联想创投合伙人王光熙：市场对人形机器人短期过于乐观而长期过于悲观

摘要： 时报记者毛宇你能想象一台机器人操刀手术的场景吗当一台手术机器人在手术台上精准操作仿佛拥有上帝之手不仅提高了手术的精确度还为患者带来了更高质量的医疗服务这种科技的力量正一步步推动医疗...

IT时报记者 毛宇你能想象一台机器人操刀手术的场景吗？当一台手术机器人在手术台上精准操作，仿佛拥有“上帝之手”，不仅提高了手术的精确度，还为患者带来了更高质量的医疗服务。这种科技的力量，正一步步推动医疗技术的进步，逐渐改变人们对医疗的认知和期待。9月8日，2024浦江创新论坛·青年创新讲坛上，年轻的医学技术...

当大模型成为移动互联网之后的下一个产业周期后，人形机器人也开始成为承载这一技术的典型产品之一。

公开数据统计，2023年国内人形机器人领域共有19起融资，披露融资总额达26.7亿元，同比增长65.5%。2024年上半年，国内的人形机器人投融资事件已达13起，融资总金额超25亿元。在参与投资的机构，有经纬创投、峰瑞资本、红杉中国等风险投资机构，也有联想创投、上汽、小米这样的产业资本，还有亦庄创投、浙商创投等 资金入场。

可以说，与上一波的自动驾驶创业潮类似，同样短期内还看不到商业化可能的人形机器人赛道上，为了抢到下一个时代的入场券，资本也开始了早期的密集押注。而不同是，相比自动驾驶而言，各地 和国有资本进入人形机器人产业的程度更深、节奏也更快。

“ 层面如此深度地参与这样一个早期行业，确实是在十年前的自动驾驶创业潮中未曾出现过的现象。”

联想集团副总裁、联想创投合伙人王光熙对钛媒体APP表示，至于其中原因，一方面与整个资本市场的环境变化相关。近几年，国有资本在新兴产生产力相关的一些创新领域，开始扮演越来越重要的角色。

另一方面，人形机器人是一个 早期的行业，也是一个跨领域的复杂系统工程——从AI软件到硬件，再到应用场景，整个价值链的链条 长。这就导致单一的机构，很难像 部门那样，凑齐那么多的资源来支持产业的发展。

王光熙认为，在人形机器人这个 早期的行业中， 出来做一些事情还是 有价值的。而作为本轮人形机器人的资本参与方，联想创投也投资了诸如星动纪元、逐际动力等人形机器人领域的热门公司。

“人形机器人领域的早期投资，很关键的一点要看创始人是否具有极强的跨领域研发能力。也就是AI时代原生的具身智能科学家，而不是原来做了多年的机器人控制或者视觉算法，现在大模型火了，出来学着做具身智能的人。”

王光熙称，人形机器人领域的创业团队，需要有对前沿技术的理解和突破能力，然后将最前沿不同领域的工具融会贯通，这样才能做好整体的技术架构。

在王光熙看来，现在市场对于人形机器人的预期，短期过于乐观而长期则过于悲观。短期内，有些人期待着人形机器人很快就能下场干活，进入产线甚至家庭生活。但目前这个行业的现状是，至少需要两到三年才能够在部分技术领域有一些长足的进步和突破。

而从长远来看，有观点则认为人形机器人泛化能力的突破看不到希望，从仿真训练到实际场景的迁徙存在巨大鸿沟。但其实人形机器人从发展到成熟的过程中，存在着大量的中间状态，在不同的可控环境和可控场景里面，人形机器人可以干各种各样的事情。

自动驾驶在发展早期时， 的倾向可能是先让企业在前面跑起来，然后在后续制定相关的政策。但人形机器人这波创业潮中， 层面相对更靠前进入，包括引导基金参与投资或者各地成立创新中心。你是怎么看待前后两次创业潮中， 相关部门的角色变化？

王光熙：你的观察是对的。

自动驾驶本质上还是基于百年汽车工业，有一套已经 成体系的产业生态，有成熟的规则，可以依托于成熟的产业去做增量试验。因此， 部门可能也没有必要在产业发展特别早期的时候，就参与进来。

相对于自动驾驶而言，人形机器人是一个技术难度更高的行业，未来潜在的应用场景也 广泛，涉及到工业、物流、服务业，甚至是个人消费，牵涉社会的方方面面。而且，它还是一个跨领域、复杂的系统工程。从AI软件到硬件再到应用场景，整个价值链的链条 长。

这就导致单一的机构，很难像 部门那样，凑齐那么多的资源来支持产业的发展。这个时间点， 出来做一些事情，还是比较合情合理的，也是 有价值的。

此外，整个资本市场跟十年前相比也有了一些变化。国有资本在最近几年，尤其是跟新兴产力相关的创新领域，开始扮演越来越重要的角色，引领作用会越来越强，这确实在十年前是没有的。

在各地 部门参与人形机器人发展的过程中，你认为那些城市会有比较大的优势？

王光熙：根据我们有限的了解，各个地方的方式不太一样，很难评价哪个方式更好。

以江浙沪地区为例，它本身的产业体系就很丰富，从AI到半导体算力再到规模化制造能力，都有比较全的供应链。同时，江浙沪地区的商业化比较发达，大家很会做生意。所以，他们做这件事是奔着能够商业化的目标去的，主导权更多是在企业。

