1月28日，由鉛筆道聯合主辦的中關村早期投資論壇暨2026新場景大會舉行，影響力登上活動行北京總榜第1名。本文為大會《人形機器人跑得快，但錢好賺嗎？》圓桌討論實錄。以前春晚，大家看的是節目，但去年開始，大家開始關注：人形機器人是不是要整點新活了。但表演、跳舞等，真的是機器人的天花板嗎？顯然不是。本文將擊穿這個問題，為您詳細解讀：人形機器人最容易賺錢的機會，以及最不容易賺錢的機會；那些願景是可期的，那些是短期克服不了的。參與討論的嘉賓包含：1位長期關注人形機器人的投資人，2位人形機器人創業家（見下表）。- 01 - 去年，那些場景突破最令人興奮？鄒蔚：從春晚到馬拉松、運動會，人形機器人這一年刷足了存在感。對幾位長期在一線的從業者來說，2025 年最重要的突破到底在那裡？張煜：如果用一句話總結，2024 到 2025 年，是具身智能發展速度最快的一年。我看到幾個非常明顯的變化。第一，融資規模在不斷刷新。現在，過億的項目已經不算稀奇了，這本身就說明行業熱度和市場預期在快速抬升。第二，機器人開始“無處不在”。現在很多展會，如果沒有機器人，反而會顯得有點“跟不上時代”。第三，有一件事讓我印象特別深——宇樹機器人的拳擊賽登上了央視轉播。這至少說明兩點：一是國家層面對這件事是重視的；二是機器人在動作流暢度、表現力上，已經開始具備真正的“觀賞性”，甚至有點像人了。但說實話，這些變化和賺錢的關係並不大，更多還是認知層面的突破。張正濤：我個人感觸最深的一點，是供應鏈和成本真的成熟了。我2007年就開始做人形機器人，那時候做打乒乓球的項目，還是國家重大專項，很多核心零部件要等半年以上。但到今天，從關節、電機到整機本體，一整套人形機器人的成本，已經可以和人力成本放在一起算帳了。第二個變化是運控能力。以前機器人走路是“晃晃悠悠”，現在在 CES 這樣的國際展會上，中國的人形機器人已經可以不掛繩穩定行走，從 1.3 米到 1.6 米都比較成熟。第三是靈巧手。過去靈巧手非常貴，現在從6個自由度到 20 多個自由度，成本已經降到幾千到幾萬。本體成本、運控穩定性、靈巧手成熟度這三件事，讓人形機器人第一次具備了計算 ROI 的基礎。從應用上看，2025 年更多還是文旅、商超、導覽這類“表達型場景”；真正往工業場景走，可能要到 2026 年以後。鄒豪：我想從另一個角度補充一點，情緒價值。從春晚、拳擊賽、馬拉松，到一場場機器人賽事，大家其實已經願意為這種“情緒價值”買單了，這是一個很重要的變化。從產品角度看，我們也能明顯感覺到，機器人基本是半年一個台階地進步。國家政策、資本熱度和技術迭代，是同步發生的。但如果回到工業這件事上，必須說清楚一句話：短期內，工業並不好賺錢。工業客戶算帳算得非常細：節拍、效率、良率，機器人能不能真的比人效率更高，要打個問號。我們從 2025 年下半年開始，和頭部製造企業做落地合作，有POC（概念驗證），也有真實交付。但這是一條難而正確的路，對生產力提升最直接。- 02 - 那些場景好賺錢？那些不好賺錢？鄒蔚：前面我們聊到，現階段人形機器人通過表演、情緒價值已經能賺錢。那到 2026 年，除了表演之外，那些場景是真的有可能賺錢的？又有那些場景，看起來很熱，其實並不適合人形機器人去做？張煜：水平高就能賺錢。說實話，現在每個領域都有機會——從展示、科研到專項應用，再到工業，場景很多，而且大家都願意為好的產品買單。差別就在於做得好不好。相對來說，比較容易賺錢的有幾個方向：第一個，工業是剛需。中國憑藉強大的供應鏈，把機器人成本壓到可以和人工比肩的水平。