328次融资近400亿，复盘具身智能爆发年与落地现状-对谈酷哇科技李柯宏-Vol90

328次融资近400亿，复盘具身智能爆发年与落地现状对谈酷哇科技李柯宏 Vol90 328次融资近400亿，复盘具身智能爆发年与落地现状对谈酷哇科技李柯宏 Vol90 Modified February 15 非结构化场景的移动，跟人走路或开车其实有点像了。你不需要一个底层的规则库——就像你从来没去过美国，扔到美国你也能开车、也会走路。这是一种泛化的智能。 General Working：一个模型同时控制车身和风机 Thomas：我们先定义一下——这里讲的Working具体是什么工作？柯宏：以我们最成熟的产品——马路上跑的环卫机器人——来说。普通的自动驾驶车，它是两个自由度：横向转向和纵向刹车油门，就完成了。但我们的Working控制的东西更多元——扫盘开多大角度、风机开多大功率、吹和吸两种功能怎么协作、洒水系统根据地面干湿程度调节水压大小。从自由度来讲，我们的车能到10个自由度。方便大家理解可以这么类比，但我们内部不会这么说。具体举几个例子。一辆三吨级的机器人要开16个小时，一吨级的机器人至少要作业4个小时。为了保证车能扫得足够干净，风机功率得怼得很大——我们最大风机功率大概6.5千瓦。但其他所有部件加起来也就1千瓦。我们电池只有10度电。按照风机全功率来算，一个多小时就趴窝了。但你要作业4个小时。所以它必须判断地面上是什么垃圾，用什么档位的风机去吸。树叶和饮料瓶需要的吸力完全不同。这是基于环境感知倒推回来的Working决策。扫盘开多大、开不开洒水来规避扬尘、水箱根据地面干湿程度调水压——这些全部是通过环境感知实时判断的。而且这套系统跟移动系统是揉在一起的，不是N个模块去分布式并行，是一个大脑同时控制移动和作业。 Thomas：这跟刚才说的自动驾驶的Move模型是同一个？柯宏：是的。 Thomas：可以问一下端侧跑的是多大参数规模的模型？柯宏：参数规模我不太记得了，但我们用的是消费级显卡，算力规模是1600 TOPS。 Thomas：1600 TOPS——大概也跑不了太大的模型，可能7B左右，甚至没有7B。但1600 TOPS应该是高于市面上所有能买到的乘用车的算力了。柯宏：对。现在最新的索尔（THOR）芯片是1000 TOPS，早一点的地平线或英伟达Orin可能200到500。我们1600 TOPS这个算力用了五六年了——因为成熟量产量比较大，用的是40系列的消费级显卡。 Thomas：40系列？理论上这台机器可以玩黑神话悟空。柯宏：对，还可以玩比较高端的游戏。 Thomas：这个产品路线确实能看出成本考量——消费级显卡比专门的AI计算卡同算力下要便宜好几倍。 Nixon：所以这就解释了为什么驾驶和风机、扫盘这些执行器能用同一个模型去操纵。常见的智能驾驶是把智慧座舱和智驾分成两个模型、跑在不同芯片上的。但酷哇的算力够大，可以把两个模型合并成一个。 Thomas：没错。这还挺有启发的——过去如果我们想象一个人工骑在上面的清扫车，司机要同时完成驾驶、贴边、选择吸力、判断要不要喷水这一系列决策。有了这样的设备和模型，这些全部简化成一个AI在完成所有决策，而且通过端到端实现。一个模型覆盖移动加作业的所有自由度。本体成熟的三个标志 Nixon：技术判断之后，第二个关键问题是本体是否成熟。我们在想一个机器人形态成不成熟的时候，目前来看有几个非常明确的标志。第一个标志：是否普遍存在相同的形态、著名的开源项目、以及相似的控制逻辑。比如今天的机器狗——它们基本都有一个共同的前身，MIT开源的机器狗标准设计。这些机器狗的电机数量，甚至电机的控制逻辑都是一致的。这是本体成熟的第一个标志。第二个标志：对应场景的失效成本。如果你对人形机器人赋予的想象是"在家里帮你打酱油"，失效成本就很高——酱油洒了，家里的环境全脏了。第三个标志：可靠性。我们现在听到很多做科研的朋友反馈，灵巧手一周一换——一个星期过去，这套灵巧手就必须换掉重新做一个。做得最好的案例是宇树科技。我们之前有一期节目的嘉宾拆了宇树的关节电机，发现它在低端线上的成本控制做得非常好——把一些原来需要用金属的件换成塑料，把一些用来实时监测电机状态的传感器拿掉，依靠算法做补偿和推测，电机照样实现相同的性能。整个把设计和制造做到了一个很好的平衡。制造：从软件公司到买压铸机柯宏：讲制造要延展到我们最早期的状态——我们其实是一家软件公司，或者叫大脑公司。