点击上方蓝字 · 关注「小明的创业路」 · 每天一篇 AI 深度热点

谷歌 DeepMind 在八月初甩出的那段演示视频，我反复看了四遍。一台 Apptronik Apollo 人形机器人，听到指令后自己穿过房间，绕开地上的障碍物，拿起浇水壶，弯腰把它放到最下面一层架子上。整个过程没有遥控，没有预设动作序列，也没有那种熟悉的「停一下、想一想、再动一下」的卡顿。

如果只看这段视频，你可能觉得也就那样——不就是拿个水壶吗？可如果你知道过去五年里，业界为了让机器人流畅完成「拿起一个没见过的物体，放到一个没标注过的位置」花了多少钱、烧了多少数据，你就会明白这段平平无奇的视频意味着什么。

真正让我坐直身子的，不是拧灯泡 92% 的成功率，也不是 22 个自由度的全身统一控制。而是官方文档里那句轻描淡写的话：不到 200 个示例，就能把这套能力迁移到一副全新的机器人身体上。

两百个示例是什么概念？一个熟练的遥操作员，一天能采集几百条数据。也就是说，一家做机器人本体的公司，理论上只需要一两天的采集工作量，就能让自己的硬件跑上谷歌的大脑。而在此之前，这件事要动辄几千万的算法团队、几十万条自采数据、上百万美元的仿真环境搭建。

这就是我说的「安卓时刻」。当年安卓出现之前，每家手机厂都得自己写系统；安卓出现之后，山寨机厂一夜之间也能做出能用的智能手机。软件和硬件解耦了，行业的门槛塌了一半，同时另一半门槛被抬得更高。

巧的是，就在这周，宇树科技启动了科创板 IPO 的初步询价——8 月 5 日询价，8 月 10 日申购，拟发行 4044.64 万股，占发行后总股本的 10%。这家 2025 年出货超过 5500 台、实现了规模化盈利的公司，即将成为国产具身智能资本化的第一枪。

一边是大脑被拉平，一边是本体厂敲钟。这两件事撞在同一周，构成了 2026 年具身智能最有意思的一个悖论。今天这篇，我想把这个悖论拆开讲透：技术上到底发生了什么、产业里的钱会往哪流、以及普通人和中小企业现在能怎么用、又该躲开哪些坑。

先说清楚一件事：机器人这个行业，长期以来的痛点从来不是「不会动」。波士顿动力十年前就能后空翻了，宇树的机器狗满地跑也好几年了。真正卡住行业的，是「不知道该动什么」——你把一台会跑会跳的机器人放进一个真实的厨房，它连该先拿哪个杯子都判断不了。

这就是所谓「硬件强、软件弱」的老毛病。中国厂商尤其明显：伺服电机、谐波减速器、丝杠这些硬件环节我们做得又快又便宜，但一到「理解场景、规划任务、闭环执行」这一层，就得各自造轮子，各家搞各家的算法，谁也做不大。

1.1 三个模型，分了三件不同的工

谷歌这次发布的不是一个模型，而是一个三层技术栈。这个结构设计，我认为比任何单项指标都重要，因为它第一次把机器人的智能问题拆成了三个可以分别优化的子问题。

第一层是 Gemini Robotics 2，也就是 VLA 模型，视觉语言动作模型。它干的事情是把「我看到的画面」加上「你说的话」，直接翻译成电机的控制信号。注意「直接」两个字——以前的流程是：视觉模型先识别物体，再交给规划器算路径，再交给控制器算力矩，中间要过三四道手。每过一道手就要几百毫秒，机器人看起来就像在思考人生。现在是端到端一把过，那种「停止—思考—再行动」的高延迟感消失了。

第二层是 Gemini Robotics ER 2，推理层，七月三十号先行发布，定位是「机器人的高级大脑」。它不直接控制电机，它负责想事情：理解物理世界的常识（水会洒、玻璃会碎、门要拉不要推），把一句模糊的人话拆成几百个步骤的执行计划，还能把这些步骤分配给多台机器人并行处理。这一层解决的是「长时序任务」问题。

第三层是 On-Device 2，端侧模型。这层最容易被忽略，但对产业落地来说可能最关键。它能在机器人本地跑，不依赖云端，意味着断网也能干活、延迟可控、数据不必上传。而且它就是那个「少于 200 个示例即可适配新本体」的能力载体。