這樣的情況下，工業場景的需求非常穩定。我們投資的智平方、跨維等公司，都拿到了上億、甚至幾個億的真實商業訂單，顯示工業機器人市場已經是一條非常確定的趨勢。第二個，展示和租賃。雖然屬於娛樂性質，提供情緒和互動體驗，但做起來其實不容易。每個活動、每個場景都不一樣，除了機器人本體，還要設計不同動作和表演內容。機器人租賃和後服務現在特別火，也是比較“軟”的賺錢方式。企業或者活動方直接租機器人，同時配套後續維護和服務，這塊收入相對穩定，也容易落地。第三個，模組和關鍵零部件。比如電機，不管是人形還是非人形，只要是具身機器人，電機都是剛需。在人形機器人裡，電機成本佔比非常高，這一塊利潤空間其實很大。相對不容易的場景也有幾個。1、服務型機器人不容易做。大家平時都覺得“服務”隨處可見，但真正做好服務很難：它不僅要很專業、很細緻，還得能讓人有情緒上的體驗。換句話說，服務既需要技術，也帶點藝術，所以做起來特別難。到目前為止，市場上還沒看到那款服務型機器人做得特別出色。2、酒店機器人不容易做。酒店行業看起來容易賺錢，實際上不簡單。一方面市場很大，看似機會多；另一方面競爭非常激烈。現在低端酒店機器人不僅拼價格、拼服務、拼售後，還拼資源、拼管道——不僅僅是機器人本身，而是整個上下游產業鏈在比拚。所以，要想在這塊賺錢，真的是要下硬功夫。3、還有一些高精尖的領域，比如手術機器人，就不太容易賺錢。雖然有少數產品做得很好，但仔細一看，它們只能覆蓋非常小的細分點。稍微拓展一下，就需要換一台新機器人，或者市場規模太小，不值得投入。整體來看，手術機器人和其他精細化場景都只能在小範圍形成規模，想做更大的場景比較難，因為技術要求高、成本高、研發周期長，而且能否獲利充滿不確定性，所以賺錢真的不容易。張正濤：我想補充幾點：能不能賺錢，和技術發展階段高度相關。在2025年，相對比較確定能賺錢的有三類：1、資料採集和訓練相關的工廠。中國的經濟體制等因素決定了，只要國家一聲令下，就能快速推動產業發展。2025年，在資料採集工廠這塊還是挺賺錢的。2026年可能也會延續，因為相關部委可能會持續投入幾百億。早期階段，實驗室的資料要打通到產業端，中間需要政府搭建中試和資料訓練廠。2025年，這部分消化了大量訂單和產能。在特定時期、國家鼓勵發展的背景下，這塊生意賺錢還是很容易的，甚至可以排在第一位。2、教育類機器人。大家可以看到，從人工智慧專業起步，各個高校陸續開設了智能專業，自動化也承擔了第一個人工智慧學院。教育推動的這個市場非常有潛力，而且具身和人形機器人相關的教育需求也不容忽視。從傳統工業機器人到具身機器人，教材體系和人才培養體系都在建設中。在這個階段，這塊市場仍然是賺錢的生意，也有迫切的需求。3、部分文旅場景。文旅領域也要看怎麼掙錢，不是所有文旅項目都能賺錢。比如，老是編排舞蹈很累，一次排六個小時，下一次又不知道效果如何，而且不標準。此外，很多景區本身預算有限，所以單靠景區銷售也不容易。不過，如果找到其他形式的業務模式，還是有機會賺錢的。以上是比較好賺錢的，還有一些我長期看好但不容易賺錢的。1、工業場景。在工業領域，2025年可能還不是最賺錢的生意，更多是探索期階段。大B客戶對要求非常高——散熱、持續工作能力、穩定性、安全性、泛化能力等都是苛刻挑戰。但它會是中期最掙錢的生意。中國大概有1億藍領，其中三四成從事精密柔性裝配和精密質檢，這些場景剛性很強、需求穩定。不過，要在這些工業場景裡掙錢，核心是讓“大腦”更智能：泛化能力要提升，能在半結構化環境下持續工作，適應性也要更強。