智能机器人市场还在持续升温。
8月8日，世界机器人大会在北京开幕，据新华社报道，此次大会累计售出机器人及相关产品1.9万台，销售额超2亿元。紧接着8月中旬，世界人形机器人运动会开赛，在百米短跑、跳高、1500米赛跑、自由搏击、足球5V5等等项目中，机器人时而“耍赖躺平”、时而奋勇争先，为我们贡献了不少有趣、鼓舞人心的画面。
出圈事件背后，有一组核心数据值得我们关注：从2015年到2024年，中国连续12年成为全球最大工业机器人市场。2024年，我国工业机器人市场销量达30.2万套。以工业机器人为代表的硬件制造产业链，与人工智能等新技术汇聚在一起，形成合力，将助力具身智能机器人的发展。
在这一波具身智能热潮之前，峰瑞在机器人领域进行了系统性布局。我们陆续投资了近10家与具身智能机器人相关的公司，包括逐际动力、源络科技、翼菲科技、动易科技、因时机器人、航凯微电等，涵盖了本体制造、核心零部件、传感器等多个环节。
不久前，峰瑞资本创始合伙人李丰在新经济学家智库旗下“太学（TAIXUE）”栏目中，分享了关于机器人领域的投资思考，回应了当下与机器人有关的一些热点和争议问题，包括但不限于：
·我们为什么选择投资机器人？
·为什么我们今天看好具身智能？
·机器人一定要进工厂吗，服务业会不会是更大的市场？
·机器人现在到底行不行？面临哪些挑战？
以下是部分观点：
我们看到了机器人在解决未来劳动力短缺和服务经济需求方面的巨大潜力。随着中国服务业的发展，劳动力供给不足的问题日益突出，机器人作为替代或补充劳动力的工具，具有广阔的市场前景。
具身智能不仅涉及复杂的硬件制造产业链，还结合了高科技软件和人工智能。它有望成为解决服务业中人力短缺问题的关键工具。例如，通过自动化和智能化技术，机器人可以在医疗、餐饮、物流等领域提供高效的服务。
尽管机器人在某些领域取得了显著进展，如移动能力和特定任务的操作能力，但在上肢操作等方面仍面临诸多挑战。例如，缺乏物理世界的数据积累、传感器标准化尚未形成等问题。
希望能带来新的思考角度，欢迎你移步小宇宙App和Apple Podcast搜索「高能量」收听本期节目，也欢迎你在视频号、B站、抖音等平台搜索“李丰”“机器人的投资逻辑”来观看视频版本。
/01/
我们为什么选择投资机器人？
如今，从创投行业再到普通用户，人们对“机器人”的看法几乎分成两派。
一种观点认为机器人非常有潜力。特别是今年，“具身智能”作为国家规划中的“未来产业”之一，被写进政府工作报告。既然能被写进国家级的战略文件里，说明这是一个充满希望、前景广阔的方向。
另一种观点则认为，机器人还发展得不够成熟。比如，4月在北京举办的全球首个人形机器人半程马拉松上，人们看到有些机器人不仅跑得比人慢，走路还会摔跟头，甚至还需要两个人在后面牵着才能完成比赛。机器人这样的技术状态，真的能走进我们的生活、为我们服务吗？
2021年之前，机器人领域远不如今天这般火热。我们之所以选择投资机器人，主要有以下几个方面的考虑：
第一个是技术的变化。尽管那时的大模型尚未像现在这样热门，但一些早期的人工智能技术，尤其是强化学习，已经开始对机器人技术产生深远影响。强化学习让机器人能够通过不断试错来改进自身行为，这为机器人的智能化提供了重要支持。
第二个是考虑到中国在全球产业链中的独特优势。
机器人由两个核心部分组成：一是软技术部分，也就是人工智能，负责决策与控制，相当于机器人的“大脑”；二是硬件本体部分，包括各种精密的机械结构、电机、传感器、芯片等，构成了机器人复杂且高度集成的物理系统。
在中国，像机器人这种“软件+复杂硬件”的组合，恰好是我们具备显著优势的方向。
过去十年，中国已经证明了：如果我们将一项高附加值科技，与一条长而复杂的硬件产业链相结合，从而打造出一种全新的产品形态或者品类。一旦这个产品被社会广泛接受，它就有可能成为中国在全球范围内的一个显著优势。
