碳基与硅基的终极博弈：机器人产业的跨栏与狂奔

当AI在数字世界里一日千里，能够瞬间写出诗歌、生成程序和代码时，机器人产业似乎陷入了一个“停滞”状态。

是什么捆住了物理世界的“AI”手脚？

为何在现实世界里，让机器人稳稳地端起一杯水会如此困难？

机器人产业的下一个关键突破节点是什么？

我们还能对机器人产业寄予厚望么？

这个夏天，在“南得深聊”的开场深度对话中，南方基金的基金经理张延闽、机器人创业公司启玄科技创始人王文杰和华尔街见闻常务副总编辑周宏共同探讨了机器人——这一横亘在科技与现实之间的关键产业。

这不仅是一场直击机器人产业核心技术的深入讨论，也是一场关于产业、运营和商业模式的硬核碰撞，更是关于“硅基与碳基”博弈的哲学探讨。

当思维开始放飞，得到的讨论结果自然就变得精彩起来。

金句：

1、大语言模型之所以爆发，是因为互联网有海量的文本数据；但机器人发展需要的物理世界里关于砸钉子的力度和手感的多维数据，我们没有。

2、你不能靠看B站或YouTube的视频来训练机器人，真实世界的物理细节是无法通过二维屏幕学会的。

3、技术上的泡沫，在人类发展史上往往是一种“必要之恶”；没有适当的泡沫，就无法最大程度激励颠覆式的创新。

4、焊接不是诗和远方，它是牺牲人类健康换取工艺的妥协。工业机器人的使命，就是去干那些不适合人类干的事情。

5、通用人形机器人就像阿波罗登月计划，它是金字塔尖的梦想，但在攀登的过程中，技术会不断溢出，滋养千行百业。

6、在美国打样一块PCB板需要两三个月，在深圳只要三天。这种硬件迭代的速度，是硅谷最羡慕的中国底牌。

7、当下的机器人产业其实是两条路线：一条是改造环境来适应机器，这叫自动化；另一条路线是改造机器来适应人类，这叫具身智能。

8、当机器人什么都能干，甚至能自己造机器、搞发明时，它就是终极的生产力。那时，人类存在的意义将面临终极拷问。

9、如果单台机器人未来的价值和汽车一样，10万块人民币，未来的机器人产业就是一个巨大的市场。更别说维修、零件更换、远程协助……

01

横亘在产业面前的“物理AI难题”

本次讨论的开场聚焦了一个引人关注的话题：

为何我们拥有如此强大的AI大模型技术后，机器人仍旧不能完成诸如递送药片这样简单的细微动作？

“大语言模型之所以能涌现出智慧，是因为人类过去几十年在互联网上积累了海量的文字和图像数据供训练。但物理世界的数据，图书馆里没有。”启玄科技创始人王文杰一语道破了关键。

王文杰说，人生下来，就有眼睛、有手、有触觉，有周围的环境的感知，有听力，有这些复合的感知系统。但对机器人来讲，要具备这些感知和运行能力其实是很困难的。

张延闽则举了一个生动的例子：“图片可以告诉AI这是一个锤子，可以用来砸钉子。但在真实世界里，锤子有多重？砸墙需要多大的力气才不会把墙砸坏？这些多维的传感器数据，目前的系统里是匮乏的。你不能靠看B站或YouTube的视频来训练机器人。”

在公众的认知中，波士顿动力的机器狗可以后空翻，春晚上的机器人可以整齐划一地跳舞，似乎机器人的“小脑”（运动控制）已经极为发达。但这种能力大多建立在传统的工业伺服控制之上，一旦脱离了预设环境，机器人就会显得“四肢发达，头脑简单”

这就是目前产业界公认的“物理AI（PhysicalAI）”难题。数字世界的AI没有物理边界，可以无限次快速试错迭代；而具身智能必须遵循物理定律，每一次动作的泛化，都需要海量真实世界数据的喂养。而恰恰是后者，现实世界里极为缺乏。

02

数据之困：如何让机器人&;长大成人&;

理解了这个问题，就能理解为什么全球各路机构都在投入&;数据采集&;这件事，并想尽办法突破物理数据的瓶颈。

李飞飞创立的空间智能公司WorldLabs日前宣布收购机器人仿真初创公司SceniX。这笔收购旨在通过“真实-模拟-真实”（Real-to-Sim-to-Real）技术路径，用高保真虚拟环境替代危险、昂贵的现实物理数据采集，为机器人提供无限试错的数字训练场。而在国内，各类“数采工厂”、“数采基地”正在遍地开花。

