328次融资近400亿,复盘具身智能爆发年与落地现状-对谈酷哇科技李

制造 2026-05-28
328次融资近400亿,复盘具身智能爆发年与落地现状-对谈酷哇科技李
2025年春晚,宇树科技的机器人穿着东北棉袄扭秧歌,一夜出圈。一年之后的2026年春晚,据说有3到5家机器人公司同台亮相。大众视野里,机器人越来越能跳了。
我们拉了640起融资数据,发现一组反差的事实:一方面,2025年中国具身智能融资总额突破360亿人民币,是2024年150亿的两倍还多,12月单月就砸进去超过60亿。另一方面,Demo的新鲜感和媒体热度正在消退,投资人不再为"像人"买单,开始为"干活"买单——7月份拿到大钱的公司还在秀跳舞和弹钢琴,12月拿到大钱的公司已经在给药店上货架、在新加坡公园里捡垃圾了。
资本的指挥棒正在从"梦想"转向"生意"。
这期节目,我们请到了一位在具身智能商业化前线摸爬滚打的嘉宾——酷哇科技的联合创始人兼COO李柯宏。柯宏是投资人出身,2018年转型进入产业界,带着一家专攻城市服务的机器人公司,在全球50多个城市和地区实现了机器人常态化服务,累计收入超过25亿。酷哇最近还发布了两个新产品系列:一只"狼狗"大小的重载机器狗D0,和一台双轮足机器人R0(背上都带了机械臂)。
本篇文章约2万字,可先参考目录:

第一部分:行业盘点 —— 体感和融资大盘

第二部分:行业盘点 —— 技术演进,从 Embodied 到 Physical AI

概念升级:为什么整个行业都在谈 Physical AI?

数据困局与解法:没有特斯拉的命,得了特斯拉的病

第三部分:行业盘点 —— 产品形态与 "反共识",人形不是唯一解

机器狗:已经到了 ToC 的节点

人形机器人:还在 "春晚" 阶段

机械臂与灵巧手:从 "捏扑克" 到 "抓垃圾"

第四部分:落地与商业化 —— 怎么赚钱?

技术判断的起点:General Move 和 General Work

移动看起来很简单,其实不简单

General Working:一个模型同时控制车身和风机

本体成熟的三个标志

制造:从软件公司到买压铸机

商业模式:为什么不能直接卖设备?

RaaS:不卖车,直接承包路段

第五部分:2026 哪些行业能实现具身智能商业化?

三条规律

场景一:表演上规模,开始做增值

场景二:运动能力极致化,进入体育行业

场景三:大量重复动作的服务业


以下是我们的对话,主播在音频的基础上撰写此文,呈现核心事实与观点,也欢迎收听原版音频,获得更多信息。

第一部分:行业盘点——体感和融资大盘

冰火两重天的"体感温差"

Nixon:首先聊投融资。我在准备这部分内容的时候发现市场上没有特别好的公开数据,所以自己买了一份数据源,做了一份完整的报告,覆盖了从2025年1月到2026年1月底大概328起融资。(《2025 中国具身智能融资报告-播客脑放电波》请添加脑放电波小助手微信(BrainAMP01),附言“机器人”获取)
先说一个基本事实:2025年确实是具身智能赛道在中国融资最火热的一年。全年融资总额大约360亿人民币,对比2024年只有150多亿,翻了一倍多。
图片
再看月度趋势,过去这一年融资额最大的两个月是7月和12月。7月大约60亿,12月达到了顶峰,约62.47亿。这两个月很关键,待会我们会展开讲它们之间的质变。
图片
但这里有个很反直觉的现象——我上周参加一个行业活动,有人跟我说他觉得2026年很多公司的融资和运营要经受考验。我们自己的体感也是,大众媒介上的热度其实在逐步降温,甚至出现了一些质疑的声音。可金额却在不断攀升。这是怎么回事?
Thomas:补充一下,这个降温可能不完全是大众媒介层面的——大众层面,春晚机器人从1家涨到5家,二级市场也涨了一大波,普通观众还是觉得机器人蓬勃发展。降温更多是圈内的讨论,我们之前跟几个投资人朋友聊,到Q3、Q4大家出手确实变谨慎了,尤其是人形机器人,觉得真正商业化落地的时间可能还有比较长的路要走。
柯宏:我觉得这跟投资公司的节奏惯性有关系。一般过了春节前后,大家排一年的投资方向和策略,真正看项目、尽调、打款,往往拖到Q2了。因为机器人赛道特别火,很多公司采取小步快跑的融资策略——可能四五月份就融完了,但没有release新闻,等到年中放一波PR,年底再放一波。所以6月和12月这两个单月的融资金额特别大,数据是滞后爆发的。
第二点,资本市场整体变好了,尤其二级市场。再加上一些美国公司的对标估值涨得很厉害,而中国公司在AI机器人这个方向上,因为涉及软硬一体,有完备的供应链优势,从实际表现来看——包括宇树在内的一批公司,在全世界范围内是第一梯队。但从估值上,中美两边还有巨大的差异,所以很多投资人愿意在这个时候出手。
Nixon:但为什么我们感觉上热度在降?
柯宏:因为靠Demo融资的那个阶段正在过去。你看大家的Demo其实同质化程度比较高——作为一个行外人士去看,不同公司的跳舞机器人,相似度是挺高的。投资人看了太多同质化的Demo,也会审美疲劳。这个时候投资人的判断标准就变了,你得给我讲一套明确的商业路径——你解决什么问题?从今天的Demo到规模商业化,中间的gap是什么?这个逻辑至少得讲清楚。
所以你看到一个现象:跳舞的机器人可能没以前那么多了,但融资金额在变大,而且单笔融资出现了多个10亿以上的案例。行业在产生分化,投资人在用真金白银投票。

资本风向标的转移:从"梦想"到"生意"

