這幾天，即將在鳥巢和國家速滑館舉辦的世界人形機器人運動會開啟了報名通道。其規格之高迅速引發熱議，不少人直呼期待。
2024 年，人形機器人剛會走。今年才過半，各類機器人相關賽事已“出圈”了好幾場。4 月，各地舉辦的機器人馬拉松賽吸引了無數目光。幾天前，央視主辦的一場人形機器人格鬥賽，再次點燃大眾對機器人的好奇與熱情。
機器人領域的熱度，自 16 臺穿著東北大花襖的宇樹機器人在春晚舞臺上“舞”完一曲起，就沒降下來過。與此同時，人形機器人銷售市場的態勢亦在高漲。
“公司訂單已排至五六月份，產線處於滿負荷運轉狀態，每下線一臺便需立即交付。”樂聚（蘇州）機器人技術有限公司總經理王松在前不久接受央視新聞採訪時透露。據悉，樂聚今年一季度交付訂單 250 臺，直接提前完成了半年的任務量。
名字已與機器人前沿科技強繫結的宇樹科技創始人兼 CEO 王興興，在近期的一場對外活動上公開透露，宇樹科技訂單爆滿且人才緊缺。“我們非常缺人，所有崗位都缺，包括文職、採購、銷售、技術、研發和市場等都很缺（人）。”
今年，已有多家人形機器人企業公開表示爆單。各大電商平臺上，機器人產品不僅熱銷到一度售罄，品類更是多樣。在京東平臺，目前有松延動力 N2、眾擎 PM01、宇樹 G1 和 Go2、雲深處絕影 Lite3、蔚藍阿爾法、可立寶 Loona、優必選 alpha Ebot 在內的多款機器人產品在售。其中，松延動力 N2 已有 238 人預約購買，該產品預計在支付後 90 天發貨。
隨著走進公眾視線的機器人越來越多，使用反饋也多了起來，而其中負面反饋更多。在機器人半程馬拉松比賽中，各家機器人的“花式翻車"實況，與官方宣傳影片形成強烈反差。社交平臺上，有大量個人購買者接連上傳機器人失控撞牆、電池續航縮水、售後無門的影片。
離開聚光燈後，這些揮著機械臂的“鋼鐵人”是否能在未來站穩腳跟？這一疑問正在大眾中擴散，投資機器人公司的“金主”們似乎也被牽動著判斷。
“現在機器人無疑就是個‘大玩具’，而且可能還沒那麼好玩。”
辰韜資本合夥人蕭伊婷向我們表示，目前大家看到的“翻車”情況與其瞭解到的機器人現況一模一樣。大眾對機器人的認知，往往來自春晚表演或預先排練很久的演示影片，這些內容其實是美化過的版本。事實上，很多機器人公司會將演示或影片當作一個專案來運作——透過前期大量的預先準備，在經過多次失誤狀態的錄製後，最終才能呈現出理想的效果，跟機器人平常的狀態本來就有一定差距。
據透露，很多機器人公司甚至會花費一整個月的時間籌備一次演示。這類似於早期的自動駕駛：提前在要演示的這條路跑過很多次，處理完所有的狀況後再進行展示。
“在我們看來，當前機器人的實際水平本就如此。”蕭伊婷稱，賽事中的“翻車”情況屬於正常現象，她們反而還從其中找到了一些亮點。“以機器人馬拉松為例，我們的評價是有幾家參與方的表現還挺不錯。”
因此，這類事件並不會影響資深投資人對相關機器人企業的估值判斷。“大眾可能因演示影片對機器人技術產生過高的錯誤認知，但投資人不存在類似認知偏差。至少在專注於具身智慧領域的投資人群體中，我們目前對機器人技術發展現狀的認知，始終與那些翻車狀況所暴露的水平一致。據我觀察，最終出手投資機器人公司絕大部分還是偏專業的人士。”
然而，個人交易市場的風向近來卻急劇變化。前不久，社交平臺上頻頻出現個人購買者發出的 “機器人租不出去" 的感慨。曾以日租過萬的價格掀起租賃市場熱潮的宇樹機器人，如今不僅日租價格出現回落，訂單量似乎也大不如前。