但困难比想象中还要复杂一点。

王文杰解释道：“人类有自适应能力——看不清楚，我可以想办法看清楚。但摄像头不行，传感器不行，而且能采集的维度都很有限，声音是声音，触觉是触觉，颜色是颜色，远远达不到人类的灵敏度。”

张延闽补充道：现在机器人的“大脑”，还没有形成真正的经验和意识，它无法像人类学习动作那样改善自己。对如今的机器人而言，它“大脑”的硬件已经很强大了，但这个“大脑”不知道怎么把经验落地到解决方案。

换言之，当下具身智能的核心难点是：芯片性能不是问题，算法框架不是问题，真正缺的是&;成长&;的周期和过程。

03

机器人会有“涌现”时刻么？

AI大模型的一个核心规律是，当数据、参数、算力达到一个临界点后，整个模型的效果会一下子提升起来，就仿佛智慧一下子涌现出来一样。

那么，机器人产业会不会有出现类似的“涌现”时刻——当数据积累到一定程度，机器人突然&;涌现&;出令人意外的智能？

王文杰对这个问题给出了谨慎的判断：大语言模型的突破，是一个量变引起质变的过程。但这个质变的过程太复杂了，搭建这个系统的人也不知道为什么它能作用成这个样子。

这就像神经网络超过100亿个节点，3的100亿次方所发生的事情，超出了人类可以理解的范畴。所以，机器人的“涌现”时刻何时出现，目前没有人讲得清楚。

张延闽随即把话题延伸到了一个更具争议性的领域：机器会不会产生自我意识？

“哲学上，大部分哲学家不承认机器能有自我意识。”他说，“现在的大语言模型，是通过海量数据学习了一遍，当出现类似情况，按照概率给出答案。但库里没有的东西，它能不能真正推导出来？这是人和机器最大的区别——人有灵感，有说不清道不明的灵感。&;

他也提到了哲学中著名的“中文房间”实验：一个不懂中文的人，拿着翻译手册，可以在某些领域通过图灵测试——这并不代表他有意识。机器的&;智能表现&;与&;真正的意识&;之间，可能隔着一道无法跨越的鸿沟。

王文杰则从概率论角度给出了一个风险提示：“AI的原理是概率学，概率学就会有一定概率超出预期，发生极端情况。这是必然存在的，只是概率是百万分之一还是十分之一的问题。只要是概率学，一定会有它发生意外事情的可能。”

04

机器人产业的商业&;落地点&;

从哲学的云端回到地面，对话的焦点转向了最现实的问题：

机器人产业的盈利模式在哪里？

王文杰的答案来自实践。启玄科技专注于工业焊接机器人，选择这个赛道的逻辑清晰而坚定：

&;焊接是人不适合干的事情。热辐射对眼睛有破坏，保护气体损伤肺，粉尘干扰健康。我们用机器人技术去完成人不适合干的事情。&;

这种定位带来的劳动条件的改善，也在产生真实的商业价值：&;（企业）用了机器人之后，每一台产品的焊缝质量更加一致，品质提升，同时制造成本明显下降，订单响应速度提高，工厂竞争力增强。&;

张延闽则从资本的角度勾勒了一个更宏观的图景：“如果我们相信机器人的智能越来越高，应用场景就会在你不知道的情况下突然冒出来。”

“最早机器人只会焊接，后来能扫地、浇花、在地里摘土豆。如果按照第一性原理——机器人都是为人服务的——那全球70亿人，理论上未来每人身后都要跟几十个不同形态的机器人。&;

&;如果单台机器人未来的价值和汽车一样，10万块人民币，未来的机器人产业就是一个巨大的市场。更别说维修、零件更换、远程协助……”

面对如此远大的愿景，王文杰还是保持着冷静：“远大的前景还要有当下的商业化回报支撑，纯靠资本输血，总有一天撑不下去。源源不断得到市场认可和经济回报，才能继续迭代打磨产品，让公司业务越转越快。”

05

专用机器人vs通用机器人，谁更能掌握产业的明天

这场对话最热烈的一次碰撞，来自于一个贯穿行业的话题：

专用机器人，还是通用人形机器人，谁会真正改变明天的世界？

王文杰的判断是：现实角度来说，专用机器人距离客户需求匹配度更近，更能第一时间满足特定场景的需求。

他进一步分析了人形机器人落地工厂的悖论：工厂里通常是工业机器人做不了的事情，才交给人手工去干，如果未来再让人形机器人去替代这部分人工——后者所替代的工作，难度无疑很大。

