我們真的需要人形機器人嗎？

（點擊收聽本期音頻）

采訪｜泓君

圖文｜朱婕

今年拉斯維加斯國際消費電子展上，人形機器人再次成為焦點——舞獅、打拳擊、后空翻、打乒乓球，各種炫技的Demo，將“科技春晚”氛圍拉滿。但如果你期待的是泛化能力的突破，那么今年的展或許不會給你太多驚艷。

本期播客是機器人特輯的延續(xù)，此前我們探討過許多關(guān)于機器人泛化的前沿探索，今天我們調(diào)過頭來，追問一個更根本的問題：我們真的需要人形機器人嗎？

本期嘉賓傅盛認為，人形機器人硬件并不遵循“摩爾定律”，靠堆料實現(xiàn)的性能很難走向商業(yè)場景，更談不上有意義的量產(chǎn)。真正能落地的機器人，往往是從具體的場景中逐步迭代、打磨“生長”出來的，而非一開始就追求通用性和完美形態(tài)。

盡管這次CES展會上，機器人“泛化時刻”尚未迎來曙光，但我們看到的是，中國品牌以更成熟、更國際化的姿態(tài)占據(jù)了全球消費電子舞臺的中央。而對于眾多探索出海的中國機器人企業(yè)來說，美國仍然是那個最理想的市場，所以我們的嘉賓們也用親身經(jīng)歷給出海者提出了幾點建議。

歡迎關(guān)注《硅谷101視頻號》的音頻欄目直接收聽本期播客。如 果 你喜歡我們的 節(jié)目，更推 薦大家使用 音頻客戶端來收聽，《硅谷101 》已覆蓋各大 主流音頻 平臺（渠道見文末），歡迎訂閱！

以下是這次對話內(nèi)容的精選：

01

熱潮反思

我們真的需要人形機器人嗎？

泓君：今年CES機器人的展區(qū)特別火。具體到人形機器人行業(yè)，我注意到一個數(shù)據(jù)，CES一共的人形機器人參展商是38家，其中中國的參展商有21家。

傅盛：居然還有17家不是中國的？

泓君：有人說這次機器人其實是中、美、韓三國的競爭。有韓國是因為機器人領(lǐng)域很著名的Boston Dynamics被現(xiàn)代集團收購了。他們展位排隊要等四十多分鐘。Boston Dynamics在行動能力、爬樓梯方面開發(fā)較早，有非常深的積累。另外，他們今年在CES上官宣了Atlas，計劃2026年開始生產(chǎn)和向首批客戶交付，到2028年實現(xiàn)更大規(guī)模部署，并形成年產(chǎn)3萬臺的產(chǎn)能。如果真能量產(chǎn)，這會不會是整個機器人領(lǐng)域最大規(guī)模的量產(chǎn)？

Atlas產(chǎn)品宣傳片 圖片來源：Boston Dynamics

硅谷徐老師：我去看了Boston Dynamics，這些Physical AI、人形機器人都在那邊。但都沒讓我有耳目一新的感覺，我也非常想了解傅盛的想法。

傅盛：其實宣布這個量產(chǎn)意義不大。2021、2022年特斯拉剛做擎天柱時，當時我們內(nèi)部一個小型投資人會議就在討論要不要抓人形機器人的機遇？他們說得到明確消息，特斯拉和供應鏈的減速器廠商說明年要下10萬臺訂單。我當時就說，特斯拉可能沒做過機器人，有點輕視了，肯定做不到。

你看它2025年年初說做幾千臺，最近換了負責人（之前做FSD的），上來就先砍一半。當然，特斯拉這樣的大公司生產(chǎn)幾千臺肯定能生產(chǎn)出來。但問題在于，這是不是真正落地的量產(chǎn)？要么是客戶買單，要么是能在實際場景中真正發(fā)揮效率，這樣的量產(chǎn)才有意義。我對波士頓動力宣布的幾年后產(chǎn)3萬臺非常質(zhì)疑，甚至覺得不太可能做到。

泓君：他們的一個應用場景是倉庫搬貨運貨。Howie你來講講你看到的Demo場景是怎樣的？

硅谷徐老師：我沒覺得有什么特殊的，現(xiàn)在很多倉庫也有機器人在搬東西。它可能更靈活、更多功能一些，但跟過去的技術(shù)是不是一個本質(zhì)的區(qū)別？我不清楚。我對Physical AI的向往是希望它能進入家庭，但這看上去還非常遙遠。

泓君：1X公司已經(jīng)打算2026年進家庭了，通過遠程遙操，用隱私換機器人的操作。

傅盛：都不是出賣隱私的問題。昨晚剛和一個朋友辯論，到底人形機器人是不是泡沫，能不能落地？我說我們第一代機器人2017年做的時候，也是雄心壯志的，當時沒做腳，但是也給機器人加了雙臂。有一天我生日，工程師給了我一個驚喜，讓機器人引導我到會議室，機器人劃了根火柴，給我點了個蠟燭。那是2017年，我們也做過這樣的事。后來慢慢懂行后發(fā)現(xiàn)，工程師是為了讓老板開心偷偷加班，顯得有研發(fā)實力，但沒法泛化。其次，加上手臂后電池消耗變得很大，機器很重，當時一條臂要十來萬。