蕭伊婷指出，這跟宇樹科技產品本身的表現沒什麼關係，而是市場規律的體現。“買機器人再出租”在前段時間是個收益頗高的模式，機器人從演示型產品的屬性來看，租賃確實比購買更划算。但標準商業邏輯向來如此，當全世界都知道某個模式好賺且門檻較低時（比如購買宇樹機器人的成本相對可控），必然生意就不會那麼好了。
“所有人都買機器人來租，客戶就這麼多，要麼就降價，要麼就租不出去。”
根據目前公開披露的資訊，當前各家人形機器人的價格在 3.99 萬 -65 萬元到之間不等。
那麼，從春晚出圈到現在，願意花錢消費機器人的到底是哪批人？
通常來說，新技術剛出現時會先切入到這幾個市場：一是教育領域，這類應用不強調功能性，而是側重給學生提供教育價值；二是演示場景，企業會花很多時間去做這件事，可以為其帶來一些流量；三是嚐鮮型使用者，這類使用者是出於對高科技的熱愛購買，更多是為了獲得情緒價值的滿足，而非考量替代人工的成本效益比。
“早期大部分這類技術的市場都是如此，其持續性往往源於眾多願意嚐鮮的人群。”
在蕭伊婷看來，當下機器人市場會保持一個較小的規模，畢竟這屬於奢侈消費範疇，僅能滿足人們的演示功能或科技嚐鮮需求。儘管市場體量小，但它會持續存在，因為每年機器人能做的事都會更多，總會有新的嚐鮮使用者出現。
“只有當它能夠替代人工且在成本收益比上具有優勢，成為家庭可用的產品時，才會形成大市場。”
蕭伊婷談到，這種從小市場向大市場的演進，是新技術出現後較為常見的狀況。以自動駕駛為例，早期景區會引入自動駕駛接駁車，但車上仍需配備安全員，這種模式很適合遊客嚐鮮；小區裡投放的自動駕駛掃地車也因顯得高階而暢銷，這都屬於技術的長期發展階段。從早期的這種狀況到真正實現工作替代，確實需要經歷一個很漫長的過程。
在前不久的機器人馬拉松比賽中，除機器人表現外有一幕場景引發全民熱議：每個機器人身後都跟著一位滿頭大汗的工程師，有的舉著遙控器緊急除錯，有的搬運沉重的電池箱，還有手忙腳亂重新安裝機器人“腦袋”的。不少人對此深感“技術雞肋”，需要人類全程陪跑的機器人應用價值何在？
“終極目標是希望機器人是幹活的，無論在家裡還是工廠。但如果讓一個人體機器人或者智慧機器馬上去家裡幹活，最近幾年是不太現實的。在真正幹活之前，我們已經達到的技術成果，希望可以做更多的商業化拓展和嘗試。”王興興在 6 月初的智源大會上談到各種機器人賽事時這樣表示。
蕭伊婷則指出，馬拉松這類活動屬於表演性質，可能需要有人陪同；但放在新零售、物流分揀、產線作業等 B 端工作場景，若還需要人陪同，那就談不上降本增效了——因為機器人替代人工的回本週期，正是基於人工工資和成本來計算的，所以這類場景的應用必然不能依賴人工陪同。
“我們認為，機器人三到五年內就能達到相應的獨立工作能力。 ”
同時，對於機器人的發展現狀，她也直言，現在還處於非常早期的階段，實際應用中遇到的問題有很多。“如果要類比，現在的機器人有點像 2016 – 2017 年的自動駕駛。”
據介紹，機器人在硬體上的很多本體技術方案尚未確定，使用壽命、電池續航等都在逐步發展。另外，本體結構上的不穩定也導致演算法部署上後並不能 100% 地發揮作用。
軟體方面，其演算法迭代也處於早期。在演算法側，各家公司還不能做到所謂的“具身智慧”，機器人操作的精準度和硬體配置並不能匹配相應的場景，或者是說不能發揮出完全替代人的作用。“核心是資料問題。由於採集難度大，具身智慧在資料量過少的問題上還沒有得到完全解決，過少的資料就沒辦法“好”的訓練機器人。像我們看到的這些出圈的 demo，其實都是透過大量的訓練來呈現出我們看到的樣子。”