1.2 「两百个示例」的含金量在哪

要理解这个数字为什么可怕，得先知道机器人领域的「本体壁垒」有多顽固。每一台机器人的关节数量、连杆长度、力矩上限、传感器布局都不一样。同样一个「把杯子放到架子上」的动作，A 厂的机器人和 B 厂的机器人，需要的电机指令序列完全不同。这就导致过去的机器人算法几乎不可迁移——你在自家硬件上调出来的模型，换个本体就废。

所以每家本体厂都得自己养算法团队、自己建仿真环境、自己采数据。这笔钱有多贵？一个能跑通的机器人仿真平台，光工程投入就是千万级；一套覆盖上百种日常操作的自采数据集，遥操作员的人力成本能吃掉一轮融资的三分之一。

现在谷歌说：这些你都不用干了，给我两百条演示，我帮你把能力搬过来。这相当于直接抹平了本体厂在数据集和仿真环境上的巨额成本。硬件强、软件弱的短板，被外部力量一次性补齐了。

但注意，我用的词是「抹平」，不是「送福利」。成本被抹平的同时，差异化也被抹平了。当所有本体厂都能用上同一副大脑，你曾经引以为傲的「我们的运动控制算法更好」，一夜之间不再是卖点。

1.3 从「一个动作」到「一整天」

还有一个变化，我觉得被媒体严重低估了：竞争焦点正在从「运动能力表演」转向「长时序任务执行」。

过去几年，机器人公司靠什么出圈？后空翻、跑酷、跳舞、被踹一脚还能站稳。这些视频很燃，但工厂主看完只会问一句：它能连续干八小时吗？能在三个工位之间自己切换吗？换产品型号的时候要不要重新编程？

ER 2 能规划包含数百个步骤的长程任务，还能拆解分配给多台机器人并行处理，直击的就是这个痛点。Figure AI 最新发布的 F.03 能完全自主爬梯子，不需要遥控也不需要预设动作序列，意义同理——它标志着机器人开始从「为机器人特意改造过的世界」，走向「原本为人类设计的世界」。高空检修、狭窄空间巡检这类场景，一下就打开了。

这里我要泼一点冷水。长时序能力的提升是真的，但「能规划几百步」和「几百步都执行对」是两回事。假设每一步的成功率是 99%，连续执行 200 步的整体成功率是多少？大约 13%。这就是长时序任务的残酷数学。所以你会看到，所有严肃的落地案例都在拼命做同一件事：把任务切碎、加校验点、允许中途重试。

技术层面聊完，我们说钱的事。安卓化对产业格局的冲击，是分层的——有人受益，有人受伤，而且往往不是大家直觉里的那批人。

2.1 价值链正在重新排队

我把这轮变化中价值的流向归纳成三降四升。

三个正在贬值的环节：

① 通用运动控制算法团队。过去这是本体厂最贵的部门，现在基础模型直接把它变成了「调参 + 采数据」的工作。我认识的几家机器人公司，年初还在抢这类工程师，现在已经在讨论团队缩编了。

② 纯整机组装的中小玩家。当大脑标准化、零部件供应链成熟，组装本体的技术含量会迅速逼近「攒电脑」。价格战几乎是必然的。已经有厂商把整机价格打到 20.8 万元做骨架式 ODM 交付了——客户自己定制外壳和品牌，这不就是机器人版的白牌代工吗？

③ 靠 demo 融资的概念公司。过去讲一个「我们能做通用机器人」的故事就能拿钱，现在投资人会直接问：谷歌都开放模型了，你的差异化在哪？有家上市公司子公司一季度研发费用同比涨了 291.23%，展出的还是概念样机，应用场景尚未明确——这种叙事的窗口正在关闭。

四个正在升值的环节：

① 核心零部件。谐波减速器、行星滚柱丝杠、伺服电机、灵巧手执行器，这几样合计占人形机器人单机价值量的大头。大脑变便宜了，身体的成本占比就相对变高了，而这恰恰是国产厂商已经实现规模化量产和进口替代的地方。这轮受益最确定的，其实是这些「不性感」的零件厂。

