摘要

机器人估值已经跑在产品前面，但过热不等于终局泡沫。 刘一鸣指出，1X NEO被质疑依赖遥操；他还转述朋友所说的 Figure Demo 曾拍摄十多次才成功一次，这些都说明 Demo 的稳定性、成功率和泛化能力远不及宣传。邱谆认为本体、大脑、小脑、仿真与世界模型正在汇聚，但现有能力仍不能匹配估值。
具身智能可能先后经历 GPT-3 与 ChatGPT 两个时刻，而不是被一个爆款瞬间点燃。 第一阶段是数据终于能训练出随参数规模提升而涌现的模型；第二阶段才是经后训练后达到可用水平。邱谆预计若类比历史，约两三年看到 GPT-3 式涌现，再过两三年出现首个被市场接受的泛化场景，但“不会出现机器人满街跑”。
中美并非简单胜负关系，而是美国偏基础模型，中国偏硬件迭代与更开放的数据场景。 美国的 π、Skild 等路线更偏软件和学院派；深圳机器人硬件却能“一天迭代三次”，工厂也更可能用部署换数据。最终优势取决于垂直整合：既要把模型训练出来，也要让软硬件在真实场景形成闭环。
商业化的关键不是先卖多少台，而是能否完成“部署—采数—训练—提高成功率—扩大部署”的冷启动。 Christine认为美国人力成本和付费能力带来最高 ROI，中国则可能先启动数据飞轮；邱谆的判断更谨慎：“究竟是中国先还是美国先，暂时我也不是特别能够预测。”机器人版 DeepSeek 和机器人版 OpenAI 谁先出现，仍是开放问题。
具身智能与智能制造是两套投资逻辑，判断标准是公司是否必须依赖大量人类数据来获得泛化。 AGV、机械臂、扫地机器人可以智能化，却仍是专用设备；真正具身大概率接近人形，因为遥操、动捕、示教和视频数据都来自人。邱谆用“三只手臂”划界：工程上更高效，却因“无法去收集三个手臂的数据”而不适合通用具身路线。
当资本追逐方向频繁切换时，论文比资金流更有前置信号。 RT-2 会推动 VLA 投资，但灵巧手融资变热不代表技术已经突破；邱谆甚至建议通过 Transformer 变体、扩散模型及算力需求判断英伟达乃至整个股市，而不是倒推技术。“从技术去判断投资，而不是倒过来。”
近端收入仍主要来自 B 端结构化场景，而且许多看似人形机器人的订单其实更适合专用自动化。 零售补货盘点、物流翻箱、工厂拧螺丝和外仓抽检都存在需求，但目前多是“故障率很高”的不稳定演示。供应商规划每年 10 万至 100 万台产能，而高盛给出的 2035 年全球出货预测仅 138 万台，暴露出明显的订单与产能错位。
触觉缺失、幻觉、Sim-to-Real 鸿沟和人机安全共同决定了家庭机器人仍很遥远。 邱谆不否认这些约束，却认为工程会像飞机没有复制鸟类振翅一样寻找捷径；真正的底线是用数据证明安全。1X 若让远程操作员实时观看家庭，不仅尚未跨过“特洛伊木马”式冷启动，还把隐私问题“推到另外一个层面”。

精读

1. 估值已经透支 Demo，技术却尚未失去方向

刘一鸣以两个反差开场：1X 把 NEO 包装成可进家庭的机器人，却很快被质疑依赖远程操作；另一边，供应商积极扩产，实际大单仍未落地。市场期待的是泛化智能，看到的却常是“人在后面”。
邱谆把过热拆成两个维度：按现有产品能力，Demo 的稳定性、成功率、规模化和泛化都“不能和今天的估值做匹配”；按未来物理 AI 的潜在市场，风险资本提前占位仍可能被长期空间消化。
邱谆的框架是“大爆发的前夜都会过热”。他承认一部分公司偏融资和营销，视频可能使用 CGI、加速或反复拍摄；另一部分团队则持续发论文、推出新的架构和模型。投资任务不是否认热度，而是在热度中寻找技术路线清晰的机会。

2. 机器人仍处于 BERT 期，GPT 时刻至少分两次发生

邱谆把当前阶段类比 BERT 时期：Transformer 路线已经可辨，VLA、RT-2、π0 等方案让行业“大致知道是往这个方向走”，但还没有模型同时在参数规模和性能上达到足够水平。
第一个节点是 GPT-3 式涌现：现有遥操、动捕、示教、视频、仿真等数据终于能被一个足够大的模型吸收，类似 2020 年 175B 模型把此前难以利用的数据训练进去。“我们很期待有一个涌现的出现。”
第二个节点才类似 ChatGPT：通过后训练、RLHF 等手段，把不稳定的能力调到真正可用。邱谆提醒，GPT-3 刚涌现时回答仍不够准确；机器人也可能先出现令人惊讶的能力，再经历漫长的产品化。
Christine 给出的技术判据更具体：机器人能通过语言和视觉理解“去厨房拿杯子、倒水、放回桌上”，自行拆成长动作链，跨越 L0、L1 乃至部分 L3，而非执行脚本。消费规模则更像苹果手机：早期慢，一旦数据和场景建立，增长会突然加速。