2017年機器人劃火柴點蠟燭 圖片來源：傅盛

泓君：現(xiàn)在一條手臂大概多少錢？

傅盛：我們最近收購了UFactory，就是因為當時覺得臂太貴，投資了這家公司，讓他們好好做六軸、七軸臂，把價格降下來。第一性原理誰都會說，臂不就是鋁合金、鋼鐵，為什么賣那么貴？但做好多年，現(xiàn)在售價能做到四五千美金。現(xiàn)在像谷歌、斯坦福很多都買它的臂，海外市場占七八成，這家公司還盈利了。

但后來通過“臂”這件事我認識到，機器人硬件不像軟件有摩爾定律，可以快速大規(guī)模重構(gòu)。硬件比如一個關(guān)節(jié)、電機、諧波減速器，就得一點點改進，受制于物理結(jié)構(gòu)，很麻煩。所以后來我對機器人的看法是，客戶真正用的時候，考慮的就是性價比和投資回報率。

比如剛上市的極智嘉，做倉庫搬運，當然它現(xiàn)在只是底盤升降，能搬200公斤。現(xiàn)在他們也在探索底盤上加兩個臂。對搬東西而言，加臂有沒有用？加腿有沒有用？用處很少，成本卻高了非常多。工廠在設(shè)計的時候基本上輪式都能通達。這就好比用大炮打蚊子，用滅蚊器不是更好嗎？

泓君：輪式?jīng)]有腿，它會便宜很多。

傅盛：今年做人形機器人，至少一半的錢花在腿上，甚至更多。我用一半的價格，實現(xiàn)你95%以上的效率，就沒人會選人形。

硅谷徐老師：傅盛其實回答了我之前的疑問。我走出CES就在想，這和我以前看到的有多大區(qū)別？說穿了就是兩點：一是在固定場景能做什么，二是泛化能力（當然這是一個光譜，不是0和1）。到底要越做越泛化，還是專注固有場景？固有場景的機器人，五年前、十年前，各大工廠已經(jīng)有很多搬運機器人了，已經(jīng)做得非常漂亮了。泛化的機器人進去之后能做得多好？我沒看出很大的作用。

但如果要讓機器人在我們生活中各方面都能用到、感受到，那肯定需要泛化。但泛化這一塊，我覺得還很遠，至少我沒看到。

前兩天我看到一家叫Sunday的公司，網(wǎng)上Demo挺不錯。它的投資人Sarah Guo是我的好朋友，我問她這是真的還是假的？她說是真的。它搬酒杯、洗碗，包括飯桌上非常微妙的場景，都能處理，我期待的是這樣的機器人。

圖片來源：Sunday Robotics

泓君：它其實也是一個輪式的，加機械臂，它的機械臂可以把桌子上的酒杯抓起來放到洗碗機里。

傅盛：去年我參觀了Figure，我和一個對Figure比較了解的人爭論，為什么一定要做人形，我們雙方爭執(zhí)不下。他認為一旦做成就可通用，人形能適應各種場合。前兩天他給我發(fā)信息，他去Sunday看了一下，大受震撼。他突然覺得，對呀，為什么一定要有腿？因為他知道腿花了很多精力。而Sunday，它可以把所有精力都放在手上，一個底盤就很穩(wěn)定了，所以它能把任務做成這樣。他非常震驚，因為他了解的人形機器人公司還沒到這一步。

真能干活，我認為一定不是從人形開始，而是從某種特殊形態(tài)開始。最早進家庭的機器人是掃地機器人，它也叫機器人。其實“機器人”這個翻譯有問題，robot不是特指人形，老外管自動運行的機器都叫robot。所以第一波是掃地，后來割草，越來越多，現(xiàn)在倉儲運輸、底盤移動，開始有人往上加臂。

我的觀點一直是這樣，所有好的產(chǎn)品和技術(shù)，它是“生長”出來的，不是憑空做一個特別高大上的技術(shù)，一下就做出完美通用產(chǎn)品。它一定要跟很多場景打磨。今天講Physical AI也是個很虛的詞，但像Sunday這樣，在一個場景下，比如拿杯子，如果它能做到……

泓君：它是真能做到嗎？還是視頻拍了很多次？

傅盛：不需要拍很多次。但我想說比如拿杯子這件事，99%的準確率你也不會用。如果每天都會有東西碎掉，你還會用嗎？

你看這次黃仁勛講什么生成數(shù)據(jù)，伊隆·馬斯克轉(zhuǎn)了一下，說特斯拉早就在做了。他說難的不是那99%，而是最后那1%。所謂真正落地的機器人，他要和物理空間接觸。為什么自動駕駛這么多年沒真正實現(xiàn)L4？因為一旦接觸，后果很嚴重。即使很多地方做得好，但corner case（極端案例）很難處理。而且自動駕駛還是二維平面，機器人是3D，還要接觸、抓取，難度還是非常高的。

