机器人会是下一个超级泡沫吗？

摘要

• Andrew Kang 的核心判断是：今天的机器人，就是2014—2015年的 crypto。 他在2023年末/2024年初入场时，私人机器人市场总市值约200亿美元，如今约1000亿—1500亿美元，“可能逼近2000亿美元”；对比之下，XRP约1000亿美元，Pokémon trading cards约500亿美元。相对于他所设想的数十万亿美元终局，“整个行业仍有100倍、甚至可能1000倍的上行空间”，而优势恰恰来自“还没有一套评估它的框架”。
• 时间窗口的判断是：机器人现在基本处于 GPT-3 水平。 距离机器人 GPT-5 只需“大约1年”，而不是 LLM 当年所需的2年，因为 RLHF、中期训练、数据配比、标注基础设施等研究成果可以直接迁移。“机器人 AGI 会比人们想象得早得多到来。”
• 他的新载体 Robo Strategy，是把 MicroStrategy 的打法搬到私人机器人领域。 这是一只在 NASDAQ 上市的封闭式基金，将其私人资产组合打包纳入；通过溢价发行股票作为“第二台引擎”提升每股 NAV，同时基本不加杠杆（不发行优先股）。需求端来自准入：公开市场基本只有 Tesla，其他寥寥无几，而 SpaceX/Anthropic/OpenAI 在上市前市值会超过1万亿美元；相较 Bitcoin，私人创投的准入难题“被放大了1000倍”。
• 其野心明确对标 SoftBank 的规模。 MicroStrategy 峰值约1000亿美元；10万亿美元机器人市场约为 Bitcoin 当前市值的7倍，因此 Kang “瞄准的是……数千亿美元级别”——向“机器人领域的 Anthropic”投入数百亿美元，并希望在十亿美元级别的项目上实现同比100%增长，而传统成长期门槛仅为20%—25%。
• 资本轮动已经启动：机器人 VC 的兴趣在过去3—4个月开始明显拐头向上。 Kang 给出的原因是软件估值重定价，让 VC 对 SaaS 的耐久性产生“生死攸关的时刻”，物理 AI 遂成为显而易见的下一阶段。投资条款书已经按照几个月前数倍的估值开出。
• 机器人公司的护城河答案是：“不能只是把 Claude 接进机器人，就能让它工作。” LLM 通过文本理解世界，而机器人基础模型必须学习力、物理规律，以及人类天然拥有的先验和可供性——拿瓶子用一只手还是两只手、别把水杯倾斜。
• 风险也由 Kang 自己明确加了限定：NAV 溢价会双向作用。 溢价从4x压到2x，“意味着市场价格下跌50%”；即使诞生大赢家，机器人创投仍会有“非常、非常高的失败率”。主持人最尖锐的质疑同样成立：一只以2x NAV交易、底层资产又缺乏流动性的公开载体，可能本身就在提前抬高底层资产估值；Kang 承认，上市版本“可能交易得更低”。

精读

1. 从 DeFi 到人形机器人：押注拐点，而不是已有框架

• Kang 约从2018年起执掌 Mechanism Capital，早期押注 DeFi，且从未引入外部资本；直到2023年末/2024年初，他仍在 crypto 圈内，一位朋友向他展示 Figure AI 以及创始人 Brett 对人形机器人的推介。关键突破在于：人形机器人是被一个问题卡住了100年的科幻梦想——“一直以来的障碍都是智能”（the barrier was always intelligence），而不是硬件；ChatGPT 在2022年出现后，人们可以把数字 AGI 外推到物理 AGI。
• 为什么是那个时间点切入？“依我看，投资的最佳时机就是这种拐点”——市场不会因为开发速度发生变化，就立刻给出重新定价。“这让我想起了2014年、2015年的 crypto”（crypto in 2014, 2015）：复杂、跨学科、没有成熟的估值框架，因此谁先搭建起框架，谁就能“相对于行业其他投资者获得巨大优势”。
• 他此后的方法是“纯粹的痴迷……不休息”，冲浪除外；他半开玩笑地说：“我就和 Claude 说话。”（I just talk to Claude）“这是我和另一个生命体接触的主要方式。”有了可以通过对话逐一追问每个消融实验和架构取舍的工具，论文不再令人望而生畏。但痴迷无法替代几十年的积累，所以团队中还有 Scott Walter——在机器人领域工作40年，卖掉过2家公司，上一家公司卖给了 Kuka。
• 他的认知方法建立在一种“极度求真的”文化上：只有经过尽调，才会形成高确信度判断。如果你从5个不同角度验证某个判断，确认自己可能错但实际并没有错，“那可能错的是市场”。Figure AI 当时就是这样。

