我們真的需要人形機器人嗎？

（點擊收聽本期音頻）

采訪｜泓君

圖文｜朱婕

今年拉斯維加斯國際消費電子展上，人形機器人再次成為焦點——舞獅、打拳擊、后空翻、打乒乓球，各種炫技的Demo，將“科技春晚”氛圍拉滿。但如果你期待的是泛化能力的突破，那么今年的展或許不會給你太多驚艷。

本期播客是機器人特輯的延續，此前我們探討過許多關于機器人泛化的前沿探索，今天我們調過頭來，追問一個更根本的問題：我們真的需要人形機器人嗎？

本期嘉賓傅盛認為，人形機器人硬件并不遵循“摩爾定律”，靠堆料實現的性能很難走向商業場景，更談不上有意義的量產。真正能落地的機器人，往往是從具體的場景中逐步迭代、打磨“生長”出來的，而非一開始就追求通用性和完美形態。

盡管這次CES展會上，機器人“泛化時刻”尚未迎來曙光，但我們看到的是，中國品牌以更成熟、更國際化的姿態占據了全球消費電子舞臺的中央。而對于眾多探索出海的中國機器人企業來說，美國仍然是那個最理想的市場，所以我們的嘉賓們也用親身經歷給出海者提出了幾點建議。

歡迎關注《硅谷101視頻號》的音頻欄目直接收聽本期播客。如 果 你喜歡我們的 節目，更推 薦大家使用 音頻客戶端來收聽，《硅谷101 》已覆蓋各大 主流音頻 平臺（渠道見文末），歡迎訂閱！

以下是這次對話內容的精選：

01

熱潮反思

我們真的需要人形機器人嗎？

泓君：今年CES機器人的展區特別火。具體到人形機器人行業，我注意到一個數據，CES一共的人形機器人參展商是38家，其中中國的參展商有21家。

傅盛：居然還有17家不是中國的？

泓君：有人說這次機器人其實是中、美、韓三國的競爭。有韓國是因為機器人領域很著名的Boston Dynamics被現代集團收購了。他們展位排隊要等四十多分鐘。Boston Dynamics在行動能力、爬樓梯方面開發較早，有非常深的積累。另外，他們今年在CES上官宣了Atlas，計劃2026年開始生產和向首批客戶交付，到2028年實現更大規模部署，并形成年產3萬臺的產能。如果真能量產，這會不會是整個機器人領域最大規模的量產？

Atlas產品宣傳片 圖片來源：Boston Dynamics

硅谷徐老師：我去看了Boston Dynamics，這些Physical AI、人形機器人都在那邊。但都沒讓我有耳目一新的感覺，我也非常想了解傅盛的想法。

傅盛：其實宣布這個量產意義不大。2021、2022年特斯拉剛做擎天柱時，當時我們內部一個小型投資人會議就在討論要不要抓人形機器人的機遇？他們說得到明確消息，特斯拉和供應鏈的減速器廠商說明年要下10萬臺訂單。我當時就說，特斯拉可能沒做過機器人，有點輕視了，肯定做不到。

你看它2025年年初說做幾千臺，最近換了負責人（之前做FSD的），上來就先砍一半。當然，特斯拉這樣的大公司生產幾千臺肯定能生產出來。但問題在于，這是不是真正落地的量產？要么是客戶買單，要么是能在實際場景中真正發揮效率，這樣的量產才有意義。我對波士頓動力宣布的幾年后產3萬臺非常質疑，甚至覺得不太可能做到。

泓君：他們的一個應用場景是倉庫搬貨運貨。Howie你來講講你看到的Demo場景是怎樣的？

硅谷徐老師：我沒覺得有什么特殊的，現在很多倉庫也有機器人在搬東西。它可能更靈活、更多功能一些，但跟過去的技術是不是一個本質的區別？我不清楚。我對Physical AI的向往是希望它能進入家庭，但這看上去還非常遙遠。

泓君：1X公司已經打算2026年進家庭了，通過遠程遙操，用隱私換機器人的操作。

傅盛：都不是出賣隱私的問題。昨晚剛和一個朋友辯論，到底人形機器人是不是泡沫，能不能落地？我說我們第一代機器人2017年做的時候，也是雄心壯志的，當時沒做腳，但是也給機器人加了雙臂。有一天我生日，工程師給了我一個驚喜，讓機器人引導我到會議室，機器人劃了根火柴，給我點了個蠟燭。那是2017年，我們也做過這樣的事。后來慢慢懂行后發現，工程師是為了讓老板開心偷偷加班，顯得有研發實力，但沒法泛化。其次，加上手臂后電池消耗變得很大，機器很重，當時一條臂要十來萬。

