风投争抢、估值高涨投资人“掘金”人形机器人赛道幕后

  人形机器人赛道，不缺融资事件。7月初，初创公司钛虎机器人宣布完成Pre-A轮融资，融资额为数千万人民币。投资方包括经纬创投、梅花创投、方富创投等知名机构。据南都记者以公开信息统计，这是今年以来国内人形机器人本体厂商获得的第13笔融资。

  自2023年以来，融资热度最高的人形机器人初创企业，莫过于由“稚晖君”创建的智元机器人公司。截至今年3月的短短1年时间内，智元机器人火速完成6轮融资，跻身“独角兽”企业行列。

  一级市场的融资热度与行业热度同频。在刚过去的2024世界人工智能大会上，25款人形机器人组团亮相，不少机器人厂商表示已着手商业化落地探索。

  “人形机器人或者具身智能的初创公司，如果团队相对不错，具备一些核心优势，那么它可以很快拿到天使轮和第二轮融资，难度比别的行业低很多。”峰瑞资本副总裁颜黔杭近日接受南都记者正常采访时表示。

  由前IDG资本合伙人李丰等在2015年创立的峰瑞资本，关注硬科技等领域的早期投资。颜黔杭亦聚焦硬科技赛道，参与投资了人形机器人初创公司逐际动力等企业。

  对于当前人形机器人厂商估值快速上涨的现象，颜黔杭分析称，较高的估值是基于相对长期价值预期的角度去给出的。估值背后的商业化支撑短期内相对薄弱。他说，早期的融资轮次过后，投资者会更看重被投企业实打实的能力展示。

  颜黔杭：这轮热潮的起点还是特斯拉宣布自己的人形机器人计划，吸引了中美两地的创业者以及VC(Venture Capital，风险投资)机构的关注度。大家不再像以前那样心存顾虑：这类机器人有没什么用，是不是落地还早，或者太科幻。而是觉得这事儿可行，未来5到10年内有望落地，于是一起冲进来了。

  另一个驱动要素跟AI大模型相关。大模型解决了过去一直觉得比较遥远的机器人“大脑”问题。借助大模型的对话理解，对视觉图像及其他感知信号的理解和输出能力，大家意识到机器人终于有了“大脑”。不止是大模型，很多人形机器人相关的技术要素，都在过去几年沿着各自路径往前发展。比如在本体控制的“小脑”层面，强化学习技术日渐完善。

  现在国内各种各样的公司投入人形机器人赛道，其实就是把学术界的已有研究和技术进展，用商业化的力量快速往前推进。

  颜黔杭：人形机器人赛道汇聚了两拨投资人群体，一拨是一直以来关注传统工业机器人的投资人，另一拨是看AI的投资人。

  前一拨投资人，在过去十多年里见证了AGV(Automated Guided Vehicle，自动导引运输车)、协作机器人等工业机器人的崛起，从产业高质量发展的“痛点”中，也逐步意识到机器人需要朝更加通用和智能化的方向发展。因为传统工业机器人的落地，并不是单纯地交付产品，而需要投入大量人力去将机器人适配到客户产品线。

  AI的投资人之所以加入，是因为他们看了大模型之后，发现大模型需要一个在物理层面跟现实世界交互、并产生实际价值的载体，于是找到了机器人。

  两拨投资人都盯上了人形机器人，达成共识，认为这是一个未来的产业方向。无非有些许声音觉得人形机器人的商业化周期比较长。但对人形机器人方向是不是偏科幻或者不成立，今天没太多质疑了。

  南都：你提到的这两类投资人群体之间，对人形机器人赛道是不是真的存在一些分歧之处？

  颜黔杭：从我的视角来说，还是弥合得比较好。可能在某些特定的程度上，AI的投资人会更偏乐观。他们此前对传统工业机器人的商业化看得比较少，对机器人的落地周期更为乐观。而传统工业机器人的投资人，之前在机器人商业落地上吃过比较大的亏，对人形机器人的商业化问题相对来说更为谨慎。

