后空翻人形机器人之外：机器人投资的真正回报将从何而来？

每隔几个月，就会有一家人形机器人公司完成一轮与其利润表完全不符的融资。

Figure AI于2025年9月完成了超过10亿美元的融资，投后估值达到390亿美元。

该公司从未披露过营收数据，但据可靠的第三方估计，其2026年的营收仅为千万美元级别，这意味着其市销率超过一千倍。

作为参考，即使是估值最慷慨的上市硬件公司，在稳定状态下的市销率也仅为十倍左右。而Figure AI的估值则高出约一百倍，其前提是假设具备通用智能的人形机器人即将成为现实。

然而，Figure AI并非个例。Apptronik的估值在二月份增长了两倍，超过55亿美元；挪威的1X也一直在接近100亿美元的估值徘徊。

与此同时，在中国，估值达到或超过10亿美元的公司有10多家。

而因高性能跳舞机器人走红的宇树科技，在公开市场以660亿美元的估值上市，市销率超过100倍，其股价在首日交易中飙升了600%。

这是我所思考的问题。在不同的应用场景中，人形是最佳形态吗？还是机器人应该针对特定应用场景进行优化？

考虑到人形机器人初创公司的估值已远超其基本面，投资者是否还应关注它们？或者，我们是否应该关注针对特定应用场景的垂直领域机器人？

SEE ALSO

Unitree surges in Shanghai debut, a milestone for China’s humanoid robotics sector

