Token导航 LogoToken导航

AI 资讯 · 有界UnKnown

王兴兴Jim Fan谈机器人行业临界点与夏天

更新 2026-11-20有界UnKnown正文 3990字阅读约 13分钟2 张图片
图片

IMAGE  图片来源:电影《终结者2:审判日》

作者山茶

编辑韩林

有界Unknown 原创

在2026年APEC工商领导人峰会上,王兴兴给机器人行业下了一个最新的判断:今年全球技术突破已接近临界点。

非常恰巧,就在几天之前,英伟达GEAR领导Jim Fan在CoRL 2026上也说了相似的话,他说,现在的机器人行业不是寒冬,而是夏天。

为什么单独说这两句话呢,众所周知,现在的机器人行业盛行的,实在是另一番论调,泡沫破裂,资本寒冬,企业倒闭......

所以,像这样提振信心的话,实在是一个异类。

那么,同一个行业,为什么会有两种完全不同的体感?谁在制造话题,谁又才是真正的行业判断?

现在的机器人行业,到底是寒冬还是夏天呢?

01PART ONE

技术与资本的矛盾

首先需要明确的是,我觉得没有人在制造话题,寒冬与夏天都是大家真实的体感,而且这种体感的差异,恰恰是当前整个机器人行业矛盾最重要的体现。

我们知道,现如今的机器人行业,本质上是一个揠苗助长,或者说,价值过于超前兑付的结果。

就「有界UnKnown」不完全统计,机器人行业算得上独角兽的企业有31家,这里面又有超过三分之一是在2023年成立的。

图片

制图:有界Unknown|数据来源:有界Unknown不完全统计

这一批企业,从成立到成为独角兽,平均时间仅有1.75年;而在过去,通常需要5~7年。据说,因为估值增长太快,一些企业成为独角兽的时候,团队成员甚至还没到齐。

而之所以有这么多被快速催熟的机器人公司,就要从LLM的发展说起,它让市场确信Scaling Law的价值,并相信这种规律迟早会在机器人场景下出现。

当然,和LLM一样的Scaling Law还没有被机器人行业找到,但这并不影响大家把这一部分价值算到估值当中。

这就造成了现在机器人行业大多数企业的估值,与其当前可创造的实际价值出入过大,这也就是所谓泡沫了。

在过去,问题其实不算问题。

因为对于投资人来说,只要公司能够顺利上市,自己顺利退出,大家的任务就算完成了,身后无论是AGI,还是泡沫破裂,都与他们无关了。

变故当然是今年9月传出的机器人行业IPO审核趋严的消息。

当退出的门槛被抬高,资本为了让企业快速满足上市条件,这些年轻的机器人企业就被要求快速的产生收入,于是企业开始一窝蜂的涌入快递分拣,工厂搬运,家庭服务的场景。

这当然并不现实,毕竟无论企业估值有多高,融资规模有多大,机器人始终还是一个非常早期的行业。

Scaling Law还没有出现,能力泛化问题也没有解决,从本地到模型,商业化进展艰难且缓慢,于是,资本的投入开始放缓。

IT桔子数据显示,2026年6月,机器人行业融资总额达到328亿元的阶段性高点,此后持续回落,8月降至约240亿元,10月进一步降至约110亿元,较6月高点缩水约67%,不足其三分之一。

资本终究还是回归了理性,而失去了资本的支持,本身缺乏造血能力的机器人企业,自然也就开始感受到寒冷。

这大概就是所谓的冬天。

但就技术创业者而言,他们看到的又是另一幅场景。

9月,GPT-6 Astra的发布,让技术从业者看到了通用基础模型直接控制机器人的可能;随后,Figure Helix 2.5在35个陌生家庭场景中展示了跨场景泛化能力;英伟达GR00T 2则通过人类演示学习机器人技能,降低了不同任务和机器人本体对专用训练数据的依赖。

此外,全球机器人市场还在增长。国际机器人联合会(IFR)预计,2026年全球工业机器人新增安装量将达到65.5万台,同比增长9%

所以,机器人技术确实在突破,市场需求也在增长,只是这些进展还不足以支撑资本此前的高估值和回报预期。

说到底,一个像冬天,一个像夏天,本质上是机器人行业技术发展和资本预期不匹配的矛盾。

技术进步有自己的规律,商业化也有自己的周期,不可能靠资本催熟。因此,在市场不断回调的背景下,那些缺乏核心技术和真实市场需求、仅靠融资和风口支撑的企业,也将逐渐被市场淘汰。

02PART TWO

谁能看到黎明?

但行业的未来,与一家企业的未来,终究是两回事。

技术不断突破的过程中,有些企业会因此获得机会,也有些企业,可能恰恰因为技术进步而失去原来的位置。

所以,判断谁能看到黎明,首先要看,行业的价值正在往哪里转移。

第一个值得关注的变化,是此前被资本追捧的“具身大脑”,正在迎来更强大的竞争者。

前两年,机器人行业的标杆一直是以宇树为代表的本体企业;但从2025年下半年开始,行业的中心就开始从“身体”转向了“大脑”。

10月份,中泰证券的一份数据显示,2026年上半年,国内具身智能赛道共获得融资约438亿元,其中以具身大脑为核心业务的公司占比就超过50%,拿下222.53亿元;而以本体整机为核心的公司仅拿到约56亿元融资,占比12.8%。