  传统工业机器人落地的时候，由于机器人不够智能化，需要投入大量的工程师资源去做相应的任务编程以及产线改造，以适配具体场景需求。客户买回去后，自己不存在能力直接部署和使用这一些机器人。如此一来，商业模式变得很“重”——一台硬件需要搭配一整套解决方案，而不是采购完设备，即买即用。同时也没办法快速形成规模效应，因为传统机器人供应商做的业务越多，投入的人力成本也越多，单位边际成本是固定的。这会导致企业的毛利率减少，企业估值的天花板就卡得比较低，公司的业务规模也很难达到比较大的体量。

  颜黔杭：人形机器人最大特点是通用性，带来的好处是完成工作任务不用像过去传统工业机器人一样，需要专门的工程师去做任务规划和轨迹编程。但人形机器人接收到用户指令或任务提示之后，自己就能决定如何操作。操作体感上，人形机器人变成很简洁的一款产品。这时候，B端和C端用户的使用门槛会大幅度的降低，如同购买一台电子科技类产品，厂商直接交付即可。

  相较于需要重人力资源投入的商业模式，人形机器人公司的预期毛利率将高出许多，边际成本递减效应也会非常强，营收规模的天花板远高于传统工业机器人行业。所以，我预计人形机器人赛道有一定的概率会出现数百亿人民币及以上估值的一些巨头公司，而大部分传统工业机器人公司的估值都在50亿人民币以内。

  南都：2022年8月，你参与了人形机器人初创公司逐际动力的投资，当时峰瑞资本为何踏入了这条赛道？

  颜黔杭：当时还没有太侧重于人形，更多关注机器人的双腿。已有的轮式机器人，移动空间受限，使用场景局限性很大。如果房间是复式、有很多阶梯，或者工作场景路面复杂，机器人的应用价值就会大打折扣。一旦机器人能在复杂地面上工作，那么机器人的应用场景便得到极大扩展。这是一个把市场蛋糕做大的机会。从这个方面出发，当时我们切入去看足式的移动机器人，于是选择投资了逐际动力。(注：逐际动力在研发全人形机器人之前，生产了双足机器人，在2024WAIC上，这款双足机器人P1还被外界称为踹不倒的“钢铁小强”。)

  随着腿越做越好，双腿跟手结合起来实现全身运动控制，也就变得更可行了。假设腿做不好，上下肢运动分离，此时人形机器人很难像人一样实打实地在复杂场景里工作。人最擅长的地方是协调全身的肌肉和骨骼，完成一个运动控制的任务目标。

  目前我们判断，技术上，腿的成熟速度快于上半身的操作。因为上肢操作实在太复杂，操作的任务复杂度和场景复杂度相当高。所以我们也是先投了足式的机器人公司，再逐步观察有没有一些研发上肢操作技术的项目。

  颜黔杭：投资逐际动力之前，我们投了一家叫因时机器人的公司——用直线驱动器加电机来研发“灵巧手”。今年4月份又投了一家专注于机器人具身智能技术的初创公司——北京源络科技。6月下旬还出手了一家做力传感器的公司——苏州航凯微电子。这家公司研发人形机器人核心零部件力传感器，其作用就是为机器人引入对力的感知能力，以实现更精密和更灵活的操作。

  南都：这样来看，峰瑞的投资布局更侧重人形机器人的零部件等供应链方向，有没有在看其他人形机器人整机厂商？

  颜黔杭：峰瑞是一家偏早期的投资机构，更多在第一轮或第二轮参与投资。对于像宇树科技和智元机器人这类估值快速上涨的公司，因为投资阶段受限，我们也没法再去跟进投资了，只能说抱着学习的心态去关注它们。但从机器人行业的布局来看，我们将机器人本体与具身智能作为投资抓手，基于研究再从上游高价值的零部件领域寻找投资机会。

