近期，人形机器人赛道再度成为舆论焦点，在“泡沫”与“前夜”的争议中徘徊。这一赛道既面临着技术质疑和产能过剩风险，又吸引了巨额资本注入，展现出与AI技术同步演进的强劲势头。下面将从多个维度深入剖析该赛道的现状与未来。

假奶粉事件引出的思考与机器人赛道的类比

近期，河南省中牟县出租屋内初创公司1X发布的Neo演示视频引发热议。视频中Neo看似能自然做家务，但实际严重依赖远程操控，并非自主智能，这让人联想到2023年依赖人工后台处理的初创公司，再次引发对“人工智能”真实性的质疑。与此同时，高盛报告指出机器人供应链存在“现实温差”，资本市场情绪高涨、企业产能规划激进，但实际大规模订单未落地，预测2035年全球人形机器人总出货量或仅为138万台。这与曾经假奶粉案类似，都出现了产品宣传与实际不符的情况，且都引发了公众对行业真实发展状况的关注。

行业发展阶段与技术突破的探讨

当下所处的阶段

投资人邱谆将当前机器人领域定义为“BERT时期”。在AI发展历程中，2018年谷歌推出BERT模型，定义了预训练技术路线，而2020年GPT - 3出现实现了数据“涌现”，ChatGPT则在“涌现”基础上通过人类反馈强化学习等技术让效果亮眼并得以广泛应用。类比到机器人领域，目前虽有VLA、RT - 2、Pi0等看似清晰的技术路线，但还未出现像GPT - 3那样从参数到性能有规模的模型，也未经历像ChatGPT那样的后训练调优实现广泛应用，行业还在等待类似GPT - 3时刻的到来。

不同视角的观点

投资人Christine也认同分阶段爆发的观点。她认为第一阶段技术上具身智能机器人拥有长期动作链的泛化能力，能通过语言和视觉接收指令并分解为复杂动作完成，这是接近或达到GPT爆发的第一步；第二步是类似ChatBot甚至iPhone的时刻，在C端使用量有规模性爆发。对于“过热”问题，她认为从产品或Demo实际能力和技术成熟度看，当前估值确实高，但从未来市场规模看，市场潜力巨大，这种估值对风险投资来说是可消化且需提前占位的布局。

中美机器人企业的对比

战略打法与核心优势

中美在机器人领域各有特点。美国相对偏“软”，在基座模型驱动具身模型进步方面领先，众多公司带有学院派色彩，强调从底层模型突破，如Pi、Skild AI以及李飞飞的公司等。而中国在硬件迭代上有巨大优势，深圳的机器人硬件产品迭代速度极快，一天可迭代三次，这是硅谷难以企及的。不过，双方也在相互学习和融合，美国需要中国成熟的供应链，中国也在关注美国的最新模型进展。

商业化应用与市场潜力

在商业化应用方面，邱谆认为最终是垂直整合，美国需要供应链推动，但目前严重依赖，且硬件迭代困难阻碍商业化；中国硬件供应链强，但需要基座模型等软件支持才能实现充分商业化。Christine指出中国有场景和数据开放性的优势，如机器人公司可在奔驰产线做试点且数据可开放使用，而美国生产线对数据敏感。在市场方面，美国市场对机器人替代人的需求大，投资回报率高，物流、养老等场景付费能力强。

不同投资逻辑与技术方向的探讨

投资逻辑的分野

市场上存在两类公司，一类是用工业机器人结合智能化改进，在产线有应用且有现金流，另一类是讲究全栈、讲究泛化的具身智能。邱谆认为这是两个不同的投资逻辑，前者是“先进制造”或“智能硬件”，是专用设备，解决特定问题，不需要训练大模型和搜集海量人类数据；后者是真正的“具身智能”，是数据驱动的，大概率是人形的，需要海量数据训练出泛化能力。

不同技术方向的关注

在投资思路上，对于先投“上半身”（大脑/灵巧手）还是“下半身”（运动控制）存在讨论。邱谆认为具身最终是全身，关键是“大脑”即基座模型的研发，最有价值集中在这一块，但不同团队有不同切入点。Christine表示作为早期投资者，更关注大脑，包括基模感知到规划以及手的灵巧性。此外，对于机器人灵巧性和泛化性的实现，存在不同观点。机器人先驱Rodney Brooks认为现阶段机器人因缺乏触觉数据很难真正学会灵巧性和泛化性，但邱谆和Christine都认为这是当前的现实困境，不代表未来一定无法突破，可通过走捷径等方式解决。

商业化落地的探讨

数据收集与冷启动

1X的Neo机器人依赖远程操控进入家庭被质疑“假智能”，但这也可能是一种数据收集策略，类似自动驾驶早期的影子模式。不过，1X面临数据冷启动问题，没有足够数据支撑与人和睦共处，且直接推向C端家庭困难，应先在B端更结构化的环境中落地建立安全记录。

实际应用场景

在工业场景，拧螺丝等环节目前专用设备可完成，但车厂拧螺丝需要泛化能力，具身智能有需求但还在收集数据和训练过程中。零售场景在美日有上货、下货等真实需求，但目前能力未达，处于演示阶段且故障率高。物流场景中，翻箱子等动作虽看似与具身关联不大，但属于非结构化场景的机会，对泛化能力有要求。

硬件产业链发展

目前机器人核心零部件供应链有一定成熟度，但未来硬件不太可能像智能手机产业链那样模块化。软件在机器人发展中起主导作用，硬件进步往往是线性的，软件可适配现有硬件。不过，硬件设计和定义也在不断演变，且硬件的坚固性和鲁棒性有待提高。

未来展望

投资人预测，目前处于“BERT时刻”，约2 - 3年后可能看到机器人的“GPT - 3时刻”，即具身数据出现涌现状态，训练出收敛模型；再过2 - 3年（5年后）可能迎来机器人的“ChatGPT时刻”。但机器人真正进家庭、帮人类干活还需很久，可能先在ToB生产场景、餐厅等半结构化场景应用，待人们产生信任后才会进入C端家庭。同时，解决数据稀缺问题可能有新路径，如通过游戏或模拟环境让用户互动标注数据。在未来的发展中，软件和软硬整合能力都将是企业竞争的关键因素，特斯拉和谷歌等公司各有优势。