朱啸虎“大撤退”？人形机器人“新贵”交锋实录

金沙江创投管理合伙人朱啸虎向人形机器人“开炮”了。

3月28日，他在采访中称，因“商业化不清晰”，正批量退出对人形机器人的投资，引发行业震动。

对此，经纬创投创始合伙人张颖发朋友圈调侃：“朱老板别闹”，直言朱啸虎的言论可能影响其未来在机器人领域的投资机会；众擎机器人CEO赵同阳更尖锐批评其“用眼前否定未来”。

赵同阳直言：“他（朱啸虎）是非常成功和精明的商人，但很多创业者不是。”

一场投资人与创业者之间的唇枪舌剑，折射出人形机器人在资本狂热、“泡沫疑云”与技术攻坚之间的复杂处境。

中关村论坛期间，21世纪经济报道记者见到了银河通用、星动纪元、穹彻智能、乐聚机器人等具身智能公司创始人，也采访了智源研究院院长王仲远，本文将总结他们对人形机器人“泡沫论”、“训练数据瓶颈”、“人形必要性”、技术路线分歧等方面的观点，拆解人形机器人争议大全。

争议一：人形机器人是否存在“泡沫”？

朱啸虎的退出理由直指商业化前景不明，“谁会花十几万买一个机器人去干这些活？”但这一观点遭到多位从业者反驳。

经纬创投张颖认为，机器人领域“大赛道，百花齐放，过程中有点泡沫也非常正常”，并强调“时间拉长，人形机器人赛道一定能出大公司”。

众擎机器人赵同阳则表示，朱啸虎更适合“今年投入后年见效的快餐式项目”，而AI和人形机器人需要长期投入，“质问人形机器人现阶段有什么用，就像否定刚出生婴儿的未来”。

智源研究院院长王仲远告诉21世纪经济报道记者，具身智能的训练非常复杂，需要海量数据，5年时间都是乐观的，也许需要10年后才能成熟，不同风格的投资机构就会出现分歧。

“如果是比较看重产业落地、希望迅速实现行业应用的机构，也许当下并不是进入具身智能的好时机。”王仲远表示：“但我们对于具身智能长期发展是非常乐观的，就好像10年前看无人驾驶技术是一样的。”

乐聚机器人冷晓琨从产业视角补充：“具身智能是硬件与软件的耦合，硬件从实验室到产业化，需要3-5年，软硬件最终合起来才能真正迎来质变。”

争议二：训练数据瓶颈如何突破？

数据是具身智能发展的核心难题。银河通用创始人王鹤指出，当前数据分为真实数据与仿真合成数据两类。真实数据中，互联网视频虽量大但“不足够”：“看别人游泳无法学会游泳，除非你已具备基本运动机能。”

他主张“用合成数据做预训练，用真机数据完成后训练”，并类比自动驾驶：“人形机器人存量达百万台前，合成数据是最宝贵资产。”

乐聚机器人冷晓琨坦言硬件采集触觉等模态数据成本高企，现在采集的数据模态数量不够，包括视觉信息、触觉信息等，在模型未完全确定的时候，投入大量精力采集的数据有被推翻的可能性。

穹彻智能卢策吾更强调实践检验：“数据价值如同配方，需在实践中动态调整比例，互联网数据、仿真数据、真机数据各有优劣，需互补克服缺点。”

争议三：人形是必需还是噱头？

关于“人形必要性”的争论由来已久。

行业里有观点认为，当前70%的场景并不需要机器人具备“人形”，所以“机器人做成人形”的必要性是否不够充分。

王仲远在一定程度上认同这一观点，他举例说明，行业内也有不少机器人公司已开始迭代轮式构型机器人，以克服双足机器人稳定性欠佳的问题。

“不过，从长远来看，人形机器人具有独特优势，因其与人的构型相似，能更好地适应社会基础设施，复用技能，从互联网数据中学习人类技能，推动具身智能和具身大脑模型的迭代。”王仲远表示。