Nixon:我们把7月和12月这两个月的融资名单拆开看,趋势就非常清晰了。
7月的融资TOP公司:众擎机器人——就是跟美国网红Speed一起打拳的那家深圳公司;灵心巧手——钢琴弹得非常好的灵巧手公司;松岩动力——一个一米多高的小型人形机器人。这几家的共同特点是什么?全都处于A轮和天使轮。核心卖点还是本体的运动控制能力——Demo很漂亮。
图片
12月的融资名单完全是另一副面相。
图片
首先轮次就不一样了:越来越多的A+轮、B轮,甚至C轮。比如银河通用,3亿美元的B+轮(2025年12月完成,估值突破200亿人民币),聚焦的是智能化药店和24小时零售场景,机器人从货架取药、取货,已经在做规模化落地。云深处的机器狗在特种行业和B端广受好评,走到了C轮。还有维他动力——他们12月开启预售的Vbot机器狗,售价9988元,在不到三周的时间里拿下了6540台订单,预订销售额近亿元,是6家里面唯一一个ToC的公司。(灵心巧手也值得单独提一句——他们7月拿了A轮,12月就拿到了B轮,半年之间融了两轮,说明这个赛道过去一年增长特别快。)
总之你看12月的融资面向完全不一样——金额更大,轮次更后,大家做的事都挺明确的,模模糊糊都有一个商业化方向,或者能拿一些订单来跟市场反馈了。
柯宏:说得比较直接一点,机器人跳舞这个事,当然有市场空间,但你让我评估一下全世界到底需要多少个会跳舞的机器人,我可能确实不太好评估出来。可能还是在具备生产力价值的方向上,大家更容易算这个账。我们也更希望找到一个明确的场景,解决实实在在的问题。不是说哪个好或者哪个不好,只是这种方式比较踏实一些。
Nixon:对,不是说跳舞简单——跳舞跳好也挺不容易的。
补充一下我在整理这些融资数据时的另一个观察。如果把每个月融资TOP的公司拉出来,看团队背景和他们讲的故事,大致能分成两类。
第一类是"智能系统派"——核心讲智能化,创始人很多是教授、博士,或者智驾时代某家公司的CTO。比如自变量机器人、它石智航这类公司,主打模型和智能化能力。
第二类是"本体硬件派"——以工程和量产为核心。比如宇树科技,王兴兴本身不是学术背景特别丰富的人,但零件做得好、成本控制做得好。还有云深处、乐聚这些公司,创始人很多是哈工大、浙大这种机械强校出来的,原来就在机器人行业做机械,deliver能力特别强。
这一派里面还有一类让我很惊喜的公司——像梅卡曼德,七八年前就创立了,一直在很朴素地做工厂仓储方案,培养了很好的硬件本体能力,坚持到今天。你拉2025年的融资名单,这种公司依然非常受青睐。
Thomas:不过虽然分两派,我们也看到他们在互相往对方的方向渗透。比如宇树前两天刚开源了一个VLA模型,过去它更多是卖给科研院校的"没装系统的硬件",但现在它自己也在做视觉语言动作模型的工作。宇树不希望被人觉得只有小脑、没有大脑。
柯宏:我觉得这是方法论的问题,没有谁好或不好。我们定位自己是一家大脑公司,研发重心确实在大脑上。但与此同时,我们有一个非常完整的硬件团队,大概一百多个人。这在行业里,包括L4公司里面,按我的理解是没有的。
因为涉及到机器人,到某一天你一定会做成软硬一体,集成度非常高。你可能在某个阶段自研、自建团队来完成这个事。
大脑方面,行业普遍面临的问题还是场景。宇树的运动控制能力做到了世界级的领先,这已经是非常大的成就。但其他公司可能没有宇树的命——你得找一些自己的场景出来,那可能就要在大脑上多花时间。硬件和小脑层面依然需要花大力气,否则很难做好交付。你不能只在实验室里面做一套模型,跑到正式场景里就不行了。不行就没人买单,这是完全两回事。
Nixon:确实,互相融合是非常明确的趋势。银河通用在2025年初被人认知时,核心标签还是"CEO是北大教授",到下半年在WRC(世界机器人大会)上遇到他们时,整个展台都在讲怎么给药店提供服务、怎么给便利店提供服务。
海外也是这样。海外这几天最火的是Figure AI,再往前是做模型最好的Physical Intelligence。这两家核心还是Demo实在做得太出众了,海外投资人对它们有机器人AGI的溢价和想象。但到了年底出现了一个新案例:Dyna Robotics,华人CEO团队,北美去年融资TOP4——拿了1.4亿美金,他们最新的传播核心就一个事——在大型连锁洗衣房里叠衣服。我在CES上看了他们的Demo,非常惊艳,已经是那种很板正、很快就要落地的状态了。
所以确实就是柯宏讲的:如果你自带应用场景,那你就要补脑;如果你自带脑,那你接下来就要补本体和硬件商业化这一课。

钱流向了哪里?从"全能的神"到"有用的工人"

Thomas:我觉得这个阶段有一个很核心的冲突——到底是做"全能的神"还是做"有用的工人"?从融资数据来看,资本已经开始用脚投票给后者。
Nixon:是的。这个转变跟两个负面信号也有关系。一个是宇树最终上市没有走绿色通道,被市场解读为"给行业降温"的信号;另一个是Figure AI的融资规模被普遍批评为"透支"——它是全球人形机器人融资额度最大的公司,但商业化进展与估值之间的落差越来越大。
Nixon:关于这份融资报告还有很多细节,我就不在这里逐一展开了,回头会放在听友群里,欢迎大家去细品。(《2025 中国具身智能融资报告-播客脑放电波》请添加脑放电波小助手微信(BrainAMP01),附言“机器人”获取)

第二部分:行业盘点——技术演进,从Embodied到Physical AI

概念升级:为什么整个行业都在谈Physical AI?

2025年,具身智能行业发生了一个微妙但重要的语言变化——大家越来越少说"Embodied AI"(具身智能),越来越多说"Physical AI"(物理AI)。
这不只是换了个词。这背后是整个行业对"AI到底还缺什么"这件事达成了新的共识。
Nixon:过去一年我们发现一个非常明显的关键词切换——Physical AI。整个行业,包括很多公司,比如最近旷视的印奇同时担任奇瑞和阶跃星辰的董事长,阶跃星辰原来算基座模型公司,一下子转型强调Physical AI了。这个词好像一夜之间获得了行业共识。
Thomas:这个词的变热,我自己的观察是从黄仁勋开始的。这两年的CES,他逐渐把Physical AI放到了Agentic AI(智能体AI)的下一个阶段——当然我们知道他是为了卖他的计算卡,要描绘一个机器人的未来。但这个阶段划分,业内大部分人是认可的。
Embodied AI有点像是机器人行业自身对自己的定位,从机器人自己的视角出发。但说实话,"具身"这个概念在中文世界挺难理解的。Physical每个人都很好理解,这是第一点。
第二点更关键——Physical AI这个概念最先提出来的时候,它不是服务于机器人的,它是服务于AI的。今天以Transformer为基础的大语言模型架构,它不懂物理世界,没有多模态视觉能力,更多是通过语言的方式获得了智能——我们可以称之为"语言智能"。从李飞飞到杨立昆(Yann LeCun),很多人认为现在的Transformer模型可能不会最终具备真正的智能,它需要像人一样对物理世界有足够的了解,才能成为AGI。
所以李飞飞提出了"空间智能"(Spatial AI),杨立昆提出了"世界模型"(World Model),黄仁勋提出了Physical AI——他们某种程度上都指向同一件事:AI必须在一个空间内理解物理环境和物理定律。
Thomas:黄仁勋在最新的CES演讲里展示了一个Demo,印象很深。两段AI 3D生成的视频:
第一段,没有物理引擎。一个小人在走廊里运动,走廊里掉了很多铃铛,地上放了一些盒子——它直接穿越过去了,像鬼魂一样。因为没有物理引擎,系统不知道它应该跟这些物体产生什么交互。
第二段,物理引擎打开了。小人撞到铃铛,铃铛叮铃一下响了;踢到地上的盒子,盒子被踢开;走到一段有沙子的路面,小机器人还会趔趄一下。
这些恰恰是真实世界里机器人训练最需要的东西。在一个没有物理空间感知的画面里,你很难做这样的训练。当然这是基于英伟达要卖它的Omniverse和一整套解决方案提出来的概念,但某种程度上,也是Physical AI这个大语境变得流行的重要原因——这些巨头都在讲这个概念。
柯宏:Physical AI本质上是一个很自然的事。大家在某一个时刻共同认为"Physical"非常精准地表达了我们正在做的事。
比如重力这个东西——一瓶水从桌子上掉下去,它掉在空中的时候,人大概能知道手放在什么位置能接住它。而且接住它的动作不会像最原始的编程那样,给一个XYZ坐标,手就机械地放到那个位置。人是凭直觉、凭对物理世界的理解去完成这个动作的。
这跟大语言模型是有本质区别的。大语言模型理解的是语言,Physical AI要理解的是重力、加速度、摩擦力、碰撞——这些物理规律。

