机器人创业圈子的鄙视链

2024年，具身智能创业潮来势汹汹，但别急着兴奋。智能涌现与几十家机器人公司深入交流后，发现一条隐秘的“鄙视链”。

搞软件的看不上搞硬件的，做大模型的瞧不起做强化学习的。多位行业人士给出几乎一致的观察。这背后是思路的分野——认知不同，决定了入局姿势完全不同。

英诺天使基金合伙人王晟给出了更清晰的切割方式：目前国内涌现出几百家机器人创业公司，大致可分为三类基因。

第一类是本体派，创始团队原本就是机器人出身，更关注硬件能力，绕不开的是控制、电机、关节。核心是机器人本体（人形狗、四足狗），其次是臂或关节。

第二类是软件派，更重视机器人的智能化和泛化能力。软件派还能再往下分——一部分是上一波AI浪潮的老兵（搞CV、强化学习的），另一部分是真正大模型背景的新玩家。后一波人少，但往往站在鄙视链顶端。

一家具身智能大脑公司的创始人直接表示：“看不上国内那些搞硬件的公司。”在他看来，软件才是机器人的真正卡点，而硬件公司对AI软件的投入太低，“只是简单接接国外开源的大模型”。

宇树科技算是典型的硬件派。创始人王兴兴在公开采访中回应过：他们对于AI的投入很克制，因为太烧钱了，“机器人才是我们的立身之本”。他甚至说，“欢迎客户用我们的硬件，哪怕把我们的软件全删了”。

一家机器人硬件公司人士无奈表示，目前机器人在“软”的方面还没收拢共识——行业存在太多技术范式和路线，大脑和小脑的边界是什么？具身智能到底怎么做？目前还很混乱，留有很多问号。

宇树 Unitree G1

“软硬之争”的结局是，大部分硬件公司还在用传统的硬件思维来做机器人，对“脑”的运用蜻蜓点水；大部分做“脑”的公司，则选择自己从头做一个硬件。各自为政，行业呈现出一种隐约的割裂状态。

大模型，还没办法“赋能”机器人

“现在搞硬件的公司，就是视频拍摄公司！”多位投资人、行业人士给出这样的评价。

今年以来的机器人Demo，场景足够酷炫：在汽车工厂搬东西、在货架前分拣商品，给人一种AGI时代机器人照进现实的错觉。

但实际情况远没有看上去那么美。

一个完美Demo的幕后往往是这样的：拍摄一个机器人从抽屉里抓水杯，训练的时候是早晨，等到拍摄的时候天黑了；或者训练时抽屉里多摆了两个杯子、抽屉位置挪动了——这些细枝末节一变，任务失败的概率直线上升。

“有的Demo，甚至一万次才成功一次，不诚实的情况非常严重。”一位行业人士说。

你可能会疑惑：大模型在手机、电脑等终端上已经足够智能，为什么到了机器人这里就不行？以至于硬件公司们要在Demo上如此“下功夫”。

figure 02

据智能涌现了解，大部分硬件公司对大模型的理解和应用并不深入——基本只是简单接入国内外通用语言大模型。但语言大模型和机器人真正需要的“空间智能”，差距还很远。

多位行业人士提到，语言大模型数据量越大，越容易产生“幻觉”，干扰任务执行。多个行业人士给出了同样的感受：“语言大模型和机器人落地关系不大，区域任务上的成功率，惨不忍睹！”

前述具身智能大脑公司创始人表示，目前国内没有一个团队真正从机器人出发，去做适配具身智能的大模型。

此前，行业常用的解法是，在多模态大模型和机器人身体之间，引入一个中间层“小脑”——它的作用是承上启下，存放多项“子任务”（比如把“让机器人冲咖啡”任务拆成“拿杯子-磨豆子-冲水”等多个子任务），供大脑调配，也让机器人身体能读懂并动起来。

但新的难点也来了。小脑的引入，意味着机器人厂商们需要在其中预设无穷无尽的子任务，遇到复杂任务，各个子任务还得再进一步拆分。

更大的难题是数据匮乏。政府和企业投入了大量资源做集中训练，但效果不理想。大家既不清楚应该收集何种数据，也不知道如何界定优质数据的标准。

以抓杯子为例，理想状态下的高质量数据是——拿一个机械臂控制它从头到尾做一遍，告诉他抓杯子要怎么抓，当任一场景变化了，又要怎么抓。但一个简单抓取动作，就需要几千万条甚至几亿条数据。

当许多人怀揣着“大模型改变一切”的心态闯进机器人领域，才发现中间的gap远比想象的更大。

一场集体纠偏

从行业角度看，这种割裂并不健康。而如今的投资人、产业玩家们，正在出现一场关于“纠偏”。

2024年下半年，机器人行业投资风向隐秘发生变化。王晟告诉智能涌现，2024年前，很多投资人粗浅地认为：投机器人=投资人形机器人硬件。

过去一年半，人形机器人公司烈火烹油，估值飙升。以宇树科技、智元机器人为例，两家炙手可热的机器人硬件厂商，近两年连续完成数轮融资后，估值双双迈过10亿美金大关——“贵到大家投不起”。

智元远征A2-max

与此同时，很多专攻机器人小脑/大脑的公司，面临融资困境，一些甚至需要重新思考如何向市场讲故事。

“今年下半年以前，我们和投资人讲，做机器人统一大模型、讲端到端，谁信呢？”前述机器人大脑公司创始人说——“但是今天你不讲端到端，都不好意思出门了”。

投资风向直至今年下半年，出现逆转。

一家做人形机器人关节的公司创始人坦言，今年以来，明显感觉纯做硬件的初创公司很难拿到大笔融资了，“市场有点冷”。

从近期消息面上看——在海外，Skild AI、Physical Intelligence成立短短时间内，估值飙升至百亿；在国内，机器人小脑公司「星海图」拿到蚂蚁投资，大脑公司「自变量」「千诀科技」先后拿到融资。

“现在投资人从投人形，改投具身智能了”，王晟表示。因为大家逐渐意识到，具身智能才是机器人驱动完成泛化任务的关键。

反思不止在投资层面。一波硬件厂商也开始集体复盘过去的模式：过去，机器人厂商更多是在专用领域里收集数据，再去做专用场景，大家信奉“通用，就是没用”。

如今，虽然大模型还没办法真正用起来，但它给这一派创业者的启示是：或许要先学会忘记专项场景，先构建通用的基础模型能力，再在上面长出专用的能力——这或许是系统解决通用性的关键。

机器人圈里的软硬之争，说到底，靠的是全链条的跑通。AI来了，这个行业共识还没有完全形成，但确定性是——机器人的终局是硬件和具身智能的融合，软硬件缺一不可。

“无论是从软件出发还是从硬件出发，大家的终局是接近的，就看谁的商业效率更高”，一位行业人士表示，“而AGI时代的机器人公司，本质上需要既懂AI、又懂硬件的团队。但更关键的是，大家还要相互认同”。