  南都：投资人形机器人赛道相关公司时，你们会从哪些维度去判断它值不值得投？

  颜黔杭：峰瑞的投资逻辑，是看在一个市场上是否会涌现破局者，也就是看它能否给所在市场带来迅速增加或者变化的预期，从而在市场变化中获得创业的时间窗口。对于人形机器人的供应链公司，我们关注这个团队的当下研发技术能力与长期产品化能力。比如，能不能快速跟进同行发出来最新的论文成果并予以实现，以及能不能带领行业做出创新性的技术突破。我们也希望被投的团队具备非常好的成长性，在未来核心技术逐步成熟之后，能尽早推动人形机器人的产品化与商业化进程。

  南都：人形机器人公司当前在一级市场的融资尤为火热，融资额高，跟别的行业的反差挺明显。

  颜黔杭：整体来说，VC这两年相对来说还是比较冷却，很多行业的融资周期和难度拉大，不像过去非常容易拿到钱。但人形机器人或者具身智能的初创公司，如果团队相对不错，具备一些核心优势，那么它可以很快拿到天使轮和第二轮融资，难度比别的行业低很多。好几轮融资进账后，较优秀的人形机器人公司的估值能够迅速冲到1亿美元到2亿美元。

  如果理性看待的话，目前人形机器人公司的估值都是基于相对长期价值预期的角度给出的。估值背后的商业化支撑短期内相对薄弱。没多少商业化支撑的情况下，估值快速上涨，你可以叫它科技行业有益的“泡沫”。

  南都：人形机器人公司受资本青睐，是因为这个赛道的新故事更吸引人，还是有其他原因？

  颜黔杭：原来很多细分的赛道，都是一些对这个方向感兴趣的VC才看。但这轮AI和人形机器人热潮，其实是整个VC行业的共识。作为主流的投资热门赛道，大部分的VC都会花大力气去布局这两个赛道。这样一来，创业者能拿到钱的机会比别的行业高很多。所以总的来说，当前还是行业热度带来的融资上的热度。

  颜黔杭：就我和其他投资人沟通下来的感受来看，大家希望投的是赛道里最优秀的几家公司。从商业化的角度来说，目前可参照的对象太少，即使是A轮之后的融资，投资人更看重的是公司技术积累和目前demo的实际在做的工作能力等层面。因为你已经拿到了前两轮融资，手上有充足的资金去搭好团队快速推进研发，那么后面的融资就应该拿出相应的实打实的能力展示，去证明人形机器人在本体稳定性、智能泛化能力、任务执行复杂度等核心评判维度的优势。

  南都：的确，像智元机器人快速完成早期融资成为“独角兽”，我接触下来感觉他们很低调，研发压力很大。

  颜黔杭：大家也知道这些估值都是基于行业热度情况给出的，所以更希望研发出实打实的能力来支撑估值，不愿意在没有实际demo的情况下高调宣传。

  南都：整体人形机器人赛道上，除了这些初创企业，还有一些大厂和新能源车厂也加入进来。你比较看好哪一类玩家？

  颜黔杭：按道理说，大厂和新能源汽车公司，在很多场景具备规模化优势。但人形机器人的商业化周期较长，不管是大厂还是一些转型的传统机器人公司，或者一些初创玩家，大家都站在同一个起跑线上。对于面前的大山，没有一家能明确说谁能跑得上去、谁跑得快，所以短期内还不能体现出差别。

  不过，相较于在大厂内部开展创新业务，初创公司受到的管理层面干扰较少，能以最大速度推进创新业务，这也是为什么一些大厂的人更愿意自己出来创业。而大公司的优点是，瞄准目标后，跟进速度很快，能够迅速迭代自己的产品。

  值得注意的是，特斯拉是大公司中的例外。特斯拉做各种事情的时候，创造新兴事物的能力非常强，很多创新业务都可以从上而下快速推动。因此它的执行速度和进化速度，不比初创公司差。