数据困局与解法:没有特斯拉的命,得了特斯拉的病

Physical AI这个概念的升温,直接放大了一个行业痛点:数据严重不足。
Nixon:伴随着Physical AI这个概念,过去一年有一个领域爆发式增长——数据采集。
去年年初,主流的数据采集方案还是遥操作(Teleoperation)——操作员穿戴设备远程操控机器人,采集高质量的真机数据。但过去一年,行业里冒出了各种各样的新方案。比如24年的UMI,这是一篇论文提出的方案——你拿着手机摄像头,配一个小夹爪夹一下东西,信号就能拿去用了。
我前段时间在CES上看到了四五家做这类产品的公司,甚至有一家做了一个头环——像帽子一样,上面四五个摄像头,把你这个人的第一视角数据全部采集下来。还有一个蓬勃爆发的领域是压力传感器,各种各样的侧重——有的分辨率高,有的耐热耐温——全都是在给机器人补"触觉"这一课。
这些爆发的背后,其实是行业充分意识到了数据的不足。
关于"什么数据最好"这个问题,过去一年半经历了一场争论。最早一帮搞学术的人在争:具身智能的通用能力到底怎么来?一派说必须上遥操作的真机数据,所以我们看到元在上海搞了个大概3000平的素材工厂;另一派很理想化地说,模型就应该看10万小时的YouTube视频,知道真人在世界怎么移动,就懂了。我印象中去年年底王兴兴还在一个机器人大会上公开说他不同意这个说法。
但到了年底,大家基本不争了。一些学术论文里提出了一个"数据金字塔"的框架,行业大致达成共识:
金字塔顶层是遥操数据(Teleoperation),质量最高,但贵、慢,规模受限。比如1X在消费者家里做遥操采集的模式——让消费者花两万美元买一台机器人,然后有真人远程操控帮你干家务,同时采集数据。
中层是仿真数据(Sim-to-Real),效率高,但存在仿真和现实之间的差距(Reality Gap)——黄仁勋的Omniverse就是要解决这一层的问题。
底层是互联网视频数据,比如YouTube视频、监控录像,量大但噪音多。
柯宏:要理解这个数据困局,得先理解自动驾驶领域的数据路线。L4自动驾驶里其实有三大数据流派。
第一种是Waymo的路线。Waymo 2008年作为Google X的项目成立,2015年独立拆出来,在很长一段时间里一直铺自动驾驶车在路上测试。这些车装满了高线束激光雷达、高清摄像头、IMU(惯性测量单元)、GPS——采集的是真值数据,精度非常高,标注容易。但问题是你也不知道到底需要多少数据才够——不是1000台车,有可能是1万辆、10万辆,甚至永远都不够。
第二种是仿真路线。今天中国也有很好的公司在做。
第三种是ADAS路线——辅助驾驶的众包数据。今天所有做智能驾驶的公司,包括Momenta、华为,本质上都是众包数据的概念。中国现在上亿辆乘用车在路上跑,做到10%的渗透率就是2000万台。特斯拉历史上卖的车加起来也是大几百万、上千万辆的量级。这些车每天产生海量的、无序的、混沌的数据——你把它一直丢进模型去做预训练,就有可能产生移动空间智能、定位导航智能。这些数据不像真值数据那么精确,但胜在量大。
具身智能面临的核心问题是:它没有ADAS。它没有一个像车那样的众包数据来源。没有几百万台机器人在路上跑,没有一条路径可以直接抄到特斯拉的方法论。
Thomas:就是它的场景差别太大了,千差万别,根本没有办法找到一个通用的众包数据源,大家众人拾柴火焰高——做不到。之前我们跟很多机器人公司的创始人聊,他们也是这个观点。
柯宏:但也有可能通过一种模型能力,把几个垂类场景的数据拼到一起。比如工厂的数据、Dyna Robotics洗衣店的数据、康养的数据、我们自己做的城市服务的数据——拼起来,其实就接近一个人真实生活的场景了。
Thomas:所以分场景化的实现,可能比所谓的"什么都行"的General方案更现实一些。
柯宏:对,所以这就回到一个根本问题——Embodied AI到底是一个形态还是N个形态?

酷哇的独特数据路径:"我们不是ADAS,是真值数据"

Nixon:柯宏,你们的产品形态差异非常大——最小的有一米多高的轮足或半米高的机器狗,最大的有8吨甚至十几吨重跑在主干道上的大型环卫车。在这个趋势下,你们过去一年做了哪些改变?数据的可迁移性怎么解决?
柯宏:首先我要纠正一点——我们的车上采集的不是ADAS级别的众包数据,而是真值数据、高精数据。
我们的路径是找到一个可以规模商业化、同时又不烧钱的方式,把真值数据采集起来。因为我也不知道你最后要实现空间智能到底需要多少数据。条件允许的情况下最好是真机数据。至少在环卫场景,只算中国市场,我就需要100万台机器及以上这个量级。所以数据量至少比现在以遥操方式来说是要大不少的。
Nixon:那跨本体的数据迁移呢?你们的环卫车和机器狗的数据能通用吗?
柯宏:数据迁移本质上取决于你想实现的能力是什么。
我们的产品有两个层面的能力——General Moving(通用移动)和General Working(通用操作)。
以Moving为例。所谓的通用移动,是指像人一样在城市场景里随时自由穿梭——你有主干道、辅道、人行道,各种复杂路况,你都得知道怎么走。这个基础能力是我们所有的车和机器人都需要具备的,是一种隐性的直觉判断能力。所以在感知、定位这个层面,我们的数据是共享的——不是把环卫车的数据和小车的数据混在一起揉,而是所有本体在移动能力上共享同一套训练框架。
Thomas:我理解一下——就是把类似自动驾驶的能力变成了一个通用能力,在所有设备上数据共享。有点类似鸿蒙智行可能有几十款不同品牌、不同车型,但数据共用,训练同一个版本,版本迭代是跨车型的。
柯宏:对,类似。但General Working就不一样了——你具体要做什么动作,这个迁移就要看情况。比如抓和放这个动作是有可能跨本体迁移的——取决于你在什么样的机器上、去抓什么样的东西。但不能说我训了一个working的能力,就能迁移到抓取上面,这不太可能。
Nixon:这跟过去一年另一个非常受关注的工作也对应上了。美国的Physical Intelligence公司,也就是PI,去年推出的通用策略模型π0和π0.5。他们的核心卖点就是"跨本体"——你原来收集数据,人形的归人形的,狗形的归狗形的。但用了PI的模型,不同形态的机器人都能复用训练数据。
Thomas:不只是人形和狗形的区别。现在大部分机器人模型,同样是人形,不同机器人只要高矮胖瘦不同,都没办法通用。
Nixon:所以PI做的事情确实是行业级的挑战。而酷哇的做法是在自己的产品矩阵内,先把Moving这一层的数据做到跨本体共享,Working层面则根据具体动作来做垂直的强化学习。
Thomas:之前我们跟零零科技CEO王孟秋聊的时候,他也提到了类似的观点——不要追求一个全能的AGI级别的Physical AI产品,在某些固定场景下实现固定的价值,它就是一个有明确场景和需求的产品。比如他的飞行机器人,围着一栋房子转一圈做安全检查,落到充电座上——在封闭环境内按预定轨迹完成任务,也算是一个具身Agent的形态了。
在我们还没有迎来AGI之前,大部分机器人要想落地,可能就需要面对现实——不要做一个又能唱歌、又能跳舞、还能扫地的全能选手,而是专注做好某一个具体场景。

第三部分:行业盘点——产品形态,人形不是唯一解

Nixon:产品形态和商业化的趋势,我们也做一个盘点。先抛一个时间轴——过去一年,具身智能让人眼前一亮的节点大概就三个:
第一个,2025年春节,做表演。宇树上春晚跳舞,一夜出圈。
第二个,4月到7月。中间有两件事——人形机器人马拉松,以及7月在北京举办的机器人运动会。
第三个,12月,开始出现更加广泛的、兼具表演和实用属性的产品。
这三个时间点串起来,你能清楚地看到一条产品形态从"表演"走向"干活"的路径。