目前，機器人的資料採集規模正處於逐步擴張的過程中。實現資料採集量的提升有很多種模式，很多企業透過模擬環境使用合成數據，模擬技術的不斷強化能為機器人演算法的迭代提供更優的支援。“隨著未來資料採集量的持續增長，機器人的演算法也會越來越完備。”
前不久智源研究院長王仲遠也曾向我們表示，當下資料受限使得不具備機器人大小腦融合的現實條件。未來 5-10 年，大小腦融合的模型可能會成熟。
談到現在的機器人售後機制，蕭伊婷表示，核心問題在於：機器人目前並非成熟產品，沒有大家想象中能做那麼多事。使用者若購買了一個不那麼成熟的產品，自然無法期待它能達到成熟產品的使用效果。比如，你不能指望機器人完成煮飯、洗衣、掃地等複雜任務。不過，若機器人出現沒電、無法充電、無法移動或宕機等基礎問題，通常售後有提供解決方案。如果使用者要求機器人執行說明書中未標註的功能，售後自然無法滿足，因為這並非產品故障範疇，而是對產品定位的認知差異。
未來，機器人的售後機制可能有兩條路徑：類比掃地機器人的話，就是由銷售方提供售後；類比主機廠，就是機器人廠商負責售後。
“人形機器人必然是機器人領域的最終方案。”蕭伊婷指出，核心原因在於我們所處世界的基礎設施本就是為人類設計的，小到廚房料理臺的高度、洗碗池的位置，大到建築中的臺階、樓梯，全球無數的房屋和公共場所都已按照人類的形體特徵完成建設。若要讓非人形機器人適應這些環境，就需要大規模改造基礎設施，而這種改造成本遠比設計量產人形機器人高得多。因此，機器人採用人形設計，本質上是讓其以最低成本適配現有世界的最優解。
至於人形機器人何時能成為現實，她的判斷是：人形機器人的最終實現可能在 10 到 15 年之間。OpenAI 的 CEO Sam Altman 則持有更為樂觀的態度，其在最近的一次採訪中表示，5 到 10 年內我們會擁有很棒的人形機器人，它們會走在街上做各種事情。
對長期資本而言，這樣的時間跨度完全具備投資價值。“以自動駕駛為例，2015 – 2016 年行業興起時，許多人認為自動駕駛會在幾年內落地，但我們當時判斷需要 15 年，從現在的情況看，這個時間預估較為接近。由此類推，一個新技術剛起來到真正落地通常需要 15 年左右。”
將時間線拉到更具體來說，蕭伊婷認為，3 到 5 年內人形機器人能在部分特定場景落地，10 到 15 年後有望在更泛化的場景中應用。
“發展方向很明確。”據其介紹，機器人可能會率先在動作較簡單、專職化、範圍可控的場景落地，比如新零售領域的藥房、物流分揀、末端配送的最後一公里環節等。目前來看，銀河通用輪式上肢機器人的落地進展較快。該公司已在北京地區開展了試點工作，將機器人部署至藥店場景，並計劃到年底進一步擴大部署範圍，在更多店鋪中投入使用。
接下來，機器人會逐步開始承擔一些替代人工在產線上的工作，如精密度要求比較低的產線工作。以優必選為例，其已與國內外頭部汽車企業達成合作，將人形機器人部署在汽車工廠，但現在還沒有落地。
此外，巡檢、軍工領域、固定編排後的一些表演也是較快落地的重點方向，都具備了落地的基礎。當前主要用作於巡檢方面的是機器狗，部分頭部公司已經實現在特定場景中的部署，不過尚未進入盈利階段。
同時，蕭伊婷堅稱，人形機器人具備巨大的市場潛力，這一點在投資圈是共識，不存在分歧。
“未來，每個人可能會擁有一到兩臺機器人，一臺用於工作，一臺用作家務，這意味著機器人市場規模極為龐大。”談及未來的購買模式，她推測道，大型機器人廠商或許就和現在的汽車主機廠類似，人們也可能採用貸款或全款的方式購買一臺機器人。而且不用擔心維修問題，大企業會提供保障。
“從十年到十五年的時間維度來看，我們對機器人的技術發展充滿信心，但短期內（如一年），其進展並不會像大家想象得那樣突飛猛進。”蕭伊婷說道。