大脑公司有一个天然的想法：找硬件公司合作。就跟L4公司找主机厂合作一样，听起来很顺畅。但做的过程中会发现一个问题——无论是城市服务机器人还是具身机器人，在你做之前，没有人把这个产品定义清楚过。而且我们是AI企业，模型是要持续迭代的，你还要留冗余——功能上留冗余、计算力上留冗余。所以产品本质上需要从头定义。从头定义，你就需要开发很多硬件功能。比如电机。我们的车从外观看更像一个底盘型的机器人，它需要的是低压大功率电机——不像乘用车用的高压驱动电机那样需要很大的功率跑很快，但也不是普通的小电机。我们的车只有一吨，体积必须做小，但对功率有一定要求。这种"又小、功率又不低"的低压电机，行业里不能说没有，但做的人确实不多，因为产业里没有这个需求。再比如风机。我之前讲过，为了把垃圾箱从80升做到250升——因为如果只有80升，扫不了多久就满了，但我们验证过，要扫到4个小时至少得250升——你车就这么大，垃圾箱要做大，其他部件就必须做小。传统大型环卫车的风机是巨大无比的一整块，我们要把它做得很薄，功率还不能低。包括车身结构——我们是全车铝压铸一体成型。你可以用塑料，但刚性强度不够，在一些极端场景下车会散架，我们自己测过。所以本质上你需要一套完整的零部件能力——从电机到风机到车架。要干成这个，你得有一个工厂，不只是简单的组装工厂，而是具备机加、注塑、开模、冲压、锻造能力的工厂。我们应该是这个行业里第一个去买压铸机的公司。 Nixon：等等，所以你们不只是组装厂，下游零件也做了？柯宏：对。我们买了马扎克（Mazak）机床，有压铸机。比如车架我们直接买铝锭——买原材料来做零部件加工。整个产品货值百分之八九十的核心零部件是我们自己做的——全自研。大大小小各种电机加在一起大概有30多个。 Nixon：这是比亚迪模式，垂直整合。 Thomas：这确实是所有软件公司的宿命。回到乔布斯时代，苹果最开始也觉得自己是做软件的，但最后还是自己做了硬件。尤其在行业早期——机器人现在这个阶段，PC的早期阶段——你很难找到大规模量产的成熟零部件。我们之前聊宇树的时候也是同样的情况，很多东西必须自己做。因为没有足够的需求让供应链像消费电子那样成熟——华强北能把成本压到极低，前提是每年上亿台手机的出货量。但机器人，我们恰几天看过一个榜单，宇树和智元还在争谁是第一，但两家加起来不到1万台——还是一个非常小的数字。在头部尚且如此的情况下，整个领域一定需要自己来做制造，才有可能把成本和可靠性做到商业化的水平。Demo很容易做——不管成本多高都做得出来。但要商业化落地，需要考虑成本和客户能接受的价位，自己做制造是一个虽然看起来很重、也不性感，但必须经过的过程。柯宏：制造有两个功能。第一个是帮助产品快速迭代。所有沟通完全闭环在自己体系内。不管是造狗还是造人形机器人，再小的产品可能上面也有上千个部件，少一颗螺丝都做不出来。有自己的硬件能力，你想改什么马上就能改，一个礼拜出新版本。这是产品推进速度上最快的路径，甚至是唯一的路径。第二个是极致的成本管理。我们定位是"有生产力价值"，就是要算ROI。把上游不停地渗透到底、渗透到原材料，你才能做到极致的性价比。这在长期饱和竞争的状态下，是让你立于不败之地、至少不会死掉的东西。 Nixon：你们制造有多少员工？柯宏：最开始手搓工厂可能有一两百人，现在不到100个。因为里面已经做了大部分的自动化。 Nixon：已经进入标品阶段了。商业模式：为什么不能直接卖设备？ Nixon：最后讨论一个商业模式的问题。今天主流的机器人业态——送餐机器人、酒店机器人、跳舞机器人——大家非常喜欢用租赁模式。跳舞用租赁很好理解，一年就用那么一次。但我五年前调研机器人行业的时候就发现一个现象：很多公司用租赁来完成商业化。这个模式一直让我没想明白。因为送餐和酒店送物品，ROI看起来挺好算——你减掉了多少值夜班的员工，把预算换成机器人。但体现在一些公司的财报上，结果并不好。比如七年前的普渡科技（送餐机器人龙头），或者云迹科技（酒店机器人龙头）。云迹走到了IPO申报阶段，但财报里展现出来的累计亏损大约8个亿。为什么产品形态看起来很简单、交付的价值也很直接，却不能直接卖，反而要通过租赁？ Thomas：我觉得还是信任问题。第一，产品太新了，没有人知道花十几万买回来之后到底能用多久。我作为一个餐厅或酒店老板，对人员管理很有心得——员工成本多少、替换率多少、怎么排班，我都清楚。