机器狗:已经到了ToC的节点

Nixon:先看机器狗。机器狗今天很明确已经到了一个能ToC的节点。
这里面最有代表性的是维他动力。他们的Vbot机器狗,核心卖点是两个能力到位了:自动导航能力——不需要遥控,能自己跟着你走;以及负载能力——能拖拽、能负重。这两个能力一到位,场景就出来了:户外露营和陪伴。你可以遛它一根绳子它就跟着你走,也可以让它帮你驮露营装备。
紧接着大概一个月后,第二个能ToC的形态出现了——轮足机器人。两只脚,但脚踝以下是两个轮子。
我在CES上看到两家不错的公司。一家叫深庭纪,来自中国的初创公司,准备在美国发一款"户外陪伴机器人"——你看关键词很一致,也是户外、也是陪伴。逻辑也差不多:负载能力到位了,导航能力到位了,能跟着走了,能拉东西,那就让它跟着出去玩。
另一家是我们一直关注的石头科技。石头的轮足形态在CES上做了展示,行业普遍认为用轮足上楼梯这个方案落地属性比较强。大家记得半年前讲"上楼梯"的时候,还有履带形态的方案。
Thomas:这里插一句。扫地机行业一直在解决上楼梯的问题,各种形态都有——我们甚至看到了无人机形态,可以飞起来上楼梯,确实惊了。尤其在海外市场,上楼梯就是扫地机器人最大的痛点。大家又各显其能,轮足、履带、飞行器——显然是一个没有收敛的状态。没找到最好的范式,所以各显神通。
关于机器狗,我可能要稍微泼一点冷水。虽然我们觉得它已经到了ToC的节点,但目前看起来也只有维他动力一家真正开卖了——货还没发,只是开启了预售,拿到了6600台订单。越疆机器人几个月前也发布了ToC机器狗,但连发售都还没有,只是做了概念展示。
这些产品到了家庭场景下到底能不能有真正闭环的体验?我们还得看大家拿到产品之后的真实反馈。但确实,在此之前大家说"买个机器狗",所有人的第一反应就是"玩具"。我们起码今天看到了一个真实的场景——好不好用不知道,但至少到了这个阶段。
Nixon:所以这两个产品形态的成熟,我有一个观点:做好移动能力就能有亮点。
大家不能因为自动驾驶汽车已经很成熟了,就觉得其他场景的移动都很简单。移动这个事情包含非常多附加的东西——拖拽、越障、导航、负载。呼应柯宏刚才提到的General Moving的概念,把移动做好,本身就能撑起一个产品。

新形态的崛起:酷哇的"狼狗"和双轮足

Nixon:聊完这两个ToC的产品形态,我想cue一下柯宏。你们即将发布两款新产品——一款机器狗,上面带机械臂;一款双轮足机器人,上面也带机械臂。你们从城市服务的视角看到这两种形态可用,当时是怎么想的?
图片
柯宏:城市服务里面,我讲一些比较具体的例子。
四足机器狗,今天做的公司不少,宇树做得非常好,也做了非常久。但我们做的更多是去解决一些具体的生产力问题。
比如新加坡有非常多的公园,这些公园大部分时间不是没有人去,而是没有环卫工去——至少没有像中国这么高频。因为新加坡工人非常贵。但公园的清洁又不是一个特别高频的需求——不需要每小时去一趟,可能一周去几次就够了。
所以你需要一个续航比较久、全地形都能走、同时又能帮你捡东西的产品。我们的重载大狗就非常适合这个场景。光算新加坡一年在草地里巡逻捡垃圾的人力成本,对应过来的设备销量就非常可观。再考虑整个东南亚、日韩、欧洲,从市场天花板来说完全make sense,而且跟我们的城市服务主业天然契合。
这就是我们做四足大狗的初心。
同时四足大狗的续航能力和对空间不敏感的特性,在其他场景也有用处。比如零售——它可以在大卖场里巡逻货架,看哪些商品没放好、哪些缺货了,甚至可以做上架的动作。这是一个临时想到的延伸,不一定成熟,但大意就是说:对时效要求不那么敏感、不那么高频,但对续航和全地形通过性有明确要求的场景,比较适合四足大狗。
双轮足是反过来的。它对时间要求敏感——因为轮子跑得快。有一个通用的抓取能力(General Pick),同时双轮又能上下楼梯、适应全地形。所以它适合的是需要快速响应的场景,比如小区内的快递投递、文件传送。
但双轮足的续航肯定不如四足——因为要维持运动平衡,电机一直在耗电。所以两款产品是互补的关系。
Nixon:我看过酷哇的四足狗和双轮足,整体体感是它们都比市面上常见的机器狗和轮足要大一圈。
这是我的一个观察。酷哇的产品定义,除了柯宏讲的时效敏不敏感的问题之外,还有一个特点:它们都是在为更加明确的负载物服务。
四足大狗为什么比宇树的大一圈?我估计至少长30公分出来。宇树那个狗可能像个柴犬,酷哇的有点像狼狗了。听了柯宏讲完我就明白了——你为了更长的续航,要塞更大的电池;为了保证公园里的通过性和可靠性,要加一些防护部件。我观察到酷哇的机器狗四角位置是全封起来的——防雨防尘。跟科研用的机器狗完全不是一个逻辑,科研的狗那些关节位置是裸露的。
这就是"为生产力而生"的产品定义——不是为了好看或者做Demo,而是要在雨天、泥地、灌木丛里真正跑起来。
柯宏:是的。我们做城市服务机器人也好,做具身产品也好,回归到酷哇的创业初心——做一款有生产力价值的机器人。
何为生产力价值?就是要比原来人做的成本更便宜,本质上是个ROI的问题。ROI对应到你的机器人本体的工作SOP——你要适配大部分场景,不需要对环境做任何专门部署,同时你的作业能力要足够强。
比如我们的X1独角兽机器人,它可以在路上工作16个小时,相当于两个班次的人。我的ROI就直接算到两个班次。但16个小时,你得装多少垃圾?得怼一个特别大的垃圾箱。我们的轮足机器人也是一个道理。
所以它的载重要比今天市面上能看到的所有机器狗都重——70公斤。
Thomas:70公斤?一个中等身材的成年人可以骑着走了。
柯宏:对。它在公园里要一直跑,一直跑,同时要把各种奇奇怪怪的垃圾装进来。对整个机械臂的力的要求、对载重的要求、对空间的要求都很大。你做这个产品,ROI才能算得过账,才会有人买。有人买你才能scale up,才会有我们想要的真机数据。
Thomas:今天提到的这个机器狗,已经不是传统意义上的机器狗了,它是一个狗的身上长出一只机械臂的混合体。
Nixon:对,我记住了两个标杆——科研常用的机器狗载重能力十几公斤,真正在生产环境里用的机器狗,要做到像狼狗一样的体型,载重能力做到70公斤。这是完全不同的产品定义。
柯宏:是的。本质上不讨论Embodied AI的话,机器人这个东西其实老早就有了。机器人在实际生产环节里面最重要的指标就是ROI——客户凭什么买?总得算得过来账。基于这个账,本质上是效率的优化,效率意味着时间和钱。顺应这个逻辑,产品定义就自然出来了。

人形机器人:还在"春晚"阶段

Nixon:接下来盘一下人形机器人。非常悲伤——按照我们常讲的ToC产品视角来看,人形机器人依然是不成熟的。
2026年春晚5家机器人公司同台亮相,可以想象还是以跳舞为核心。录节目之前还有一个热点——宇树上了王力宏的演唱会发布会,穿着hip-hop的衣服跳舞,还有后空翻。
Thomas:舞跳得是越来越好了,有一说一。穿上那个衣服之后有模有样,后空翻、飞踢,非常精彩。
Nixon:跳舞的基建也在进步。最早是智元做出来一个平台——像传短视频一样,你上传一段人跳舞的视频,机器人就会克隆你的动作,模仿学习。现在宇树和智源都有这样的平台,网页端或手机端传上去就行。
但我们来看具体的技术路线和代表公司,就会发现人形的核心瓶颈没有解决。
第一个路线:Aloha端到端。大概一年半前我们讲过的斯坦福系列研究——Mobile Aloha。代表的是机器人上肢常用的端到端路线,能帮你按电梯、炒菜,实验室里实现了很惊艳的Demo。但截止到今天,这条路线没有成熟。具体来说,一旦机器人的环境变了——同样的盘子换个位置放在它面前,它就不认识了。泛化能力还是有问题。
第二个路线:特斯拉Optimus。最新的情况是Elon Musk把特斯拉两款高端车型的美国工厂产线直接停掉,腾出来做Optimus。我录节目之前看到若干投资人在分析,认为这是特斯拉的重大利空。Musk自己很坦诚地说过——手花掉了一半的工程量,要做到能在工厂里干各种活的手,确实很难。目前卡点就卡在手上。
第三个案例:1X。这家公司开始向消费者出售家用遥操机器人,大概2万美元一台。消费者买回去后,有真人在后面远程操控帮你干家务。
Thomas:它不但受争议,而且有人真人在后面操作,你家的隐私是完全暴露的。谁买这个真的是为科学献身了。它稍微卡一下,那个真人就接入了——类似Waymo的远程接管做法。
Nixon:最后一个是Figure AI。从融资额度看应该是全球人形机器人的Top 1。他们昨天刚放出一段视频——能够实现连续4分钟的不间断在家里完成一系列任务,包括把洗碗机拉出来这种动作。连续4分钟这件事已经是巨大的行业突破,全网在传播。
但大家想想——连续4分钟都算突破了,要到真正落地,距离还远。
核心问题在于:你看这些不同公司的机器人,腿、腰、尤其是手这些部位,都还没有形成收敛的设计——没有一个最佳方案。我们一直的观点是:一个产品在硬件本体还没有收敛的时候,不太可能交付稳定的实用性价值。
柯宏:所有表演性的动作,总会有一天审美疲劳。你租给餐厅开幕表演一下后空翻,吸引一下人流,去抖音推推流——如果所有产品都去搞后空翻,那你的投放就没有任何效果了。短期之内有市场空间,但你不能今天打拳,明天后空翻,后天踢足球——当然会有越来越多高难度动作出来,但它并不能让我们的生活变得更好。

