瑞银网配资
2025 年，具身智能的热度相较过往呈指数级暴涨。当所有目光都聚焦于这条被认为是 AI 尽头的赛道时，资本的涌入和酷炫的 Demo 演示，在不断推高市场预期的同时，也让一些从业者产生了疑虑：我们距离真正的通用机器人，是否比想象中遥远得多？
在第 18 届创业邦年会暨创业邦 100 未来独角兽大会上，五位身处一线的创业者——极佳视界联合创始人、首席科学家朱政，千诀科技创始人 &CEO 高海川、地瓜机器人 CEO 王丛、灵初智能创始人 & 首席执行官王启斌、Vbot 维他动力创始人 &CEO 余轶南，以"热潮中的冷思考"为主题，展开了一场深刻对话。
他们从为何选择这条路谈起，探讨了通用机器人的边界、技术泡沫与商业化陷阱，并对未来一年的生存关键给出了自己的判断。以下是他们在大会上的对话实录，由创业邦整理。
没有边界的"通用"不靠谱
回归领域落地
朱政：具身智能这条道路相比于语言模型或多模态模型，更崎岖也更为烧钱。想请教各位，是什么让大家选择这么难的一条创业之路？
高海川：我们走这条烧钱之路是比较水到渠成的，主要原因是事先已经烧了非常多的钱，这来自于国家的大战略。我读书那年就开始做类脑的双臂机器人，2017 年正好对应中国脑计划大批量研究项目的启动，批下非常多的预算，直到现在它还在连续三次国家大计划中都是重要一环，跟量子、芯片完全并列。
所以，国家很早就以超前的眼光看到了机器人大脑这件事。虽然那时模型底座还没准备好，但大笔投入已经开始，培养了很多人才，相应的数据场景、算法结构也都是事先准备好的。我们创业也是这批老同事们。所以做机器人大脑这件事情，我们确实是责无旁贷。
王丛：我们的愿景就是让各行各业的智能硬件、机器人变得越来越好，我们也不拘泥于"具身"或是"非具身"。我们希望家里的东西越来越智能、越来越好玩，为这些东西做赋能。
王启斌：我想，坐在台上的每一个创业者，在创立这个事情的时候，第一个视角看到的是更大的机会。我本人从 2018 年开始做机器人，因为算法的出现，我们认为在 2023 年有一个巨大的机会，当然，创业之后才知道也有更多的困难。
之前的机器人解决的是基于 SLAM 的各种平面移动问题，而操作这个问题其实一直在用非标自动化的方法解决。这次因为算法出现了巨大的机会，加上我们团队之前在强化学习方面的积累，所以我们选择在这个时机组了团队出来创业。
余轶南：我觉得现在是一个非常好的时代 Timing，各方面相关的技术都越来越成熟。
朱政：具身智能产业讨论的热度暴涨。但是身处业内一线，大家有没有感觉到我们距离真正的通用机器人还是比想象中遥远很多？想请各位谈一谈，对于这种乐观的环境，我们需不需要泼一盆冷水？
余轶南：一讲到"通用"这个词，范围就无限大，只要是这种无限大的东西，大部分都不靠谱。但是我们可以把它收窄到一些 ODD（应用领域）更加明确的范围，我觉得可能从 2026 年开始，会有一些场景率先落地。
王启斌：对于通用这个概念，机器人毕竟是一个在三维物理空间里做复杂操作、接触物体的东西，我觉得它非常符合 Gartner 曲线——梦想越大，在上面走的时间会更长。我们从第一天开始瑞银网配资，就从来不会跟人讲没有边界的通用，我们还是坚持认为机器人会在一定的领域里头做到一些通用。
一个成熟、理性的投资人，如果经历过智驾的年代，经历过更早的硬科技年代，应该知道这个东西不是一天两天一蹴而就的。但是因为有范式的转移，3 年、5 年，一直到 7 年、10 年，其中会有每个波次的迭代。