泓君：我把我們剛剛討論的話題收斂一下，我們核心話題是機器人是不是一定要人形？我看出來了，傅盛你的觀點是它不用完全是人形，能干活就行。但如果現(xiàn)在能干活就可以，為什么我們看到特斯拉擎天柱、Figure AI、Boston Dynamics的Atlas……這些業(yè)界最頂級廠商都在生產(chǎn)、甚至量產(chǎn)人形機器人？

傅盛：你說頂尖公司都在做人形機器人，其實可能是因為做了人形機器人就顯得比較頂尖（笑）。今天這個“熱潮”怎么來的？我認為就是伊隆·馬斯克帶起來的。在他做人形機器人之前，大家都不太看好。Boston Dynamics被賣過，谷歌要賣時軟銀買了，都沒什么人買。而且谷歌這么有技術(shù)夢想的公司為什么賣掉它？你想想。

本田的機器人ASIMO我見過，做了30年，兩足行走，奧巴馬訪問時還跟它踢了球，最后宣布停產(chǎn)了。那時業(yè)內(nèi)已經(jīng)不看好了。

我和Boston Dynamics的CEO在一次會議上連線，他說只要投足夠多錢，就一定能做出來。我當時不太認同，我認為只有市場真找到需求才會做起來。

國內(nèi)是看到馬斯克做了，覺得不能落后。如果他真做成百萬臺，世界就被改變了。所以“寧可錯判，不能錯過”，但這個熱潮搞得太大了。

泓君：所以今年國內(nèi)機器人創(chuàng)業(yè)特別火，對吧？

傅盛：特別火。為什么火？第一，好融資。其實不難，你去深圳花200萬搞一個人形機器人，打上自己Logo，找個廠弄出來，走兩步，沒問題。你搞大語言模型就沒這么簡單。

泓君：“走兩步”供應鏈上已經(jīng)實現(xiàn)了？

傅盛：可能是要調(diào)一下。我的意思是“走兩步”現(xiàn)在也不難了。我拜訪加州理工一個做人形機器人非常知名的教授，他說以前波士頓動力用的雙足控制算法能耗相當高，為了維持站立平衡，最早的產(chǎn)品要背著油。人維持平衡能耗很低，但那時算法要花很大精力。

我認為人工智能進來后，把這個算法確實簡化了。等到伊隆·馬斯克可以做，大家一看，覺得這么牛的人都覺得能做了。而且我覺得馬斯克也把這事想簡單了。最近馬斯克有個采訪，說現(xiàn)在意識到做人形機器人比做汽車難多了。

你看到的Demo都是廠商能拿出來的最好水平，是調(diào)優(yōu)過的，到實際場景中要大打折扣。你看它的動作，就知道能不能落地，基本都不能，過不了及格線。比以前有沒有巨大的進步？有，但那條線高高在上，到那條線要多久，說實話我覺得沒人知道。

圖片來源：Sharpa

泓君：這涉及到第二個問題，就是Howie剛才說的，機器人是走垂直領(lǐng)域，還是注重泛化性？我先回答你在提出這個問題前面的一個困惑點，為什么你覺得Demo都不夠驚艷？我問過很多機器人領(lǐng)域做技術(shù)的人，我說中國有很多機器人大賽，你們能不能根據(jù)機器人大賽的表現(xiàn)跟冠軍去判斷哪家公司技術(shù)最好？所有的答案都是——不能。因為比賽場景固定，不能體現(xiàn)真正的泛化能力，只證明你為這個場景花了多少時間，所以僅僅通過Demo很難看出一個機器人真正的泛化能力。

但昨天我在展上看到一些驚艷的瞬間，來自一家叫Sharpa的靈巧手公司。我們上期講過它。它有四個任務很有趣：一是折紙風車，步驟多達30步，是機器人領(lǐng)域的超長程任務難題，因為它意味著如果每一步成功率99%，30步后總成功率只有70%。二是發(fā)撲克牌，也是精細運動。三是拍照。四是接乒乓球，考驗反應延遲和瞬間決策能力。它的Demo給我的感覺明顯和其他Demo特別不一樣，當然它也只是一個固定的場景。

傅盛：我認為靈巧手這條路徑上，是有很多值得探索的，而且有很多場景有機會落地。現(xiàn)在供應鏈把臂的價格降下來了，以前UR一條臂一兩萬美金，現(xiàn)在可以賣三四千美金。靈巧手也是各個方向都在做，這條路我一直在觀察，我覺得是有機會的，落地可能更早。