北京这边可能不太一样，整个制造业相对比较少，但是优势也很明显，就是AI人才密度很高，还有高校和互联网大厂的资源。北京的政策是属于提纲挈领型的，通过建立框架性政策指导，构建 型的产业技术生态。

对于人形机器人这样一个过于早期的行业，供应链的集聚效应，算不算是一个明显优势？

王光熙: 当然是。

机器人目前很多的零部件都不是新的，对于汽车零部件的复用度 高。新能源汽车在最近十几年突飞猛进的发展，让中国在电机、电控、电池的产业集中度 高。同时，汽车行业的激烈竞争，也让零部小型化、安全性和能量密度快速提升，这些零部件很大比例可以在人形机器人本体上复用。

除了本体之外，现在主流观点会把人形机器人其他技术分成大脑、小脑两个部分，这两个领域的技术发展又是怎样的？

王光熙：我其实并不喜欢这种分类方法，比如小脑代表的是控制，大脑代表的是感知理解，这样会把这个事情变得很割裂。从未来的终局来看，人形机器人可能会越来越像是一个高度融合的端到端模型，这种纯模型驱动的方式成功概率比较大。

其实就跟人一样，人的行为逻辑并不是先坐在那儿，然后想做一件事情，大脑先把它全计划完，然后把这个计划输出给小脑，让小脑接收到一堆指令，最后出现各种动作。人类行为的本质，是高度连通的神经网络，条件反射型的自主动作，有些是直接通过小脑进行运动控制。

所以，在目前人形机器人的基本形态都还没有完全确定的情况下，分别去研究大脑和小脑的技术，其实也不太现实。

这有点类似于特斯拉的FSD。FSD出现之前，大家会认为要实现自动驾驶需要安装多少个雷达，多少个传感器。但FSD出现之后，就把之前的感知、推理、决策逻辑，完全推翻了。通过基于神经网络的端到端模型，FSD能实现更好的强化学习效果。

但这里面有一个问题，特斯拉FSD的成功，是基于长周期、大量的汽车训练数据得来的。如果纯靠模型驱动，人形机器人各种维度的数据应该怎么获得？相比于特斯拉FSD所需要的数据量，人形机器人大模型的数据量是不是更大，获得难度也更大？

王光熙：不一定。

FSD出来之前，虽然特斯拉有了十多年的数据，但这些数据的对于纯模型驱动的FSD而言，价值没有那么高，此前投入大量精力做的数据标注工作可能都是白做的。你可以理解为，FSD不是因为特斯拉有了此前十年的数据量才能做出来，而可能是因为基于神经网络的端到端模型，基于近期更高质量的数据和现有的硬件框架，才有了FSD。

对于人形机器人的数据，现在学术圈也在探索，怎么用更 的方式来获取数据和融合多种类型的数据。这些数据中，有些可能是机器人在真实场景中的训练数据，有些可能是从模仿学习得来的数据，有些可能是用高质量的仿真环境训练出来的数据，不一而足。

但总的来说，想要实现人形机器人的通用化，这些数据的需求体量也没有想象中的那么巨大，因为机器人运动控制的精度和灵敏度也不需要那么高。

和自动驾驶不一样，一个成熟的自动驾驶产品需要做到人类司机差不多的事故率，甚至更低。但对于通用人形机器人而言，它不一样要和人类同等水平或是超越人类水平，它可以有很多中间状态，基于不同等级的通用水平，可以在不同的场景做更多的事情。

这是不是也意味着商业化可能也没那么难？

王光熙：我觉得对于商业化，短期内大家都过于乐观，但是长期又都过于悲观。短期内，大家恨不得他明天就啥都能干。但长期来看，它能干还能干好，还便宜，这又很难且区别很大。比如，如果一个干活能力很强的机器人售价100万，你会买吗？可能不会，因为如果多雇佣几个人，算上增加的成本，可能还是人更便宜。

对于端到端的这种模式，还有一个问题是如果大家都往这个方向走，也都采用类似的传感器、关节、电机电控，那么最终决定产品差异的是什么？

王光熙： 虽然大的框架都差不多，但对于框架的理解差别还是挺大的。比如同样做强化学习、仿真训练，做得好与不好，差十倍都有可能。再比如在传感器方面，比如力控传感器或者触觉传感器，过去的行业积累都很少。所以，从传感器到底层算法再到多模态数据悬链，这个过程中产生的差异会 大，这也会导致机器人的泛化能力和适用场景也会差异巨大。

所以，对于人形机器人公司的投资，您最看重的是什么？

王光熙： 能否有极强的跨领域研发能力，这点是 重要的。人形机器人行业有着大量需要拓荒的地带，这个时候创始团队需要有对前沿技术的突破能力，以及能够将最前沿不同领域的技术融会贯通，这样才能做好整体的技术架构。

同时，要看这个人是不是AI时代原生的具身智能科学家，而不是原来做了多年的机器人控制或者视觉算法，现在大模型火了，出来学着做具身智能的人。如果只是一个商业化的团队，出来就跟你说我明年就能商业化闭环，就能卖多少机器人，那都是在吹牛。目前这个行业的现状是，至少需要两到三年才能够在部分技术领域有一些长足的进步和突破。（本文首发于钛媒体APP，作者| 饶翔宇 编辑 | 钟毅）