3. 美国领先基模，中国领先硬件速度，最终胜负在融合

邱谆看到的技术栈分工是，美国在基座模型驱动具身方面领先，π、Skild 及李飞飞团队都带有学院派色彩；中国更擅长本体、零部件和供应链迭代。双方并未割裂：国内紧盯美国模型，美国团队仍依赖中国成熟供应链。
Christine 在深圳听到最具代表性的一句话是，机器人硬件“甚至可以一天迭代三次”。这种速度在硅谷既缺能力也缺胆量，但硬件速度本身还不是完整能力，最终仍要把“身体”和“智能”整合到场景。
两人的共同例外是特斯拉：它既有软件、模型和 FSD 积累，又长期学习中国制造。Christine 认为特斯拉目前最接近软硬整合范本；邱谆则提醒，若未来真正由基础模型主导，Google 从 DeepMind 到 Gemini 的投入可能比特斯拉更占优。

4. 数据闭环决定谁先商业化，而不是谁先发布机器人

邱谆把商业化定义为闭环：先在场景中获得数据，再训练模型、提高成功率，才可能扩张。若没有足够数据便急于交付，产品效果差、客户流失，最终仍回到“没有用户所以没有数据”的原点。
中国的潜在优势是场景开放。Christine 举例，一家机器人在奔驰产线试点时，只能在帐篷式“小黑屋”里复制动作，避免接触敏感生产数据；中国工厂若认可其能力，可能允许机器人部署到产线，并把数据作为合作的一部分。
美国的优势则是 ROI：物流、养老和其他缺工场景的人力替代价值高，客户付费能力强。Christine 给规模化列出三个条件——不能停留在试点、数据飞轮必须转起来、真正高价值的落地市场可能在美国。
因而两人的结论都保留不确定性：中国可能先凭场景和供应链启动数据飞轮，美国可能凭基模和高 ROI 跨越门槛。“机器人的 DeepSeek 先会出来”，还是机器人领域的 OpenAI 先跳出来，现在仍无法判断。

5. 供应链扩产是抢位，也是尚未被订单验证的泡沫

刘一鸣引述的高盛调研显示，机器人供应商普遍规划每年 10 万至 100 万台产能，却“几乎没有收到实际订单”；高盛对 2035 年全球人形机器人出货量的预测也仅为 138 万台。产能口径已经明显超过可见需求。
Christine 将这种行为解释为供应链 FOMO：电动车曾迅速进入大产能阶段，厂商因此倾向于“拿着供应链产能去拿单”，而不是接单后再建产能。连传感器公司都开始讲物理 AI 故事，实质是提前卡位。
风险在于机器人设计尚未定型。Christine 提到，Optimus 约在年中七八月重新推翻硬件设计，相关订单暂停；上游即使方向判断正确，也要承担规格变化、返修率和量产反复带来的试错成本。

6. 是否需要人类数据，是具身智能与先进制造的分界线

邱谆坚持，ChatGPT 之前多数项目应称为机器人、先进制造或专用设备，而非具身智能。最简单的检验是“看它要不要数据”：若不需要大规模人类行为数据训练模型，智能化机械臂仍是专用设备。
真正的具身路线大概率接近人形，因为可获得的数据都围绕人：第一视角、第三视角、遥操、动捕和示教均如此。腿可以换成轮子，像“坐在轮椅上的一个人”；但只有机械臂，或为单一任务定制的构型，不具备同样的数据基础。
三只手臂是邱谆最锋利的反例：专用制造设备可以按效率做三臂，但通用具身不会，因为“我也找不到一个人能够同时控制三个手臂”。构型并非审美选择，而是被训练数据反向定义。