你講的四個任務里，折紙比打乒乓球難多了，因為力要掌控好，如果現(xiàn)在折紙是從里面拿紙出來，它要對環(huán)境有判斷，但我還是高度懷疑它對任務做了大量優(yōu)化。如果是可以泛化的，紙張隨意擺放都可以，就會更好一些。

泓君：對，他們的紙張是給機器人鋪好的，還是在一個固定場景，只是步驟長而已。

傅盛：比如幾年前ALOHA炒雞蛋，我們看它的論文，它必須在特定范圍內(nèi)這么一個模型，準確率大概80%，往上提就很難。折紙能做到這樣，不知道臂有沒有力反饋，確實挺不容易的。但這里面又有問題了，要看看它用什么臂，加了什么傳感器，這傳感器貴到什么程度？

圖片來源：Sharpa

泓君：Sharpa的臂我們上次聊過，是5萬美元一只手，業(yè)界最貴。

傅盛：符合我的預期，為了這個加了非常多的東西。這個價格還不考慮壽命、故障率等等這些東西。堆料一定可以堆出一些不錯的體驗。

02

人形機器人的商業(yè)化難題

泓君：這個討論挺有意思。硅谷101過往關(guān)注技術(shù)最前沿，關(guān)注做得最好的那一家怎么把事做成，完全沒關(guān)注成本。傅盛你對中國的供應鏈和機器人產(chǎn)業(yè)挺了解的。你覺得在成本優(yōu)化方面，哪幾個方向是大塊？比如你怎么用一個小的成本解決一個巨大的場景性的任務？

傅盛：成本最大的是機械結(jié)構(gòu)那塊，電機、減速器這些物理的東西，它降價真沒那么快。芯片可能過兩年降一半，所以芯片、傳感器成本反而比較低。

泓君：電機、減速器多少錢？

傅盛：我們對做臂比較清楚，比如七軸臂，我們叫七個諧波減速器，以前都好幾千一個。

泓君：七個就上萬了。

傅盛：對，我專門考察過怎么把這個成本降下來，發(fā)現(xiàn)很難。諧波減速器的專利在70年代被幾大公司享有，其他做的都侵權(quán)。但是在2010年代，這個專利過期了。我想說的是，專利都過期了，還是這個結(jié)構(gòu)，大家還在這個上面打磨。如果想要發(fā)明出新的承載力好、急停、減速、精度高的結(jié)構(gòu)……到今天也沒看到。

中國供應鏈已經(jīng)非常厲害了，像宇樹可以賣到10萬，就已經(jīng)降得非常厲害了，但不會持續(xù)地像大家想象的那樣再降下去了。

泓君：如果我們?nèi)ゲ鸱謾C器人成本，哪幾個部分占大頭？

傅盛：剛才講的都是，再加上各種機械關(guān)節(jié)。比如Figure用諧波減速器，所以它動作挺慢的，不如國產(chǎn)用行星減速器的。諧波減速器的好處是負載高，拿的東西可以很重。但表演不需要拿重物可以就用這個。每個能動的地方都是成本。這個成本就看你要什么了，最近小鵬有個機器人，走路很好看，它成本也很高。

泓君：外形好看，還要付額外的成本。

傅盛：為了自由度多，你就得多加關(guān)節(jié)。加了之后成本是一方面，而且加多了它容易壞呀，可靠性就降低了。為什么我說人形機器人到今天包括做Demo不錯，但是落不了地。你真正落地時就會發(fā)現(xiàn)，給你點贊是一回事，掏錢買是另一回事，貴了就很難下決策，還有可靠性又是一回事。

泓君：我聽到美國廠商抱怨，他們覺得人形機器人看著好，但真要落地時，比如廚房炒菜的手臂機器人，現(xiàn)在所有手臂都不耐磨，所有硬件廠商提供的物料都不行，沒人做耐磨的優(yōu)化。

傅盛：現(xiàn)在人形機器人使用壽命是非常短的，今天也沒有保修標準。我們做輪式機器人出海，質(zhì)量很重要，一兩年至少不能有問題。這事磨了挺久的，它不是一個成熟的產(chǎn)業(yè)鏈，以前我們連一個電機都得從別的小車上找。你看今天有自動駕駛芯片、游戲芯片、大模型訓練芯片、推理芯片，但沒有機器人芯片。因為它不成產(chǎn)業(yè)，所以我們就得從別的地方選。在沒有產(chǎn)業(yè)鏈形成的情況下，大家都沒有去大批量、高規(guī)格生產(chǎn)，它的質(zhì)量當然就不行，落地時肯定有很多問題。