2. 机器人市场规模与上行空间

• Kang 入场时，私人机器人市场总市值约200亿美元；如今约1000亿—1500亿美元，“可能逼近2000亿美元”。XRP 接近1000亿美元，Pokémon trading cards约500亿美元；相对于数十万亿美元的终局，“仍有100倍、甚至可能1000倍的上行空间”。
• 为什么押注机器人而不是太空？SpaceX 已经证明了商业模式，估值也已经反映这一点；而且“多数人不会去乘坐火箭……机器人会更早渗透进日常生活”。
• 到2035年，市场可能出现2万美元的入门级人形机器人和5万美元的高端人形机器人，而人类私人助理每年成本为4万—5万美元，行政助理的全包成本最高可达20万—40万美元。机器人可以照料父母、进入工厂、酒店和餐厅工作，也可以被部署到太空以及人类无法作业的环境中。

3. 被低估的巨头：智能机械臂，而不只是人形机器人

• 工业机械臂一直存在，真正的新变化是智能化：它可以省掉“数周编程，以及仅为完成初始设置就要花费的数万美元、甚至数十万美元工程成本”。Kang 的对称推论是：“如果未来会有数十亿台人形机器人，那大概也会有数十亿条机械臂”——用于冲咖啡、烹饪、仓库拆包等场景。
• 组合中的核心持仓 Standard Bots 生产协作机器人和工业机械臂，是美国“唯一真正实现规模化”的同类公司；公司采取垂直整合模式，供应链也不依赖中国。如果美国重新走向工业化，“它们将推动美国再工业化”。Kang 认为，这家公司对美国政府本身都具有战略重要性。

4. 机器人现在处于 GPT-3，1年后迎来 GPT-5

• 他的校准判断是：“机器人现在基本处于 GPT-3 水平。”之所以看起来不够惊艳，是因为机器人成功拿起杯子的概率只有50%时，市场读到的是失败，而不是进步。当前前沿模型已经展现出几项能力：泛化到训练中从未见过的家庭和工厂环境；上下文学习迁移到物理 AI；从抓取和放置扩展到长时程任务——“先把它装好，再拿起那个箱子放到那边”；以及内部记忆。据节目中听到的名称，Rohde AI 曾演示机器人赢下三杯球游戏。这些能力会随着数据和算力扩张而“涌现”。
• GPT-3 到 GPT-5 之间积累了2年的研究成果，包括 RLHF、中期训练结构、预训练数据配比和标注基础设施，而这些不需要在物理 AI 上重新发现。“我认为大概只需要1年……机器人 AGI 会比人们想象得早得多到来。”

5. 不，不能把 Claude 直接插进机器人

• 主持人追问护城河：如果前沿实验室实现 AGI，难道不能把它们的模型接到任意旧硬件上？Kang 的回答是：“不能只是把 Claude 接进机器人，就能让它工作。”（You can’t just hook up Claude into a robot）像 Opus 这样的 LLM 通过文本理解世界。他打了个比方：一个天生失明且没有四肢的人，突然获得视觉和四肢，然后被要求与世界互动——“也许经过大量试错后能摸索出来，但不可能开箱即用。”
• 缺失的那一层，是研究人员所说的先验或可供性：握住杯子而不把它捏掉需要多大力度；给定尺寸的瓶子应该用一只手还是两只手；不能把玻璃杯倾斜，否则水会洒出来。人类免费获得了这些能力，机器人模型必须自己学习，而且还要学会如何学习，因为机器人将面对“我们甚至还没想过”的情况。

6. 软件的生死时刻正在为资本轮动提供资金

• 机器人投资兴趣“在过去3—4个月开始拐头向上”。Kang 给出的原因是软件估值重定价：VC 意识到一些软件公司“没有我们以为的那么耐久”，并开始思考如果不投 SaaS，资本下一步该投向哪里，经历了一个“生死攸关的时刻”，而物理 AI 成为显而易见的下一阶段。此前市场的顾虑包括资本开支、中国竞争和美国制造能力；当时这条趋势还没有真正确立。
• 结果是，基本所有顶级 VC 和第二梯队 VC 都开始研究机器人；部分条款书给出的估值，已经是这些公司仅仅几个月前融资时的数倍。Kang 认为，今天市场对 AI 公司的兴趣，等同于未来1—2年市场对机器人的兴趣水平。