解決了這些問題，未來可能會成為2026、2027年的高利潤生意。2、康養場景。現在如果過早去做老年人照護，我覺得風險挺大的。我比較害怕機器人會動手，比如說扇誰一巴掌——如果說通訊中丟掉一個封包，機器人“亂動手”的事情，會大機率發生。在康養這個領域，我覺得短期內還是不要碰。等保險理賠體系更完善、技術更成熟的時候，再去做也不遲。總的方向沒問題，但現在技術還達不到能安全落地的水平。還有一些我長期看好的場景，比如特種機器人。我自己是山東煙台人，我們那裡有金礦。今年回家看到家鄉人都很高興，黃金價格漲得不錯。剛才有嘉賓提到的特種機器人，我覺得特別有前景。這些危險場景裡，中國有兩百萬礦工，多數四五十歲，退休以後沒人願意下到兩千米深的礦井做高風險作業。但這些作業，對金屬開採和相關產業幫助巨大。所以，如果能讓具身機器人或者特種機器人在井下實現無人化作業，市場空間非常大。鄒豪：我的意見和兩位嘉賓很多一致。文旅確實是一個好賺錢的場景，但關鍵還是看購買力。如果客戶付不起，也沒辦法賺到錢。所以我們現在做生意的時候，除了客戶直接採購產品，我們還會提供租賃服務，讓客戶用起來更靈活，同時也增加收入來源。說到工業，我們自己也身在其中。短期來看，這個方向賺錢不容易，但中期一旦跑通大客戶的標竿案例，在對應的細分場景複製開來，賺錢潛力就很可觀。目前受限於硬體能力、模型“大腦”的泛化能力，以及資料訓練場的適配效率，這些都還在不斷迭代。但隨著生產過程中不斷收集場景資料，這些資料又會反哺模型，讓“大腦”在特定場景下的泛化能力更強，工作節拍和質量越來越接近人工水平。我認為，這條路在2026、2027甚至2028年，都能持續創造生產力價值，同時給從業者帶來可觀的產品訂單。我們自己也堅定地在朝這個方向推進。如果說不好賺錢的方向，我非常認同張總提到的一點：應用到家庭服務或者養老，目前行業標準和法律法規還不完善。很多公司都先想把產品做出來，再去考慮安全和規範的問題。所以，在和人直接接觸的場景裡，需要格外注意風險。比如我之前去美國和當地酒店、管道談合作時，對方問的第一個問題就是：“你的機器人買了保險嗎？”在國內，我們目前還沒有給機器人買保險的做法，但保險業從業者已經在考慮設計相應的方案。- 03 - 那些瓶頸短期解決不了鄒蔚：關於人形機器人和具身智能的大規模應用，行業裡還沒有共識，有人說十年，有人說十五年。請各位嘉賓談談：那些核心技術和零部件，短期內很難有實質性突破？那些被期待的落地場景，短期內還不具備條件？鄒豪：主要是靈巧手和資料。先說靈巧手。其實我們也會從外部採購一些零部件，我們比較期待看到突破，尤其是在柔性生產裡，比如人在做精密組裝的環節，需要非常細緻的操作，但現在離真正產業落地還有一段距離。作為提供整機加模型的廠家，我們在這方面的期待最大。因為目前大部分交付的場景，還是用兩指或三指夾爪，工業上也會用到吸盤之類的方案。還有一塊是資料問題。做預訓練模型的時候，資料量很關鍵。目前無論是互動還是模型訓練，真機資料效果最好。雖然國內外都在嘗試世界模型之類的研究，但現在還處於早期階段。我們希望將來在這塊有突破，徹底解決問題。現在最大限制還是採集真機資料成本太高。張正濤：我覺得核心問題還是技術路線的收斂。就像當年摺積神經網路剛出來時，完全端到端、完全泛化還做不到，但不影響我們用。早期我做圖像識別和缺陷檢測時，也是用傳統機器學習加捲積網路，組合比例會不斷調整，最後慢慢演化到全用深度學習的方法。現在的問題主要還是方法和大模型演算法。如果不突破演算法，我們在工業裡可能還是得用混合方案：原有的視覺伺服+現在的VLA模型。