王丛：创业者和投资人能走到一起，本身就是一种难得的缘分。有的人更相信短期落地，那么这样的人会匹配到一起；有的人更相信长期价值，那他们也会聚成另一股力量。你说谁对谁错？其实没有标准答案。有人坚守长期主义最终成了，有人把握短期机会也成了。我觉得每轮周期都是这样，不用急着下判断，也不用泼冷水。相信自己的节奏，认真走，时间会给出答案。
高海川：我们技术上的直观感受是，面临着一种传统技术对新兴技术的阶段性挑战。打个比方，现在就像是火车和马车的比较，马车在很多地方是比火车快的。
大家可能都知道，端到端的模型系统上限最高、最优性最强，我们也是这么做的。但在落地过程中会发现，在某些产品化指标上，比如技术稳定性、端侧部署成本、接入速度、算力消耗等，传统方法做得更好。这些指标往往又是用户能直观感受到的，所以模型特别强，他没法立马感知。
这种对抗我觉得也比较自然。所以当前落地，应该是更加寻找人形机器人大脑的兼容形态。比如它可以向下兼容轮式单臂、四足狗等，在它的子位上，模型给人的体验要比传统化更好，这样就能顺应和缓解当前的技术矛盾。
从 Demo 到商业化
警惕技术泡沫
朱政：我们接下来探讨一个技术问题。很多人都在探讨世界模型，大家认为具身智能在什么节点可以让世界模型落地？在此之前还需要做出哪些努力？
王启斌：我觉得"世界模型"这个词来源自强化学习，但今天大家并不是说要让世界模型来落地，而是要选择最好的架构来解决真正的核心问题。第一个核心问题是，机器人是在三维空间中做动作的，这远远超越了语言和视觉模型。
第二个问题是，如何能做到一个非常长程的、类人的规划。这里头不管世界模型怎么说，机器人怎么能理解空间、预测未来，并对动作有指导作用？我们认为还是要有很好的数据。这个数据的来源是多元的，我们就在做非常低成本的数据采集工具，提供数据来解决这个问题。
余轶南：你讲的世界模型的具体定义是什么？
朱政：在机器人领域，大家对世界模型的定义在于它是一套预测系统，可以根据当前的状态或过去的观测，预测未来的状态。
余轶南：好像没有见过你刚才定义的这种 World model（世界模型）在端侧落地，智驾上好像没见过。但如果说云端，那已经很多了，比如我们做仿真、做训练数据的生成，3、4 年前就已经落地了。但是直接把它用在自动驾驶或者机器人本体上面，好像没有。
高海川：我比较同意轶南总的看法。我觉得现在模型有两条技术范式：第一条是端到端，第二条是类脑解耦。
我们以爬山做比喻瑞银网配资，第一条是爬悬崖，中间看不到什么结果，只有站到悬崖顶上才能享受这一切。第二条是走解耦的路线，一直持续在落地，其中最好的是类脑解耦，因为它有数学基础，不是拍脑袋解耦出来的，相当于走盘山公路。盘山公路虽然距离比直接爬悬崖要长，但是你可以把马力开足，中间可以找到一些成果。
所以，两点之间直线最短，但是两点之间曲线最快，我们是走曲线的。我们在类脑分区这条技术路线上一直在做落地，会越来越融合更加端到端的成分，而端到端模型有可能会分化出各个脑区，就像人脑的成长过程一样。最后大家在顶峰相遇。
朱政：接下来我们探讨一个更敏感的话题。2025 年行业内各个玩家都推出了非常酷炫的 Demo，大家认为这些 Demo 背后，最需要被戳破的技术泡沫或者商业化陷阱是什么？
王启斌：我们在 2025 年下半年完全没有投入资源做 Demo。说实话，也有投资人给我们压力，但很重要一点，大家肯定都是明白人，知道 Demo 不等于商业化。现在只是因为行业还在很早期，没有很好的评测标准。
大家应该已经非常清楚，Demo 仅仅是 Demo，它并不解决商业化里头具体到底有多少泛化、多少成功率，以及是不是能做到人类的节拍。从一个 Demo 到商业化要走多长的路，我觉得大家心里应该有深刻的判断。今天，明白的人应该都能够非常清醒地知道，Demo 就是 Demo。