另外，从现实来看，工业机器人在速度、精度各方面的性能指标，目前远高于人形机器人，它们完成不了的工作，你要交付给人形机器人去完成，这也更接近于悖论。

张延闽则用一个有趣的类比回应：&;就像发卫星一样，五六十年前发卫星也没有商业价值，但发的过程中A、B、C、D的技术，放到民用领域，可能在某一瞬间就绽放出了其他成果。

“秀着秀着，能力就建立起来了。&;

他同时保持了投资者特有的辩证态度：&;科学的攀登，应该做难而正确的事情。我们知道北极星在哪，就朝那个方向走。只是不同阶段，我们要在商业上找好自己的定位。&;

06

中国优势：不只成本，更是速度

谈到中美在机器人产业的竞争格局，两位嘉宾给出了高度一致的判断：中国在制造端具有无可比拟的优势，而这个优势的本质，不仅仅是成本。

王文杰举了一个细节：在深圳，如果一家初创公司想要加工一个零件，出门就能找到供应商。愿意出钱，三天板子就到实验室。在美国，同样的事情可能需要两三个月。

张延闽援引了一位天使投资人的说法：硅谷做同样一个消费电子产品，深圳的迭代时间大概是它的1/30。其中的差异主要不是成本问题，是时间问题。

&;而时间才是最重要的成本。&;

这种速度优势的背后，是中国独特的创新生态。王文杰描述了常见的场面：“你是一家刚开始创业小企业的老板，你在深圳找一个小工厂询价，他不会因为你小就冷落你。因为保不齐他的某个小客户，某天一下子就做成巨头了。”

张延闽认为，机器人产业可能是会形成全球范围的模型和硬件的互补格局：“特斯拉的机器人供应链几乎全部在中国，这本身就说明了问题。&;

此外还有一个常被忽略的要素：工程师红利。

&;中国优秀的工程师储备，让美国初创公司都羡慕。这不是廉价劳动力，是强大的研发和制造能力，叠加完善的产业链协同，这是真正的竞争壁垒。&;王文杰说。

07

泡沫与现实：资本市场的&;必要过程&;

对话的最后，话题自然落到了投资者最关心的问题上：机器人赛道的价值和泡沫，分别有多大？

张延闽给出了一个具体数据：&;中证机器人指数目前TTM估值大概60多倍，如果把PE为负的扣掉，平均估值大概120倍。今年以来，一级市场最火的既不是半导体也不是大模型，是具身智能，累计投入大概1600亿。&;（数据来源：Wind，截止2026.6.30）

这个数字背后，是市场对这个赛道的极高期待——以及随之而来的波动风险。

但张延闽也有自己的长期观点：技术上的泡沫，在人类发展史上有时候叫做“必要之恶”。没有适当的泡沫，就没有办法激励创新。100多年前美国建铁路，当年确实过剩，但回过头来看，对社会的福祉是非常有用的。曾经互联网泡沫也是一样。

这个判断当然不是为泡沫背书，而是提供了一个更长的思考维度：问题的关键或许不是短期内是否有泡沫，而是你尽量让泡沫和社会需要的方向契合。

08

尾声：站在爆炸的边缘

对话临近结束时，三人不约而同地感受到一种共同的历史感——我们正在经历的，是一个罕见的技术爆炸的时刻。

张延闽用一句话总结了自己的观察：&;机器人这个行业，方兴未艾。&;

王文杰则用儿子的故事做了一个接地气的注脚：&;我儿子写作业的时候，拍张照片发给豆包，直接问答案。学习这件事，已经在这一代人身上发生了根本性的变化。&;

从焊接车间的机器人手臂，到家庭里随时待命的智能助手，从大语言模型的文字涌现，到物理AI对现实世界的不挠探索。人类正在经历的这场技术革命，虽然没有人能看清它的全貌，但速度已经相当明显。所以，有一点是确定的：不论是AI还是机器人，这都不是一场可以袖手旁观的变革。

滑动查看完整风险提示

以上观点仅供参考，不作为投资建议。基金投资有风险，投资者在投资前请认真阅读《基金合同》、《招募说明书》等法律文件。我国基金运作时间较短，不能反映股市发展的所有阶段。基金管理人承诺以诚实守信、勤勉尽责的原则管理和运用基金资产，但不保证旗下基金一定盈利，也不保证最低收益。公司旗下基金的过往业绩及其净值高低并不预示其未来业绩表现，基金管理人管理的其他基金的业绩不构成对基金业绩表现的保证。