但当20%、30%的人换成了机器人，这个账我就不好算了。第二，一次性投入太重。虽然你帮我算了一笔账，但我没办法那么快相信。如果换算成租金，就非常好跟月薪做匹配——这个机器人替代了我多少服务投入，成本打个折。而且因为是租赁，机器人的损耗、可靠性问题就不是由我承担。技术迭代快，明年出新款了，我租赁可以换新的，买了就只能用旧的。普渡他们做送餐机器人的时候，当然是希望直接卖的。但一定遇到了阻力——中国餐饮店的老板算不清楚这笔账。转化成租金之后，虽然厂商要承担运维成本，但这个成本对厂商来说反而是可以计算的——有损耗率、有折旧模型。这可能是为什么今天大部分机器人都是以租赁方式进场。柯宏：将心比心，把自己当成消费者就很容易理解。一个机器人动辄十万起步，号称能帮你每天端盘子。你会买吗？其实你也不敢买。你怕用不好，万一坏了没人管。消费者跟从业者对这个事的理解有挺大偏差。行业里热火朝天，但让客户真掏钱的时候，还有很多顾虑。日租金或租赁的方式，本质上交付的是一套让客户可以放心终止的系统——我觉得用得不好，我就不租了、不用了，行不行？这就是一个很简单的算账和ROI问题。然后从公司角度看，你交付的产品越多，就需要做到足够标准化和泛化。如果做不到——类似上一个时代的SaaS公司，普遍增收不增利。你的部署成本、研发成本的增长比例比收入增长还要大，公司永远赚不了钱。云迹已经上市了，年报都是公开的，大家可以去看。不够泛化、不够标准化交付，就存在大量的非标问题，case by case地解决，就会产生增收不增利的结果。 Nixon：但酒店送个东西，不应该是挺标准化的吗？柯宏：你要搬、你要装磁钉、你要维护、你要培训下游的供应商——这些交付动作都是非标的。理想状态应该是：你把机器人扔在那，一键扫描地图，酒店直接就能用了。但目前还做不到。所以这是技术框架的问题。一条路是慢慢迭代——最开始烧不了太多钱，随着规模增大逐步降低部署成本。另一条路是前端一步到位——公司早期没什么收入的时候就投巨量研发成本，走泛化通用路线。第二条路在产业成熟的时候可能跑得更快。还有一个更根本的问题——客户的接受度。就算你交付能力极好、通用能力极强、品牌非常知名，客户对这个行业的接受度还是需要非常久的时间。比如康养机器人——它真的告诉你所有事情都能做，但你真的让自己的爷爷奶奶或爸爸妈妈老了以后用机器人来康养，这个失效成本实在太高了。我亏不起这个钱，我宁可不用。城市服务算是失效成本比较低的——你最多就是垃圾没扫干净，也不会怎么样。家用扫地机器人也一样，扫不干净你也不会怎么样。 Thomas：失效成本这个概念确实重要。在AI领域也是一样——AI做一个研究报告，里面可能有20%的幻觉，你能接受。但让它做一个Agent去执行任务，一旦失败就是任务没完成——失效成本直接从"有点不准"跳到了"完全不行"。这其实就是为什么今天一些实体Agent没那么成功的原因。 RaaS：不卖车，直接承包路段 Nixon：酷哇的商业模式是销售还是租赁？发展过程中有变化吗？柯宏：租赁到后面的终极形态，是我们叫RaaS——Results as a Service，直接交付结果。你租一个扫地机器人，本质上就是要把地扫干净。那我把你这条路包了——你给我钱，我把地扫干净。扫不干净你就终止合约。这对我的压力大，但对客户来说决策极度简单。ROI一下就能算清楚。 Nixon：扫不干净就扣钱，这个怎么扣？这个服务的流程是什么样的？柯宏：比如扫干净一段路，原来客户需要花多少钱、达到什么标准——路面有多少落叶、多少垃圾。如果我路面垃圾太多了，你按垃圾扣我的钱。连续扣三天，你觉得用酷哇的东西不行，直接终止合作。非常合理。将心比心，我是客户我也愿意这样。 Thomas：有没有具体的落地案例？柯宏：比如我们在上海浦东、嘉定都有落地——不是园区，是市政道路等开放场景。非结构化场景的移动，跟人走路或开车其实有点像了。你不需要一个底层的规则库——就像你从来没去过美国，扔到美国你也能开车、也会走路。这是一种泛化的智能。 General Working：一个模型同时控制车身和风机 Thomas：我们先定义一下——这里讲的Working具体是什么工作？柯宏：以我们最成熟的产品——马路上跑的环卫机器人——来说。普通的自动驾驶车，它是两个自由度：横向转向和纵向刹车油门，就完成了。但我们的Working控制的东西更多元——扫盘开多大角度、风机开多大功率、吹和吸两种功能怎么协作、洒水系统根据地面干湿程度调节水压大小。