當資本開始退潮,人形機器人還有前途嗎?
更新于:2025-04-03 14:23:06

2025年被行業內看作是人形機器人爆發之年,在眾多人形機器人密集企業發佈新產品與新技術的同時,來自創投圈的融資也從未止步。

繼2024年9月獲慕華科創、軟通動力、中科創星、藍馳創投入股后,智元機器人於近日再獲新一輪B輪融資,本輪融資由騰訊投資領投,華金資本、龍旗科技、卧龍電驅、張江科投、TCL創投、華髮集團、藍馳創投等跟投。

圖片來源:智元機器人官網

松延動力在近期完成連續兩輪過億元A輪及A+輪融資。A+輪由彬複領投,華強資本跟投;A輪投資方包括神騏資本、北京未來科學城基金、天啟資本、澤然資本、教育科技集團戰略方等機構。

逐際動力近期完成了A+輪融資,半年累計完成5億元A輪系列融資。戰略產業投資人包括阿裡巴巴集團、招商局創投、尚頎資本、蔚來資本、聯想創投等。

千尋智慧 Spirit AI 完成5.28億元人民幣Pre-A輪融資。本輪融資由阿美風險投資旗下Prosperity7 Ventures領投,招商局創投、廣發信德、靖亞資本、東方富海、華控基金等多家資本深度參與。

雖然融資浪潮在人形機器人領域熱火朝天,但有一個人的動作卻出乎了所有人的意料——這就是最近由投資人朱嘯虎引發的“人形機器人保衛戰”震動創投圈。

作為金沙江創投管理合夥人,朱嘯虎公開表示“批量退出人形機器人賽道”,直言“誰會花十幾萬買機器人幹活?”這番言論迅速點燃行業火藥桶,創業者、投資人紛紛下場“圍攻”,將人形機器人的商業化困境與技術信仰之爭推至台前。

朱嘯虎的“退場宣言”與行業反擊

朱嘯虎的“退場”並非偶然。作為以“精準退出”聞名的投資人,他的投資風格以追求短期回報著稱。在互聯網時代,他主導投資了滴滴、餓了么和ofo,並在共享單車泡沫破裂前成功套現離場,這一操作被視為經典案例。然而,這種策略也引發爭議。例如,ofo的崩塌導致大量使用者押金無法退還,而朱嘯虎的提前退出被批評為“收割行業紅利后棄之不顧”。

在AI時代,朱嘯虎延續了類似的邏輯。2023年ChatGPT熱潮中,他公開唱衰初創企業,稱“大模型對創業公司不友好”,建議創業者放棄融資幻想。然而,2025年春節期間,月之暗面旗下產品DeepSeek的爆紅直接“打臉”其預言。DeepSeek憑藉多模態交互能力和低成本訓練方案,迅速佔領教育、醫療等場景,估值突破百億。這一反差揭示了朱嘯虎策略的局限性,對技術長週期缺乏耐心。

朱嘯虎的言論引發創業者強烈反彈。眾擎機器人CEO趙同陽直言:“質問人形機器人現在有什麼用,就像嘲笑嬰兒不會跑步!”被金沙江退出的企業則選擇用行動回應。星海圖在公告中強調“從未與朱嘯虎直接交流”,暗示其投資週期過短,缺乏對企業的深入瞭解。松延動力創始人姜哲源更在朋友圈引用李白詩句“輕舟已過萬重山”,暗諷朱嘯虎的短視。

投資界的反應同樣兩極分化。經緯創投張穎認為,“泡沫是新興行業的必經之路”,並引用波士頓動力Atlas的案例,強調人形機器人的長期價值。而匿名投資人X則指出,朱嘯虎的言論“撕開了皇帝的新衣”——2024年中國人形機器人市場規模僅27.6億元,但融資額高達50億元,估值泡沫遠超實際需求。

業內分析認為,朱嘯虎的“退場宣言”背後存在雙重動機。其一,向LP(有限合夥人)展示謹慎的投資策略。2024年全球經濟下行壓力加劇,LP對回報週期要求愈發嚴苛。金沙江創投近期在月之暗面、瑆爝機器人等AI項目上持續加碼,退出人形機器人可釋放資金聚焦“確定性更高”的賽道。其二,通過爭議言論吸引關注。正如投資人Y所言:“紅黑也是紅,朱嘯虎的直言可能反向吸引商業化路徑清晰的團隊主動尋求合作。”