② 真实场景数据。基础模型抹平的是「通用能力」，抹不平的是「你这个具体场景里的怪事」。汽车总装线上的线束插接、医院里的物料配送、便利店的补货，每个场景都有大量不成文的隐性知识。谁手里有这些真实运行数据，谁就有了模型厂给不了的东西。

③ 交付与运维网络。机器人不是买回去就能用的商品，它更像电梯——需要安装、调试、定期维护、故障响应。谁能在全国铺开一张四小时到场的服务网，谁就锁住了客户。这是纯软件公司天然做不了的重活。

④ 场景集成商。把机器人、产线、MES 系统、人员流程捏到一起，让它真的产生收益，这活儿又脏又累，但利润率不低，而且极度依赖行业 know-how。我认为这是未来三年最被低估的一个位置。

2.2 量产这本账，现在算得清了

一个行业是不是真的在起量，看产线比看发布会靠谱。把这段时间披露的数字排在一起，画面就很清楚了。

这张表里我最想让你注意的，是特斯拉那一行的动作性质。拆掉一条正在赚钱的 Model S／X 产线去改建机器人产线，这不是 PPT，这是把桌上的筹码全推出去。一家上市公司敢这么干，说明内部对量产节奏的判断已经从「要不要做」变成了「抢不抢得到窗口」。

但同时也要看到落差。规划年产 100 万台，和机构预测行业全年出货 5 万台，中间差了二十倍。这个落差不是谁在撒谎，而是「产能规划」和「有效订单」本来就是两个世界的语言。产能可以一夜规划出来，需求得一单一单磨。

2.3 商业模式在偷偷换轨

还有一个更隐蔽的变化：从「卖设备」转向「机器人即服务」。

Figure AI 就是典型，它不单纯卖机器，而是通过 RaaS 模式向客户交付能力。这种模式下，客户不再关心单机卖多少钱，只关心「完成一个工位的任务，每小时成本是多少」。这个转变对厂商的要求完全不同了——你得保证可靠性（坏了我赔），得保证可维护性（坏了能快修），还得建立数据闭环（用得越多越好用）。

你去对比一下 SaaS 取代买断制软件的那段历史就明白了：一旦定价单位从「一台设备」变成「一个工时」，行业的竞争维度就从制造能力转向运营能力。而运营能力，恰恰是绝大多数硬件公司的短板。

2.4 为什么是现在？三股力量撞在了一起

很多人会问：机器人这东西讲了几十年了，凭什么这次不一样。我的回答是，因为三股原本各自独立的力量，第一次在同一个时间点撞上了。

第一股是模型能力的跃迁。多模态大模型这两年在理解物理世界这件事上，进步速度超出了几乎所有人的预期。以前机器人要靠人写规则告诉它「杯子是易碎的」，现在模型从海量视频和文本里自己就学会了这些常识。这是过去三十年机器人研究没能解决、却被语言模型顺手带过来的一份意外馈赠。

第二股是硬件成本的坍塌。电动车这十年把电机、电控、电池、传感器的产业链彻底打透了，价格降到十年前的零头。人形机器人身上大部分零件，其实都能从新能源车的供应链里直接拿。小鹏、比亚迪这些车企下场做机器人，不是心血来潮，而是它们发现自己家里本来就有大半套零件和一整条量产经验。

第三股是政策和资本的合力。七月底的重要会议明确提出推动前沿技术突破、打造新兴支柱产业，具身智能正好站在这个方向上。地方政府的产业基金、算力补贴、场景开放清单跟着一起动。资本市场这边，头部企业开始密集登陆资本市场，退出通道打通之后，一级市场的钱才敢真正往里砸。

这三股力量单独看，哪一个都不足以撑起一个新产业。但当模型会思考、硬件够便宜、钱又肯进来，事情的性质就变了。这也是为什么我说这轮不是纯炒作——底下是有真东西在动的，只是节奏未必有股价那么快。

这是我最想跟你讨论的一章。如果人人都能用上同一副大脑，那这个行业最后凭什么分出胜负？

3.1 数据飞轮：唯一会随时间变陡的曲线

先说结论：我认为最硬的护城河是真实部署产生的数据飞轮，而不是任何一项技术指标。

逻辑很朴素。基础模型给你的是「常识」——它知道杯子该怎么拿、门该怎么开。但它不知道你这家工厂 3 号工位的螺丝总是会卡、周三下午光线会从窗户斜射进来干扰视觉、以及那个老师傅习惯把料箱放偏 10 公分。这些东西，只有机器人真的在现场跑过几千小时才会知道。

