂恢痹诠韫?，跟這邊大部分的具身公司也都有交流。
嚴(yán)格來講，我覺得兩邊在很多方面還是比較接近的。
不論中美，確實(shí)都有不少公司是偏融資屬性、營(yíng)銷屬性的打法。其實(shí)很多視頻也是會(huì)有很多CGI或者加速在里面，或者用比較糙的辦法，拍很多次通過一次這樣，這是一類。當(dāng)然也有潛心不停地發(fā)論文、很學(xué)院派的，可能很多時(shí)候是以論文取勝，會(huì)不斷地有新的架構(gòu)、模型能夠跑出來。
中美的不同點(diǎn)，可能更多是在技術(shù)棧上面的切分。
美國(guó)肯定相對(duì)還是偏“軟”一些，尤其是在大模型這一塊。從基座模型（Foundation Model）去驅(qū)動(dòng)具身模型的進(jìn)步這一塊，美國(guó)還是會(huì)領(lǐng)先的。不管是Pi也好、Skild AI也好，包括李飛飛的公司，都帶有很強(qiáng)的學(xué)院派色彩，強(qiáng)調(diào)從底層模型突破。
而從硬件的迭代上來說，中國(guó)是有巨大優(yōu)勢(shì)的。但我的觀點(diǎn)是，最后肯定是要融合，兩邊還是要融合的。很多機(jī)器人通用基礎(chǔ)模型的進(jìn)步一定也會(huì)推動(dòng)整個(gè)技術(shù)棧，包括硬件的進(jìn)步。所以兩邊的交流我看還是很多的，國(guó)內(nèi)會(huì)非常關(guān)注美國(guó)這邊最新的模型進(jìn)展，美國(guó)事實(shí)上在很多時(shí)候也是需要依賴國(guó)內(nèi)供應(yīng)鏈的更加成熟。
Christine：我完全同意Jonathan的看法。美國(guó)它肯定是先得要走通用的基礎(chǔ)模型，在他們的認(rèn)知里，硬件這個(gè)東西本身只是一個(gè)動(dòng)作的物理載體。
但是在中國(guó)，因?yàn)榻衲晡以谥袊?guó)完全是一個(gè)學(xué)習(xí)心態(tài)，我更多的是回中國(guó)去學(xué)習(xí)，看這個(gè)“硬科技”都已經(jīng)發(fā)展到一個(gè)什么樣的水平了。
這周我剛剛從深圳回來，走訪了很多上下游企業(yè)，包括做硬件的、軟件的、到做整機(jī)的。我聽到最多的一句話，我覺得很有意思，就是說：產(chǎn)品在深圳這個(gè)地方，機(jī)器人硬件產(chǎn)品甚至可以一天迭代三次。
我覺得這個(gè)速度是在硅谷想都不敢想的一件事情。硅谷既沒有膽量去做這件事情，也沒有能力去做這件事情。
所以我覺得他們是各有所長(zhǎng)。但是這個(gè)“長(zhǎng)”最后怎么變成一個(gè)綜合能力，也是我們一直在持續(xù)思考的一件事情。具身智能，既有“身體”又有“智能”，最終它落到場(chǎng)景的時(shí)候，應(yīng)該怎么去融合？
在這件事情上，我覺得學(xué)得最好的其實(shí)還是特斯拉。畢竟埃隆·馬斯克在上海超級(jí)工廠學(xué)習(xí)中國(guó)生產(chǎn)、學(xué)習(xí)了那么多年，他肯定是有所得的。他知道如何將極致的制造效率與頂尖的軟件能力結(jié)合，所以特斯拉的確是目前為止做得最好的。
一鳴：其實(shí)現(xiàn)階段因?yàn)檐浖暮芏喾夯赃€沒有得到更廣泛的運(yùn)用，可能硬件上的一些創(chuàng)新在這個(gè)時(shí)間點(diǎn)是能更出一些現(xiàn)成的結(jié)果的。在商業(yè)化應(yīng)用上，你覺得是硬件公司會(huì)走得更往前一點(diǎn)，還是說兩方面都得等互相的進(jìn)展才行？
邱諄：最后一定是垂直整合（Vertical Integration）。
當(dāng)然商業(yè)化也分幾種。第一種是短期的商業(yè)化，你手上有啥硬件，你就試圖去賣，找短期的客戶，這當(dāng)然也算是商業(yè)化。但我們作為風(fēng)險(xiǎn)投資，看的是Long Capital，是一個(gè)跨周期的、最后能夠?qū)崿F(xiàn)具身智能爆發(fā)性技術(shù)突破的商業(yè)化。