鄒總也提到，靈巧手雖然在通用研究裡很多，但在工業裡問題不少——易損、控制複雜度高。即便是21自由度或者6自由度的靈巧手，在工業裡現在做還不划算。二指、三指夾爪反而更穩、更好用。資料是一個因素，但也不是最大問題。遙操作已經能在安全環境下收集高品質資料，像井下危險場景也能用。這說明核心瓶頸還是模型的泛化能力，需要持續提升。張煜：我從投資和整體觀察的角度補充三點。第一是大腦等技術還差得很遠。大家現在說具身大腦，其實距離我們心裡認為的“完整任務”還有很大差距。比如去過機器人大賽，你會看到幾個疊被子的機器人，十次可能成功兩三次，連抓取這種簡單動作都沒有完美實現。號稱最牛的大腦的機器人，也還達不到。科研上，無論是長程任務、世界模型、VLA，還是訓練和資料方面，空間都很大。第二是工程化能力不足。機器人不是能跑一次就行，而是要連續工作八小時、十二小時，甚至二十四小時。大家看到的很多馬拉松場景，機器人不是跑得慢，而是跑一會兒就摔了——要麼是機械問題，要麼是軟體問題。電池也是一個現實瓶頸，現在很多機器人只能工作二三十分鐘。第三是具身資料極度缺乏。具身智能需要大量第一視角、多視角、手部感測器資料去訓練，但過去大家沒考慮這些，現有的圖片、文字資料幫不了太大忙。所以很多具身訓練場都是為了產業需求才建的，資料缺口大，也意味著巨大的發展空間。- 04 - 建議大家聚焦：別啥都干鄒蔚：如果給具身智能、人形機器人創業者提兩條建議，什麼一定要做？什麼一定要避免？張煜：第一，關注技術領域。現在技術還差得很遠，不是說有了技術就能直接找應用，錘子有了，但做得還不夠好。所以創業第一步，還是要把技術打磨好。第二，聚焦特定場景。具身智能應用太廣了——掃地、清潔、安保、空中巡檢、擦玻璃等，場景太多了。如果能把某一個場景做到極致，就很容易成功。專注在小而精的領域，比面面俱到更有效。第三，關注工程化。很多問題其實都和工程化相關：器件磨損、供應鏈、資料收集等，都影響產品能不能落地、能不能穩定工作。總的來說，沒有什麼不能做的，機會很大。現在每個領域都不完善，資本也還熱。唯一需要注意的是速度——資本的耐心越來越少，經歷去年的迭代後更是如此。無論做那一塊，都要全力以赴、專注深入。張正濤：有一個核心要點是聚焦，反過來說就是不要做得太多、太雜。今年像合肥舉辦的世界製造大會，主題是“具身智能賦能新型工業化”，說明國家支援的重點還是在工業化方向——能真正提升中國生產力、推動資訊化發展，而不是只停留在文旅和表演上。當這個技術能真正對國力產生重大支撐時，國家肯定會大力支援。比如中美競爭，如果美國通過柯博文實現了兩萬美元的生產力成本，那對中國國力就是巨大的衝擊，這正是我們要著力去做的方向。所以，在創業時，別貪多，要有特色，聚焦在單點突破。鄒豪：和兩位嘉賓的觀點類似，我建議把一個方向做透：別人第一時間想到你，你在那個方向特別出彩。另外，多去發現一些水下場景。談到工業製造，大家第一反應可能是汽車、3C這些傳統方向。但我們接觸到一些新的場景，遠比想像的有趣，而且潛力很大。舉個例子：食品加工。今年我們就在食品加工裡做了落地應用。即便是食品加工，也可以細分很多方向：熟食、生食、炸品……我們和一家傳統機械臂廠家合作，做的是炸酥肉的場景，而且是給全國最大的某品牌火鍋店提供服務。生產環境非常惡劣：高溫、車間裡必須穿防護服、戴口罩。所以大家選擇做產品或者開發對應的大腦時，不必侷限於汽車、3C這些“顯而易見”的方向。像食品加工這樣的新場景，也能有很大的機會，這也是值得分享的經驗。 (鉛筆道)