从自由度来讲，我们的车能到10个自由度。方便大家理解可以这么类比，但我们内部不会这么说。具体举几个例子。一辆三吨级的机器人要开16个小时，一吨级的机器人至少要作业4个小时。为了保证车能扫得足够干净，风机功率得怼得很大——我们最大风机功率大概6.5千瓦。但其他所有部件加起来也就1千瓦。我们电池只有10度电。按照风机全功率来算，一个多小时就趴窝了。但你要作业4个小时。所以它必须判断地面上是什么垃圾，用什么档位的风机去吸。树叶和饮料瓶需要的吸力完全不同。这是基于环境感知倒推回来的Working决策。扫盘开多大、开不开洒水来规避扬尘、水箱根据地面干湿程度调水压——这些全部是通过环境感知实时判断的。而且这套系统跟移动系统是揉在一起的，不是N个模块去分布式并行，是一个大脑同时控制移动和作业。 Thomas：这跟刚才说的自动驾驶的Move模型是同一个？柯宏：是的。 Thomas：可以问一下端侧跑的是多大参数规模的模型？柯宏：参数规模我不太记得了，但我们用的是消费级显卡，算力规模是1600 TOPS。 Thomas：1600 TOPS——大概也跑不了太大的模型，可能7B左右，甚至没有7B。但1600 TOPS应该是高于市面上所有能买到的乘用车的算力了。柯宏：对。现在最新的索尔（THOR）芯片是1000 TOPS，早一点的地平线或英伟达Orin可能200到500。我们1600 TOPS这个算力用了五六年了——因为成熟量产量比较大，用的是40系列的消费级显卡。 Thomas：40系列？理论上这台机器可以玩黑神话悟空。柯宏：对，还可以玩比较高端的游戏。 Thomas：这个产品路线确实能看出成本考量——消费级显卡比专门的AI计算卡同算力下要便宜好几倍。 Nixon：所以这就解释了为什么驾驶和风机、扫盘这些执行器能用同一个模型去操纵。常见的智能驾驶是把智慧座舱和智驾分成两个模型、跑在不同芯片上的。但酷哇的算力够大，可以把两个模型合并成一个。 Thomas：没错。这还挺有启发的——过去如果我们想象一个人工骑在上面的清扫车，司机要同时完成驾驶、贴边、选择吸力、判断要不要喷水这一系列决策。有了这样的设备和模型，这些全部简化成一个AI在完成所有决策，而且通过端到端实现。一个模型覆盖移动加作业的所有自由度。本体成熟的三个标志 Nixon：技术判断之后，第二个关键问题是本体是否成熟。我们在想一个机器人形态成不成熟的时候，目前来看有几个非常明确的标志。第一个标志：是否普遍存在相同的形态、著名的开源项目、以及相似的控制逻辑。比如今天的机器狗——它们基本都有一个共同的前身，MIT开源的机器狗标准设计。这些机器狗的电机数量，甚至电机的控制逻辑都是一致的。这是本体成熟的第一个标志。第二个标志：对应场景的失效成本。如果你对人形机器人赋予的想象是"在家里帮你打酱油"，失效成本就很高——酱油洒了，家里的环境全脏了。第三个标志：可靠性。我们现在听到很多做科研的朋友反馈，灵巧手一周一换——一个星期过去，这套灵巧手就必须换掉重新做一个。做得最好的案例是宇树科技。我们之前有一期节目的嘉宾拆了宇树的关节电机，发现它在低端线上的成本控制做得非常好——把一些原来需要用金属的件换成塑料，把一些用来实时监测电机状态的传感器拿掉，依靠算法做补偿和推测，电机照样实现相同的性能。整个把设计和制造做到了一个很好的平衡。制造：从软件公司到买压铸机柯宏：讲制造要延展到我们最早期的状态——我们其实是一家软件公司，或者叫大脑公司。大脑公司有一个天然的想法：找硬件公司合作。就跟L4公司找主机厂合作一样，听起来很顺畅。但做的过程中会发现一个问题——无论是城市服务机器人还是具身机器人，在你做之前，没有人把这个产品定义清楚过。而且我们是AI企业，模型是要持续迭代的，你还要留冗余——功能上留冗余、计算力上留冗余。所以产品本质上需要从头定义。从头定义，你就需要开发很多硬件功能。比如电机。我们的车从外观看更像一个底盘型的机器人，它需要的是低压大功率电机——不像乘用车用的高压驱动电机那样需要很大的功率跑很快，但也不是普通的小电机。我们的车只有一吨，体积必须做小，但对功率有一定要求。这种"又小、功率又不低"的低压电机，行业里不能说没有，但做的人确实不多，因为产业里没有这个需求。再比如风机。我之前讲过，为了把垃圾箱从80升做到250升——因为如果只有80升，扫不了多久就满了，但我们验证过，要扫到4个小时至少得250升——你车就这么大，垃圾箱要做大，其他部件就必须做小。