從這個(gè)角度講，兩邊肯定還是要一起的。
美國(guó)它確實(shí)是需要供應(yīng)鏈的推動(dòng)。其實(shí)這個(gè)已經(jīng)很多年了，美國(guó)從最近才開始說我要供應(yīng)鏈回流，自己要有國(guó)產(chǎn)替代的供應(yīng)鏈。但大概至少在十幾二十年時(shí)間之內(nèi)，其實(shí)還是嚴(yán)重依賴的。
其實(shí)十幾年前，美國(guó)當(dāng)時(shí)做智能硬件最有名的一個(gè)孵化器叫Highway1，還有一個(gè)叫PCH。他們每年或者每半年有一個(gè)批次，所有的十幾二十個(gè)初創(chuàng)公司都得拉到中國(guó)去。當(dāng)時(shí)其實(shí)華人創(chuàng)業(yè)者還不是很多，大部分是白人或者本地創(chuàng)業(yè)者，都被拉到華強(qiáng)北的一棟樓里面，必須在那邊待上三個(gè)月。
為什么？因?yàn)樗杏布牡家螅何冶仨毜媚軌蛳碌綐窍拢軌蛸I一個(gè)他要的零件，去調(diào)他新的硬件的架構(gòu)，去買一個(gè)新的電阻、電容。要在美國(guó)，你就很難做到這一點(diǎn)。實(shí)際上直到今天，很多人還是在淘寶上下單，然后等著轉(zhuǎn)一大圈物流配送到美國(guó)。確實(shí)，硬件迭代這個(gè)事情在美國(guó)是挺難的，這個(gè)確實(shí)會(huì)阻礙到它的商業(yè)化。
而在國(guó)內(nèi)，雖然硬件供應(yīng)鏈很強(qiáng)，但是我一直的一個(gè)觀點(diǎn)叫“軟件定義、軟件驅(qū)動(dòng)”——如果你沒有基座模型，沒有VLA這種大模型的支持，你只靠供應(yīng)鏈的進(jìn)步也是無法實(shí)現(xiàn)充分的商業(yè)化的。
所以最后兩邊很可能還是一個(gè)互通、并駕齊驅(qū)，互相借鑒、互相融合。
Christine：中國(guó)現(xiàn)在在進(jìn)入一個(gè)商業(yè)化的初期，但是結(jié)論其實(shí)是一樣的。誰會(huì)進(jìn)入規(guī)模化的商業(yè)化？現(xiàn)在很難講。
中國(guó)的供應(yīng)鏈、成本、場(chǎng)景、數(shù)據(jù)這個(gè)優(yōu)勢(shì)，我覺得最大的一個(gè)優(yōu)勢(shì)其實(shí)是場(chǎng)景和數(shù)據(jù)的開放性。
我舉一個(gè)例子，有一家機(jī)器人公司在奔馳的產(chǎn)線上面做試點(diǎn)。他們的Demo是怎么做的？因?yàn)閲?guó)外的產(chǎn)線數(shù)據(jù)非常敏感，所以它是在那個(gè)產(chǎn)線上做了一個(gè)小的黑屋，就像一個(gè)帳篷一樣，就讓這個(gè)機(jī)器人在這個(gè)小黑屋里面做一個(gè)復(fù)制性的動(dòng)作。這就是美國(guó)的生產(chǎn)線或者生產(chǎn)場(chǎng)景，它對(duì)它的數(shù)據(jù)、對(duì)它執(zhí)行的任務(wù)本身就是這么的敏感。
但是在中國(guó)沒有這個(gè)問題。如果你有能力可以部署一萬臺(tái)這個(gè)機(jī)器人到我的產(chǎn)線上來干活，那我這個(gè)數(shù)據(jù)是可以開放給你用的，或者這是一個(gè)互幫互助的過程。所以那就說明了我們一直在說的數(shù)據(jù)、數(shù)據(jù)、數(shù)據(jù)，那它的數(shù)據(jù)飛輪是不是就會(huì)先于美國(guó)第一步開始？
因?yàn)槲覀円仓繭penAI最開始是想要做機(jī)器人的基模的，為什么做不下去？因?yàn)樗貌坏綌?shù)據(jù)，這是一個(gè)非常大的問題。
在美國(guó)的數(shù)據(jù)保護(hù)，其實(shí)對(duì)機(jī)器人具身數(shù)據(jù)的使用、收集都是非常的挫敗。但是美國(guó)的能力確實(shí)是在于他們的軟件、大模型能力這塊。那就注定了他們從開始做這件事情的時(shí)候，他們就是以底層能力去定義機(jī)器人，就是用軟件、用大模型能力去定義機(jī)器人，而不是說我要一步一步地商業(yè)化去掙錢，把它作為一個(gè)里程碑。
