世界机器人大会观后感

我向来是反感一些人滥用‘泡沫’一词的。

今天下午发了一个朋友圈*世界机器人大会求偶遇*，有个评论在下面说“这个泡沫都要破了”。朋友，你有多了解这个行业，就说泡沫要破了。

如果中国人都不支持中国人干真正的原创高科技，中国人都不看好中国人，我们自己的资本都不看好我们的创业者，我们还能指望谁？

中国人现在感觉人人在AI，人人在搞AI的商业落地。搞的是什么？AI卖课和AI咨询。人人都是李一舟，人人都是李尚龙。那如果这样都算AI人，那这些真正做机器人大模型的，都算AI SUPER HERO了。

中国现在的巨头财阀互联网，二三十年的盛况，真正的原创创新有多少？全都是copy to china，时光机模式，美国的东西，我们过个几年复制来中国，然后在应用层面创新，在商业模式上创新，在赛道上颠覆老行家玩垄断，最后内卷互相残杀都占不到便宜。

所以我们应该感谢中国有deepseek和宇树，给我们真正带来了原创的希望。让我们知道，在高精尖的领域，我们有人在做，做得很好。

泡沫哪里没有？有人的地方就有江湖，有钱的地方就有泡沫。这是由人的逐利本能决定的。

当然这不意味着我们不需要理性的看待这个行业，肯定还有很多卡点和未成熟，后面慢慢说。但是大的层面，就比如在一个家庭里，你能说因为一个婴儿尚幼，你就说那就不喂奶喂食了吗。泡沫泡沫她还小，干不了活。你也会有干不了活的那天，后继有人吗。

除了泡沫这个话题外，发完朋友圈，还有朋友问我沙特的品牌想找中国的机器人公司合作，问我资源。所以，具身智能的朋友们看过来，这里有个商机，pick一下。

今天是世界机器人大会的首日，我本以为今天都是专业人士和媒体，但是比较意外的普通群众特别多，每个展台都人满为患，挤得人山人海，很难看到真正展台里的机器人演示。

这种热度和热情，并不像自动驾驶初期，其实离老百姓很远，甚至商业化做了很多年，终端用户还是没有认知。但是机器人不一样啊，机器人从一开始就带着民族自豪和老百姓的亲切感知来，带着网红的热度，根本不需要做市场教育啊。这在商业化上多么大的捷径，可以缩短2-3年的市场教育周期。

我走在展厅里，一个是感慨百家争鸣百花齐放，一个是感受到了二十年前互联网群星闪耀的盛况，一个是想到了全民创新万众创业。这种情绪不常有，有了，且行且珍惜。

大家都说现在具身智能行业 机器人行业是10年前的自动驾驶，怎么说呢，从行业周期上来说是的。但是商业化的进程肯定更快，极速迭代也更快。另外一个肉眼可见的，成本很快打下来，中国有世界一流的供应链，工业生产制造基础，普及周期也不会像自动驾驶那么慢。

技术路径上和自动驾驶也有相似之处，另外其实智能汽车就是一个机器人。因此在人才发展和资金走向上，自动驾驶行业的人才往具身智能流动的还蛮多的。地平线做了地瓜机器人，它石智能是百度的高管所创，我之前的一些同事流向了智元和星海图等，各个自动驾驶的公司开始把自己的公司名称改成XXX机器人。

自动驾驶的技术主攻在感知算法、传感器精度、AI决策系统、法规伦理建设等方面。虽然早期技术相对简单，但随着技术逐步突破，逐渐走向了更复杂的情境和商业化应用，乃至现在全民智驾。这个过程可以说走了12年多，这个算法从百度2013年做自动驾驶开始算起，黄埔军校。

具身智能（当前）同样面临感知、动作控制、与环境的物理交互、人工智能算法等多方面的技术瓶颈。当前的具身智能系统往往不能像人类一样灵活、自然地与复杂环境进行互动，技术突破仍然在持续。

自动驾驶花了10年的时间破除了早期很多人对自动驾驶技术持怀疑态度，认为其不可行或不安全，耗费了大量的时间来积累数据、验证系统，提升信任度。

具身智能与自动驾驶相比，在物理交互和实际应用上更为复杂，但好在刚刚提到在中国有最广泛的群众基础和民族热情。但也需要真正能落地价值的产品来支撑这个群众基础和热情的可持续。

今天一个与我们车联网行业的老同事聊天谈及今天的盛况就是多少年前的车联网。另外一个和宇树科技的新朋友聊到，别看现在整个场馆每家都有机器人都可以活动，但是真正的宇树的水平有多牛逼，他说他是切身知道的。

他说，机器人的水平如何，要在大幅度的动态中看这个机器人的精准度和稳定性。这个水平，宇树是一骑绝尘的。

宇树现在在市场上，一个机器人一票难求，大家都要加价买机器人。还有直接购买是买不到的，还要和有渠道关系的商家去购买。另外交付周期已经排到了半年一年之外。

当然这个市场现在是旱的旱死涝的涝死，一边宇树这边一器难求，另外一边也有特别多的厂家卖不出去机器人。

宇树也很快要在科创板上市了，估值在1000亿左右。据说王兴兴因为受到了大大的接见，这个个人属性也发生了变化，每个地方政府，或者学会会议，各种论坛，颁发奖项和高规格会议嘉宾邀请必有兴兴。