在投資圈，有一條著名的 Gartner 曲線，揭示了任何跨越性的新技術出現後，往往會先往上衝過一個泡沫——即經歷一個“過度樂觀期”：在前一兩年，人們常常高估技術的落地速度，隨之而來的是估值衝高後的直線下滑，隨後進入緩慢上升階段，並在未來 10 到 15 年內逐步回漲。
蕭伊婷表示，所謂“過高估值期”的界定，本質上取決於技術最終能否跑出來。即便在高峰期入局，如果技術能成功落地，也未必會虧損。從技術發展週期來看，通常經歷估值過高期、幻滅期，最終進入穩定成長期——這幾乎是網際網路、自動駕駛、機器人等領域的共同規律。究其原因，人們往往會過度高估技術在一年內的進展，卻又過度低估其十年內的潛力。
“我們需要保持中立態度：既不盲目追捧一年內的突破，也不輕易否定十年後的可能性。現在有人因看到所謂的翻車情況就斷言‘機器人十年也不行’，也有人堅信‘機器人一年內就能成熟’，這兩種觀點都過於極端。”
蕭伊婷認為，現在距離通用型機器人的成熟可能還需要十到十五年。
據悉，當下其投資邏輯主要聚焦於特定的細分場景，如新零售領域的物流分揀等細分場景可能會率先迎來機器人落地，這類場景的機器人多執行單一固定動作，技術泛化程度低，會先於家用服務機器人落地。就像自動駕駛初期，先在礦山、港口、末端配送等特定場景實現應用，隨後才逐步衍生出跨場景演算法公司及供應鏈細分領域的企業，機器人行業或許也會遵循類似的發展路徑。
“在投資選擇上，我們不會侷限於特定場景，而是會權衡‘大市場規模但落地慢’與‘小市場規模但落地快’兩種方向。”
具體來說，簡單場景的機器人市場規模較小，但落地速度快；而家務、養老等通用場景的機器人市場潛力巨大，卻需要更長的技術迭代時間。這兩種型別對應著不同的投資策略：前者側重快速落地與短期收益，後者著眼於長期的龐大市場。
關鍵是，佈局大場景需要團隊具備極強的泛化技術能力和演算法實力；而特定場景對團隊的演算法門檻和融資能力要求相對較低。“我們會綜合考量專案的場景型別與團隊能力，在這兩條路徑上同步探索。”蕭伊婷稱。
對於整個機器人行業的發展格局，她表示，短期內會呈現百花齊放的狀態。由於現階段機器人缺乏泛用性，各家企業只能聚焦特定場景，做藥房場景的無法兼顧物流分揀，服務產線的難以用於表演，專注物流分解的也不能去泡咖啡。 當機器人泛用性越來越強，能夠同時勝任物流分揀、產線作業、泡咖啡等多場景任務時，行業將迎來頭部集中的趨勢。這一過程類似汽車行業的發展：當車輛具備全路況通行能力後，頭部車企逐步佔據主導，最終可能僅有 5 到 10 家企業佔據主流市場，其餘企業則面臨競爭壓力。
不過，細分場景的企業仍會持續存在。蕭伊婷給出了這兩方面的理由： 一是機器人除了本體技術和演算法能力，還需深度理解特定業務場景的商業邏輯； 二是 B 端客戶更換供應商的成本較高，涉及管理系統對接、信任成本以及停工損失等，導致特定場景的供應商一旦切入 B 端，就具備較強的粘性。
“未來可能呈現‘通用型機器人企業頭部集中、特定場景機器人百花齊放’的態勢。並且，由於市場規模足夠大，完全可以容納 5 到 10 家頭部通用型機器人企業。”
宣告：本文為 AI 前線原創，不代表平臺觀點，未經許可禁止轉載。
6 月 27～28 日的 AICon 北京站將繼續聚焦 AI 技術的前沿突破與產業落地，圍繞 AI Agent 構建、多模態應用、大模型推理效能最佳化、資料智慧實踐、AI 產品創新等熱門議題，深入探討技術與應用融合的最新趨勢。歡迎持續關注，和我們一起探索 AI 應用的無限可能！
今日薦文
你也「在看」嗎？👇