传统大型环卫车的风机是巨大无比的一整块，我们要把它做得很薄，功率还不能低。包括车身结构——我们是全车铝压铸一体成型。你可以用塑料，但刚性强度不够，在一些极端场景下车会散架，我们自己测过。所以本质上你需要一套完整的零部件能力——从电机到风机到车架。要干成这个，你得有一个工厂，不只是简单的组装工厂，而是具备机加、注塑、开模、冲压、锻造能力的工厂。我们应该是这个行业里第一个去买压铸机的公司。 Nixon：等等，所以你们不只是组装厂，下游零件也做了？柯宏：对。我们买了马扎克（Mazak）机床，有压铸机。比如车架我们直接买铝锭——买原材料来做零部件加工。整个产品货值百分之八九十的核心零部件是我们自己做的——全自研。大大小小各种电机加在一起大概有30多个。 Nixon：这是比亚迪模式，垂直整合。 Thomas：这确实是所有软件公司的宿命。回到乔布斯时代，苹果最开始也觉得自己是做软件的，但最后还是自己做了硬件。尤其在行业早期——机器人现在这个阶段，PC的早期阶段——你很难找到大规模量产的成熟零部件。我们之前聊宇树的时候也是同样的情况，很多东西必须自己做。因为没有足够的需求让供应链像消费电子那样成熟——华强北能把成本压到极低，前提是每年上亿台手机的出货量。但机器人，我们恰几天看过一个榜单，宇树和智元还在争谁是第一，但两家加起来不到1万台——还是一个非常小的数字。在头部尚且如此的情况下，整个领域一定需要自己来做制造，才有可能把成本和可靠性做到商业化的水平。Demo很容易做——不管成本多高都做得出来。但要商业化落地，需要考虑成本和客户能接受的价位，自己做制造是一个虽然看起来很重、也不性感，但必须经过的过程。柯宏：制造有两个功能。第一个是帮助产品快速迭代。所有沟通完全闭环在自己体系内。不管是造狗还是造人形机器人，再小的产品可能上面也有上千个部件，少一颗螺丝都做不出来。有自己的硬件能力，你想改什么马上就能改，一个礼拜出新版本。这是产品推进速度上最快的路径，甚至是唯一的路径。第二个是极致的成本管理。我们定位是"有生产力价值"，就是要算ROI。把上游不停地渗透到底、渗透到原材料，你才能做到极致的性价比。这在长期饱和竞争的状态下，是让你立于不败之地、至少不会死掉的东西。 Nixon：你们制造有多少员工？柯宏：最开始手搓工厂可能有一两百人，现在不到100个。因为里面已经做了大部分的自动化。 Nixon：已经进入标品阶段了。商业模式：为什么不能直接卖设备？ Nixon：最后讨论一个商业模式的问题。今天主流的机器人业态——送餐机器人、酒店机器人、跳舞机器人——大家非常喜欢用租赁模式。跳舞用租赁很好理解，一年就用那么一次。但我五年前调研机器人行业的时候就发现一个现象：很多公司用租赁来完成商业化。这个模式一直让我没想明白。因为送餐和酒店送物品，ROI看起来挺好算——你减掉了多少值夜班的员工，把预算换成机器人。但体现在一些公司的财报上，结果并不好。比如七年前的普渡科技（送餐机器人龙头），或者云迹科技（酒店机器人龙头）。云迹走到了IPO申报阶段，但财报里展现出来的累计亏损大约8个亿。为什么产品形态看起来很简单、交付的价值也很直接，却不能直接卖，反而要通过租赁？ Thomas：我觉得还是信任问题。第一，产品太新了，没有人知道花十几万买回来之后到底能用多久。我作为一个餐厅或酒店老板，对人员管理很有心得——员工成本多少、替换率多少、怎么排班，我都清楚。但当20%、30%的人换成了机器人，这个账我就不好算了。第二，一次性投入太重。虽然你帮我算了一笔账，但我没办法那么快相信。如果换算成租金，就非常好跟月薪做匹配——这个机器人替代了我多少服务投入，成本打个折。而且因为是租赁，机器人的损耗、可靠性问题就不是由我承担。技术迭代快，明年出新款了，我租赁可以换新的，买了就只能用旧的。普渡他们做送餐机器人的时候，当然是希望直接卖的。但一定遇到了阻力——中国餐饮店的老板算不清楚这笔账。转化成租金之后，虽然厂商要承担运维成本，但这个成本对厂商来说反而是可以计算的——有损耗率、有折旧模型。这可能是为什么今天大部分机器人都是以租赁方式进场。柯宏：将心比心，把自己当成消费者就很容易理解。一个机器人动辄十万起步，号称能帮你每天端盘子。你会买吗？其实你也不敢买。你怕用不好，万一坏了没人管。消费者跟从业者对这个事的理解有挺大偏差。行业里热火朝天，但让客户真掏钱的时候，还有很多顾虑。