几乎在大多数这种“软科技+硬制造”模式的行业中，中国都已经展现出这样的能力。从智能手机到电动汽车，再到运动相机，这些产品都是将软件技术和复杂硬件结合的典型。比如，华为手机如今已经在高端手机市场中占有一席之地。再比如，影石科技生产的运动相机超越了GoPro，在全球市场上占据了领先地位。
正如智能手机依赖于精密的硬件制造与强大的操作系统协同，机器人同样需要人工智能与复杂机械系统的深度融合。而中国不仅拥有庞大的消费市场，还具备完整的硬件制造产业链。这些综合优势，正逐步转化为中国在全球机器人市场中的竞争优势。
/02/
为什么我们看好具身智能？
目前峰瑞已投资近十家机器人相关的公司。我们为什么看好具身智能？
一、任何一个大的行业通常需要经历泡沫阶段
一个行业想要发展起来，可能难以避免会经历泡沫破裂的过程。在发展高潮期，行业会吸引大量资源投入，推动技术和产业链的发展；在泡沫破裂之后，市场又会淘汰掉一部分企业，留下真正有竞争力的“幸存者”，为下一轮行业的发展奠定基础。
这种起起伏伏的过程看似混乱，但其实是行业发展的一种必然路径。在中国，互联网、电商、新能源汽车等行业都经历过这样的周期性波动。
具体到新能源汽车行业，2014年前后，中国的“互联网造车”概念兴起，蔚来、理想、小鹏汽车等品牌开始涌现。此后，新能源汽车行业经历了不少高潮与低谷，但中国的新能源汽车行业还是发展起来了。中国新能源汽车产销量已经连续10年位居全球第一，产品出口到70多个国家和地区。
二、国家战略对行业发展有巨大推动力
在中国，有时一个行业的发展，不仅仅是因为其中的商业逻辑或市场需求，还因为它背后有国家战略在助推。
分享一个我在投资上的小教训。“造车新势力”刚兴起时，我觉得像新能源汽车这样一个高度依赖制造能力的行业，由没造过车的人来主导会不会太冒险？于是，我们在电池、传感器、控制器等关键零部件上下了很大功夫，但在整车品牌的投资上却犹豫了。
我总结出一条经验：在国家战略的推动下，一个行业的发展速度、规模和成长空间，常常远超基于市场逻辑的预判。
今天来看，驱动新能源汽车产业崛起的，远不止市场对新产品的偏好，其根本动力在于中国应对能源结构转型的迫切需求。
从2017年开始，中国超过美国，跃居为全球最大的石油进口国。目前我国每年消耗的石油中，70%以上依靠进口。这种外源性依赖意味着，一旦出现极端情况，能源安全将面临风险。
发展新能源汽车也成为了解决能源依赖的方案之一。
三、具身智能领域有哪些机会？
参照新能源车行业，在机器人领域，我们到底碰到了什么样的机会？
1、服务业劳动力短缺带来的替代需求
近年来国家出台的很多政策都指向服务业。这些政策不仅涉及餐饮、旅游、文化娱乐这些传统的服务行业，还包括金融、教育、医疗等多个细分领域。比如，2023年颁布的《关于加快生活服务数字化赋能的指导意见》、2024年开始实施的《全链条支持创新药发展实施方案》、2025年发布的《服务业经营主体贷款贴息政策实施方案》等等。
国际经验表明，当一个国家的人均GDP超过一万美元后，通常就会进入服务业高速发展的阶段。2024年，中国人均GDP已超过1.3万美元，服务业占GDP比重为56.7%。相比之下，美国的服务业占GDP的比重约为80%。这意味着，中国的服务业还有很大的发展空间。
但问题也随之而来：服务业极其依赖人力。随着人口结构的变化，特别是老龄化加剧，未来我们可能会面临一个严重的矛盾：想买服务的人越来越多，能提供服务的人越来越少。
我们怎么解决这个问题？
上文提到，机器人是“软科技”（比如人工智能）与“复杂硬件制造产业链”的结合。这种“复杂硬件”不仅仅指外壳、结构件，还包括了大量电机、芯片、传感器等核心零部件。
当我们将这些技术和能力整合起来，用于解决服务业发展过程中面临的结构性矛盾，那对于中国来说，可能意味着一个全新的产业发展机会。
我们以电商与网约车为例，理解服务业在技术驱动下出现的创新机会。
首先看电商行业。2000年左右，中国进入了商品经济高速增长的阶段。这一时期，房地产市场迅猛发展，类似于美国二战后的情况。房地产市场的快速增长不仅推动了住房需求，还刺激了关联消费需求，比如装修、购买家电和家具等。