人形機器人的雙重困境:技術與商業化

人形機器人的技術挑戰遠超外界想像。以雙足行走為例,其涉及動力學控制、即時平衡演算法、關節力矩分配等複雜問題。波士頓動力Atlas研發團隊曾透露,僅實現穩定行走就耗費十年,而跳躍、後空翻等功能更需每秒數千次的計算反覆運算。松延動力雖推出售價3.99萬元的N2機型,但其運動能力僅限於平坦地面慢跑,且續航不足2小時,離工業場景需求相去甚遠。

更大的瓶頸在於認知能力。國家人形機器人創新中心江磊指出,當前機器人缺乏“常識推理”能力。例如,識別桌面上的蘋果後,機器人需進一步判斷“是否腐爛”“是否需要清洗”等邏輯鏈,而現有技術仍依賴預設指令。銀河通用創始人王鶴坦言:“讓機器人理解‘從冰箱第二層拿飲料’這種簡單指令,需要融合視覺識別、空間記憶和任務規劃,目前尚無成熟解決方案。”

人形機器人的商業化路徑尚未清晰。工業場景中,汽車製造商更傾向採用機械臂或AGV(自動導引車),因其成本低、穩定性高。家庭場景則面臨倫理與安全爭議——日本軟銀Pepper機器人因隱私洩露問題遭多國抵制。即便在教育領域,人形機器人的實用性也備受質疑。一位高校實驗室負責人表示:“我們採購機器人主要用於程式設計教學,但其維護成本高達售價的30%,校方更願意投資虛擬模擬平臺。”

成本問題進一步加劇困境。特斯拉Optimus的BOM(物料清單)成本約10萬美元,而國內企業試圖通過縮減感測器數量壓價,卻導致功能降級。清智資本張煜指出:“售價3萬元的機器人只能完成體操表演,無法真正幹活,這種‘偽低價’反而損害行業信譽。”

長期主義VS務實派:資本的兩極選擇

長期派投資人堅信,人形是機器人進化的終極形態。紅杉資本近期領投了宇樹科技C輪融資,其合夥人Mike Vernal表示:“人形的最大優勢是相容人類環境。未來工廠無需為機器人改造流水線,家庭場景也能無縫接入。”這一觀點得到學術界的支援。MIT仿生機器人實驗室主任Sangbae Kim認為,人形機器人將在2050年前後實現“通用服務能力”,涵蓋醫療護理、災難救援等複雜任務。

而這一想法,已經以商業化落地的形式得到了初步證明。例如最近,奧迪一汽新能源汽車有限公司在長春建設的全新先進生產基地開始生產純電動車型,而這也是奧迪一汽首次引入其唯一人形機器人合作夥伴優必選的工業人形機器人Walker S1,在汽車生產過程中進行品質流程試點專案,執行空調洩漏檢測任務。截至目前,優必選是全球唯一一家宣佈與多家汽車公司合作的人形機器人企業,其Walker S系列也已成為全球進入最多車廠實訓的工業人形機器人,並由此獲得了500多台來自多家車企的意向訂單。

圖片來源:優必選機器人官網

以朱嘯虎為代表的務實派則主張“場景優先”。他們認為,人形是技術理想主義的產物,而輪式底盤、機械臂已在物流、製造等領域證明價值。例如,亞馬遜倉庫部署的Kiva機器人每年節省數十億美元人力成本,而波士頓動力Spot四足機器人則在石油巡檢中替代高危作業。樂聚機器人冷曉琨指出:“與其追求形態,不如先定義標準——我們的目標是讓機器人連續工作1500小時不出故障。”

兩派分歧本質是投資哲學的差異。朱嘯虎以消費領域思維評判技術賽道,要求“3年內實現盈虧平衡”,而技術派投資人更看重“10年後的壟斷潛力”。軟銀願景基金負責人Rajeev Misra曾表示:“我們投資波士頓動力時就知道它十年內難盈利,但它的技術壁壘足以定義未來市場。”這種分歧也反映了LP結構的差異——美元基金通常容忍長週期,而人民幣基金更追求短期退出。