另外，說到商業(yè)化，我們要看市場(chǎng)在哪里。美國(guó)市場(chǎng)的ROI（投資回報(bào)率）的確對(duì)于機(jī)器人來講是最高的。一旦它替代人了以后，它的市場(chǎng)價(jià)值以及它可以去商業(yè)化的場(chǎng)景，在物流，如果是To C端的話肯定就是養(yǎng)老的這些場(chǎng)景，它都是有大量的需求，并且付費(fèi)力是非常強(qiáng)的。
03、投資邏輯大辯論：泛化能力是分水嶺
一鳴：現(xiàn)在市場(chǎng)上有一類公司，可能它沒有到泛化性的那種智能，它可能用一些原來的那種工業(yè)機(jī)器人，再結(jié)合一些智能化做了一些改進(jìn)，也許在產(chǎn)線也能用，但這些公司也許它有現(xiàn)金流，也許它能在未來融到更多錢。另一類是講究全棧、講究泛化的具身智能。這兩派，你覺得哪一派可能更現(xiàn)實(shí)一點(diǎn)，或者說更有可能能成功？
邱諄：我不覺得這是兩派，這是兩個(gè)完全不同的投資邏輯。
第一類，我們稱之為“先進(jìn)制造”或者“智能硬件”。比如掃地機(jī)器人、協(xié)作機(jī)械臂、AGV。它們是專用設(shè)備，解決特定問題。你可以給它加芯片、跑控制算法去智能化，但它不需要訓(xùn)練那么大個(gè)模型，去搜集海量的人類數(shù)據(jù)。
第二類才是真正的“具身智能”（Embodied AI）。具身其實(shí)應(yīng)該是有一個(gè)比較清晰的定義的：具身一定是數(shù)據(jù)驅(qū)動(dòng)的，而且具身大概率是人形的。
很多人可能不理解為什么要做人形，其實(shí)都是因?yàn)閿?shù)據(jù)驅(qū)動(dòng)。因?yàn)槲覀冏詈蟀l(fā)現(xiàn)，不管你用什么樣的數(shù)據(jù)，只要你到一定的數(shù)據(jù)量，大概率都是跟人相關(guān)的。不管你是用大量的互聯(lián)網(wǎng)視頻，還是遙操、動(dòng)捕、示教，其實(shí)你會(huì)發(fā)現(xiàn)畫面里都是個(gè)人在操作。
如果你只是一個(gè)機(jī)械臂，那你就不是具身了。
最后區(qū)分兩者的一個(gè)很簡(jiǎn)單的方法就是：我看他要不要數(shù)據(jù)？
如果我是一個(gè)機(jī)械臂，我可以裝攝像頭，但我不需要那么多人類的數(shù)據(jù)去訓(xùn)練我這么大個(gè)模型，那我就是第一類。
第一類“先進(jìn)制造”的結(jié)果其實(shí)還是個(gè)專用設(shè)備。在很多專用的場(chǎng)合，包括AGV、協(xié)作機(jī)器人，它們解決的是專用問題。這類公司非常多，上市公司里就有，它們可以產(chǎn)生巨大的投資回報(bào)，但是它們的投資策略、邏輯和對(duì)團(tuán)隊(duì)的評(píng)估，和第二類是完全不一樣的。
第二類具身智能，是最近這一兩年，尤其GPT出來之后才有的。馬斯克為什么能做Optimus？也是因?yàn)樗写竽Ｐ停蠫rok、有xAI，所以他才敢做這個(gè)事情。
做具身的人，一定不會(huì)做“三個(gè)手臂”的機(jī)器人。理論上講，三個(gè)手臂肯定比兩個(gè)手臂效率高，但為什么不做？唯一的原因就是：我無法去收集三個(gè)手臂的數(shù)據(jù)。我要遙操，我也找不到一個(gè)人能夠同時(shí)控制三個(gè)手臂；我所有的視頻訓(xùn)練數(shù)據(jù)里，都找不到三個(gè)手臂的人類。這是個(gè)很重要的點(diǎn)。
所以，這是兩個(gè)不同的賽道。先進(jìn)制造也能成功，但它不具備具身智能那種通過海量數(shù)據(jù)訓(xùn)練出的泛化能力。
04、先投“上半身”（大腦/靈巧手）還是“下半身”（運(yùn)動(dòng)控制）