于是形成一个闭环：部署得越多 → 采到的真实异常数据越多 → 微调后的模型在这个场景越可靠 → 客户越愿意扩大部署 → 数据更多。这条曲线的特点是前期极慢、越往后越陡，一旦跑起来，后来者很难追。

所以你会发现，头部公司现在宁可亏钱也要抢首批部署。宇树 2025 年出货 5500 台意味着什么？意味着它在真实世界里跑着 5500 台设备，每天都在产生别人拿不到的运行数据。这才是它敢上市、也值得上市的底气，比任何单项技术参数都重要。

3.2 四种可能的护城河，我给它们排个序

第一档：场景数据闭环。不可复制，随时间增值，且天然排他——你的产线数据竞争对手拿不到。缺点是慢，得有耐心熬三五年。

第二档：核心零部件的垂直整合。把最贵的几个部件自己做，既压成本又控质量。这条路很重，但一旦建成，别人要追得同时补上工艺、良率、产能三课。国产厂商在这条路上目前领先。

第三档：交付与服务网络。类似当年家电和电梯行业的打法，靠密度取胜。不炫技，但极其耐用，尤其在中国这种客户分散、要求响应快的市场。

第四档：品牌与生态位。让客户一想到某个场景就想到你。这个最虚，但在一个买家还不知道自己要什么的早期市场里，认知优势能换来订单。

我特意没把「算法能力」放进这四档。不是说算法不重要，而是在基础模型持续开放的背景下，纯算法优势的半衰期已经缩短到六到十二个月。你今年调出的领先，明年就是别人的开箱默认值。

3.3 一个容易被忽视的分岔：人形不是唯一解

现在满屏都是人形机器人，但清醒一点：人形的价值在于「不用改造环境」，代价是控制难度和成本双高。市面上已经出现了明显的路线分化。

有厂商坚持全尺寸双足高端路线，用直线关节替代旋转关节提升精度，配 27 自由度绳驱灵巧手，售价 58 万起，2026 年规划产能 5000 台、累计订单约 1000 台，但产品还在适配调试阶段，典型的高价小批量。也有厂商走轮式人形，牺牲越障能力换稳定性和续航，在平整厂区里反而更实用。还有的直接做垂直场景专机，比如交通执勤机器人已经在马拉松赛事上持证疏导交通了。

我的看法是：未来三年，真正先赚到钱的大概率是轮式人形和垂直专机，全尺寸双足会继续承担技术制高点和品牌旗舰的角色。别被「人形才是终局」的叙事绑架了自己的选型判断。

讲了这么多产业逻辑，落到你我身上，到底能做什么？我把能落地的路径拆开说，不讲空话。

4.1 个人：三条现实可走的路

路径一：往零部件和制造工艺里钻。这是最不性感但最扎实的一条。谐波减速器的齿形优化、丝杠的磨削工艺、灵巧手腱绳的疲劳寿命，这些活儿需要经验积累，AI 短期替代不了，而且随着量产爬坡，需求是确定性增长的。机械、材料、精密制造背景的人，这波红利吃得比很多算法工程师稳。

路径二：做数据采集与遥操作。「200 个示例就能迁移」的另一面是，这 200 个示例得有人来做。高质量的遥操作演示数据正在成为硬通货，而且这活儿的门槛比想象中高——同样是演示拿杯子，手法稳定、覆盖多种起始姿态的数据，价值是随手录的十倍。这是一个正在成型的新工种，而且它离场景最近，做久了自然长出行业理解。

路径三：当场景集成商。如果你在某个行业干了十年，知道哪个环节最烦人、最缺人、最容易标准化，那你就有别人没有的资产。把机器人厂的能力和你的行业知识拼起来，做交钥匙方案，这门生意现在极度缺人。我认为未来两年会冒出一批年营收几千万的小而美集成商。

4.2 中小企业：一套四步法

第一步，选场景要「三高一低」。高重复、高人力成本、高招工难度，加上低精度容错要求。搬运、上下料、巡检、分拣这类活最合适。千万别一上来就挑最难的工序去证明技术，那是给自己挖坑。

