一家剛註冊的公司，種子輪融了千萬元。
公司叫Helix Robotics，中文名海裡克斯，今年5月在蘇州註冊，做人形機器人的“Android系統”，也基於系統做機器人本體。
海裡克斯創始人繆玉峰最早在摩根士丹利從事演算法交易模型與系統開發，2013年加入微軟。
去年，繆玉峰在微軟發起“未來具身智能聯合創業計畫”，本來是想藉著微軟平台孵化機器人項目，做著做著發現這件事越來越有意思，乾脆自己出來。
最近，鉛筆道在蘇州專訪繆玉峰，聊了具身智能的一些門道。精華觀點如下：
1、機器人必須出海，國內已經卷不下去了，有整機賣到一萬塊以下，快做成大宗商品了。
2、每家公司都在重複造輪子，同樣的應用，在宇樹上能跑，但在智元上跑不了。
3、將來機器人會像個人電腦，使用者在淘寶上買齊部件，回家自己拼，系統一裝就能跑。
以下是繆玉峰口述，經鉛筆道整理。
- 01 - 機器人進不了廠
德意志銀行有個預測，今年全球人形機器人出貨量大概8萬台，中國佔7萬多台。到2030年，全球年出貨量100萬台，對應250億美元（約合人民幣1678億元）的市場。這個數字還不算機器狗。
我去工廠看了好多次，沒有這麼樂觀。
工廠上機器人一般分兩步。先做POC（概念驗證），一個工位、兩個工位試點；試點達到工業標準，才開始批次複製。工業對準確率的要求很高，一百次任務裡失敗一次，都不能接受。現在大部分工廠停在第一步，試點做完就沒有下文了。
機器狗是例外——巡檢固定路線跑一圈，拍拍照，結束。但人形和輪式機器人，只是在少數工業客戶的點位上做測試。
大家習慣把問題歸給“大腦不行”，但太籠統。大腦要分場景：做簡單搬運，可以；做精細化操作，比如工位上的活，現在還不行。
我去看過幾家包裝廠，做食品的，有做化妝品的。包裝環節全是人工。什麼形狀的包裝盒都有，材料也不標準。如果盒子規格統一，可以上自動化產線；但小批次定製、形態多樣的產品，產線搞不定，只能靠人。
機器人精細化操作，首先速度跟不上。工廠工位上一個環節往往要求3秒、10秒、最多30秒內完成。
現在機器人的大腦執行速度跟不上，外界看到的演示視訊是8倍速、10倍速快放出來的。其次，就算動作能完成，還可能失敗；失敗了有重試機制，但跑得慢再重試一遍，時間就超了。
機器人真正進工廠，還有一個更底層的問題：行業沒有統一的軟體底座。
今天每家公司都在自己造機器人，也都在重新做一遍驅動、運動控制、大腦和應用。
硬體介面不統一，一款應用在這台機器人上訓練好了，換一台機器人，經常又要重新適配。
這對工廠很麻煩——花錢采的資料、訓練的模型、開發的程序，都可能跟著某一台機器繫結。
如果以後市場上只有三五家機器人公司，這個問題還能忍。可一旦有幾百家機器人廠商，客戶不可能每換一個品牌，就把軟體、模型和資料重新做一遍。
所以我覺得，這個行業遲早需要一個通用作業系統，把硬體差異封裝掉，讓機器人本體、模型和應用儘量分開。
- 02 - 機器人缺個Android
Android出來之前，手機廠商各自為戰；有了Android，硬體歸硬體，系統歸系統，應用歸應用。機器人行業現在就缺這一層。
我們做的就是作業系統。它在Linux上做了一層封裝，跟Android的思路一樣。
有了這套系統，不同品牌機器人的關節、驅動和運動控制就能統一起來，硬體換了，上層的大腦和應用仍然能跑，就像電腦換了滑鼠、鍵盤，不需要重新開發軟體。
一家工廠今天買A公司的機器人，明天換成B公司的，原來的應用和模型儘量還能繼續用。
做完作業系統，還有一件事必須做：工具。
工廠買了機器人，每個工位的任務不一樣，模型都要微調。現在行業裡的做法是找AI工程師寫指令碼跑微調，但一個AI博士應屆畢業年薪開到120萬，而很多做工業落地的公司一年營收才300萬，怎麼可能養得起？
我們做了一個平台叫Helix AI Foundry，把資料採集、模型微調都整合進去。
使用者選好模型——可以選我們的，也可以選π0.5這類開源模型——上傳按標準採集的資料集，點幾下滑鼠就能完成訓練。目標是把微調門檻降到用ChatGPT一樣低。
宇樹也有自己的系統，但不對外開放，SDK API授權要收好幾萬。它有點像當年的諾基亞：靠封閉建起了壁壘，但不開放這件事遲早會出問題。
有了統一、開放的作業系統，機器人廠商不需要把所有底層軟體都重做一遍，可以把精力放在本體和場景上；開發者寫出的應用，可以覆蓋更多機器人；工廠過去積累的資料和模型，也不至於因為換一個品牌全部作廢。
如果這套東西真能跑通，機器人行業才有可能出現真正的軟體生態。
- 03 - 三款機器人，融4000萬
今天機器人硬體沒有統一標準，不同本體的關節、感測器、控製器差異很大。
如果自己沒有一台完整的機器人，就很難真正驗證底層驅動、運動控制、大腦和應用能不能連起來，更沒辦法向第三方證明這套系統可以穩定運行。