7. 上半身与下半身之争，最终会被全身垂直整合取代

邱谆不接受把机会简单切成腿、腰、手：“通俗点说就是全身。”大脑、控制算法、执行侧和本体最终要形成大脑驱动的垂直整合系统；只做下半身或控制算法可以成为供应链，却必须紧跟上层模型，否则可能被上层软件淘汰。
刘一鸣补充了估值差异：宇树在 2023 年以前估值一度只有智元的一半甚至更低，后者因更全栈、更偏软件的叙事获得更高定价。邱谆同时提醒，宇树当前科研出货不等于最终商业路线获证实，研究结束后客户仍可能换构型。
Christine 对早期投资的优先级非常明确：“一定是关注大脑”，尤其是端到端算法、数据获取、预训练效率，以及从感知到规划的 L2 能力。她认为现有机器人连 2018、2019 年 L4 自动驾驶的感知水平都未达到——人突然跳到面前，机器人可能还停不下来。
灵巧手是另一处值得押注的软硬结合点：三指还是五指，取决于目标任务；操作能力既受手部机构、传感器和供应链成熟度约束，也最终由大脑控制。商业价值未必只属于整机，关键零部件同样可能形成高价值位置。

8. 投资热点会漂移，技术突破才是更可靠的先行信号

嘉宾回顾了几轮叙事：2022 至 2023 年，Optimus 从工程机走到 Demo 机基本不到一年，Figure、1X、Agility 等整机故事吸走注意力；去年市场争论通用具身还是场景机器人；今年技术栈被拆开，数据瓶颈成为显性问题。
邱谆转述，Physical Intelligence 好像在今年上半年一次公开演讲中提到数据“实在太缺了”。随后资本开始分别寻找数据、模型、控制、本体和仿真团队。邱谆认为这更多是资金在技术栈窗口间挪动，不代表每次迁移都对应真实里程碑。
因果方向不能颠倒：RT-2 这样的技术突破会带来 VLA 投资，但资本突然涌入灵巧手，不足以证明灵巧手已经突破。“技术上的突破一定会带来投资热点的转移，但倒过来不一定。”
邱谆因此要求投资人读论文。在 BERT 时期，GPT-1 和 GPT-2 几乎无人关注，直到 GPT-3 训练出 175B 模型才惊艳市场；真正有价值的判断，是在 GPT-1 和 GPT-2 阶段就从论文识别路线，而不是等产品和估值确认。

9. 机器人投资已经与英伟达和整个 AI 泡沫绑在一起

邱谆给二级市场的建议不是跟踪资金，而是研究新 Transformer 架构、扩散模型结合方式及其算力需求，再判断英伟达是否仍受益。论文不仅影响机器人标的，也影响 AI 资本开支能否持续。
他亲历 2000 年 dot-com 泡沫，因此把当前风险看得更广：语言模型和多模态也遇到新数据难以训练、scaling law 受阻的问题，需要新的模型。他暂称其为 XT 或 XPT 之类；若这种新模型迟迟不出现，股市里依赖 AI 持续进步的定价也会承压。
若这个跃迁不来，不仅机器人无法获得更可靠的大脑，股市里依赖 AI 持续指数进步的定价也会承压。邱谆的结论仍是那句：“从技术来看投资，而不是倒过来。”

10. 触觉缺失是现实困境，却不足以证伪具身智能

刘一鸣引用 Brooks 的论点：现有训练严重依赖视觉，而灵巧操作还需要触觉、力反馈和皮肤变形等数据；这些数据几乎没有历史积累，因此最近两三年实现真正灵巧性和泛化可能很难。
邱谆“非常同意”问题本身，却反对把它直接变成否定性投资结论。飞机并未通过复制鸟类振翅实现飞行，机器人也可能借助工程捷径，而非完整复刻人体传感系统。“这些恰恰就是现在要冒险解决的问题。”
他的核心判断仍是视觉优先：视觉和语言已有大量互联网历史数据，新增触觉传感器却要从零采集。模型可能加入触觉和力反馈，但大概率先通过更好的训练、去噪和精度控制，把已有 VLA 数据真正灌进模型。
邱谆从 Brooks 的论文中归纳出三项有效警告：数据成本太高、数据结构稀缺、最终机器人基础模型形态尚未出现。他不同意“机器人最终学不会”，但承认这三点正是今天最实质的技术和投资风险。

11. 1X 的问题不是遥操本身，而是没有进入家庭的特洛伊木马

家庭安全首先需要数据证明。邱谆借自动驾驶类比：车辆经历三四年人工监督、统计接管和渐进开放后，才有资格向监管说明无人能力；机器人若直接与老人、小孩共处，也必须建立类似安全记录，这是“baseline”。
双足机器人的重量进一步放大风险。邱谆提到，宇树早期正常身高型号太重，科研人员需要多人扶持，之后推出更矮型号；算法、材料和零部件简化最终可能降低重量，但现阶段连任务成功率都尚未解决。
邱谆猜测 1X 可能想通过遥操收集家庭数据，并认为这个大方向没有错，但“有点着急了”。他称 Waymo 仍约以 1 人监督 5 辆车；To B 尚可在结构化环境中监控，To C 目前却难以接受家中摄像头背后始终有真人观看。
特斯拉突破冷启动，是因为先卖了一辆有独立价值的电动车，再把 FSD 作为可升级功能——汽车是“特洛伊木马”。1X 没有同等载体，相当于新品牌第一天只卖自动驾驶功能；邱谆认为，不会有人第一天就买一辆只会自动驾驶的汽车。