7. Robo Strategy：MicroStrategy 的打法，有限使用杠杆

• 起因是 Kang 在 X 上发布机器人投资项目后，收到“超过1000条私信”询问如何获得敞口。公开市场基本只有 Tesla（市值2万亿美元）和另外1—2家公司，而“SpaceX、Anthropic、OpenAI 在上市前就会达到1万亿美元以上”。他对动机的表述很直接：“我的首要目标是赢，不是说我是一个利他主义者。”让所有人获得准入是“非常好的附加因素”，但准入本身也是产品。
• 按他的解释，MicroStrategy 实际上是把 TransDigm、Constellation Software 等公司的私募股权滚动收购模式，应用到了 Bitcoin 上：上市可比公司交易在15x—40x，而小型私人公司只交易在3x—8x，因此“我买下这家私人公司，可能花1亿美元。一旦纳入我的账面，它会立即按4亿美元重新定价”。MSTR 真正的需求驱动因素也是准入：ETF 上市后溢价仍然存在，是因为受限资本池——RIA、捐赠基金、养老金——“原来规模真的非常、非常大”。
• 他的判断是，私人机器人投资的准入难题“被放大了1000倍”，而且 TAM 更大：Bitcoin 市值低于1.5万亿美元，机器人则可能超过这一规模一个数量级。他从 MicroStrategy 保留的机制，是在溢价状态下增发股票，把增厚 NAV 的发行作为“第二台引擎”，即使在估值不变的熊市中也能提升每股 NAV。限制因素则是杠杆：不发行优先股，任何借款都会“非常、非常有选择性”，且期限很短。
• 他也明确承认溢价带来的真实风险：从4x压缩到2x，“意味着市场价格下跌50%”。不过，按上一轮估值计量的 NAV 同样会错过即将到来的融资轮和增长，而公开市场可以实时定价这些变化。

8. SoftBank 级别的规模，以及主持人最尖锐的反驳

• 目标是 MicroStrategy 峰值约1000亿美元的更大版本：“我瞄准的是更接近 SoftBank 的规模……数千亿美元级别。”他的纸面计算是：10万亿美元的机器人市场约为 Bitcoin 当前市值的7倍，因此即使不计入更严重的准入难题，也相当于 MicroStrategy 峰值的7倍。问到是否需要扩展到机器人之外，他的回答很干脆：“不需要。”
• 背后的幂律逻辑是：没有规模时，一台机器人生产成本为50万—100万美元；有规模后，成本可以下降90%。因此规模优势会复利，最终“会出现一个数万亿美元级别的赢家”。他希望向“机器人领域的 Anthropic”投入数百亿美元，在十亿美元级别的项目上实现同比100%增长，而传统成长期投资的门槛是20%—25%；同时他承认，机器人创投会在诞生大赢家的同时伴随“非常、非常高的失败率”。
• 主持人的反驳值得保留：如果一只公开载体以2x NAV交易，而底层资产并不具备全天候、24/7交易的流动性，那么这个公开载体本身可能就在给底层资产定价，提前拉高下一轮融资的估值。Kang 承认这一点：如果这些公司上市，“它们可能交易得更低，也可能持平，也可能交易得更高”。

9. 组合公司，快速点评

• Figure 是“这一代人的 Apple”：审美和设计无人能及，更不用说那些工业味很重、千篇一律的中国厂商；未来家用机器人也会像 iPhone 一样成为身份象征。Apptronik 是“下一个最佳选择，可能落后1—2年”——它是较早的人形机器人创新者，曾为今天最大的几家公司打造原型机；公司拥有深厚的制造能力，节目中听作“Stable”，是美国少数具备大规模硬件制造能力的厂商之一，同时与 Google DeepMind 合作。正如 Elon 在 Tesla 所说，制造比设计更难。
• Dyna Robotics 拥有顶尖的机器人学习团队，优势尤其在后训练领域，也是最早达到99.9%任务成功率的公司之一。这个指标才是关键，因为“你不可能每小时都让人类介入……目标是人类永远不需要介入”。公司也在打造自己的硬件平台。
• Dexmo 是“美国的 Unitree”：美国第一家商业化销售人形机器人的公司，去年向“基本上所有主要美国研究实验室”交付了轮式版本，腿式版本则计划“今年夏天晚些时候”推出。Kang 的平台判断是，机器人会成为下一个 iPhone，并在其上形成开发者技能经济——“有人开发一项技能，让我的机器人做饭做得和 Gordon Ramsay 一样好。”