机械臂与灵巧手:从"捏扑克"到"抓垃圾"

Nixon:人形里面最值得单独讲的是灵巧手和机械臂。
高端的,特斯拉Optimus——Elon Musk都做不出来。低端的或者说简单的——去年年初CES上追觅、石头这些扫地机公司就开始演示扫地机加机械爪抓袜子。但很遗憾,一年过去了,机械臂都还是概念,没有实际deliver能在你家里工作的产品。
给大家一个坐标系:今天全世界有精准力反馈、能做精细动作的灵巧手有没有?有。一家新加坡公司叫Sharpa,他们的灵巧手能捏扑克牌、给你发牌,在CES上非常炸场。但他那个灵巧手的零售价是万元美金级别,你们带机械臂的机器狗整机大概什么价位?
柯宏:我这么讲——肯定还有很多优化空间,但即便在目前的状态下,我们整只狗的成本至少是比新加坡一个环卫工人一年的工资要便宜的。新加坡工人一个月大概1500到2000新币,一年换算成人民币大概七八万块钱。我们整只狗比它略贵一些,但没有贵特别多。
Nixon:为什么酷哇在这个时候选择做带机械臂的产品?
柯宏:现在大家在讲的概念是"通用"——通用的灵巧手、像人一样的手。所以你得像Figure那样在家里干非常多的工作——语言指令告诉它"帮我拿个水",它就得想:水在哪?从这个房间到冰箱,打开冰箱,拿出水,递到你手上。这是一系列任务的pipeline,里面有非常多的想象空间。
但问题是数据太少了——不然1X也不会卖遥操机器人给消费者来采集数据。
我们的观点是:如果抓、取、放这些动作相对简单,数据量还可以覆盖,那就可以在一个场景里用强化学习的方式来实践。
Thomas:你们是怎么解决抓握力度的问题的?
柯宏:这取决于你要抓的东西是不是真的需要精准的力反馈。
比如抓一包薯片——你抓多了,万一就爆了。但有些东西你抓多大力它也没有反应。
Thomas:我大概理解了。酷哇的环卫机器人机械臂更多是抓垃圾——生活垃圾。它跟家庭场景里抓杯子或一包薯片的区别就在于:垃圾我可以用力一点抓。
柯宏:对。你抓一把垃圾,抓爆就抓爆了,又不能怎么样。
Thomas:所以如果要做通用智能的机械臂或灵巧手,你要考虑"抓香蕉捏爆了就坏了""捏杯子捏狠了就碎"这些问题。但如果解决的是环卫问题,好像就没那么困难了——甚至可以指定一个固定的力度,加上一些软性结构保护爪子,就把这个问题解决了。
柯宏:对,这都是很工程化的问题,取决于你的产品定义。你是不是需要那么精密的触觉传感器?你的自由度是不是需要那么多?低成本、高可靠性才是商业化的关键。还是那个观点——真机数据能用就用真机,但你要规模化、要在场景下把ROI算过账,就要做好一些取舍和平衡。
Nixon:所以我理解了——你们的轮足机器人,除了抓零星垃圾之外,还能在小区里送小尺寸的带包装快递。那个包装天然有缓冲作用。你们当时展示的另一个Demo是送文件袋——纸不怕你力大力小,核心要做的就是抓紧、不掉就行。
还有一个参考——美国的Sunday Robotics,Aloha论文的作者出来创业的公司,做家用机器人。他们的核心设计是三指机械爪:大拇指一根,其余四根手指两两合并。把手的自由度大幅简化,也是在为特定场景做取舍。
图片
Nixon:现在就要求在家里大规模使用机械臂,这是一个跨越式的需求。硅谷最新一代的扫地机公司,比如1200美金的Matic、大疆的Romo扫地机,他们还在解决智能导航和吸力这些基本问题。你看连室内的General Moving都还没有完全收敛——送餐机器人四五年前还需要在天花板上贴红外标识才能解决室内定位,酒店机器人在环形走廊里会迷路,餐厅临时拼个桌机器人就挂了。机械臂是在这些基础问题之上再叠加的能力,急不来。

第四部分:落地与商业化——怎么赚钱?

技术判断的起点:General Move和General Work

Nixon:聊完趋势盘点,我们进入落地和商业化的讨论。柯宏从2019年开始从投资人转型进入产业界,带着一家公司做了多年的商业化工作,所以这部分我们更多地听他讲实战经验。
关于落地,第一个要明确的就是技术判断——对行业技术进展到底是什么判断?这里柯宏提供了两个非常好的框架:General Move(通用移动)和General Working(通用操作)。

移动看起来很简单,其实不简单

先从General Move讲起。通用移动这个事情看起来确实非常简单——尤其是在今天大家不断在社交媒体上刷到有人在车里睡觉的视频的背景下。但我在准备这期节目的过程中发现,在车道之外的世界做通用移动还是非常有难度的。
难在两方面。一方面是模型和数据的问题,另一方面是合理的性价比。
什么叫合理的性价比?我前几天听了一个傅盛的采访,他讲猎豹移动这些年做送餐机器人的落地经验。送餐机器人大家可能觉得是10年前的行业了——你10年前就看到这个业态了。但我大概四五年前去调研这个行业的时候,发现一个问题:很多送餐机器人或酒店机器人,为了解决"知道自己走到哪了"这件事,其实非常难。
为什么?你会不会有那种时刻——走到一个酒店,房间比较多,站在环形的长廊里,人都会迷路,绕一两圈很常见。送餐机器人的视角更低、地图能力在四五年前更弱,在酒店里识别自己的位置非常困难。行业里衍生出一个技术路线:在天花板上贴红外摄像头才能看见的视觉标识符号,通过这种方式才解决了室内定位的问题。餐馆那个环境更乱——临时有个客人来拼个桌,机器人就挂了。
还有一个案例:韩国的现代在CES上拿了一个机器人底盘去参展——所谓底盘就是一块板子加四个轮子。这个底盘获得了CES的移动创新大奖。它的产品定义很灵活:可以驮一个高尔夫球包,可以有人骑上去,也可以放保温箱送餐。四个轮子独立悬挂,底盘能独立前倾后倾适配各种场景。
图片
我去看他们工程总监的采访,他说了一句话特别有意思:做这样一个产品其实并不难,最难的是怎么让它affordable——真正让高尔夫球场这种高端场所也愿意花钱买。
所以Move这个事情,远没有看起来那么容易。
酷哇在移动方面经历了哪些阶段?跟常见的自动驾驶有什么区别?
柯宏:我们场景跟其他自动驾驶场景有一个巨大的差异——你行走的区域并不太容易被清楚定义出来,它更多是一个博弈的结论。
举一个很常见的例子。我们的扫地车需要贴着马路牙子去扫。但夏天的时候,马路牙子旁边绿化带里的植物会长出来,把马路牙子全遮住了,或遮一半,参差不齐。人开车会怎么办?根本不管这个绿化带,直接轧过去就完了。
这跟今天的自动驾驶有一个本源上的违背——自动驾驶是避免碰撞,我们的Working是主动寻求碰撞,在某些场景下。你要把这两套系统集成起来,需要重新定义,加上强化学习来完成。
当然这个"碰撞"不是严格意义上的碰撞,它还是距离马路牙子有一定距离,只是非常非常近。就像人开车贴着马路牙子,你知道中间有间隙、你不会撞,但那个间隙到底5厘米、10厘米还是3厘米?你说不清楚,也不重要。这种感知距离很难用规则写出来,但用端到端来训练,反而能比较准确地学出来。
还有很多场景跟传统智驾不一样。人行道上有非常多的自行车,你用简单粗暴的避障逻辑,可能就过不去了。有时候你需要不停地去博弈——前面自行车上坐了个人在玩手机,你动一动,他可能就知道了,就把车挪走了。
Thomas:这是通过后训练来完成的?它知道哪些东西可以贴上去——比如马路牙子、绿化带边缘,同时也知道面前是一个人、或一条狗、或一个无法逾越的路障,这时候要避障?这两件事在同一个模型内完成?
柯宏:对。端侧是一个大模型在做这些判断。云端还有一个更大的模型,解决一些长尾的、需要推理的问题。端侧解决的是效率和安全——快思考;云端解决的是一些异常情况——慢思考。
比如路上有一块石板路,砖破了,这个场景端侧模型没见过。它会把这一帧异常图片传到云端,云端自动做关键帧收集。当然这块砖你直接碾过去或者绕过去,对运行本身没有任何差异——但这个数据会帮助我们形成更好的训练集。
我们现在从人管车的效率来看,有些区域已经做到一个人管20台车了。大部分情况下不需要人接管。
Nixon:所以你们从一个偏规则的智能系统,转向了端到端的大模型架构。
柯宏:对。最开始大家还是讲分模块的方案,今天讲端到端——端到端也有两段式和一段式的区别。我们现在是一段式的、纯视觉的、完全无图的端到端方案。
要做到这一点,门槛就是数据量。它不太可能是花一两年、靠真机就能攒够的,得花更久的时间,或者恰好你的行业蓬勃发展、瞬间起量。
非结构化场景的移动,跟人走路或开车其实有点像了。你不需要一个底层的规则库——就像你从来没去过美国,扔到美国你也能开车、也会走路。这是一种泛化的智能。