12. 近期订单藏在自动化缺口，但多数还不是通用具身

Christine 看好的近端场景是工业和零售：美国、日本的补货、下货、点货与盘点存在强需求，工厂也在尝试，但“现在全部都是演示阶段”，而且演示不稳定、故障率高。
Christine 举了一个据她所说亚马逊应该已经采用的物流翻箱动作：箱子进入时条形码方向不固定，机器人用视觉判断并翻到正确一面。她同意这更像重复作业或专用设备，与具身智能没有太大关系。
拧螺丝则要区分：固定位置可由机械手完成，但汽车产线上的位置、对准和松紧度可能变化，需要更强泛化。邱谆认为比亚迪可能有这类需求，行业却仍在用动捕、遥操和示教收数据，尚无公司明确解决。
真机会从自动化缝隙切入。邱谆在富士康看到内仓库已 100% 自动化，外仓仍需两三人抽箱、检查、盖箱和绷带；他认为具身的目标正是替代这些无法被传送带、AGV 和协作机器人完全覆盖的人工作业。

13. 幻觉不是机器人附属问题，而是整个 AI 架构的短板

刘一鸣的质疑是，Transformer 连语言幻觉都无法清除，工业产线却要求接近无数个 9 的可靠性；一旦黑盒模型生成错误动作，不仅造成停线损失，还可能与人发生物理碰撞。
邱谆完全接受这一风险：AI 优于传统算法，正因为它依靠数据训练而非逐行规则，但同一机制也让过程不可解释。具身仍在生成下一个 token，只是输出从文字变成位置与姿态——“你生成语言都是有幻觉的，你生成位姿怎么可能没有幻觉。”
Agent 和 Manus 式多步骤调用，是现阶段用规则、思考和重复调用修正单次大模型成功率的办法，却会增加算力和执行时间。真正的推动仍需 AI 本身出现跃迁，再通过预训练、后训练、微调、自监督和 Agent 层共同提高端到端执行率。

14. 世界模型与 Sim-to-Real 能补数据，却取代不了真机

Christine 认为，为机器人设计的世界模型“可能是有希望的”，因为它作为生成模型可能通过工程手段提高准确率；但李飞飞的方向不会单独解决全部问题，最终仍要与 VLA、真实数据和其他模型模块结合。
她尤其看好世界模型与游戏的交叉：用户在 3D 世界里互动，相当于持续标注数据，数据又可打包训练机器人；游戏自身还能产生现金流，“就像当年英伟达的 GPU 被游戏行业养起来”。
邱谆对 Sim-to-Real 更克制：仿真与真实的差距长期存在，过去工业数字孪生也遇到过同样问题。一条或几条高质量真机数据可能胜过大量仿真数据，而仿真仍需人在回路中校正、筛噪，综合成本可能接近甚至超过真实采集。
因此仿真、合成数据、Video Gen 和 Self-Play 都是数据管线的补充，而非无限生成即可解决问题的捷径。“真正收敛下来，最有用的可能还是一个真实数据”，剩下的问题是规格如何定义、数据如何低成本获得。

15. 五年或见首个泛化场景，家庭普及仍在更远处

硬件基础设施已经存在，减速器、电机、传感器和机械结构更多呈线性进步；软件则可能让普通“现货供应”零件发挥新价值。邱谆以 Velodyne 为例：硬件并非突然改变，是软件终于能把其数据纳入训练流程。
机器人仍需更可靠的本体，且规格尚未定型。Christine 预计下一轮会集中解决坚固性、鲁棒性和返修率，明年也可能看到更好的硬件迭代；邱谆则认为明年可能出现世界模型适用场景的更明确收敛方向。
邱谆的五年表是：约两三年出现 GPT-3 式数据涌现，再过两三年达到 ChatGPT 式可用；届时也许只有一个首个泛化场景，而非大规模铺开。刘一鸣提出家庭机器人可能还要 13 年，嘉宾没有确认精确年份，只认同家庭采用会更慢。
Christine 预测采用顺序是结构化 To B 生产场景、餐厅等在人类控制下的连续工作，再到建立信任后的家庭。邱谆补充，创业公司不会总有惊艳 Demo，而要处理采数、可靠性和规模化等“脏活累活”；真正令人眼前一亮的成果可能先见于研究实验室的论文，但研究成果未必能规模化。

56.对话五家具身智能：机器人的“大脑”与“肉身”，谁在等谁？AI主导的销售：1Mind的超级人类如何驱动指数级增长——《Agents of Scale》播客