然而，那时中国的线下零售体系还不够完善，无法完全满足消费者日益增长的需求。2003年，淘宝上线，中国诞生了一种与国外截然不同的商业模式——电商。电商用数字化加科技方法，解决了当时的供需矛盾。中国的电商比零售线下零售跑得更快。
再来看网约车行业。虽然专车服务最早起源于美国的Uber，但中国用户享受到的网约车体验可能是全世界最好的——车辆供给多、配置好、饮用水以及充电线等附加服务多。
在网约车出现之前，中国出行市场面临的巨大挑战在于，人们对出行服务的需求，远远超过了出租车系统的供给和调度能力。于是我们用数字化加科技的方式，大力发展了网约车这一模式。
这两个例子说明了，当经济发展到一定阶段，我们或许可以尝试用技术手段来解决供需失衡的“结构性矛盾”。这也是我们投资机器人的主要原因，用科技来解决未来服务业可能会面临的矛盾。
2、机器人为什么要做成人形？
机器人要不要做成人形，是当下行业的热点话题之一。
机器人之所以要做成人形，是因为它们要进入服务行业，出现在日常生活里，跟你我打交道。
不同于制造业，服务行业需要机器人能够与人互动，在家庭、商场、医院等人类日常生活的空间中自由移动、完成任务。如果机器人不是人形，那我们得把所有的基础设施重新改造一遍，包括剧院座椅、通道宽度、桌子高度等等。否则，机器人无法适应现有的环境。
换句话说，与其让社会为了机器人而改变既有的基础设施，不如让机器人适配人类现有的活动空间。
回到最初的问题：我们为什么还看好机器人，还看好具身智能？
首先，任何一个产业可能都会经历泡沫和泡沫破裂的过程，这是行业发展的必经之路。
其次，机器人背后的底层逻辑不只是技术本身，还有国家发展战略、经济结构调整、人口结构变化等一系列宏观因素的推动。
最后，具身智能所面对的，是一个巨大的、长期存在的结构性机会——那就是未来服务业中劳动力供给严重不足的问题。而机器人，恰恰是解决这一问题的关键工具。
/03/
机器人现在到底行不行？
面临哪些挑战？
一、机器人的上肢还远未成熟
如果我们把机器人分为上下两部分来看，机器人的上肢负责操作，下肢负责移动。
目前，机器人的下肢（移动能力）已经取得了显著进展。得益于强化学习等人工智能算法的进步，机器人的移动能力变得很强，能够在复杂的地形中行走、奔跑甚至摔倒后自行爬起。
然而，机器人的上肢（操作能力）却远未成熟。上肢操作涉及复杂的物理交互，远比简单的移动要复杂得多。
尽管有很多炫酷的演示视频展示了机器人叠衣服、切菜或倒咖啡等功能，但这些任务大多是针对固定物体的操作。真正困难的，是让机器人与人互动或与其他动态物体互动，例如给人按摩、剪头发或穿衣服。
我们可以用自动驾驶作为类比，来看机器人的上肢到底难在哪。
当前的自动驾驶技术大多处于L2或L3级别，仍需驾驶员监控。现在机器人已经能够基于设定的路线，自己爬山、跑步，摔了一跤自己还能站起来，相当于做到了L4的水平。
自动驾驶的目标相对明确：从A点到B点，不碰撞任何物体。相比之下，机器人操作需要考虑不是不碰任何东西，而是碰“该碰的东西”，这背后涉及更多的变量和不确定性，比如手和环境、手和物体、物体和环境、上肢和下肢的协同等等。
比如，仅仅是倒水这件事，机器人需要考虑怎么把水从壶里面倒出来，怎么识别杯子从空杯子变成满杯子，还要用手把杯子握紧，以免掉在地上。
二、机器人缺乏物理世界的“常识”数据
机器人行业目前还面临一个巨大挑战——缺乏对物理世界的数据积累。
我们来看一个对比。早在燃油发动机时代，汽车行业就尝试过自动驾驶。比如，1958年，通用汽车在一段高速上进行了无人驾驶的加速和刹车试验。2009年，Google启动了自动驾驶项目，后来拆分成独立的公司Waymo。2020年，特斯拉发布了FSD的测试版本，自动驾驶逐渐进入技术攻坚阶段。
这些突破意味着，即使是在相对简单的控制模式下（比如方向盘、油门刹车），汽车行业也已经积累了数十年的数据。并且，这些数据可以不断复用，为L4/L5级别的自动驾驶打基础。此外，如今每一辆新能源车上几乎都装有大量传感器，它们采集的数据依然可以用来训练高阶智能驾驶系统。