  南都：现在业界一致认为成本问题阻碍人形机器人商业化，在过去一年多内，降本有没取得明显进展？

  颜黔杭：短期内的降幅还不太明显，零部件成本依然偏高。而中长期的量产和技术的成熟，肯定会推动成本迅速下降。现在我们会听到一些超高的性价比人形机器人的消息，细看实则在功能上有所简化。

  人形机器人产业目前的状态，类似于早年特斯拉刚做电动汽车。电动汽车十多年来经历大幅降价，依靠的是工程化和规模化。人形机器人还处于早期研发阶段，优先级最高的并不是降本，而是可行性的探索和功能的完善。

  南都：经常听到一种说法称，人形机器人的成本下降靠量产，但量产又需要价格低，客户才会购买。会不会陷入死结？

  当大家愿意投入更大精力和更多资源，去研发人形机器人的核心零部件，有望带来供应链上的技术创新，实现成本下降。现在核心零部件中尚未实现降本的，举个例子，有力传感器、触觉传感器这类偏预研阶段的传感器。但随着对人形机器人的关注度上升，对这类传感器的需求增加，将吸引更多创业者和公司投入力量，研发迭代有关技术，推动成本迅速下降。比如我们最近投的苏州航凯微电子公司，就是采用新技术，将六维力传感器这种高价的产品，从万元级别打到千元以内，变成一个标配的零部件。

  技术迭代带来降价空间之外，从落地的角度说，人形机器人最早肯定是从一些对价格不敏感、对需求敏感的行业接入。当这一些行业开始以小批量采购，便推动了人形机器人量产化降价的第一步。随着应用场景逐步扩大，渗透率逐步提升，价格就一点点下探。

  南都：你提到的对价格不敏感、对需求敏感的场景最重要的包含哪些？科研算不算其中一个？

  颜黔杭：科研不太算场景。科研的机构买过去不是为使用，而是作为一个平台去研发。对价格不敏感、对需求敏感的有特种场景，其中一类是钢铁化工产业。它们的工厂存在一些有毒有害化学气体密集的空间，需要人穿戴防护服操作，对人类来说是高危的工作场景。这一些行业的公司用人形机器人去替换人工，在账上也算得过来，因为更安全环保，还减少了工伤。它们应该会愿意第一时间采购人形机器人进行探索。

  再进一步的落地场景会是物流领域。在当前物流末端的分拣配送环节，由于快递形状和快读类型的复杂度非常高，类似于无序分拣，不得不依靠大量的人力从事机械化、重复化的工作。如果人形机器人能完成相应操作，也有一定的可能快速切入这种场景。

  南都：在WAIC展厅，我就遇到一位宝钢集团的员工，说正在和上海开普勒机器人公司合作，尝试引入人形机器人完成特种作业。

  颜黔杭：我们之前聊的也是国内一家钢铁国企，像钢铁厂里的高炉，一般都有两三百米高，高炉周围一氧化碳的浓度非常高，还有别的一些有毒有害化学气体。人类作业的时候，需要戴着防毒面具爬高楼，用设备去检测气体浓度以及设备是否安全运作。这些场景很适合人形机器人替代人类工作。

  南都：具体售价上，此前一些业内人士提到了To B市场20万元左右的理想价位。但我理解，不同场景能接受的价位其实是有区别的。

  颜黔杭：一般按两年时间去测算ROI(投入产出比)。举例来说，一名巡检场景的员工人力成本一年可能在15万左右，但该岗位需要三班倒，那么企业的用工成本加上其他一些相关开销，预估至少在50万左右。两年算下来，人力成本投入超过100万。此时，只要人形机器人的售价在100万以下，对下游的客户就是一笔划算的投入。并非说一定要降到20万以内，其实在四五十万的时候，也有一些刚需场景去用。随价格逐步下降，用得起的场景会慢慢的多。