泓君：芯片誰好用？

傅盛：我們最近蠻詫異的，國產(chǎn)的一些中端芯片，做得非常好用，就中端，不需要那么大算力的。后來想想他們也是跟產(chǎn)業(yè)走得比較近。

泓君：芯片算是機器人成本中比較大的一塊嗎？

傅盛：不算。

泓君：所以成本大的，其實還是在整個的制造和硬件整合環(huán)節(jié)。

傅盛：對，就今天沒有一個所謂的大模型能讓機器人用。

泓君：機器人現(xiàn)在其實我們把它分成幾端，一端是軟件，一端是硬件，你覺得在軟件和硬件之間，包括中間的搭建過程中，產(chǎn)業(yè)鏈是完整的嗎？現(xiàn)在有很多機器人廠商，有的做硬件強一點，有的做軟件強一點，但這個硬件跟軟件怎么搭載起來？中間開發(fā)平臺是什么？感覺都沒有。

傅盛：完全沒有。

泓君：所以這個行業(yè)整體沒有統(tǒng)一起來。

硅谷徐老師：傅盛剛才提到?jīng)]有產(chǎn)業(yè)，我覺得是雞生蛋、蛋生雞的問題。我感覺大家都在那邊說“機器人就是忽悠大家一起來”。我說這個“忽悠”沒有任何貶義，因為沒有看到真金白銀，這需要一定的情懷。

我去看了Boston Dynamics，覺得它的新聞非常小心翼翼，它說“客戶試點項目將于2027年啟動”。我覺得任何技術(shù)都可以這么說，去火星也可以套這句話。

傅盛：而且為什么是2027，不是2026？不是今年？不是明年？這一年會發(fā)生什么變化？

硅谷徐老師：對，看了這句話我就心涼了一大截。

泓君：你覺得如果機器人在工廠搬東西，在中國和美國，打平人的成本要多久？在簡單一點的場景里。

傅盛：不是人形的已經(jīng)有很多了。它的問題在于準確率，在很多場合是不能出錯的。你可能覺得遞送是件很簡單的事，但我覺得最難的不是能跑一下，而是要一天遞送幾百次從來不出錯。為了這個不出錯，整個行業(yè)努力了有三四年。

泓君：遞送指什么？

傅盛：餐廳遞送、酒店遞送，看著簡單，但前面真的打磨了三四年。因為做個Demo從這里走過去可以，但在不同餐廳，桌椅來回擺，它就會迷路。比如我們用激光傳感器，那KTV有噴霧了，機器人就迷路了。還有的玻璃很特別，純黑的，反射不回來，你要用視覺去解決。你想今天汽車才差不多到視覺這個階段。所以有太多corner case（極端案例）。

泓君：我把我的問題再收斂一下，在餐廳做送餐機器人，能打平服務員成本嗎？

傅盛：可以的，但就這樣接受度也不高。沒表現(xiàn)出特別好性價比時，人是不愿意改變流程的。機器人在國內(nèi)已經(jīng)做到1萬塊錢了，也賣不動。

以我們經(jīng)驗看，在歐美用送餐機器人的確會降低成本，但餐廳老板對新事物的接受度有限。我們在全世界賣的最好的，就在意大利有個代理商賣得不錯。意大利有個很深的潛水池，后廚離餐廳好遠，就讓兩臺機器人來回跑。這么簡單一個動作，實際上也花了很長時間才真正解決可靠性。

意大利的餐廳機器人 圖片來源：傅盛

泓君：很長時間指多長？

傅盛：至少兩三年。最開始經(jīng)常撞桌子、撞腳，我們就要考慮，要不要加一個向下看的？餐廳機器人為什么做那么便宜？它是用激光去建圖的，但我們只能用500塊錢的單線雷達，所以在桌子椅子密集時，它就會不知道自己在哪兒，我們叫“定位丟失”。后來幾個廠商想出辦法，在天花板上貼反光二維碼，但是那個二維碼你看不到，是用紅外看的，三五米貼一個。用很多這種工程化方法才解決了。我們還專門發(fā)明桿子，往天花板上貼東西。今天隨著算力提升，慢慢很多地方不用貼了。包括壓腳問題，也是通過改硬件配型，慢慢讓它今天能夠穩(wěn)定可靠地使用。你看酒店送餐，為什么國外沒有？

泓君：我聽說電梯是一個原因。

傅盛：對，國內(nèi)找個電梯維修師傅，給他2000塊錢，讓他在里面裝個板子。但是國外不行，日本電梯公司不準你動，要動先給10萬塊錢，每個月再收你幾千。

泓君：是說電梯按鈕的問題，還是什么？

傅盛：電梯Wi-Fi。今天遞送機器人叫電梯都通過Wi-Fi，這就涉及電梯改造，國外電梯公司不讓你做。

泓君：有合規(guī)、安全的要求。所以大家想象機器人可以在美國替代一點人力，沒想到改變基礎(chǔ)設(shè)施的費用還挺貴。

傅盛：對。但我覺得美國這些機器人實際上大有機會，這些機器人做一些垂直領(lǐng)域簡單動作，比如就是疊紙巾，是有機會的，因為美國就是人力成本高。我們今天送餐一半以上利潤來自海外，國內(nèi)沒有利潤。