乐聚机器人冷晓琨透露：“我们交付的100台人形机器人已进入工厂，需先解决拿、放、走等基础技能泛化，再拓展复杂场景。”机器人进工厂以后，乐聚给自己定的标准是连续工作1500个小时左右，才能说人形机器人可以实际用起来。不过，目前人形机器人完成的任务比较简单，比如搬箱子等，更多精细性任务，需要后期更复杂的训练。

银河通用王鹤认为，轮式机器人与人形机器人有不同的适应场景。“轮式机器人成本低、续航长，货架场景无需双腿，制约因素是智能而非形态。”他举例说明，但有些复杂地形，就需要人形机器人穿越，并且，最终人形机器人的目标是走进家庭，不过，距离这个目标，还有很长的一段旅程要走。

穹彻智能卢策吾从工具使用角度力挺灵巧手：“拿锤子、筷子需五指灵活调整，二指无法完成复杂操作。”

争议四：机器人泛化、跨本体的难度

当前，随着具身机器人任务种类和任务量不断增加，如何在跨本体、跨场景以及跨任务的情况下解决具身机器人的泛化问题，成为具身机器人和具身智能领域面临的重大挑战。

智源研究院王仲远分享女儿的学习经历，不到两岁的孩子在春节期间通过观看大量短视频，自主学会拆糖果、用牙签穿蓝莓。在不断尝试失败后最终成功。人类大脑的这种自主学习能力远超当前具身智能模型。科研机构和模型公司始终要攻克的方向，就在于怎么让机器人能够自主学习，掌握技能。

银河通用王鹤认同对人类学习过程的观察很重要。他指出，人类在学习过程中，通过大模型提供奖励函数助力强化学习。但目前具身智能在这方面仍处于探索阶段。

具身机器人的物理世界智能研发需遵循特定过程。首先，沿着能产生生产力价值的维度探索泛化，如抓取、放置和场景移动等基础技能。通过合成大数据和少量真机数据实现这些技能的泛化，为人形机器人创造生产力价值。随后，研究机器人在家庭、工厂等更多场景中跨越技能，最后再探索跨本体。

争议五：ChatGPT时刻何时到来？

对于人形机器人的爆发节点，各有阐述。

穹彻智能卢策吾认为，具身智能的ChatGPT时刻不是单一的，而是一批场景，阶梯性、渐进地实现。“两年一周期，物流、食品加工等场景可能会有第一波变化。”

星动纪元陈建宇表示，爆发点要看设定的标准是什么，如果只是简单的推理问答，可能就比较早，但如果是复杂场景的实际应对与执行，这个标准还是蛮高的。“但这并不妨碍人形机器人的持续应用，一些垂类场景的规模化应用是在持续推进的。”

银河通用王鹤预测，轮式机器人货架级别的智能可能在2025年、2026年迎来突破，但如果是每个人都用上人形机器人，这个目标实现的周期就会比较长，尤其未来，人形机器人走进家庭，需要硬件成本与安全性再突破。

智源研究院王仲远类比深度学习发展史：“从2006年论文到ChatGPT用了16年，具身智能受硬件制约，比较可能的突破时刻，可能是会现在受限的场景下具备可用性、一定的智能性以及一定程度的泛化，积累几年之后，逐步进化。”他指出，受到大模型快速迭代的正面影响，具身智能的发展也会加速。

乐聚冷晓琨直言：“我觉得可能不会是忽然眼前一亮的时刻，而是整个社会面逐渐用起来，随着产业化不断成熟、智能性不断成熟，慢慢泛化。”他说，硬件产业化没有捷径，五年后回头看方知渗透，而非某刻突然爆发。

朱啸虎的“撤退”，揭开了人形机器人行业理想与现实的激烈碰撞。短期内，商业化路径不明、数据成本高企、硬件成熟度不足仍是拦路虎；但长期来看，多模态大模型、世界模型与硬件迭代的共振，可能逐步将具身智能推向“数字-物理”融合的临界点。

泡沫是技术爆发的前奏，耐心者才能等到春天。当人形机器人真正走入家庭时，今天的争议或许会成为一段精彩的注脚。