一鳴：這其實(shí)也帶來了一個(gè)很有趣的投資思路上的分階段。我記得去年行業(yè)里還有些討論，說我們應(yīng)該是先投“上半身”（包括靈巧手、視覺，解決靈巧性問題），還是投資“下半身”（運(yùn)動(dòng)控制，也就是投腿和底盤）？您覺得在不同的年份，可能在今年也許更關(guān)注哪一個(gè)方向？
邱諄：我剛才提到一個(gè)詞叫“垂直整合”（Vertical Integration），通俗點(diǎn)說就是全身。
我其實(shí)不覺得具身是一個(gè)能分成上半身、下半身或者是個(gè)腰、腿的。我覺得最后其實(shí)都是全身。當(dāng)然可能最后是個(gè)大腦驅(qū)動(dòng)的事，小腦這些都是為大腦服務(wù)的?；蛘呶覀冋f技術(shù)一點(diǎn)，其實(shí)還是一個(gè)軟件定義、軟件驅(qū)動(dòng)的概念，最后還是所有的這些算法和數(shù)據(jù)決定了這個(gè)事情能不能做出來。
具身這個(gè)事情是能做出來還是不能做出來，關(guān)鍵在于所謂“大腦”，就是基座模型的研發(fā)。所以理論上來講，最有價(jià)值的應(yīng)該還是集中在這一塊。
當(dāng)然不同的人可能有不同的切入點(diǎn)。比如有的團(tuán)隊(duì)偏控制算法（小腦），但他現(xiàn)在也得找人訓(xùn)練VLA，把視覺語言融進(jìn)來，做成端到端。
如果你只做下半身，那大概率你會(huì)變成一個(gè)硬件的供應(yīng)鏈。這也沒有問題，但如果上層的軟件定義的邏輯變了——因?yàn)樗x你嘛——如果它定義你最后把你定義出去了，那你可能就出局了。就是說你的這個(gè)腿到底是怎么做的？其實(shí)你要很緊密地跟隨著技術(shù)棧的上層，最后還是做大腦這一層去。
一鳴：從商業(yè)價(jià)值上，像宇樹在2023年之前，其實(shí)它的估值一直是上不去的，可能只有智元的一半都不到。但智元因?yàn)樗侵v了一個(gè)更全棧、更偏軟件更強(qiáng)的故事，所以它整體估值一下子漲得很猛。
邱諄：沒錯(cuò)。商業(yè)價(jià)值而言，宇樹是不小的。但宇樹的一個(gè)風(fēng)險(xiǎn)就是說，一旦技術(shù)棧發(fā)生變化了——當(dāng)然它好在現(xiàn)在都是科研——但如果下游客戶都商業(yè)化之后，發(fā)現(xiàn)原來的方案不行，它還能不能繼續(xù)出貨量產(chǎn)？這個(gè)還沒有被完全證實(shí)。
就是有可能最后技術(shù)路線大家都用你做科研，最后科研完了之后發(fā)現(xiàn)其實(shí)應(yīng)該用另外一種方案。所以我認(rèn)為，大而全也未必是正確的，還是要找一個(gè)很清晰的切入點(diǎn)，比如你有一個(gè)很強(qiáng)的VLA算法，或者端到端的解決方案。
Christine：我們是做早期投資，所以對(duì)于早期我們現(xiàn)在來講的話，我一定是關(guān)注大腦，甚至運(yùn)動(dòng)算法都只是為大腦而做輔助的。這個(gè)事情是非常非常明確的。如果分成上半身、下半身，我們一定是上半身。
我最近關(guān)注的公司基本上一個(gè)是大腦、端到端的算法，然后數(shù)據(jù)的獲取。大家都在找一個(gè)切入口。但是我覺得大腦從它的基模感知到規(guī)劃，其實(shí)感知到規(guī)劃已經(jīng)是機(jī)器人的L2定義了，都沒太有人真正地做好這件事。Optimus秀了一個(gè)Demo，但其他的我覺得還沒有真正做好。
另外一個(gè)就是它的手，手的靈巧性。我們現(xiàn)在也在關(guān)注手它現(xiàn)版的上下游的成熟度，因?yàn)橹割^也是大腦在控制，所以這塊操控也是一個(gè)從軟件到硬件的一整個(gè)能力，我們也是在關(guān)注的。
05、沒有觸覺數(shù)據(jù)，機(jī)器人學(xué)不會(huì)靈巧性？