03

機器人出海與中美文化差異

泓君：挺有意思的是，像割草機器人、泳池機器人，是近一兩年才開始大批量銷往美國的。中國廠商特別會找機會。每年亞馬遜內(nèi)部數(shù)據(jù)能看到爆款趨勢，我前幾年和亞馬遜溝通，他們提到美國泳池機器人、智能喂鳥器特別好，很快中國廠商產(chǎn)品就出來打美國市場。這次CES上挺明顯的。

傅盛：你看割草機器人快速出來，和機器人輪式導航算法的成熟有關(guān)。以送餐為例，這個導航算法磨了很久，本質(zhì)上是在用戶可接受價格內(nèi)找到解決方案，不是“壘料”。

有投資人問我，你們做機器人導航，是不是自動駕駛團隊過來就把你秒殺了？我說不會，一輛車，車載芯片至少上萬塊，傳感器激光雷達大幾千。我們要做的是幾千到一萬多成本，做出整套方案，得用很便宜芯片，基本不超過1000塊。用盡可能少傳感器，然后用工程算法去把導航磨出來，讓它不迷路。魔鬼都在細節(jié)里，就這么個小東西，都要磨兩三年的時間，回到我們說的人形機器人，那坑真的太多，手、腳的復雜系統(tǒng)可能超出了絕大部分人的想象。

圖片來源：Figure

泓君：今天聊天能鮮明感受到，硅谷做前沿研究，中國做應用強，這個優(yōu)勢特別明顯。

傅盛：對，但我去年跑了很多美國的機器人初創(chuàng)團隊，發(fā)現(xiàn)硅谷是很多樣化的。很多團隊不做人形，像Sunday這種輪子加臂，或者單臂的方案，都在做。我覺得這反而有機會能做出來。它們就是找場景，這種公司第一天就想怎么賣給客戶，然后反向去做優(yōu)化。

泓君：你們也做機器人出海，現(xiàn)在最好的市場是哪里？美國、歐洲、東南亞？

傅盛：肯定是美國。歐洲不好做。日本錯失互聯(lián)網(wǎng)后，軟件人才斷檔了，除非你去做整套方案，如果讓他們自己做點二次開發(fā)，基本一個東西、一個App能做一年。韓國市場容量比較小。我們的送餐機器人在韓國表現(xiàn)也不錯，但容量太小。

正好分享個例子，在美國市場，我們的機械臂最近有個大客戶，是拿機械臂給人拍照的。以前拍照有些固定模板，要人手拿著，現(xiàn)在用機械臂，做環(huán)繞拍攝等，還是個幾百家連鎖的客戶。但你知道嗎，這個東西我們跟他們磨了兩年。他們買過去要做適配，做好軟件，花了挺長時間。

采用緊湊型設(shè)計，可實現(xiàn)精確、重復性相機運動的UFACTORY協(xié)作機器人 圖片來源：VP-Land

泓君：兩年才銷售一個大客戶。

傅盛：對，海外市場就是這樣，不像中國那么快，做什么都挺慢的。

泓君：那為什么大家還覺得美國是個很好的市場呢？

傅盛：需求大，愿意付費，人力成本高，還愿意推進機器人化。

硅谷徐老師：付費意愿肯定在那里，但很多時候要改變流程。如果是個人使用，沒什么流程改變；但只要涉及餐飲或其他有流程的環(huán)節(jié)，在美國是很難的。我記得一個朋友做送餐，他說送過去沒問題，但和里面的人打交道很難，因為人家沒有和機器人打交道的流程。這不是“最后一公里”，是“最后一米”的問題。只要涉及到改變流程，都不是以天、星期、月為單位，而是要以年為單位的。

泓君：總結(jié)很有意思。這次CES我還觀察到一個大趨勢：中國企業(yè)出海。CES 4000家廠商里，中國企業(yè)占22%，是全球參展商中占比第二的國家。

硅谷徐老師：只有22%嗎？我覺得如果光看現(xiàn)場人數(shù)，感覺比例更高。

泓君：我整體感受是，今年中國廠商拿到的展位位置更好，大的、裝修豪華的位置很多給了中國廠商。放眼望去覺得很多中國廠商的展。

硅谷徐老師：對，而且怎么定義中國廠商？如果是一個華人，在新加坡甚至特拉華州注冊，很難定義。

泓君：我整體感覺大家的品牌做得比以前好太多了。以前CES放眼望去都是日韓消費品牌，最好的展位是他們的。今年改觀非常大，比如Insta360贊助了會場袋子。你們覺得這輪中國公司出海，和之前相比有什么大的不同？有哪些進化？

硅谷徐老師：一個很大不同是，你都看不出來這是出海公司，這本身就是很大的變化。

傅盛：對，越來越有國際范兒了。

泓君：你們覺得現(xiàn)在做美國市場最大的挑戰(zhàn)是什么？

傅盛：我覺得還是能真正深入到本土，對消費者習慣、文化，還有渠道等等的理解。我們當年出海很早，2011、2012年第一次來美國覺得很新鮮，當時看App，可以不用本土化，直接上App Store就行，所以我們就全力做海外。