回程的路上，和朋友在出租车上聊到：我们俩认为说自动驾驶公司现在有这么多的数据，这么精准的算法和模型去做这个具身智能岂不是降维打击？现在了解到的，具身去采集数据简直就是毛毛雨，采集一些瓜果蔬菜，采集一些应用场景的。一个证据是说现在具身智能的公司用的GPU算力根本没多少，所以特别不明白他们如果都没有用算力，是怎么做出来一个通用大模型的，怎么训练的。

还是说现在具身真正的技术精力都用在了物理灵巧上面？那么在这个方面，汽车的精益制造用在这个上面不是也精准适用？下面还要找个朋友来专业解答一下。

今天也看到了唯一一个汽车行业的入驻，就是广汽，但是只有一个轮椅机器人还有几个不能动弹的机器人，感觉更像demo。

宇树的朋友和我们提到了几家目前比较看好的技术实力型具身公司，包括有松延动力。当然这个展里面水货公司也很多。

我逛下来，好不热闹的同时也能感受到demo的实感，用这些机器人去做一个闭环场景还是好难好难，100个步骤只能做出一个1/100。所以商业化的话，一个要对客户业务场景机制理解，做标准化的SOP拆解；然后再把其中一个具体的，极简极简的小task分给机器人去做，但是这个就投入产出很小了。

所以说，还是任重道远。

我比较看好的，有一家是专门做康养和康复医疗的，叫什么我没记住。要有真正的行业konw-how,这个越到后面越能显示出来优势。做通用的标准的能力不赚钱，这个在历史上AI还是软件都是如此。还有比如ABB这家公司，我其实今天才知道，在国际地位上是大佬级，他也是足够专。

还有一个朋友比较看好的是维他动力，做小朋友情感陪伴和家庭定位的。

确实作为一个机器人公司，在一个垂直领域尤其是定位精准的场景赛道内取胜，我认为是一条稳妥的路径。就比如理想选定了奶爸车家庭定位，你好歹知道你的用户是谁把，知道你是否有竞对把，不要把力气都对准空气。

机器人行业眼看要迎来黄金十年，道路曲折，目前肉眼可见的难关也很多，具体如下：

1. 技术卡点：从感知到动作的跨越

• 感知与理解：机器人要能够像人类一样与复杂的环境互动，需要具备高度精准的感知能力。例如，视觉识别、环境建模和运动规划技术必须足够成熟才能确保机器人能够在复杂环境中自如行动。目前，大多数机器人依赖于传感器（如激光雷达、摄像头、IMU等），而这些传感器的数据融合、处理速度、精度等方面仍然存在差距。尤其是在不规则的、动态变化的环境中，机器人的感知系统尚未完全成熟。
• 动作的灵活性与精度：即便机器人可以“看见”周围的环境，如何做出准确、协调的动作仍然是一个巨大的挑战。例如，工业机器人可以完成一些重复性的任务，但在面对动态、复杂任务时，表现仍有限。机器人在物体抓取、灵活操作和精准控制等方面的能力，尤其是在复杂场景下的适应性，仍处于一个瓶颈期。
• 自主决策与学习能力：机器人需要具备高效的决策能力，能够在没有人类干预的情况下自主做出最优决策。尽管深度学习和强化学习在理论上为机器人提供了更强的自主能力，但在实际应用中，这些技术的表现仍然不稳定，且对硬件要求高，能耗大。

卡点分析总结：技术上的不成熟，尤其是在感知、控制和决策等领域，限制了机器人的应用场景扩展。目前，大多数机器人还处于专用场景（如物流、工业自动化等）的应用中，普及到家庭、医疗等领域仍然面临技术突破。