General Working:一个模型同时控制车身和风机

Thomas:我们先定义一下——这里讲的Working具体是什么工作?
柯宏:以我们最成熟的产品——马路上跑的环卫机器人——来说。
普通的自动驾驶车,它是两个自由度:横向转向和纵向刹车油门,就完成了。但我们的Working控制的东西更多元——扫盘开多大角度、风机开多大功率、吹和吸两种功能怎么协作、洒水系统根据地面干湿程度调节水压大小。从自由度来讲,我们的车能到10个自由度。方便大家理解可以这么类比,但我们内部不会这么说。
具体举几个例子。一辆三吨级的机器人要开16个小时,一吨级的机器人至少要作业4个小时。为了保证车能扫得足够干净,风机功率得怼得很大——我们最大风机功率大概6.5千瓦。但其他所有部件加起来也就1千瓦。我们电池只有10度电。按照风机全功率来算,一个多小时就趴窝了。
但你要作业4个小时。
所以它必须判断地面上是什么垃圾,用什么档位的风机去吸。树叶和饮料瓶需要的吸力完全不同。这是基于环境感知倒推回来的Working决策。
扫盘开多大、开不开洒水来规避扬尘、水箱根据地面干湿程度调水压——这些全部是通过环境感知实时判断的。而且这套系统跟移动系统是糅在一起的,不是N个模块去分布式并行,是一个大脑同时控制移动和作业。
Thomas:这跟刚才说的自动驾驶的Move模型是同一个?
柯宏:是的。
Thomas:可以问一下端侧跑的是多大参数规模的模型?
柯宏:参数规模我不太记得了,但我们用的是消费级显卡,算力规模是1600 TOPS。
Thomas:1600 TOPS——大概也跑不了太大的模型,可能7B左右,甚至没有7B。但1600 TOPS应该是高于市面上所有能买到的乘用车的算力了。
柯宏:对。现在最新的索尔(THOR)芯片是1000 TOPS,早一点的地平线或英伟达Orin可能200到500。我们1600 TOPS这个算力用了五六年了——因为成熟量产量比较大,用的是40系列的消费级显卡。
Thomas:40系列?理论上这台机器可以玩黑神话悟空。
柯宏:对,还可以玩比较高端的游戏。
Thomas:这个产品路线确实能看出成本考量——消费级显卡比专门的AI计算卡同算力下要便宜好几倍。
Nixon:所以这就解释了为什么驾驶和风机、扫盘这些执行器能用同一个模型去操纵。常见的智能驾驶是把智慧座舱和智驾分成两个模型、跑在不同芯片上的。但酷哇的算力够大,可以把两个模型合并成一个。
Thomas:没错。这还挺有启发的——过去如果我们想象一个人工骑在上面的清扫车,司机要同时完成驾驶、贴边、选择吸力、判断要不要喷水这一系列决策。有了这样的设备和模型,这些全部简化成一个AI在完成所有决策,而且通过端到端实现。一个模型覆盖移动加作业的所有自由度。

本体成熟的三个标志

Nixon:技术判断之后,第二个关键问题是本体是否成熟。
我们在想一个机器人形态成不成熟的时候,目前来看有几个非常明确的标志。
第一个标志:是否普遍存在相同的形态、著名的开源项目、以及相似的控制逻辑。比如今天的机器狗——它们基本都有一个共同的前身,MIT开源的机器狗标准设计。这些机器狗的电机数量,甚至电机的控制逻辑都是一致的。这是本体成熟的第一个标志。
第二个标志:对应场景的失效成本。如果你对人形机器人赋予的想象是"在家里帮你打酱油",失效成本就很高——酱油洒了,家里的环境全脏了。
第三个标志:可靠性。我们现在听到很多做科研的朋友反馈,灵巧手一周一换——一个星期过去,这套灵巧手就必须换掉重新做一个。
做得最好的案例是宇树科技。我们之前有一期节目的嘉宾拆了宇树的关节电机,发现它在低端线上的成本控制做得非常好——把一些原来需要用金属的件换成塑料,把一些用来实时监测电机状态的传感器拿掉,依靠算法做补偿和推测,电机照样实现相同的性能。整个把设计和制造做到了一个很好的平衡。

