国内精品国产成人国产三级粉色 _欧美aaaa视频_蜜臀av一级做a爰片久久_亚洲老司机av_午夜视频免费在线观看_宅男噜噜噜66国产日韩在线观看_专区另类欧美日韩_久久不射电影网_美女羞羞视频在线观看_精品一区在线_日韩欧美久久久_色资源在线观看

近期，人形機器人賽道再度成為輿論焦點，在“泡沫”與“前夜”的爭議中徘徊。這一賽道既面臨著技術質疑和產能過剩風險，又吸引了巨額資本注入，展現出與AI技術同步演進的強勁勢頭。下面將從多個維度深入剖析該賽道的現狀與未來。

假奶粉事件引出的思考與機器人賽道的類比

近期，河南省中牟縣出租屋內初創公司1X發布的Neo演示視頻引發熱議。視頻中Neo看似能自然做家務，但實際嚴重依賴遠程操控，并非自主智能，這讓人聯想到2023年依賴人工后臺處理的初創公司，再次引發對“人工智能”真實性的質疑。與此同時，高盛報告指出機器人供應鏈存在“現實溫差”，資本市場情緒高漲、企業產能規劃激進，但實際大規模訂單未落地，預測2035年全球人形機器人總出貨量或僅為138萬臺。這與曾經假奶粉案類似，都出現了產品宣傳與實際不符的情況，且都引發了公眾對行業真實發展狀況的關注。

行業發展階段與技術突破的探討

當下所處的階段

投資人邱諄將當前機器人領域定義為“BERT時期”。在AI發展歷程中，2018年谷歌推出BERT模型，定義了預訓練技術路線，而2020年GPT - 3出現實現了數據“涌現”，ChatGPT則在“涌現”基礎上通過人類反饋強化學習等技術讓效果亮眼并得以廣泛應用。類比到機器人領域，目前雖有VLA、RT - 2、Pi0等看似清晰的技術路線，但還未出現像GPT - 3那樣從參數到性能有規模的模型，也未經歷像ChatGPT那樣的后訓練調優實現廣泛應用，行業還在等待類似GPT - 3時刻的到來。

不同視角的觀點

投資人Christine也認同分階段爆發的觀點。她認為第一階段技術上具身智能機器人擁有長期動作鏈的泛化能力，能通過語言和視覺接收指令并分解為復雜動作完成，這是接近或達到GPT爆發的第一步；第二步是類似ChatBot甚至iPhone的時刻，在C端使用量有規模性爆發。對于“過熱”問題，她認為從產品或Demo實際能力和技術成熟度看，當前估值確實高，但從未來市場規?？矗袌鰸摿薮螅@種估值對風險投資來說是可消化且需提前占位的布局。

中美機器人企業的對比

戰略打法與核心優勢

中美在機器人領域各有特點。美國相對偏“軟”，在基座模型驅動具身模型進步方面領先，眾多公司帶有學院派色彩，強調從底層模型突破，如Pi、Skild AI以及李飛飛的公司等。而中國在硬件迭代上有巨大優勢，深圳的機器人硬件產品迭代速度極快，一天可迭代三次，這是硅谷難以企及的。不過，雙方也在相互學習和融合，美國需要中國成熟的供應鏈，中國也在關注美國的最新模型進展。

商業化應用與市場潛力

在商業化應用方面，邱諄認為最終是垂直整合，美國需要供應鏈推動，但目前嚴重依賴，且硬件迭代困難阻礙商業化；中國硬件供應鏈強，但需要基座模型等軟件支持才能實現充分商業化。Christine指出中國有場景和數據開放性的優勢，如機器人公司可在奔馳產線做試點且數據可開放使用，而美國生產線對數據敏感。在市場方面，美國市場對機器人替代人的需求大，投資回報率高，物流、養老等場景付費能力強。

不同投資邏輯與技術方向的探討

投資邏輯的分野

市場上存在兩類公司，一類是用工業機器人結合智能化改進，在產線有應用且有現金流，另一類是講究全棧、講究泛化的具身智能。邱諄認為這是兩個不同的投資邏輯，前者是“先進制造”或“智能硬件”，是專用設備，解決特定問題，不需要訓練大模型和搜集海量人類數據；后者是真正的“具身智能”，是數據驅動的，大概率是人形的，需要海量數據訓練出泛化能力。

不同技術方向的關注

在投資思路上，對于先投“上半身”（大腦/靈巧手）還是“下半身”（運動控制）存在討論。邱諄認為具身最終是全身，關鍵是“大腦”即基座模型的研發，最有價值集中在這一塊，但不同團隊有不同切入點。Christine表示作為早期投資者，更關注大腦，包括基模感知到規劃以及手的靈巧性。此外，對于機器人靈巧性和泛化性的實現，存在不同觀點。機器人先驅Rodney Brooks認為現階段機器人因缺乏觸覺數據很難真正學會靈巧性和泛化性，但邱諄和Christine都認為這是當前的現實困境，不代表未來一定無法突破，可通過走捷徑等方式解決。

商業化落地的探討

數據收集與冷啟動

1X的Neo機器人依賴遠程操控進入家庭被質疑“假智能”，但這也可能是一種數據收集策略，類似自動駕駛早期的影子模式。不過，1X面臨數據冷啟動問題，沒有足夠數據支撐與人和睦共處，且直接推向C端家庭困難，應先在B端更結構化的環境中落地建立安全記錄。

實際應用場景

在工業場景，擰螺絲等環節目前專用設備可完成，但車廠擰螺絲需要泛化能力，具身智能有需求但還在收集數據和訓練過程中。零售場景在美日有上貨、下貨等真實需求，但目前能力未達，處于演示階段且故障率高。物流場景中，翻箱子等動作雖看似與具身關聯不大，但屬于非結構化場景的機會，對泛化能力有要求。

硬件產業鏈發展

目前機器人核心零部件供應鏈有一定成熟度，但未來硬件不太可能像智能手機產業鏈那樣模塊化。軟件在機器人發展中起主導作用，硬件進步往往是線性的，軟件可適配現有硬件。不過，硬件設計和定義也在不斷演變，且硬件的堅固性和魯棒性有待提高。

未來展望

投資人預測，目前處于“BERT時刻”，約2 - 3年后可能看到機器人的“GPT - 3時刻”，即具身數據出現涌現狀態，訓練出收斂模型；再過2 - 3年（5年后）可能迎來機器人的“ChatGPT時刻”。但機器人真正進家庭、幫人類干活還需很久，可能先在ToB生產場景、餐廳等半結構化場景應用，待人們產生信任后才會進入C端家庭。同時，解決數據稀缺問題可能有新路徑，如通過游戲或模擬環境讓用戶互動標注數據。在未來的發展中，軟件和軟硬整合能力都將是企業競爭的關鍵因素，特斯拉和谷歌等公司各有優勢。