三种环境，三个截然不同的问题

对机器人进行分类的有效方法并非依据机器人的外观，而是依据其周围环境的可变程度。

第一种是结构化环境，其中只有一种作业、一项任务，并且周围环境被设计为保持完全相同。

这就是工业机械臂焊接接缝的场景，几十年前就已被Fanuc、ABB和Kuka等公司解决，也正因如此，它已不再产生风险投资回报。一旦条件发生变化，它就会失灵。

第二种是非结构化环境，这意味着在并非为机器提供便利的世界里，存在多种作业和多项任务。

例如早上整理房屋，或下午在建筑工地上工作。这正是人形机器人所追求的目标，也确实是一个极具挑战性的问题类别。

介于两者之间的是第三种——半结构化环境。

这里只有一种作业需要完成，但这项作业包含几个不同的任务，且环境在不同地点之间存在显著差异。

自动驾驶是典型的例子。清洗洗手间也是如此，这项单一作业可分解为擦洗小便池、清洁马桶、吸尘地板和擦拭表面等多项任务，而且没有两个洗手间的布局是完全相同的。

灵活性是人形机器人的资产，也是其最沉重的成本

人形机器人的吸引力是显而易见的。以我们的形态制造一台机器，它就能继承我们为自己建造的世界。一个平台，胜任任何工作。

但通用性是昂贵的，其代价之高是估值所忽略的。

一台必须处理无限多种作业的机器，必须为所有这些作业进行工程设计，需要更多的自由度、更多的传感设备、更多的冗余以及更强的稳健性，因为它无法预知未来会被要求做什么。

每增加一个应用场景，都会拓宽其规格要求，而更宽的规格意味着更难的制造和更高的单价。人形机器人的昂贵正是源于其通用性，而非其他原因。

然而，如果站在商业买家的角度，没有人会因为一台机器有胳膊有腿而购买它。买家购买的是在可接受质量下每项任务的最低成本，而根据这一标准，专用机器人具有结构性优势。

一台地板清洁机器人不会携带任何与清洁地板无关的硬件。如果让人形机器人去推拖把，你就是在为肩膀、手和平衡系统付费，而这些都对清洁的平方米数毫无贡献。

在永不关闭的洗手间或永不休眠的港口，让专用机器高负荷运行，资本成本会摊销到足够多的作业中，从而使投资回报期显而易见。

我会选择在半结构化环境中部署

因此，值得寻觅的领域是第三类，即在半结构化环境中，针对特定垂直领域设计的机器人。

这个领域足够困难，因此尚未被同质化，因为环境确实多变；但它又足够有界，团队可以通过工程手段实现完整解决方案。

这种约束正是其全部优势所在。你不需要通用智能来清洁洗手间，但你需要一个见过各种洗手间的系统。而且由于这项工作是有限的，这个知识库实际上是可以完成的。

自动驾驶技术公司Waymo就是证明，它已最接近成熟，目前在美国11个都市区每周提供约50万次付费乘车服务，目标是在年底前达到100万次。

它也是一个有用的现实检验：该公司今年曾因软件更新暂停了高速公路驾驶服务两个月，独立预测机构预计其将无法实现100万次的目标。

半结构化环境下的工作确实困难，而这正是解决它具有价值的原因。

尚未解决的问题清单很长，且大多平淡无奇，但这恰恰是关键：

• 船体清洁和水下检测——船体污垢会增加燃料消耗，而潜水员稀缺；
• 洗手间和设施清洁——巨大的工资总额和长期的人员短缺；
• 外墙清洁和高层建筑检测——替代方案是脚手架和绳索作业。

以上每一项都是一种包含多项任务的作业，拥有巨大的市场，并且买家可以通过让机器高负荷运行来计算投资回报。

重要的是，由于大部分注意力都集中在人形机器人上，这个类别的估值并未大幅领先于其基本面。

在我们投资前需要通过三项测试

首先，从买家的视角来看。是否存在长期劳动力短缺？是否存在成本优势？

问题不在于技术能做什么，而在于为什么这台机器是客户某项工作的最佳解决方案——以每项任务的成本和质量与他们当前使用的方案进行衡量。如果买家无法清晰地阐述这一点，那么它就只是一个演示品。

其次，难度。我们希望寻找那些包含多项任务且难以自动化的工作，因为一旦该类别被证明可行，难度就是保护公司的护城河。

每一次部署都会让系统学到一些东西，并由下一次部署继承，因此处理边缘案例的能力会逐渐累积成一道护城河。

第三，市场规模。一项有界的工作只有在能大量重复时才值得解决，因为这些公司是通过在数千个地点重复作业来获得回报，而不是通过扩大其业务范围。

新加坡正悄然成为这类机器人的一个良好试验场。

要求苛刻的买家和高昂的劳动力成本使其成为理想的测试地点，我们观察到像Hivebotics、Neptune Robotics和BeeX这样的垂直领域机器人正获得越来越多的关注。

与此同时，已制造出人形机器人的Menlo Robotics，也将专注于双臂机器人来解决企业级问题。

话虽如此，在新加坡创建一家机器人公司绝非易事。

本地市场是一个绝佳的试验场，但规模很小。一百次部署可以证明一台机器有效，但永远无法消化足够多的设备以降低物料清单成本。因此，这里的创始人必须尽早出口，这大大增加了复杂性。

此外，设计机器人只是第一步。以具有竞争力的成本进行大批量制造业产业群的洗牙则完全是另一门学问，曾让许多资金雄厚的公司败下阵来。但这并非全新的领域。

Sim Wong Hoo曾将电子公司创新科技 (Creative Technology) 从新加坡的一家小初创公司带到纳斯达克上市，而Tan Min-Liang则在同样小的基础上，将游戏硬件公司雷蛇 (Razer) 打造成一个全球硬件品牌。

两者都没有一个值得一提的国内市场，但他们都找到了出路。

值得关注的层面

这一切并不意味着人形机器人的梦想没有吸引力。如果有人能构建出足够通用的智能，使其无需重新设计就能在不同工作之间切换，那将是历史性的成就。

话虽如此，对于几乎任何特定工作而言，最佳形态可能永远不会是人形机器。即使通用机器人智能明天就实现，一台高负荷运行的专用机器在单位作业成本和可靠性上仍应胜出。

此外，估计通用智能的实现时间表非常困难。宇树科技的创始人估计，机器人领域的“ChatGPT时刻”可能还需要长达10年的时间。

与大型语言模型（整个互联网都在等着它们）不同，机器人技术还没有能够实现洗牙定律的等效语料库。

每一小时有用的训练数据都必须在物理世界中一次次部署来获得。这才是为何在算法取得重大突破之前，没有人能给出一个确切日期的真正原因。

因此，目前我们的资金投向了数学模型已经成立的半结构化中间地带。我们的注意力则持续关注智能层，因为那才是最终的决胜之地。

作者是祥峰投资东南亚和印度基金（Vertex Ventures South-east Asia and India）的投资执行董事