泡沫與潛力:行業的自我修正

2024年人形機器人行業陷入“虛假繁榮”。據媒體數據顯示,當年1-10月全球融資超110億元,但實際市場規模不足30億元。企業為迎合資本,紛紛宣佈量產計劃。智元機器人宣稱“2025年量產千台”,但其產品尚未通過第三方可靠性測試;Agility的Digit機器人雖建廠擴產,卻因核心零部件短缺導致交付延期。清智資本張煜警告:“量產只是數字遊戲,缺乏場景驗證的產能將成庫存毒藥。”

行業開始轉向務實創新。銀河通用聚焦零售場景,其Galbot G1機器人已在無人藥店完成商品分揀測試,準確率達92%。松延動力啟動“分階段戰略”——先以低價機型打開科研市場,再逐步反覆運算至工業場景。冷曉琨強調:“我們必須回答‘機器人能幹什麼’,而非‘機器人能表演什麼’。”

行業標準缺失加劇混亂。中國機器人產業聯盟正在起草《人形機器人通用技術規範》,擬規定“無故障工作時長”“環境適應能力”等核心指標。政策層面,工信部將人形機器人納入“十四五”智慧製造發展規劃,並提出“2027年前培育3-5家全球頭部企業”的目標。國家地方共建人形機器人創新中心則聯合高校、企業攻關“行走大模型”,試圖構建統一認知架構。

未來之爭:數據派VS泛化派

特斯拉Optimus採用真實工廠數據訓練,通過數萬次抓取試驗優化動作軌跡。這種方法的優勢是場景適配性強,但成本極高——單台訓練機器人日耗電費用超萬元。波士頓動力則通過Atlas的摔倒數據反覆運算平衡演算法,其首席工程師Scott Kuindersma坦言:“每一次跌倒都是寶貴的學費,但學費太貴了。”

此外,數據訓練還存在著其它難題。在近期舉辦的GTC上,加州大學伯克利分校電氣工程與計算機科學系教授Pieter Abbeel在主題為《機器人訓練數據》的主題演講中表示,目前世界上還沒有真正的人形機器人,也就沒有大量的行為數據,因為行業內還沒有找到有效的數據源,不論是使用遠端操作、大規模模擬還是真實世界學習,其時間和金錢成本都很難被接受,此外模擬效果也會差強人意。

銀河通用選擇另一條路徑。其團隊利用Unity引擎生成虛擬倉庫,讓機器人在數百萬次模擬訓練中學習抓取策略,再將模型遷移至實體機器人。王鶴解釋:“模擬環境中,機器人一天可‘經歷’現實世界十年的數據量。”這種方式將訓練成本降低90%,但需攻克“模擬與現實差距”(Sim2Real)難題——虛擬環境的光照、摩擦力等參數與真實世界存在偏差。

部分企業探索中間路線。宇樹科技開源了部分運動控制代碼,吸引開發者共同優化演算法。非夕機器人則採用“混合訓練”模式——70%合成數據+30%真實數據,平衡成本與精度。這類嘗試能否成功,取決於行業協作深度與數據共享機制。

結語:在泡沫中尋找確定性

人形機器人的故事充滿矛盾:一邊是資本退潮、估值回調,另一邊是創業者“無懼雜音”的技術信仰;一邊是朱嘯虎“美麗的廢物”之問,另一邊是張穎“長期必出大公司”的斷言。

不過相似的歷史,在十年前的新能源行業也曾出現過一次,彼時的新能源行業同樣飽受質疑,但最終耐心的資本還是有機會見證了寧德時代等巨頭的崛起。或許正如英諾天使基金的合夥人王晟所言:“人形是技術的終極挑戰,現在的問題會在未來迎刃而解。”

唯一的確定性是,行業的真正勝利者,不會是機會主義者,而是那些在泡沫中堅守、在質疑中反覆運算的長期主義者。當技術信仰與商業理性找到平衡點時,人形機器人或將真正走出實驗室,成為重塑生產力的革命性力量。