制造:从软件公司到买压铸机

柯宏:讲制造要延展到我们最早期的状态——我们其实是一家软件公司,或者叫大脑公司。
大脑公司有一个天然的想法:找硬件公司合作。就跟L4公司找主机厂合作一样,听起来很顺畅。
但做的过程中会发现一个问题——无论是城市服务机器人还是具身机器人,在你做之前,没有人把这个产品定义清楚过。而且我们是AI企业,模型是要持续迭代的,你还要留冗余——功能上留冗余、计算力上留冗余。所以产品本质上需要从头定义。
从头定义,你就需要开发很多硬件功能。
比如电机。我们的车从外观看更像一个底盘型的机器人,它需要的是低压大功率电机——不像乘用车用的高压驱动电机那样需要很大的功率跑很快,但也不是普通的小电机。我们的车只有一吨,体积必须做小,但对功率有一定要求。这种"又小、功率又不低"的低压电机,行业里不能说没有,但做的人确实不多,因为产业里没有这个需求。
再比如风机。我之前讲过,为了把垃圾箱从80升做到250升——因为如果只有80升,扫不了多久就满了,但我们验证过,要扫到4个小时至少得250升——你车就这么大,垃圾箱要做大,其他部件就必须做小。传统大型环卫车的风机是巨大无比的一整块,我们要把它做得很薄,功率还不能低。
包括车身结构——我们是全车铝压铸一体成型。你可以用塑料,但刚性强度不够,在一些极端场景下车会散架,我们自己测过。
所以本质上你需要一套完整的零部件能力——从电机到风机到车架。要干成这个,你得有一个工厂,不只是简单的组装工厂,而是具备机加、注塑、开模、冲压、锻造能力的工厂。我们应该是这个行业里第一个去买压铸机的公司。
Nixon:等等,所以你们不只是组装厂,下游零件也做了?
柯宏:对。我们买了马扎克(Mazak)机床,有压铸机。比如车架我们直接买铝锭——买原材料来做零部件加工。整个产品货值百分之八九十的核心零部件是我们自己做的——全自研。大大小小各种电机加在一起大概有30多个。
Nixon:这是比亚迪模式,垂直整合。
Thomas:这确实是所有软件公司的宿命。回到乔布斯时代,苹果最开始也觉得自己是做软件的,但最后还是自己做了硬件。尤其在行业早期——机器人现在这个阶段,PC的早期阶段——你很难找到大规模量产的成熟零部件。
我们之前聊宇树的时候也是同样的情况,很多东西必须自己做。因为没有足够的需求让供应链像消费电子那样成熟——华强北能把成本压到极低,前提是每年上亿台手机的出货量。
但机器人,我们前几天看过一个榜单,宇树和智元还在争谁是第一,但两家加起来不到1万台——还是一个非常小的数字。在头部尚且如此的情况下,整个领域一定需要自己来做制造,才有可能把成本和可靠性做到商业化的水平。Demo很容易做——不管成本多高都做得出来。但要商业化落地,需要考虑成本和客户能接受的价位,自己做制造是一个虽然看起来很重、也不性感,但必须经过的过程。
柯宏:制造有两个功能。
第一个是帮助产品快速迭代。所有沟通完全闭环在自己体系内。不管是造狗还是造人形机器人,再小的产品可能上面也有上千个部件,少一颗螺丝都做不出来。有自己的硬件能力,你想改什么马上就能改,一个礼拜出新版本。这是产品推进速度上最快的路径,甚至是唯一的路径。
第二个是极致的成本管理。我们定位是"有生产力价值",就是要算ROI。把上游不停地渗透到底、渗透到原材料,你才能做到极致的性价比。这在长期饱和竞争的状态下,是让你立于不败之地、至少不会死掉的东西。
Nixon:你们制造有多少员工?
柯宏:最开始手搓工厂可能有一两百人,现在不到100个。因为里面已经做了大部分的自动化。
Nixon:已经进入标品阶段了。

商业模式:为什么不能直接卖设备?

Nixon:最后讨论一个商业模式的问题。
今天主流的机器人业态——送餐机器人、酒店机器人、跳舞机器人——大家非常喜欢用租赁模式。跳舞用租赁很好理解,一年就用那么一次。但我五年前调研机器人行业的时候就发现一个现象:很多公司用租赁来完成商业化。
这个模式一直让我没想明白。因为送餐和酒店送物品,ROI看起来挺好算——你减掉了多少值夜班的员工,把预算换成机器人。但体现在一些公司的财报上,结果并不好。
比如七年前的普渡科技(送餐机器人龙头),或者云迹科技(酒店机器人龙头)。云迹走到了IPO申报阶段,但财报里展现出来的累计亏损大约8个亿。
为什么产品形态看起来很简单、交付的价值也很直接,却不能直接卖,反而要通过租赁?
Thomas:我觉得还是信任问题。
第一,产品太新了,没有人知道花十几万买回来之后到底能用多久。我作为一个餐厅或酒店老板,对人员管理很有心得——员工成本多少、替换率多少、怎么排班,我都清楚。但当20%、30%的人换成了机器人,这个账我就不好算了。
第二,一次性投入太重。虽然你帮我算了一笔账,但我没办法那么快相信。如果换算成租金,就非常好跟月薪做匹配——这个机器人替代了我多少服务投入,成本打个折。而且因为是租赁,机器人的损耗、可靠性问题就不是由我承担。技术迭代快,明年出新款了,我租赁可以换新的,买了就只能用旧的。
普渡他们做送餐机器人的时候,当然是希望直接卖的。但一定遇到了阻力——中国餐饮店的老板算不清楚这笔账。转化成租金之后,虽然厂商要承担运维成本,但这个成本对厂商来说反而是可以计算的——有损耗率、有折旧模型。这可能是为什么今天大部分机器人都是以租赁方式进场。
柯宏:将心比心,把自己当成消费者就很容易理解。一个机器人动辄十万起步,号称能帮你每天端盘子。你会买吗?其实你也不敢买。你怕用不好,万一坏了没人管。
消费者跟从业者对这个事的理解有挺大偏差。行业里热火朝天,但让客户真掏钱的时候,还有很多顾虑。日租金或租赁的方式,本质上交付的是一套让客户可以放心终止的系统——我觉得用得不好,我就不租了、不用了,行不行?
这就是一个很简单的算账和ROI问题。
然后从公司角度看,你交付的产品越多,就需要做到足够标准化和泛化。如果做不到——类似上一个时代的SaaS公司,普遍增收不增利。你的部署成本、研发成本的增长比例比收入增长还要大,公司永远赚不了钱。云迹已经上市了,年报都是公开的,大家可以去看。
不够泛化、不够标准化交付,就存在大量的非标问题,case by case地解决,就会产生增收不增利的结果。
Nixon:但酒店送个东西,不应该是挺标准化的吗?
柯宏:你要搬、你要装磁钉、你要维护、你要培训下游的供应商——这些交付动作都是非标的。理想状态应该是:你把机器人扔在那,一键扫描地图,酒店直接就能用了。但目前还做不到。
所以这是技术框架的问题。一条路是慢慢迭代——最开始烧不了太多钱,随着规模增大逐步降低部署成本。另一条路是前端一步到位——公司早期没什么收入的时候就投巨量研发成本,走泛化通用路线。第二条路在产业成熟的时候可能跑得更快。
还有一个更根本的问题——客户的接受度。就算你交付能力极好、通用能力极强、品牌非常知名,客户对这个行业的接受度还是需要非常久的时间。
比如康养机器人——它真的告诉你所有事情都能做,但你真的让自己的爷爷奶奶或爸爸妈妈老了以后用机器人来康养,这个失效成本实在太高了。我亏不起这个钱,我宁可不用。
城市服务算是失效成本比较低的——你最多就是垃圾没扫干净,也不会怎么样。家用扫地机器人也一样,扫不干净你也不会怎么样。
Thomas:失效成本这个概念确实重要。在AI领域也是一样——AI做一个研究报告,里面可能有20%的幻觉,你能接受。但让它做一个Agent去执行任务,一旦失败就是任务没完成——失效成本直接从"有点不准"跳到了"完全不行"。这其实就是为什么今天一些实体Agent没那么成功的原因。

RaaS:不卖车,直接承包路段

Nixon:酷哇的商业模式是销售还是租赁?发展过程中有变化吗?
柯宏:租赁到后面的终极形态,是我们叫RaaS——Results as a Service,直接交付结果。
你租一个扫地机器人,本质上就是要把地扫干净。那我把你这条路包了——你给我钱,我把地扫干净。扫不干净你就终止合约。
这对我的压力大,但对客户来说决策极度简单。ROI一下就能算清楚。
Nixon:扫不干净就扣钱,这个怎么扣?这个服务的流程是什么样的?
柯宏:比如扫干净一段路,原来客户需要花多少钱、达到什么标准——路面有多少落叶、多少垃圾。如果我路面垃圾太多了,你按垃圾扣我的钱。连续扣三天,你觉得用酷哇的东西不行,直接终止合作。非常合理。将心比心,我是客户我也愿意这样。
Thomas:有没有具体的落地案例?
柯宏:比如我们在上海浦东、嘉定都有落地——不是园区,是市政道路等开放场景。
具体来说,我解释一下这个账怎么算。包括绿化、清扫这类蓝领岗位,招人其实非常困难,存在一个巨大的用工缺口。我们的产品更多是去补偿客户想要达到效果的缺口。
比如一条3公里的路,原来需要6个工人——两边各3个,双班倒。一个人月薪9000块,一年大概五六十万。但这五六十万花了都不一定招得到人——今天的年轻人已经不再愿意做这些工作了。
酷哇的方案是:扫干净这3公里路,按40万一年收费。客户花了更少的钱,用了一套机器人方案,还能产生额外收益——比如酷哇的车在巡扫过程中可以拍违停,这些数据按事件计费提供给交管部门。
对客户来说就是直接以结果为交付。如果有一天他觉得酷哇做得不好,随时停下来,退回原来的状态。
我们现在在全国落地的城市比较多,工厂也是自己盖的,成本有一定性价比。不论一线、二线、三线城市,都能够有正向的毛利和ROI。
Thomas:所以购买这个服务的是城市服务公司——他们的甲方是政府,他们再把部分工作分包给酷哇的设备来完成?
柯宏:对。但要强调一点——并不完全是经济性在推动。这个场景的工人确实招不到,存在一个很大的用工缺口。
Nixon:所以我们日常生活中的马路,除了有规律的清扫之外,还有人来检查?城市服务公司会来检查?
柯宏:对。肉眼观察,不会量化到底有多少个塑料瓶躺在路上,但大概就是这个意思。
Nixon:这补齐了一个生活常识,我确实不知道还有这一环。
柯宏:我们的产品组合也是能直接做“按结果承包”的基础,比如我们的环卫机器人在路上跑,碰到一些它没法解决的case——它停下来了。这时候可以通过VLM(视觉语言模型)云端系统,把任务派发给机器狗,让狗跑过来去解决。
也就是说各种产品形成了一套有机的结合。大车负责主干道的大面积普扫,机器狗负责公园草坪、绿化带这些大车进不去的区域,轮足机器人负责小区楼道、需要上下楼的场景。狗在巡逻的时候发现大面积脏污,可以呼叫大车过来做临时加扫。
这是我们做了之后才意识到的——在你现有的客户和能力框架之下做延展,不同产品线之间可以产生协同效应。
图片
图片