2. 商业化卡点：从实验室到市场的落地困难

尽管许多机器人公司已经开发出了功能强大的原型机或样品，商业化落地依然是一个巨大难题。

• 高昂的成本：目前，很多机器人产品在研发、生产和维护方面仍然非常昂贵，消费者对价格敏感，机器人产品的高成本使得这些市场尚未形成稳定的需求。此外，硬件制造和维护的成本仍然是机器人产业商业化的重要障碍。
• 从POC到MVP（最小可行产品）的困难 概念验证的技术局限性：很多机器人项目目前仍处于POC阶段，这意味着技术和产品尚未完全解决复杂环境中的实时适应能力和稳定性问题。例如，机器人在受限场景下可能能完成任务，但在开放的、动态的真实环境中，可能就会面临大量不可预测的挑战。很多机器人产品在POC阶段看起来十分完美，但一旦推向实际市场，它们的稳定性、鲁棒性和效率等问题就会暴露出来，导致商业化进程受阻。 技术的跨界难题：许多机器人企业虽然在某一技术上取得突破，但无法将这些技术有效结合到实际应用场景中。例如，机器人的感知系统（如视觉、激光雷达、声音感知等）与运动控制系统（如运动规划、稳定性等）的整合，仍然面临巨大的技术难度。在POC阶段，这些技术看起来可能能有效运作，但在实际环境中，它们可能会受到复杂多变的实际场景的挑战，导致其无法大规模复制和推广。
• 落地场景的模糊性与行业需求的不确定性 另一个商业化卡点是落地场景的缺乏和不明确。尽管技术本身逐步成熟，但大多数机器人产品和解决方案在市场上缺乏明确且需求量足够大的应用场景。我们可以把当前的机器人行业比作自动驾驶行业的早期阶段，在那个时候虽然技术创新不断，但也未能找到适合的大规模市场需求。 应用场景的狭窄性：很多机器人产品目前的应用场景仍然局限于一些高度垂直化的领域，如工业自动化、仓储物流等，且这些场景的需求相对单一，市场容量有限。其他如家庭服务、老龄化社会的护理、医疗康复等广泛需求的场景，仍处于早期阶段或试点阶段，且消费者的需求尚不明确，这使得很多机器人企业难以突破“概念”到“实际应用”的困境。 市场需求的不明确性：很多企业在开发机器人产品时，往往是基于技术驱动，而非需求驱动。这导致产品过于关注技术的复杂性和功能的丰富性，而忽视了用户实际痛点和需求。例如，医疗领域中的机器人，尽管技术上可能做到精准的手术辅助，但患者和医生是否愿意接受这种技术、是否能够在临床环境中有效落地，仍然是一个难以回答的问题。 场景匹配问题：落地场景的选择需要与技术能力匹配，且需具备较高的市场需求，但目前大部分机器人公司在选择目标场景时存在一定的盲目性。例如，虽然家庭陪伴机器人在市场上被看作一个巨大的机会，但实际的市场需求却并没有预期那么大，消费者对于情感陪伴的需求和接受度存在较大差异。此外，现有的家庭机器人在实际使用中还面临着高昂的成本、复杂的操作、以及对用户的个性化需求等问题，导致其难以迅速普及。

消费者并不完全知道自己需要什么样的机器人，甚至对“机器人替代人类工作”的观念存在顾虑。

• 机器人行业的细分化与碎片化

随着不同场景的出现，机器人市场的细分化和碎片化趋势愈发明显。虽然机器人行业有广泛的应用潜力，但每个领域的需求、技术要求、用户群体和商业模式都存在差异，这使得行业面临更加复杂的竞争格局。

细分领域的创新：虽然细分化有助于技术突破，但也意味着企业需要根据不同场景定制产品，这将导致市场资源的分散和企业的竞争压力加大。很多公司可能在某个细分市场获得成功，但整个行业的整体发展可能会受到限制。

3. 资本泡沫：过度投资与市场过热

随着机器人行业吸引了大量的资本投资，尤其是在自动化、人工智能和服务机器人等热门领域，市场上逐渐形成了资本过热和泡沫的迹象。

• 过度融资与高估值：一些机器人公司，尤其是那些没有实质性技术和市场验证的初创公司，凭借概念和技术的吸引力获得了大量融资。这些公司可能并未达到真正的产品成熟度，但其估值却因市场炒作而过高。资本的过度涌入可能使得这些公司的技术和产品陷入“过度承诺的局面，而市场的实际需求远未达到预期。
• 炒作与短期回报：很多投资者被快速回报的诱惑所吸引，投资策略往往集中在热门领域，而忽略了产品的实际可行性和长远发展。过度关注短期回报，可能导致资本在机器人行业的泡沫破裂，最终一些没有真正竞争力的公司将会倒闭或被收购，资本可能失去大量投资。
• 技术炒作与“未来主义”：许多机器人公司和投资者过度依赖“未来主义概念”，将机器人行业描绘得过于理想化，忽视了现阶段技术和市场的实际困难。这种对未来的过度预期可能导致资本的非理性膨胀，进而形成泡沫。

4. 法规与伦理挑战：机器人行业的法律与道德问题

机器人行业在发展的过程中，必然面临法规和伦理问题的考量，特别是在涉及到人类生活的领域，如家庭服务、医疗、教育等。

• 法律监管：目前，全球大多数国家对机器人的法律监管尚不完善。例如，无人驾驶汽车面临的法律难题也逐渐引发了对机器人行业未来发展方向的担忧。机器人在实际应用中可能涉及到隐私泄露、数据安全、责任划分等问题，现有的法律框架无法应对这些新型问题。
• 伦理风险：机器人可能会取代大量人工工作，这会引发社会的伦理讨论。例如，服务机器人、陪伴机器人等可能会替代人类的情感陪伴和工作，这不仅带来对人类社会结构的冲击，也可能引发对“人类被替代”的伦理恐惧。

法规与伦理挑战总结：机器人行业不仅面临技术与市场的挑战，还必须应对来自法律与伦理的压力。如何在发展技术的同时，确保符合道德和法律的要求，将是行业长远发展的关键。

任重道远，我又想起来我们当时做自动驾驶经常说的话。

第一句话，是we choose to go to the moon,not because they are easy, but because they are hard'

第二句话，路虽远，行则将至。

祝福具身智能行业的伙伴们，希望你们带着情怀上路，以梦为马，一路驰骋到天涯。