日租金或租赁的方式，本质上交付的是一套让客户可以放心终止的系统——我觉得用得不好，我就不租了、不用了，行不行？这就是一个很简单的算账和ROI问题。然后从公司角度看，你交付的产品越多，就需要做到足够标准化和泛化。如果做不到——类似上一个时代的SaaS公司，普遍增收不增利。你的部署成本、研发成本的增长比例比收入增长还要大，公司永远赚不了钱。云迹已经上市了，年报都是公开的，大家可以去看。不够泛化、不够标准化交付，就存在大量的非标问题，case by case地解决，就会产生增收不增利的结果。 Nixon：但酒店送个东西，不应该是挺标准化的吗？柯宏：你要搬、你要装磁钉、你要维护、你要培训下游的供应商——这些交付动作都是非标的。理想状态应该是：你把机器人扔在那，一键扫描地图，酒店直接就能用了。但目前还做不到。所以这是技术框架的问题。一条路是慢慢迭代——最开始烧不了太多钱，随着规模增大逐步降低部署成本。另一条路是前端一步到位——公司早期没什么收入的时候就投巨量研发成本，走泛化通用路线。第二条路在产业成熟的时候可能跑得更快。还有一个更根本的问题——客户的接受度。就算你交付能力极好、通用能力极强、品牌非常知名，客户对这个行业的接受度还是需要非常久的时间。比如康养机器人——它真的告诉你所有事情都能做，但你真的让自己的爷爷奶奶或爸爸妈妈老了以后用机器人来康养，这个失效成本实在太高了。我亏不起这个钱，我宁可不用。城市服务算是失效成本比较低的——你最多就是垃圾没扫干净，也不会怎么样。家用扫地机器人也一样，扫不干净你也不会怎么样。 Thomas：失效成本这个概念确实重要。在AI领域也是一样——AI做一个研究报告，里面可能有20%的幻觉，你能接受。但让它做一个Agent去执行任务，一旦失败就是任务没完成——失效成本直接从"有点不准"跳到了"完全不行"。这其实就是为什么今天一些实体Agent没那么成功的原因。 RaaS：不卖车，直接承包路段 Nixon：酷哇的商业模式是销售还是租赁？发展过程中有变化吗？柯宏：租赁到后面的终极形态，是我们叫RaaS——Results as a Service，直接交付结果。你租一个扫地机器人，本质上就是要把地扫干净。那我把你这条路包了——你给我钱，我把地扫干净。扫不干净你就终止合约。这对我的压力大，但对客户来说决策极度简单。ROI一下就能算清楚。 Nixon：扫不干净就扣钱，这个怎么扣？这个服务的流程是什么样的？柯宏：比如扫干净一段路，原来客户需要花多少钱、达到什么标准——路面有多少落叶、多少垃圾。如果我路面垃圾太多了，你按垃圾扣我的钱。连续扣三天，你觉得用酷哇的东西不行，直接终止合作。非常合理。将心比心，我是客户我也愿意这样。 Thomas：有没有具体的落地案例？柯宏：比如我们在上海浦东、嘉定都有落地——不是园区，是市政道路等开放场景。柯宏：对。肉眼观察，不会量化到底有多少个塑料瓶躺在路上，但大概就是这个意思。 Nixon：这补齐了一个生活常识，我确实不知道还有这一环。柯宏：我们的产品组合也是能直接做“按结果承包”的基础，比如我们的环卫机器人在路上跑，碰到一些它没法解决的case——它停下来了。这时候可以通过VLM（视觉语言模型）云端系统，把任务派发给机器狗，让狗跑过来去解决。也就是说各种产品形成了一套有机的结合。大车负责主干道的大面积普扫，机器狗负责公园草坪、绿化带这些大车进不去的区域，轮足机器人负责小区楼道、需要上下楼的场景。狗在巡逻的时候发现大面积脏污，可以呼叫大车过来做临时加扫。这是我们做了之后才意识到的——在你现有的客户和能力框架之下做延展，不同产品线之间可以产生协同效应。第五部分：2026哪些行业能实现具身智能商业化？三条规律 Nixon：既然是一期总结性的节目，我们最后做一点展望。在展望之前，先把今天聊出来的规律总结一下。第一条规律：本体成熟之后，可以先做表演。人形机器人目前就处在这个阶段——本体的运动控制能力到位了，跳舞能跳好了，但离干活还有距离。表演是本体成熟的一个重要验证阶段。第二条规律：抓取能力成熟之后，可以先做低失效成本的垃圾抓取。酷哇目前就处在这个阶段——机械臂做成夹爪形态，优先服务于"抓了坏了也没关系"的场景。第三条规律：智驾能力成熟之后，可以先做低速和固定路线的场景。酷哇的环卫车、机器狗在城市里的低速巡扫就是这个逻辑——不需要在高速公路上跑120码，在人行道上跑几公里时速就够了，路线也相对固定。这三条规律叠加起来，就能大致判断2026年哪些场景有机会率先落地。