第五部分:2026哪些行业能实现具身智能商业化?

三条规律

Nixon:既然是一期总结性的节目,我们最后做一点展望。在展望之前,先把今天聊出来的规律总结一下。
第一条规律:本体成熟之后,可以先做表演。人形机器人目前就处在这个阶段——本体的运动控制能力到位了,跳舞能跳好了,但离干活还有距离。表演是本体成熟的一个重要验证阶段。
第二条规律:抓取能力成熟之后,可以先做低失效成本的垃圾抓取。酷哇目前就处在这个阶段——机械臂做成夹爪形态,优先服务于"抓了坏了也没关系"的场景。
第三条规律:智驾能力成熟之后,可以先做低速和固定路线的场景。酷哇的环卫车、机器狗在城市里的低速巡扫就是这个逻辑——不需要在高速公路上跑120码,在人行道上跑几公里时速就够了,路线也相对固定。
这三条规律叠加起来,就能大致判断2026年哪些场景有机会率先落地。

场景一:表演上规模,开始做增值

Nixon:我觉得表演在接下来这一年还会再做一波上规模和分化。
一个标志性的案例是擎天租,这家公司在全国范围内提供多品牌、多型号的机器人租赁服务。目前平台已提供多个品牌的机器人租赁——比如一台用于安防巡逻的D1 Ultra四足机器人,单日租金约500元;一套包含两只D1四足机器人及全套配套装备的"体育竞技"打包方案,日租金99800元。
他们的人形机器人租赁也做了消费市场的细分:基础版具备挥手、走路、握手三个基础功能,每天租金3000元;舞蹈版在此基础上增加了摇摆、敬礼、飞吻、比心、投篮等十几种动作,以及太极、青海摇、APT(韩式舞蹈)等8种舞蹈模式,日租金5000元。
这是优化租赁商业效率、更好服务表演场景的第一家标杆公司。
第二个案例是加速进化。这家公司过去一年非常亮眼的case是把机器人拿到商场去踢足球——如果大学时候经历过足球机器人比赛的人会特别熟悉。随着具身智能本体和小脑的成熟,加速进化把它做成了互动性更强、持续时间更长的线下娱乐业务。
所以表演的重点已经从"能不能跳"转向了"怎么上规模"和"怎么做增值"。
柯宏:大家给人形机器人的梦想更多是——它能真正替代一部分甚至全部的工作。这也是为什么在行业规模这么小的时候,投资人还愿意给一个巨高无比的估值——大家对这个事有非常高的憧憬。
但实践中有非常多细节的问题,虽然不够性感,但确实存在。
比如便利店这个场景——抓和放,两个动作,面对的SKU可能就200、300个。听起来很简单,但你去解决工程化问题会发现:抓一包薯片跟抓一瓶洗发水,能力完全不一样;白天和晚上的光照条件不同,对环境的映射也不一样。
我觉得2026年会有一些场景,看上去标准化,但依然有很多非标的泛化问题需要解决——不过可以找到通路了。至少能看见:我的机器人真的能帮我解决一些问题了,不再只是一个会飞踢、会翻后空翻的东西。
后空翻咱们几位应该都没翻过。这些表演性动作总有一天会审美疲劳——你租给餐厅开业翻个后空翻吸引人流、上抖音推推流,但如果所有产品都会后空翻,你的投放就没有任何效果了。
Nixon:解答了我一个问题-银河通用为什么要做24小时便利店和药店?我在WRC上跟他们的Demo互动时有一个感受——它把易拉罐递给我的时候,没有很稳地递到手上,而是距离桌面有一点点距离就把易拉罐放开了,有点像掉在桌面上——但稳稳地摆在那了。
我想了一下这种精度的机器人,对无人便利店、尤其是药房非常合适。因为绝大部分药盒不怕摔——只要不是玻璃瓶液体,药盒就是纸板加塑料。它跟灵巧手捏扑克牌是完全不同的精度要求。
图片

场景二:运动能力极致化,进入体育行业

Nixon:如果本体的运动能力够强、可靠性足够高,它可能不是拿去跳舞——而是拿去做运动。
从去年开始,我们在深圳已经看到4到5家明星的网球机器人公司。这个东西跟人形没关系——就是一个会左右横移、跑得非常快的底盘,能发球、能接球。
按照这个视角来看,体育运动领域会出现非常多的衍生:网球机器人、电动普拉提设备、陪练机器人。运动能力的溢出找到了一个天然的变现场景——运动本身就是重复动作、高频对抗、可量化的领域。

场景三:大量重复动作的服务业

Nixon:第三个我看好的即将落地的场景——标准化服务业。
Dyna Robotics做的连锁大型洗衣房折衣服,我在CES上看了Demo,感觉是匹配场景的。
柯宏:第一,它固定,人就站那不需要动——General Moving的能力为零都没问题。第二,操作完全一样——就像酒店的浴巾,一天叠1000、2000条,动作一模一样。第三,失效成本为零——叠不好又能怎么样?运过去可能就已经散掉了。
图片
而且客户的需求不完全是ROI驱动的。美国的干洗工厂,这些活基本都是墨西哥裔在干。很多是非法移民,ICE(移民执法局)的问题,非法移民有可能被驱逐——到时候不是钱的问题,是根本招不到人了,影响到工厂生计。所以客户的ROI尺度可以大一点。
这几个特点叠加——位置固定、动作标准、失效成本为零、客户有超越经济性的刚需——工业场景是有一些方向可以落地的。
Nixon:从折叠衣服自然就能想到——放盘子和碗。从工作难度上看,把不同尺寸的碗和盘子放到位,跟折衣服其实差不多。所以我很看好中央厨房和大型食品工业的场景——机器人在流水线上放盘子、放碗筷,环境可控、动作标准、失效成本低(盘子碎了大不了损耗几块钱)。2026年应该能看到这样的案例。
Thomas:感谢柯宏,我们一起盘点了具身智能过去一年从投融资到模型数据、从产品形态到商业化落地的全貌。尤其是到底什么样的形态、什么样的场景有机会率先落地——借着酷哇的经验,我们看到了一个比较明确的方向和一些基础原则。
比如失效成本这个概念——不光在机器人领域,在AI应用上也是一样的原则。在低失效成本的场景,更有可能看到这些机器人率先落地。它不一定是人形——人形面临更多的挑战和限制,可能是相对更晚成熟的品类。但在其他形态里面,机器狗、轮足、专用设备,可以逐步取代一些我们不想做或不愿意做的重复性、低价值工作。
Nixon:这期节目到这里。谢谢柯宏做客脑放电波。
RELATED

相关阅读