第二步，能租就别买。现在设备迭代速度是一年一代，今天花五十万买的，明年可能只值二十万。优先谈 RaaS 或者按工时结算，把技术过时的风险留给供应商。这一条能帮你省掉最大的一笔学费。

第三步，先设计人机边界，再谈自动化率。不要追求 100% 无人。合理的做法是让机器人干 80% 的重复动作，剩下 20% 的异常留给人处理，并且把「人接管」设计成一个正常流程而不是故障。我见过太多项目死在「必须全自动」的执念上。

第四步，从第一天就建数据回流。合同里要写清楚：运行数据归谁、能不能用于微调、异常案例怎么沉淀。这条现在没人跟你争，三年后就是资产。

4.3 算一笔粗账

很多人问值不值。我按公开价格做一个粗略口径的估算，数字只作量级参考，具体项目差异很大。

这笔账的结论是：如果你的工位是单班八小时，现在买人形机器人大概率不划算；如果是两班甚至三班倒、招工又特别难，那已经进入可以认真评估的区间了。这跟五年前工业机器人的普及路径高度相似——先在最难招人的岗位上撕开口子。

冷水一：演示成功率不等于交付可靠性。前面算过账了，92% 在实验室是好消息，在产线是事故。从演示到量产，中间隔着一整套可靠性工程——失效模式分析、冗余设计、异常恢复策略。这部分工作枯燥、不出片、但决定生死。

冷水二：产能规划远超真实需求。特斯拉规划百万台，行业预测五万台，二十倍的落差。历史上每一次这种落差最后都以价格战和洗牌收场。光伏、锂电、动力电池都走过这条路。现在冲进去做整机的新玩家，要想清楚自己有没有熬过洗牌期的现金流。

冷水三：对基础模型的依赖是双刃剑。今天谷歌把大脑给你用，明天它调整策略、涨价、或者干脆自己下场做本体呢？把核心能力建在别人的地基上，这个风险在移动互联网时代已经演过一遍了。理性的做法是：用它，但同时保留自己的数据资产和微调能力，别把命脉全交出去。

冷水四：安全与合规的账还没算。一台一米七、六十五公斤的机器在人身边高速运动，一旦出事故，责任怎么分？现在行业里对这块的讨论远远不够。我预计未来一到两年会出台更细的安全标准，那时候一批产品要重新做认证，这是隐性成本。

冷水五：估值波动会很剧烈。中证机器人指数的 PE-TTM 从 88% 历史分位一路回落到 50% 分位以内，大约 55 倍，这波回调已经释放了不少压力。但只要行业还处在「产能规划远大于交付」的阶段，情绪的钟摆就会来回甩。以下不构成任何投资建议，但我想说：产业趋势为真，不代表每个价格买入都对。

回到开头那个悖论：谷歌把大脑标准化了，宇树却在这一周去敲钟。矛盾吗？我觉得一点都不矛盾。

安卓出现的时候，也有人说手机厂要完了。结果呢？做系统的谷歌确实赚到了生态的钱，但真正把智能手机送到几十亿人手里、赚到最多制造利润的，是那些把供应链、成本、渠道、服务做到极致的硬件公司。系统标准化之后，竞争从「能不能做出来」变成了「能不能做得又好又便宜又送得到」。

机器人这次大概率会重演类似的剧本。大脑被拉平，意味着行业的起跑线被统一了，所有人都从同一个位置出发。接下来分胜负的，是那些看起来很土的东西：良率、成本、交付周期、服务响应、以及在真实场景里一点点磨出来的数据。

如果你是从业者，我的建议是别再纠结「我们的算法是不是够先进」，转而去问「我们有没有一个别人拿不到的场景」。如果你是旁观者，我建议你把注意力从人形机器人的炫技视频，移到零部件厂商的订单和产能公告上——后者才是这个行业真实的体温计。

这一轮，产业趋势是真的，交付节奏是真的，但泡沫也是真的。看清楚哪一部分是真需求、哪一部分是估值的自我强化，比追每一条新闻重要得多。

最后留个问题给你：如果明年你身边真的出现了一台能干活的机器人，你希望它先替你干掉哪件事？评论区聊聊，我挑几个有意思的展开写。