而机器人面对的是一个高度复杂的物理交互环境。例如，一个瓶子里有多少水？这个瓶子是软的还是硬的？是纸杯还是铁杯子？它是凉的还是热的？能不能触摸？温度多少？能否倾斜？会不会洒出来？
这些关于物体材质、重量、状态、力反馈等信息，构成了真实世界中的“物理规律”。但在历史上，这类数据几乎没有系统性地被采集过，或者只有一小部分可用。
这也解释了为什么现在的视频大模型常出现“穿模”现象——比如人的手臂穿过墙壁、动作违反重力等。这是因为模型在生成视频时，只是基于文本和已有视频内容进行匹配，并没有真正理解物理规律。
而人类不同。我们通过成长过程中的磕碰、摔跤、试错，逐步建立起一套关于物理世界的直觉体系。比如说，如果你看到一把看起来快要散架的凳子，你肯定不会坐上去。这种判断不是天生的，而是经验积累的结果。
但机器人没有这种“生活经验”，它无法准确判断施加多大力量、以什么角度去抓取或操作一个物体。因此，我们现在很少看到机器人与人做复杂互动的演示，因为风险太大——它可能一不小心就让你受伤了。
有人提出，这个问题或许可以通过大模型来解决。有了互联网上的海量视频数据，加上一些训练和虚拟生成的数据，机器人或许就能“学会”这些物理常识。
大模型可能会对机器人学习物理世界有所帮助，但仅靠它远远不够。和人类似，机器人也需要经历“摔倒、碰撞、试错”的过程，建立真正的物理直觉。这个过程不能仅仅依靠虚拟数据。
三、在传感器等方面，机器人还没有形成标准的技术路线
除了物理常识的缺失，机器人还面临另一个重大技术挑战——传感器配置和技术路线尚未形成标准。
我们可以用新能源汽车的发展过程来类比理解这一点。
对于智能驾驶来说，基本上只有电动化架构（比如电机、电控、电池），才能实现真正意义上的数字化控制。芯片发出的指令可以实时、精准地驱动电机，实现“等速、等效、等时”的控制方式。而燃油发动机则完全不同，它需要先喷油、再燃烧、最后转化为动力，整个过程不仅延迟高，而且能量损耗大，控制既不实时也不精确。
在新能源车行业刚开始探索电动化的时候，它的传感器系统就已经逐步趋于固定。比如摄像头数量和位置、是否使用激光雷达等。
虽然不同厂商之间略有差异，但从整体来看，传感器组合已经基本稳定，训练数据也有延续性和复用的价值。
而机器人目前的技术方案还远未达到这种标准化的程度。
机器人要面对的是一个高度动态、复杂的世界，它需要跟世界交互，要具备极其丰富的感知能力和判断能力，也意味着它需要采集大量多维度的数据。
问题在于，今天到底应该给机器人装哪些传感器？装多少？怎么装？
这个问题还没有标准答案。不同的研究团队、企业可能采用完全不同的传感器组合、精度等级、安装位置。一旦这些配置发生变化，之前积累的训练数据就可能变得不再适用。
举个夸张的例子。对于一个机器人的手来说，到底是两个指头好，还是三个？或者五个？如果一开始你用两个指头训练模型，突然决定换成三指，那之前所有的训练数据可能就作废了，得重来一遍。如果哪天又想试试五指，就得再来一遍。
这些挑战表明，机器人技术的发展任重道远，这是一个新兴行业总要经历的。
回顾新能源车的发展历程，新能源汽车的投资人们可能也没有预料到，10余年间会发生如此巨大的变化。最终，那些敢于投资的人获得了丰厚回报。他们经历了多次泡沫和破灭周期，等到了市场最终爆发。
当前，尽管机器人技术目前面临许多挑战，但它确实是个未来产业。
以我们今天有限的想象力，不一定能想象到10余年后的未来到底是什么样子，也就是中国如何通过技术创新解决经济发展中的矛盾——既要发展服务经济，又要应对劳动力短缺问题，同时希望服务价格更加普惠。
时间倒回至2012年，滴滴打车前身小桔科技刚成立时，谁能想到它会改变我们的出行方式？同样，未来机器人也可能像今天的比亚迪和宁德时代一样，给我们的生活带来意想不到的变化。
注：文/李丰，文章来源：峰瑞资本(公众号ID：freesvc)，本文为作者独立观点，不代表亿邦动力立场。
文章来源：峰瑞资本