一鳴：機(jī)器人先驅(qū)Rodney Brooks最近有一篇論文，觀點(diǎn)很犀利。他覺得現(xiàn)階段的機(jī)器人是很難真正學(xué)會(huì)靈巧性和泛化性的。他的核心論點(diǎn)在于：我們現(xiàn)在都在靠視覺數(shù)據(jù)來做，但其實(shí)人體觸覺數(shù)據(jù)非常重要，而觸覺數(shù)據(jù)現(xiàn)在幾乎是零。所以他也覺得這一波的所謂的泛化性是很難在短期內(nèi)實(shí)現(xiàn)的。您怎么看這個(gè)風(fēng)險(xiǎn)？
邱諄：這個(gè)可能是泡沫風(fēng)險(xiǎn)的一部分。但對(duì)于早期投資來說，我們就是冒險(xiǎn)，其實(shí)有風(fēng)險(xiǎn)的地方就有冒險(xiǎn)。
我其實(shí)非常同意他那篇論文里面說的所有的觀點(diǎn)，但這恰恰就是冒險(xiǎn)，就是現(xiàn)在想解決的這些問題。
事實(shí)上我們不僅是觸覺，所有這些力反饋、變形、人類具有的這些傳感器的信息，其實(shí)都是缺乏的。但是，現(xiàn)實(shí)上最后能夠?qū)崿F(xiàn)的這個(gè)方案，不會(huì)是完全仿生的一種方案，它一定會(huì)走一些捷徑。就像當(dāng)年做飛機(jī)的時(shí)候，人們發(fā)現(xiàn)不是把鳥的翅膀的所有的動(dòng)作全都能夠模仿了之后才能飛，那不然當(dāng)時(shí)可能會(huì)說飛機(jī)永遠(yuǎn)是造不出來的。但事實(shí)上你最后會(huì)發(fā)現(xiàn)你能走一些捷徑。
就比如說現(xiàn)在VLA的一個(gè)核心點(diǎn)就是：我最后輸出的還是Token，我還是做下一個(gè)Token預(yù)測(cè)。雖然它跟人是很不一樣的，但核心點(diǎn)就是說你要怎么樣去搜到大量的數(shù)據(jù)。
我覺得觸覺是一個(gè)挺難的點(diǎn)，因?yàn)闅v史上也沒有這些數(shù)據(jù)。VLA的好處是視覺（V）和語言（L）都是有的，互聯(lián)網(wǎng)上有大量數(shù)據(jù)。如果數(shù)據(jù)要從0開始，這確實(shí)比較難。
但我還是覺得，現(xiàn)在的具身，最后就是把你已經(jīng)有的這些數(shù)據(jù)能夠灌到一個(gè)模型里面。為什么我們?cè)诘菺PT-3時(shí)刻？只要有了這一堆數(shù)據(jù)，能夠訓(xùn)練出來一個(gè)規(guī)模至少是不錯(cuò)的一個(gè)模型出來，這個(gè)時(shí)刻到了就行了，不用太糾結(jié)一定要有觸覺數(shù)據(jù)。如果糾結(jié)這個(gè)事情上，我覺得GPT可能當(dāng)年就出不來了。
Christine：我看下來覺得Brooks其實(shí)講了三個(gè)比較重要的問題：第一是數(shù)據(jù)的成本太高；第二是數(shù)據(jù)的結(jié)構(gòu)太稀缺（尤其是觸覺）；第三是模型的形態(tài)還不到。
但是說機(jī)器人還是最終學(xué)不會(huì)嗎？我覺得不是這樣子的。這只能說是今天的實(shí)際困境，但他不能預(yù)測(cè)未來一定會(huì)卡在這里。
06、數(shù)據(jù)冷啟動(dòng)的困局，遠(yuǎn)程操控是“造假”還是“特洛伊木馬”？
一鳴：這就回到了我們開頭的1X Neo機(jī)器人。它進(jìn)入家庭卻依賴遠(yuǎn)程操控，被質(zhì)疑是“假智能”。但這是否也是一種數(shù)據(jù)收集的策略？通過這種手段先進(jìn)入家庭，收集數(shù)據(jù)，然后再迭代？
邱諄：這就是最經(jīng)典的“數(shù)據(jù)冷啟動(dòng)”問題（Data Bootstrapping）。你沒有數(shù)據(jù)，所以你的效果不好；效果不好就沒有人用；沒人用你就更沒數(shù)據(jù)。這是一個(gè)死循環(huán)。
1X想從這突破，其實(shí)大方向我是認(rèn)可的。這就像自動(dòng)駕駛早期的影子模式。