王丛：我觉得很多技术 Demo 在早期可能很难直接产生立竿见影的商业价值，但它也有价值，不用去纠结这一点。像美国的很多顶尖的科技公司，包括 OpenAI 早期发的 Paper，Google 做的 AlphaGo，这些也都是 Demo。直到某个技术的临界点被击穿，它就成了。
一个企业和它选择的执行路径，只要战略和路径匹配就行了。有些企业的资源或成功经验就在于商业化落地，瞄准 PMF（产品市场契合点）发力就很好。有的人就坚信有一天能做出一个通用智能的算法，持续融资投入深耕研发，只要知行合一，也能做出来。这就是不同路径的选择，没有高低优劣之分，知道自己要什么，然后找到最合适的办法去做就好了。
高海川：我觉得主要的矛盾是 Demo 的性质和对象都发生了变化。以往的 Demo 是给客户看的，Demo 的是一种 POC（概念验证）或 MVP（最小可行产品），寻找的是 PMF，是产品驱动的。现在的具身硬科技是技术驱动的，要经历先寻找 TPF（技术产品契合点），再寻找 PMF 的过程。
现在的 Demo 往往是给生态合作伙伴去看的，跟他们一起共创一个产品，再去找 PMF。这会造成一些不好的现象，就是很多最终用户觉得 Demo 就是 MVP，联系公司就想买 Demo 里的东西，但实际上那个 Demo 只是在演示一种技术。这个对齐过程，我们的做法是两种 Demo 都做，并且标清楚，这个是给用户看的产品 Demo，那个是演示技术的，不拿来卖，区分开会比较好。
算法与工程并重
打造"特种兵"团队
朱政：我们大家都知道，创业公司其实很多时间和资源比较有限，如果我们要打造具身智能的梦之队，各位是会把资源和待遇优先给突破算法的技术大牛，还是给那些让产品率先落地呈现到客户面前的工程师，各位认为谁才是团队最重要的基石？
王丛：我每年在这块也会有不同的反思或者变化，每个企业发展阶段都会面临不同阶段要面对的问题，每个公司的业务战略其实永远都是先有战略才有招人策略，我觉得这个没有标准答案。
王启斌：我认为这个问题本质上是一个伪命题，既然叫梦之队，那你每个位置都要很强，包括灵初其实今天全职已经 100 多人，我的团队肯定不仅仅是招算法，我跑数据的话，我数据的 Infra 怎么来，我 Infra 上面的训练框架怎么来？大家也知道包括做数据平台的大的架构师也非常值钱的。
只是发生一个很大的变化，现在算法的人员，或者说我们希望招的人有更多的横向能力、全栈能力，做 Infra 的人本身对算法框架有基本的理解，那做算法的人写出来的东西知道和这些工程怎么谈。今天顶尖的算法人才和顶尖的工程人才都非常值钱，其实都非常贵，一定是这两种人都非常重要，没有这两种人，像我们做数据或做具身公司跑不起来。
余轶南：今天的创业公司与过去的创业公司相比有一个典型特点，过去很多公司比如创业几年之后，可能三百人、五百人甚至一千人，人数代表公司的规模和能力，但是今天会发现大家都在往小说，大家在招人上都会很克制，会招横向很全面的人才。
我的理解是要招更加专业化、职业化的人。因为今天 AI 工具的赋能，每个团队人的能力半径比过去要大很多，所以今天很多公司的典型特点是小而精，更像是特种兵的部队。无论是算法、系统工程，还是生产制造，应该是大量用外部的资源，让自己核心团队的人越少越好。好像一个特种兵化的作战部队来打，这跟今天大家能够使用到工作中的工具有关，这是今天公司很典型的特点。
高海川：我们就是特种兵式，资源投放分节奏，先投放给技术算法的研发，再投放在产品和工程化上，当然非常欣慰的是这两批人是同一批人。大家都知道我们是一波清华博士出来创业，大家一开始技术算法的能力是非常强的。