  南都：应用场景上，不同公司的侧重点存在一定的差异，有一些主要宣传汽车制造上的进展，还有一些偏诸如导购等商用场景。这两种B端的路线，哪一种更具备落地优势？

  颜黔杭：短期内，个人自己的观点是汽车制造场景落地比较难。车间内，传统的工业机器人渗透已经很高了。工业机器人的优点是节奏快，在自动化产线秒就能完成一项工作，而且非常精准，误差在0.1毫米以内。目前的人形机器人不太擅长高精度、高节奏的岗位，更可能从精度要求宽松、节奏慢、难度较低的场景切入。比如，银河通用机器人公司提出来用人形机器人在药房取药，这是一个节奏要求不高、操作难度不那么大的场景。另外，在导购等商用服务场景里，人形机器人的功能能简化，更多侧重于与人交互，而非操作上的精度，所以落地速度有可能更快。

  南都：既然如此，那你怎么样看待一些人形机器人公司把重点布局在汽车制造场景？

  颜黔杭：汽车制造可当作一个长期目标布局，不断打磨机器人的能力，但短期内直接落地没这么容易实现。就我个人理解，这是一个很直观地参照特斯拉做出来的决定。但特斯拉的优点是，既有自己的FSD(完全无人驾驶)算法，又有自己的汽车工厂，叠加了算法和场景条件，能够大量且快速地推进自研的人形机器人。

  南都：从你了解到的汽车厂商的情况去看，他们对人形机器人的需求程度现在处于什么水平？

  颜黔杭：短期还没有特别明显的刚需。但它们也愿意探索一些新的生产方式，作为技术储备，或者对未来的投资。

  南都：产品设计路线上，银河通用采用轮盘底座的设计，并称当前的重心应放在上肢的泛化操作能力，腿部则可以渐变式地提升改进。但还有很多公司一步到位加上双腿打造全人形的机器人。你怎么样看待本体设计路线上的分化？

  颜黔杭：大家还是从各自的擅长点切入。对于偏操作的公司，它们希望将更多精力投入到复杂的上肢操作能力上。一些场景不要使用到腿，轮式底盘就足够了；而从双腿或者行走能力切入的公司，认为当前操作能力实现的挑战更大，但腿部的技术“收敛”相比明确，落地实现的速度会更快。这两条路线不好说孰优孰劣，大家都是从自己的技术储备和技术能力出发，选择研发的重心。

  南都：成本问题之外，机器人具身大模型的训练数据短缺问题是另一个痛点。目前有哪些训练数据的采集模式？

  颜黔杭：第一种是摇操作，人工采集者戴着遥操作手套，手把手示教，去获取真人操作的数据，但采集的真实数据远远不足；第二种是将网络视频平台的运动视频，作为输入训练的数据；第三种是生成数据，在虚拟的3D仿真环境里从无到有地积累训练数据，类似于机身在游戏世界里完成操作，目前训练数据以生成数据为主；第四种是合成数据，将真实操作的数据放到生成式AI模型里，泛化生成出更多有用的数据。

  南都：一旦成本和数据问题逐步解决，商业模式则是下一步的关注点之一。像Agility Robotics公司采用“机器人即服务”(robots as a service，Raas)的商业模式，向下游客户收取使用月费，打消客户对巨额投入成本的担忧。如何评价这种全新的Raas模式？

  颜黔杭：Raas服务肯定会和采购模式并存，客户依据场景需求和成本考量等因素予以选择。若使用频次低，Raas服务自然更受欢迎。C端市场上，假设人形机器人线万元以内，直接购买将成为主要方式。好比汽车市场上，很少人以租车为主。

  南都：当前许多人形机器人公司都在推进量产交付，实现量产还需跨过哪些门槛？

  颜黔杭：量产的实现，不仅要看研发技术、产品设计与量产可行性的契合度，还考验和产业链上游供应商的合作，以及供应商自身的发展程度。如果上游的一些核心零部件厂商始终没有办法达到稳定量产，必然阻碍人形机器人本体公司的量产进度。

  投资者关系关于同花顺软件下载法律声明运营许可联系我们友情链接招聘英才使用者真实的体验计划

  不良信息举报电话举报邮箱：增值电信业务经营许可证：B2-20090237