但事實(shí)上，很多自動(dòng)駕駛公司到今天也沒有真正突破。唯獨(dú)有一家多少算是突破了，就是特斯拉。但是，特斯拉是賣車的。首先很多人買它的車不是說我就為了用你FSD，我就是買一輛很牛的電車。所以你先得有一個(gè)“特洛伊木馬”，你總得先有一個(gè)東西能進(jìn)到他家里去。
我覺得對(duì)1X，它難的點(diǎn)就是說它現(xiàn)在還沒有一個(gè)“車”這么一個(gè)東西。它一上來就跳到了FSD了相當(dāng)于。特斯拉是經(jīng)過了至少兩個(gè)階段，第一階段我先賣車，第二階段再升級(jí)FSD。如果你能做到這一點(diǎn)，我覺得是有可能的。
但是，如果第一天就買一個(gè)說會(huì)自動(dòng)駕駛的汽車，但這車本身沒什么用，而且還需要家里有個(gè)攝像頭實(shí)時(shí)被人盯著——這在C端太難以想象了。
Christine：其實(shí)我對(duì)1X這次出這個(gè)Neo機(jī)器人也是持有一定的保留意見的。我的一個(gè)最核心的問題就是說：你有沒有足夠的數(shù)據(jù)去支撐它是可以和人共處的？
參考自動(dòng)駕駛的邏輯，安全是一個(gè)漸進(jìn)的狀態(tài)。你要證明你的駕駛記錄到底有多少人工接管，中間至少花了三四年的時(shí)間去監(jiān)督這個(gè)車。有了足夠的數(shù)據(jù)累積了以后，才會(huì)跟監(jiān)管說我可以做無人駕駛了。
那么最后機(jī)器人和人的互動(dòng)，怎么樣才能夠界定這個(gè)安全的邊界？如果1X直接推向C端家庭，這是一定要去做的一件事情?，F(xiàn)在落地肯定會(huì)先落到B端，在一個(gè)更結(jié)構(gòu)化的環(huán)境里面，風(fēng)險(xiǎn)性更可控，建立安全記錄。
一鳴：所以1X那個(gè)Neo實(shí)際銷量怎么樣？
邱諄：我沒有數(shù)據(jù)，但我很懷疑，非常懷疑。至少C端我覺得太難以想象了。這不僅僅是隱私問題，它是實(shí)時(shí)就得有個(gè)人在后面盯著你，這已經(jīng)把隱私推到另外一個(gè)層面了。
07、真實(shí)的商業(yè)化落地：誰在買單？
一鳴：Christine，你最近去深圳調(diào)研，像智元跟比亞迪也有合作。你覺得具體的無論小B還是大B，或者工廠這種場(chǎng)景，你有看到什么好的實(shí)際落地的應(yīng)用？之前很多演示都有“擰螺絲”這個(gè)環(huán)節(jié)，這有意義嗎？
Christine：擰螺絲我認(rèn)為可以通過自動(dòng)化專用設(shè)備來完成，不一定非要具身智能。
但是，目前確實(shí)有一些場(chǎng)景在嘗試。我覺得工業(yè)場(chǎng)景肯定是非常有意義的，然后零售場(chǎng)景也是很有意義的。因?yàn)樵诿绹?guó)和日本，零售場(chǎng)景對(duì)于上貨、下貨以及點(diǎn)貨、理貨，是有真實(shí)需求的。
現(xiàn)在的狀態(tài)是，大家都在嘗試，但能力還沒有到。現(xiàn)在全部都是演示階段，且是一個(gè)不穩(wěn)定的演示，故障率很高。
我在亞馬遜那里看到一個(gè)場(chǎng)景：翻箱子。這個(gè)動(dòng)作目前應(yīng)該是亞馬遜在物流上用人形機(jī)器人在做。
一鳴：翻箱子是為了什么？
Christine：為了貼標(biāo)簽和掃描條形碼。它需要必須某一面是朝上的，但箱子進(jìn)來時(shí)不一定完全是那樣的，所以就讓機(jī)器人來翻箱子，依靠視覺判斷條形碼位置。
一鳴：這聽起來跟具身好像也沒什么關(guān)聯(lián)，更像個(gè)專用設(shè)備？
邱諄：擰螺絲我可以補(bǔ)充一下。很多工廠里的擰螺絲，如果位置固定，用專用設(shè)備確實(shí)可以做。但是很多車廠的擰螺絲其實(shí)是需要很強(qiáng)的泛化能力的。因?yàn)樗莻€(gè)螺絲的位置、松緊度其實(shí)是挺不確定的。