非常欣慰的看到，从 TPF 到 PMF 的过程当中，每一位我们的原本的技术总监现在已经成长为了具有产品定义能力、具备工程化落地能力，他既是一个产品经理，也是一个技术总监，也是一个项目经理，还是一个商人，集这几种特性为一体的特种兵式的经理。
我非常欣慰地看到老同事们，现在每个人都能独当一面了，接下来他们所管理的人这几类都有，因为现在大家都知道是一种技术驱动，中间要寻找落地的这么一个过程，所以主管既要懂最前沿的技术，还要能够扎下心来把东西卖出去。
2026 生存指南
从技术研发转向企业经营
朱政：最后一个问题。如果展望新的 2026 年，决定一家具身智能公司生存最关键的变量将是什么？
高海川：我觉得今年大家 PK 的主要是商业化。各家都融到了非常多的钱，而且行业持续有热情投入。但一定要解决一个矛盾：大家不能手上拿了钱之后就去买理财，也不能成立基金再投资别的公司。大家应该寻找一个可以被 ROI（投资回报率）验证的根据地，拿这个钱去扩大它。
从纯粹的技术研发转化到企业经营、运营上面，会成为今年的主旋律。一个运营更好的公司，它自然而然地会在技术方面吸引到更多人才。反过来，如果一家公司是纯粹打技术，那它是不太健康的，尤其是在中国这种竞争很激烈、很充分的环境里，这家公司可能是在为整个社会，特别是为友商输送人才的基地。
王丛：其实我觉得，至少今年，大家面临的首先不是生存问题。现在融资环境还比较宽松，这给了所有人一个难得的窗口期。关键在于三到五年后会怎么样，然后倒推回来，决定今天最应该做什么。
每家企业倒推回来的逻辑其实都不一样。如果有人觉得具身智能还有 10 年的路要走，他买理财也挺正常。如果他觉得可能 3 年后就要血战了，那今年可能就要各种找商业化的东西。每个人的认知不一样。
王启斌：我觉得具身智能有三个小周期：第一个是硬件周期，所以大家今天看到的头部公司，都是把硬件卖出去的，这个周期还在跑。第二个是做场景的周期，大家原来预测具身太难，所以要做场景。第三个是数据的周期，包括采数据、训数据到模型。
我认为，场景的周期刚刚开始，这会是今年相对重要的旋律，我们在这上面有很充分的布局。这三个周期是交替的，具身的生态本身足够大，有的人只干硬件，有的人只干细分场景。不论宏观怎么变，底层从技术到产品到商业化，这三个周期是看得到的。
余轶南：2025 年一点都不卷，要卷也就是卷融资这一件事，因为大家没有在真正的商业战场上开打。
2026 年会开始有一些，大家开始抢订单，不管是 B 端还是 C 端，客户掏出一块钱，到底给 A 公司还是 B 公司？这是非常赤裸裸的事情。2026 年会开始，但也不会那么激烈，因为整个战场还会再往后一点。2025 年没有，2026 年零星开始有些战场会打起来，2027 年或许战场会越来越火热，打得越来越你死我活。产业周期总是这样一个过程。
1 月 15 日，第 18 届创业邦年会暨创业邦 100 未来独角兽大会在北京圆满举办。本届大会以"恒者蓬勃（Only the Timeless Thrive）"为主题，发布了《2025 全球独角兽企业观察报告》《2025 中国企业创投 CVC 发展报告》并重磅揭晓了" 2025 创业邦 100 未来独角兽"榜单。红杉中国合伙人周逵获评" 2025 年度投资人"。
其中，"创业邦 100 未来独角兽"榜单过去已连续发布 16 年，每年评选 100 家估值在 1-10 亿美元的高潜力科技公司。截至目前瑞银网配资，已有 1395 家企业上榜，其中 136 家企业成功上市，191 家晋升为独角兽，944 家企业上榜后获得新融资。
全国排名前十配资公司提示：文章来自网络，不代表本站观点。