场景一：表演上规模，开始做增值 Nixon：我觉得表演在接下来这一年还会再做一波上规模和分化。一个标志性的案例是擎天租，，这家公司在全国范围内提供多品牌、多型号的机器人租赁服务。目前平台已提供多个品牌的机器人租赁——比如一台用于安防巡逻的D1 Ultra四足机器人，单日租金约500元；一套包含两只D1四足机器人及全套配套装备的"体育竞技"打包方案，日租金99800元。他们的人形机器人租赁也做了消费市场的细分：基础版具备挥手、走路、握手三个基础功能，每天租金3000元；舞蹈版在此基础上增加了摇摆、敬礼、飞吻、比心、投篮等十几种动作，以及太极、青海摇、APT（韩式舞蹈）等8种舞蹈模式，日租金5000元。这是优化租赁商业效率、更好服务表演场景的第一家标杆公司。第二个案例是加速进化。这家公司过去一年非常亮眼的case是把机器人拿到商场去踢足球——如果大学时候经历过足球机器人比赛的人会特别熟悉。随着具身智能本体和小脑的成熟，加速进化把它做成了互动性更强、持续时间更长的线下娱乐业务。所以表演的重点已经从"能不能跳"转向了"怎么上规模"和"怎么做增值"。柯宏：大家给人形机器人的梦想更多是——它能真正替代一部分甚至全部的工作。这也是为什么在行业规模这么小的时候，投资人还愿意给一个巨高无比的估值——大家对这个事有非常高的憧憬。但实践中有非常多细节的问题，虽然不够性感，但确实存在。比如便利店这个场景——抓和放，两个动作，面对的SKU可能就200、300个。听起来很简单，但你去解决工程化问题会发现：抓一包薯片跟抓一瓶洗发水，能力完全不一样；白天和晚上的光照条件不同，对环境的映射也不一样。我觉得2026年会有一些场景，看上去标准化，但依然有很多非标的泛化问题需要解决——不过可以找到通路了。至少能看见：我的机器人真的能帮我解决一些问题了，不再只是一个会飞踢、会翻后空翻的东西。后空翻咱们几位应该都没翻过。这些表演性动作总有一天会审美疲劳——你租给餐厅开业翻个后空翻吸引人流、上抖音推推流，但如果所有产品都会后空翻，你的投放就没有任何效果了。 Nixon：解答了我一个问题银河通用为什么要做24小时便利店和药店？我在WRC上跟他们的Demo互动时有一个感受——它把易拉罐递给我的时候，没有很稳地递到手上，而是距离桌面有一点点距离就把易拉罐放开了，有点像掉在桌面上——但稳稳地摆在那了。我想了一下这种精度的机器人，对无人便利店、尤其是药房非常合适。因为绝大部分药盒不怕摔——只要不是玻璃瓶液体，药盒就是纸板加塑料。它跟灵巧手捏扑克牌是完全不同的精度要求。场景二：运动能力极致化，进入体育行业 Nixon：如果本体的运动能力够强、可靠性足够高，它可能不是拿去跳舞——而是拿去做运动。从去年开始，我们在深圳已经看到4到5家明星的网球机器人公司。这个东西跟人形没关系——就是一个会左右横移、跑得非常快的底盘，能发球、能接球。按照这个视角来看，体育运动领域会出现非常多的衍生：网球机器人、电动普拉提设备、陪练机器人。运动能力的溢出找到了一个天然的变现场景——运动本身就是重复动作、高频对抗、可量化的领域。场景三：大量重复动作的服务业 Nixon：第三个我看好的即将落地的场景——标准化服务业。 Dyna Robotics做的连锁大型洗衣房折衣服，我在CES上看了Demo，感觉是匹配场景的。柯宏：第一，它固定，人就站那不需要动——General Moving的能力为零都没问题。第二，操作完全一样——就像酒店的浴巾，一天叠1000、2000条，动作一模一样。第三，失效成本为零——叠不好又能怎么样？运过去可能就已经散掉了。而且客户的需求不完全是ROI驱动的。美国的干洗工厂，这些活基本都是墨西哥裔在干。很多是非法移民，ICE（移民执法局）的问题，非法移民有可能被驱逐——到时候不是钱的问题，是根本招不到人了，影响到工厂生计。所以客户的ROI尺度可以大一点。这几个特点叠加——位置固定、动作标准、失效成本为零、客户有超越经济性的刚需——工业场景是有一些方向可以落地的。 Nixon：从折叠衣服自然就能想到——放盘子和碗。从工作难度上看，把不同尺寸的碗和盘子放到位，跟折衣服其实差不多。所以我很看好中央厨房和大型食品工业的场景——机器人在流水线上放盘子、放碗筷，环境可控、动作标准、失效成本低（盘子碎了大不了损耗几块钱）。2026年应该能看到这样的案例。 Thomas：感谢柯宏，我们一起盘点了具身智能过去一年从投融资到模型数据、从产品形态到商业化落地的全貌。