我昨天正好總結(jié)，我們出海經(jīng)歷了幾個階段：

第一階段是在信息最透明的行業(yè)，像互聯(lián)網(wǎng)，我們用人海戰(zhàn)術(shù)。那時在灣區(qū)做App，五六個人就算多的了，我可以搞100人做一個工具。所以今天中國App的水平遠超美國，那時就開始了。

第二階段是服務和能力出海，我叫它“吃苦耐勞的出海”。這波在應用能力、研發(fā)能力、運營能力上，中國企業(yè)已經(jīng)全面超越了，所以這波出海有點居高臨下的感覺。

泓君：我確實有這種感覺，整個品牌感上來了。以前我們說中國公司出海輸出的是價格優(yōu)勢，但這波中國公司的定價很高了。

宇樹G1機器人展示擂臺格斗 圖片來源：CES

傅盛：對，因為品牌背后是你的產(chǎn)品不只是價廉，而是質(zhì)優(yōu)了，性能比別人好，價格又不是特別貴，所以品牌感起來了。日本當年出海也是，車開始賣得很便宜，慢慢才做出雷克薩斯這樣的品牌。

硅谷徐老師：我覺得“吃苦耐勞”不只是價格。比如臺積電能做出來，里面有很多是能吃苦耐勞，但這轉(zhuǎn)化出來的不只是價格低，而是有能力大規(guī)模做出來，這是“有”和“沒有”的區(qū)別，我覺得吃苦耐勞還是很大的差異化。

傅盛：對，吃苦耐勞帶來的是迭代速度比別人快、你不斷去實踐。同樣一年52周，我迭代52次，你迭代兩次，我經(jīng)驗就比你足。吃苦耐勞最后帶來模式領(lǐng)先，無論是研發(fā)模式還是運營模式。在國內(nèi)這種環(huán)境下打磨出的模式、供應鏈管理都是領(lǐng)先的。中國內(nèi)卷這么多年造就的這種……臺積電的故事我也聽過，迭代快、效率高，最后帶動品牌和服務提升。品牌不是生拔出來的，光請幾個外國人品牌也不會好。

回到你的問題，這波出海要注意什么？其實就是要對當?shù)厥袌銮赖睦斫夂妥鹬兀@一點和中國有很大差異。渠道很重要，它和中國那種電商、開發(fā)布會不一樣。當?shù)毓咀顝姷木褪乔馈?/strong>

硅谷徐老師：比如日本、歐洲都有自己的一套打法。

傅盛：這波AI帶來硅谷新的增長模式，比如社群、用戶接觸方式，都和國內(nèi)不一樣。即使做軟件產(chǎn)品，也得尊重和理解硅谷這輪新的增長模式。

泓君：對，硅谷硬件產(chǎn)品進入核心零售渠道如Costco、Target，是個里程碑事件，就是你所說的要尊重渠道。

傅盛：對，還有一個要注意的坑。我們當年遇到過產(chǎn)品被下架的事情，這個事我反思了很久，對我們幾乎是毀滅性打擊。主觀上我們沒做錯什么。后來我意識到，當年在硅谷我們也雇了不少人，但我花的時間很少，高管花時間也少。沒有在這里建立起人脈網(wǎng)絡，甚至生態(tài)系統(tǒng)，就是公對公。當出現(xiàn)問題時，大家的不信任感是很強的。本質(zhì)上誤會大于事情本身。為什么要尊重渠道？和渠道搞好關(guān)系，就變成了共生關(guān)系。

比如TikTok，川普第一任的時候說要下架它，他就沒下成，主要是因為TikTok在當?shù)赜泻芏嗑W(wǎng)紅，已經(jīng)是一個生態(tài)了，你有自己的這種人脈和生態(tài)系統(tǒng)幫你的時候，就能處理這些事情。

泓君：說到這個我感受很深。這輪AI，我們就看到整個OpenAI和Sam Altman，他們和英偉達、AMD綁定得很緊，有一種鐵索連環(huán)共生的感覺。美國人很會玩這一套。中國企業(yè)在這里做應用，我覺得還是有點單打獨斗，沒有聯(lián)合起來。

硅谷徐老師：不敢把命運放在別人身上。

泓君：對，綁定得還不夠深，還是要讓一點利出去，讓大家在一個地方能利益共享。

傅盛：是的。我記得霍夫曼（Reid Hoffman）當時在北京約我吃早餐，討論北京和硅谷的異同。他講了一個不同點特別打動我：他說硅谷有個東西叫“relationship”。我說，哎？關(guān)系不是我們中國人很講究的嗎？