現(xiàn)在哪一家具身說已經(jīng)把擰螺絲解決了？我感覺好像還沒有。這個(gè)場(chǎng)景可能他們還是得做。但是這個(gè)場(chǎng)景怎么選？現(xiàn)在就是冷啟動(dòng)的問題，你沒有擰螺絲的數(shù)據(jù)?，F(xiàn)在很多公司讓工人戴著動(dòng)捕設(shè)備、或者用遙操去收集數(shù)據(jù)。大家確實(shí)比較看好這個(gè)場(chǎng)景，比亞迪這些車廠也有需求，但目前還在收數(shù)據(jù)和訓(xùn)練的過程中。
我覺得像Figure這種也不一定真正的能夠?qū)崿F(xiàn)。
一鳴：物流場(chǎng)景需要泛化能力的機(jī)器人嗎？
邱諄：事實(shí)上，工業(yè)場(chǎng)景和倉儲(chǔ)物流的自動(dòng)化已經(jīng)做得挺充分了。傳送帶、AGV都很成熟。但是你會(huì)發(fā)現(xiàn)中間還是需要人。
這個(gè)點(diǎn)就是具身想做的事情。自動(dòng)化已經(jīng)做了很多，但直到今天，在很多的環(huán)節(jié)里面還是需要一個(gè)人在那個(gè)地方做。新的需求就是希望能代替這個(gè)人，這就對(duì)泛化能力要求很高了。
Christine：對(duì)，這個(gè)倒讓我想起來了一個(gè)案子。我也是在富士康的工廠里面看到的，在他們的物流中心，其實(shí)他的內(nèi)倉庫是100%自動(dòng)化的，但是他外倉庫的話永遠(yuǎn)會(huì)占兩到三個(gè)人。他們要負(fù)責(zé)抽箱、檢查、蓋箱、封箱。其實(shí)他們是非常希望用具身智能來解決這個(gè)問題的，這就是非結(jié)構(gòu)化場(chǎng)景的機(jī)會(huì)。
08、硬件的未來：機(jī)器人產(chǎn)業(yè)鏈會(huì)像手機(jī)一樣“模塊化”嗎？
一鳴：我們看到現(xiàn)在機(jī)器人有很多核心零部件，比如減速器、靈巧手。目前這個(gè)供應(yīng)鏈的成熟度如何？未來硬件有沒有可能像智能手機(jī)產(chǎn)業(yè)鏈那樣，大家買個(gè)胳膊、買個(gè)腿，就能很容易攢出一臺(tái)機(jī)器人？
邱諄：先說一下我的觀點(diǎn)：雖然我們?cè)诳从布?，其?shí)還是軟件定義的這個(gè)概念。
硬件一定會(huì)進(jìn)步，但硬件的進(jìn)步往往是線性的，你很難一下指望它有一個(gè)指數(shù)性的大的爆發(fā)。其實(shí)我們今天看減速器或者電機(jī)，跟多少年前并沒有極其巨大的實(shí)質(zhì)性突破。
最后大部分時(shí)候是出現(xiàn)一個(gè)什么情況呢？軟件會(huì)說：無論什么硬件，只要有的，我的算法剛好就能用上。
軟件定義的一個(gè)核心點(diǎn)就是說：我的突破是盡量去靠軟件實(shí)現(xiàn)的，我甚至可以把硬件做得很down（低配），甚至有個(gè)詞叫“現(xiàn)貨供應(yīng)”（COTS），我就買這種最一般的硬件，我也能把這個(gè)事情搭出來。
實(shí)話說，我們今天看的激光雷達(dá)，跟最早那個(gè)Velodyne相比，其實(shí)原理沒變。但為什么當(dāng)年不行？就是因?yàn)楝F(xiàn)在的軟件算法突然能把你的傳感器數(shù)據(jù)用上了，能夠進(jìn)到訓(xùn)練流程里了，這下把你推起來了。
所以，不要太指望硬件本身有巨大的迭代。今天的大模型基本上是在現(xiàn)有的“樂高積木”上去搭。你要突然發(fā)明一個(gè)新的硬件，它要經(jīng)過整個(gè)量產(chǎn)的周期，其實(shí)這個(gè)時(shí)間成本也是比較長(zhǎng)的。
Christine：我大概是分三步來看這件事情的：
第一個(gè)是供應(yīng)鏈。我同意Jonathan的點(diǎn)，其實(shí)它是已經(jīng)存在的一個(gè)行業(yè)，只是我們?cè)谧鲆粋€(gè)重新整合。