尤其是到底什么样的形态、什么样的场景有机会率先落地——借着酷哇的经验，我们看到了一个比较明确的方向和一些基础原则。比如失效成本这个概念——不光在机器人领域，在AI应用上也是一样的原则。在低失效成本的场景，更有可能看到这些机器人率先落地。它不一定是人形——人形面临更多的挑战和限制，可能是相对更晚成熟的品类。但在其他形态里面，机器狗、轮足、专用设备，可以逐步取代一些我们不想做或不愿意做的重复性、低价值工作。 Nixon：这期节目到这里。谢谢柯宏做客脑放电波。主播在音频的基础上撰写此文，呈现核心事实与观点，也欢迎收听原版音频，获得更多信息。（《2025 中国具身智能融资报告播客脑放电波》请添加脑放电波小助手微信（BrainAMP01），附言“机器人”获取） 🔗 原文链接： https://mp.weixin.qq.com/s/ ON 34Xk... https://mp.weixin.qq.com/s/ ON 34Xk... 原创脑放电波脑放电波脑放电波2026年2月10日 07:03 北京 2025年春晚，宇树科技的机器人穿着东北棉袄扭秧歌，一夜出圈。一年之后的2026年春晚，据说有3到5家机器人公司同台亮相。大众视野里，机器人越来越能跳了。我们拉了640起融资数据，发现一组反差的事实：一方面，2025年中国具身智能融资总额突破360亿人民币，是2024年150亿的两倍还多，12月单月就砸进去超过60亿。另一方面，Demo的新鲜感和媒体热度正在消退，投资人不再为"像人"买单，开始为"干活"买单——7月份拿到大钱的公司还在秀跳舞和弹钢琴，12月拿到大钱的公司已经在给药店上货架、在新加坡公园里捡垃圾了。资本的指挥棒正在从"梦想"转向"生意"。这期节目，我们请到了一位在具身智能商业化前线摸爬滚打的嘉宾——酷哇科技的联合创始人兼COO李柯宏。柯宏是投资人出身，2018年转型进入产业界，带着一家专攻城市服务的机器人公司，在全球50多个城市和地区实现了机器人常态化服务，累计收入超过25亿。酷哇最近还发布了两个新产品系列：一只"狼狗"大小的重载机器狗D0，和一台双轮足机器人R0（背上都带了机械臂）。本篇文章约2万字，可先参考目录：第一部分：行业盘点 —— 体感和融资大盘第二部分：行业盘点 —— 技术演进，从 Embodied 到 Physical AI 概念升级：为什么整个行业都在谈 Physical AI？数据困局与解法：没有特斯拉的命，得了特斯拉的病第三部分：行业盘点 —— 产品形态与 "反共识"，人形不是唯一解机器狗：已经到了 ToC 的节点人形机器人：还在 "春晚" 阶段机械臂与灵巧手：从 "捏扑克" 到 "抓垃圾" 第四部分：落地与商业化 —— 怎么赚钱？技术判断的起点：General Move 和 General Work 移动看起来很简单，其实不简单 General Working：一个模型同时控制车身和风机本体成熟的三个标志制造：从软件公司到买压铸机商业模式：为什么不能直接卖设备？ RaaS：不卖车，直接承包路段第五部分：2026 哪些行业能实现具身智能商业化？三条规律场景一：表演上规模，开始做增值场景二：运动能力极致化，进入体育行业场景三：大量重复动作的服务业以下是我们的对话，主播在音频的基础上撰写此文，呈现核心事实与观点，也欢迎收听原版音频，获得更多信息。第一部分：行业盘点——体感和融资大盘冰火两重天的"体感温差" Nixon：首先聊投融资。我在准备这部分内容的时候发现市场上没有特别好的公开数据，所以自己买了一份数据源，做了一份完整的报告，覆盖了从2025年1月到2026年1月底大概328起融资。（《2025 中国具身智能融资报告播客脑放电波》请添加脑放电波小助手微信（BrainAMP01），附言“机器人”获取）先说一个基本事实：2025年确实是具身智能赛道在中国融资最火热的一年。全年融资总额大约360亿人民币，对比2024年只有150多亿，翻了一倍多。再看月度趋势，过去这一年融资额最大的两个月是7月和12月。7月大约60亿，12月达到了顶峰，约62.47亿。这两个月很关键，待会我们会展开讲它们之间的质变。但这里有个很反直觉的现象——我上周参加一个行业活动，有人跟我说他觉得2026年很多公司的融资和运营要经受考验。我们自己的体感也是，大众媒介上的热度其实在逐步降温，甚至出现了一些质疑的声音。可金额却