硅谷徐老師：他說硅谷的關(guān)系非常微妙，非常不一樣。都是關(guān)系，但內(nèi)涵不同。

傅盛：對，內(nèi)涵不一樣。我們的關(guān)系是一起吃喝玩樂，人家的關(guān)系是商業(yè)網(wǎng)絡關(guān)系。硅谷創(chuàng)新為什么多？就是這樣，我要創(chuàng)業(yè)了，幾個人給我一張支票，因為和你有很好的商業(yè)的relationship，不是人情世故的relationship。

泓君：我自己其實感受也蠻深的。我自己出來做播客的時候，沒有流量，很多聽眾問我怎么約到那么多大咖嘉賓？但我覺得我在整個硅谷的生態(tài)里，所有人都說“你要出來了，那我第一波支持你，我可以上你的節(jié)目”。徐老師也是特別早就支持我的。

硅谷徐老師：那是六年前，我們聊GPT，聽的人很少。

雖然我們剛才提到CES沒有想象中驚艷，但我覺得技術(shù)不是一蹴而就的。就像OpenAI一開始也在做一些沒讓人驚艷的事情，它需要長時間積累“不驚艷”才能夠到達這一天。

今天我學到很多機器人里的坑，這和我對人形機器人的直覺還比較遠是符合的。但你提到伊隆·馬斯克做機器人，我比較贊同他的一點是：他覺得泛化很重要，雖然難，但他寧愿啃這個硬骨頭。我覺得他是有一定道理的。

我不是專家，只是從直覺上來講，我們六年前談GPT，泓君你記得嗎？你問我為什么這是一個里程碑事件。我當時就說，GPT讓我第一次看到in context learning（情境學習），能夠泛化。這對我們做AI多年的人來說，以前都是特定數(shù)據(jù)、特定場景訓練，一旦有丁點的變化，結(jié)果就不一樣，這是一件很痛苦的事情。到了2020年我才意識到，真的可以做成一個不需要事先考慮那么多數(shù)據(jù)和場景，用in context learning能夠做出來。雖然當年GPT-3效果和今天差很多，但第一次讓我看到泛化的可能。這就是為什么六年前我們就說這是一件意義深遠的事情。

對機器人，我還是希望它有泛化功能，今天我沒看到任何人做得很好。伊隆·馬斯克不需要我支持，但我會支持他做人形機器人。而且即使今年CES沒讓我驚艷，但這個方向還是很重要，這是我個人看法。

泓君：講得非常好。我覺得兩種方向都對：既要解決最難的通用機器人問題，也要在過程中商業(yè)化養(yǎng)活自己，通過垂直場景先實現(xiàn)部分應用。兩種思維不一樣，但都需要。

硅谷徐老師：因為你想，OpenAI之所以能把大模型這條路走通，現(xiàn)在大家都忘了，但在2018、2019年，花幾百萬美元訓練一個模型，這是一個不可思議的事，有人覺得完全是浪費。另外一個看法是，即使做出來了又怎樣？所以它敢于用現(xiàn)有的落地場景去做嘗試，我覺得是非常重要的。

泓君：這兩條路最終可能會融合。

傅盛：我覺得肯定會融合。剛才我們聊的是我從從業(yè)角度做的技術(shù)判斷，比如我今天會不會去做（通用人形機器人）？我肯定不會。但你問我希不希望它成功？我當然希望。它如果真成了，就意味著機器人的“GPT時刻”到了，那不光人形會大行其道，輪式機器人也會大行其道，因為我加手臂上去還能便宜一半，對行業(yè)當然是大好事了。我也盯著像Scale AI這樣做機器人大腦的公司，真心希望有一個模型能出來，把很多不同硬件泛化掉，那對我們來說就太好了。行業(yè)愿景、可能產(chǎn)生的突破，和我們自己選擇的路，不一定要在一條賽道上。

2026年3月15（周末），AI+ 將在舊金山舉辦年度旗艦峰會:AI+ Ren??ssance Summit。

已經(jīng)確認的speakers是40位來自Cognition、Parallel、Tavus等AI unicorn公司的Founders；來自O(shè)penAI、Anthropic、Deepmind的核心模型作者、agent框架作者；和來自Salesforce、Nvidia、Cisco、Microsoft的Big tech leaders.

大會聚集2000位Founders，Builders & Investors, 一起聊聊聚焦多模態(tài)、Agent、AI Infra 和Robotics方向的最新進展。

時間: 3/15 (Sun), GDC和Nvidia GTC之間 地點: San Francisco 網(wǎng)站: https://renaissance.aiplus.dev/ 現(xiàn)在報名: https://luma.com/renaissance26

【音頻收聽渠道】

公眾號：硅谷101

收聽渠道：蘋果｜小宇宙｜喜馬拉雅｜蜻蜓FM｜網(wǎng)易云音樂｜QQ音樂｜荔枝播客｜嗶哩嗶哩

海外用戶：Apple Podcast｜Spotify｜TuneIn｜Amazon Music

聯(lián)系我們：podcast@sv101.net