第二個(gè)點(diǎn)其實(shí)就來到了整合，和機(jī)器人公司對(duì)硬件的設(shè)計(jì)定義。我覺得現(xiàn)在這個(gè)設(shè)計(jì)其實(shí)還沒有完全迭代成為我們最終看到的版本。包括其實(shí)我今年上半年聽說Optimus在硬件設(shè)計(jì)上的確是有一些短板的，所以它年中推翻了，現(xiàn)在重新設(shè)計(jì)。所以硬件的設(shè)計(jì)和定義可能還會(huì)進(jìn)行很快速度的演變。
第三步，最重要的智力（大腦）其實(shí)跟本體也是相關(guān)的。這是一個(gè)互相依靠的關(guān)系。做出來的大腦，你要有一個(gè)非?？煽康挠布趴梢浴，F(xiàn)在的返修率還很高，下一步其實(shí)就是怎么把一個(gè)人形機(jī)器人做到夠堅(jiān)固、夠有魯棒性。我覺得明年可能會(huì)有更好的一個(gè)硬件迭代。
一鳴：如果軟件統(tǒng)治一切，那投資邏輯是不是應(yīng)該滿倉特斯拉？
Christine：我覺得它有兩個(gè)絕對(duì)的壁壘：第一個(gè)軟件它是絕對(duì)的壁壘，第二個(gè)壁壘我認(rèn)為其實(shí)是整合能力。軟硬整合、技術(shù)到產(chǎn)品落地整合、應(yīng)用場(chǎng)景整合。這也是為什么特斯拉目前看來最強(qiáng)，因?yàn)樗荲ertical Integrated（垂直整合）。
邱諄：確實(shí)。不過如果我們非?？粗剀浖鋵?shí)Google在這方面倒不一定比不過特斯拉。因?yàn)閷?duì)具身來說，更重要的還是基模這一塊。Google從DeepMind到Gemini的積累是非常深厚的。如果真的是軟件能夠決定一切的話，Google可能會(huì)有優(yōu)勢(shì)；但是如果最后還是靠垂直整合的話，那特斯拉是有優(yōu)勢(shì)。這有兩面性。
09、大膽預(yù)測(cè)未來5年的機(jī)器人世界
一鳴：最后我們做一個(gè)大膽的預(yù)測(cè)。我們離機(jī)器人真正進(jìn)家庭、幫人類干活，還有多遠(yuǎn)？
邱諄：預(yù)測(cè)越遠(yuǎn)越不準(zhǔn)。如果看5年：
現(xiàn)在我們處于“BERT時(shí)刻”。大概2-3年后，我們應(yīng)該會(huì)看到機(jī)器人的“GPT-3時(shí)刻”。也就是說，我們能看到今天的這么多的具身數(shù)據(jù)，能夠出現(xiàn)一個(gè)涌現(xiàn)的狀態(tài)，能夠訓(xùn)練出來一個(gè)收斂的模型了。
然后再過個(gè)2-3年（即5年后），可能會(huì)迎來機(jī)器人的“ChatGPT時(shí)刻”。
但這不代表機(jī)器人滿街跑。因?yàn)榇蠹铱匆幌陆裉斓腃hatGPT，直到今天它也并不是說應(yīng)用滿大街爆發(fā)的，實(shí)話說真正的一個(gè)殺手級(jí)應(yīng)用可能還是ChatGPT自己。
很有可能五年以后，我們看到第一個(gè)實(shí)際的、泛化的應(yīng)用場(chǎng)景出現(xiàn)，機(jī)器人讓大家能夠接受它了，它的執(zhí)行準(zhǔn)確率和安全性讓你開始用了。我覺得可能五年后能到這一點(diǎn)。
就真的你要等到它能夠比較安全、便宜、進(jìn)到你家里頭，那可能真的還要再過蠻久的時(shí)間。
Christine：我同意。采用曲線一定是：第一個(gè)肯定是到ToB的生產(chǎn)場(chǎng)景里面，非常結(jié)構(gòu)化的環(huán)境。
第二個(gè)我覺得它應(yīng)該是到餐廳里面去，可以做一些細(xì)碎的工作，但還是在B端，在人控制的半結(jié)構(gòu)化場(chǎng)景。
最后人們開始跟它接觸了以后才會(huì)對(duì)它產(chǎn)生信任感，然后才會(huì)說到C端家庭。
我最近可能在往機(jī)器人方向看得多一點(diǎn)的是“世界模型”這個(gè)方向。通過游戲或模擬環(huán)境，讓用戶互動(dòng)來標(biāo)注數(shù)據(jù)，這可能是解決數(shù)據(jù)稀缺的一個(gè)新穎路徑。我覺得明年世界模型會(huì)有一個(gè)比較明確的收斂方向。
來源：硅谷101