第一階段，我們得自己造機器，把從關節驅動到大腦、應用這一整套鏈路跑通；等系統成熟以後，再接入更多第三方本體。否則你拿著一套沒在真實機器人上長期驗證過的軟體，讓別人把幾十萬元的機器交給你，沒人敢用。
所以我們自己也做本體，一共三款。
第一款H1，面向消費和輕工業，1.4米高，定價15萬到20萬，9月底完成搭建，10月發佈。它比宇樹G1多兩個頸部自由度——宇樹的脖子是固定的，轉頭只能整個身體轉，有些團隊為了讓它扭頭觀察環境，專門在頭頂加了個二自由度攝影機，頭不轉鏡頭轉。H1還用上了固態電池，續航比普通電池高30%到50%；雙手負載12公斤，家庭場景和輕度工業任務夠用。
第二款M1，1.7米，面向工業，雙手負載20公斤，重活也能幹，定價同樣控制在十幾萬到二十幾萬。
第三款是特種機器人T1，做礦區作業，還沒啟動。這個項目是跟我們的種子輪投資人伯雷頓合作的——他們做無人新能源礦卡，市場在非洲、澳洲，需要具身智能能力，這款機器人相當於為他們定製。
宇樹G1賣9.9萬，但那是運動見長的機型，腿部關節扭矩大、手部弱，單手負載只有3公斤，幹不了真實任務；搭載高端GPU、帶靈巧手的開發版要27.8萬。
我們用中國成熟的供應鏈：關節模組外采，消費版用因時機器人的，工業版用宇樹和泰科的；主控板、驅動、感測器自研，加工件CNC外發。機器人製造跟2000年攢電腦差不多，SolidWorks畫結構、採購模組、寫驅動、裝應用，產業鏈全在中國。
我們主打出海，國內已經卷不下去了，有機器人整機賣到一萬塊以下，這是在往大宗商品裡打。
日本有機器人代理公司找過來——他們自己不做機器人，因為日本零部件價格是中國的好幾倍，想做個實驗室加工，光蘇州做手板的工廠就有兩三百家，日本找不到。
東南亞由我們團隊裡的同事負責，馬來西亞已經在談教育合作，把機器人賣給當地科技部下屬公司進學校；新加坡設點，由我們的CSO曾昭孔牽頭——他是AMD前全球資深副總裁，也當過通富超威的一把手。
融資上我們可能是全行業最保守的。種子輪千萬，天使輪只融4000萬，就兩個機構，伯雷頓繼續跟投。
現在行業裡有的公司產品年底才發，第一輪估值就喊30億；還有一個月完成三輪融資的。天使輪本來就該投團隊、投方向，產品發佈後融Pre-A輪，商業驗證後再融下一輪，我們按這個節奏走。
- 04 - 機器人四條賺錢路子
未來，硬體只是機器人賺錢的入口，真正的大生意在機器人賣出去之後。
第一塊是訂閱服務。
機器人裝了我們的系統，使用者要開通高級功能、升級大腦模型，按月或按年付費。手機時代大家習慣了App訂閱，機器人的邏輯一樣。
第二塊是工具授權。
工廠裡的大腦模型必須針對具體工位微調，這個活我們自己幹不了——我們不懂包裝廠的工藝，也不懂食品廠的流程。最懂的是工廠自己，還有長期給工廠做MES系統的整合商。我們把工具給他們，他們來做適配，我們收工具的費用。
第三塊是資料和模擬。
真機資料採集很貴，我們問過供應商，報價一秒鐘一塊錢。采1000小時就是300多萬。而且資料跟機型強繫結，換一款機器人，關節定義全變了，資料就得重新采。
模擬就便宜得多。
搭一個虛擬場景，既能用真人動作驅動虛擬機器人采資料，也能用程序生成，場景可以無限搭建。
比如要做礦區作業的機器人，礦區在智利、在非洲，飛過去采資料不現實；在模擬裡先訓練、先驗證，到真實環境再做少量微調就行。
我們做的是讓物理屬性跟真實世界對齊，這樣模擬裡訓練的模型搬到真機上才管用，行業裡叫Sim-to-Real。
北京有個真機資料中心，最近關了。不是行業不需要資料，而是通用資料中心的模式走不通：每個工廠場景都不一樣，通用資料沒法用；加上模擬在替代真機，重資產采資料的路越走越窄。
第四塊容易被忽略：靈巧手。我們買過一台宇樹G1做開發，27.8萬，靈巧手3.5萬一隻。一雙手7萬，比很多機器人整機還貴。
市面上好一點的靈巧手，一隻兩萬元，兩隻四萬。如果機器人定價15萬，光手就佔4萬，太貴了。
Sharpa Wave Hand更誇張，一隻5萬美金，比我們兩台機器人還貴——它主打極致精密，用的是直驅方案。也有便宜的，7000塊一隻，我們買回來測過，運行頻率不夠，大腦指令到位了，手還沒動；換成高頻版要兩萬多。
我們自己做了一款腱繩傳動的靈巧手，7個自由度，整機成本4000塊。重量約350克，延遲約10毫秒。
腱繩方案成本低、輕，但長時間使用腱繩會鬆動，剛度下降；連桿方案剛度好但不夠靈活；直驅最精密但脆弱，拿重東西容易壞。
這跟人手一個道理：富士康女工打螺絲手巧但力氣不大，舉重運動員手勁大但幹不了精細活。
所以靈巧手不該是一台機器配一種手，而是按場景選裝。我們的機器人出廠自帶基礎款，將來會出20自由度直驅版，使用者加價選配。
我經常跟投資人講一個判斷：將來機器人會像當年的PC一樣，使用者在淘寶上買齊部件，回家自己裝上，系統一裝就能跑。
部件不是最核心的，系統才是。今天全世界還沒有這樣的通用系統，這正是我們在做的事。 (鉛筆道)