变化的逻辑并不复杂,一方面是前面提到,卡主机器人落地的就是泛化问题,所以谁能解决这个问题,谁就掌握更大的价值。

但现在,随着基础模型厂商的能力进一步延伸到物理世界。这些趁着趋势蜂拥而入的具身模型企业的生存空间必然收到挤压。

这其中,那些依靠通用理解、任务规划等能力建立差异,却缺少独有数据、控制能力和真实部署积累的公司尤为危险。

第二个变化与之对应:当智能能力更容易获得,那本体的价值就可能重新凸显。

毕竟,如果基础模型进一步击穿物理AI的壁垒,那些过去需要投入大量资源解决的智能问题,就可以通过外部合作得到解决。

到时候,谁的本体更可靠,谁能控制成本,谁能批量交付,出了故障谁能及时维修就会成为很重要的竞争力。

当然,王兴兴在APEC上的发言也提到,即使机器人AI模型迎来突破,生产制造、可靠性和售后服务仍会面临巨大挑战。当需求从每年几万台扩大到数百万、数千万台时,产业需要解决的问题会完全不同。

当然,在这个新的变化下,大脑与本体之间仍然存在大量工作。

在现有的机器人决策体系下,System 2负责高层推理与决策,比如理解指令、识别环境、任务规划、拆解步骤。这是现在基础模型主要拿走的部分。

在System 2下面还有System 1和System 0,他们与硬件绑定更紧密,如何控制力度、处理接触反馈、实现低延时响应,都需要模型、本体和真实交互数据协同解决,短期内难以靠通用推理直接替代。

所以,这显然会成为一些专业公司的机会。

但随着基础模型继续向下延伸,单独做一层模型的空间仍可能受到挤压,所以企业仍然需要通过软硬件协同和实际部署,建立更深的壁垒。

好了,以上其实是从技术角度来理解,但从商业化的角度,未来谁能活下来,也有另一番理解。

这一点,我们其实可以从自动驾驶中找到一些参照。

自动驾驶经历过从聚焦L4转向辅助驾驶,探索过矿山、港口、园区和干线物流等垂直场景,也尝试过自动泊车等具体功能,但到现在,经历周期还活着的公司其实所剩无几。

如今机器人行业其实就走在一个非常相似的路口,通用能力仍待突破,不少企业开始切入码垛、分拣、搬运等具体场景,希望先通过落地获得收入。

但自动驾驶的经历已经说明,收窄场景,并不意味着商业化就能跑通。真正需要判断的是:这些任务是否有持续需求,客户能否算清投入产出,产品能否跨客户复制。

比如从公司的实际结果看,商业化进展较好的,是能在高频刚需中稳定交付,并获得持续订单的企业。像易控智驾实现了跨矿山部署,西井科技获得港口客户多次追加采购。这类公司逐步把技术变成了客户日常使用的生产工具。

失败的一条典型路径,是研发持续投入,产品却迟迟无法形成收入,企业高度依赖后续融资。比如Embark,即使选择了需求庞大的货运市场,也因收入难以兑现、持续亏损和融资困难,在2023年开始收缩运营。市场有需求,并不代表企业能及时把需求变成收入。

由此来看,机器人公司选择细分场景,关键是让技术成熟度、客户收益和交付成本相互匹配。先形成客户愿意持续购买的产品,再逐步扩大应用,才更有机会把短期收入变成长期生意。

自动泊车的案例则给了另一个提醒,有需求的功能,也可能逐渐成为更大系统的一部分。

比如,博世已将驾驶、泊车等功能整合进统一计算平台。这意味着,即使单一功能仍有市场,独立供应商也可能面临系统整合带来的竞争压力。

放到机器人行业,码垛、分拣、搬运固然都可以是切入口,但固定任务已有成熟自动化方案,新产品需要证明自己的成本、部署或柔性优势。

相比之下,多规格装卸、不规则物品分拣、设备之间的搬运衔接,更值得观察:需求稳定,同时存在传统自动化难以经济覆盖的环节。

Stretch和Digit提供了具体参照,前者从箱体装卸切入,积累实际运行数据后,继续改善停机和维修问题;后者先承担料箱搬运等任务,再与客户计划扩大部署。它们都是先把具体任务做可靠,再扩大应用范围。

因此,我更看好那些作业频繁、替代价值明确、任务边界清晰且能够跨客户复制的场景。高危作业也值得关注,其价值可以通过减少人员暴露和停工损失来衡量。

相反,需求零散、频次不足、每单都需要重新定制的业务,很难支撑企业长期经营。

对机器人企业而言,一笔订单带来的是收入,一批可重复交付的订单才能形成真正的生意。能否将单点任务沉淀为标准化产品,并积累可复制的交付能力,将决定企业能否穿越周期。

03PART THREE

把时间还给产业

机器人行业的冬天和夏天,其实并不矛盾。

一边是技术不断突破,新的可能性接连出现;另一边是资本收紧,市场开始重新计算时间和回报。技术在奔向未来,资本却要先解决眼前的问题。

但产业的发展从来不是一蹴而就的。从实验室里的技术突破,到真实世界中的稳定运行,再到形成成熟的商业模式,每一步都需要时间。资本可以为这段路提供燃料,却不能替代技术本身的成长。

我依然相信机器人的未来,也相信这场变革终将到来。但技术革命从来不是所有参与者的盛宴。每一次产业浪潮,都会有人乘风而起,也会有人在潮水退去后离场。

机器人行业的夏天或许已经在路上,但并不是所有播下种子的人,都能等到收获的季节。

 - END - 

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。