2017年機器人劃火柴點蠟燭 圖片來源：傅盛

泓君：現在一條手臂大概多少錢？

傅盛：我們最近收購了UFactory，就是因為當時覺得臂太貴，投資了這家公司，讓他們好好做六軸、七軸臂，把價格降下來。第一性原理誰都會說，臂不就是鋁合金、鋼鐵，為什么賣那么貴？但做好多年，現在售價能做到四五千美金。現在像谷歌、斯坦福很多都買它的臂，海外市場占七八成，這家公司還盈利了。

但后來通過“臂”這件事我認識到，機器人硬件不像軟件有摩爾定律，可以快速大規模重構。硬件比如一個關節、電機、諧波減速器，就得一點點改進，受制于物理結構，很麻煩。所以后來我對機器人的看法是，客戶真正用的時候，考慮的就是性價比和投資回報率。

比如剛上市的極智嘉，做倉庫搬運，當然它現在只是底盤升降，能搬200公斤。現在他們也在探索底盤上加兩個臂。對搬東西而言，加臂有沒有用？加腿有沒有用？用處很少，成本卻高了非常多。工廠在設計的時候基本上輪式都能通達。這就好比用大炮打蚊子，用滅蚊器不是更好嗎？

泓君：輪式沒有腿，它會便宜很多。

傅盛：今年做人形機器人，至少一半的錢花在腿上，甚至更多。我用一半的價格，實現你95%以上的效率，就沒人會選人形。

硅谷徐老師：傅盛其實回答了我之前的疑問。我走出CES就在想，這和我以前看到的有多大區別？說穿了就是兩點：一是在固定場景能做什么，二是泛化能力（當然這是一個光譜，不是0和1）。到底要越做越泛化，還是專注固有場景？固有場景的機器人，五年前、十年前，各大工廠已經有很多搬運機器人了，已經做得非常漂亮了。泛化的機器人進去之后能做得多好？我沒看出很大的作用。

但如果要讓機器人在我們生活中各方面都能用到、感受到，那肯定需要泛化。但泛化這一塊，我覺得還很遠，至少我沒看到。

前兩天我看到一家叫Sunday的公司，網上Demo挺不錯。它的投資人Sarah Guo是我的好朋友，我問她這是真的還是假的？她說是真的。它搬酒杯、洗碗，包括飯桌上非常微妙的場景，都能處理，我期待的是這樣的機器人。

圖片來源：Sunday Robotics

泓君：它其實也是一個輪式的，加機械臂，它的機械臂可以把桌子上的酒杯抓起來放到洗碗機里。

傅盛：去年我參觀了Figure，我和一個對Figure比較了解的人爭論，為什么一定要做人形，我們雙方爭執不下。他認為一旦做成就可通用，人形能適應各種場合。前兩天他給我發信息，他去Sunday看了一下，大受震撼。他突然覺得，對呀，為什么一定要有腿？因為他知道腿花了很多精力。而Sunday，它可以把所有精力都放在手上，一個底盤就很穩定了，所以它能把任務做成這樣。他非常震驚，因為他了解的人形機器人公司還沒到這一步。

真能干活，我認為一定不是從人形開始，而是從某種特殊形態開始。最早進家庭的機器人是掃地機器人，它也叫機器人。其實“機器人”這個翻譯有問題，robot不是特指人形，老外管自動運行的機器都叫robot。所以第一波是掃地，后來割草，越來越多，現在倉儲運輸、底盤移動，開始有人往上加臂。

我的觀點一直是這樣，所有好的產品和技術，它是“生長”出來的，不是憑空做一個特別高大上的技術，一下就做出完美通用產品。它一定要跟很多場景打磨。今天講Physical AI也是個很虛的詞，但像Sunday這樣，在一個場景下，比如拿杯子，如果它能做到……

泓君：它是真能做到嗎？還是視頻拍了很多次？

傅盛：不需要拍很多次。但我想說比如拿杯子這件事，99%的準確率你也不會用。如果每天都會有東西碎掉，你還會用嗎？

你看這次黃仁勛講什么生成數據，伊隆·馬斯克轉了一下，說特斯拉早就在做了。他說難的不是那99%，而是最后那1%。所謂真正落地的機器人，他要和物理空間接觸。為什么自動駕駛這么多年沒真正實現L4？因為一旦接觸，后果很嚴重。即使很多地方做得好，但corner case（極端案例）很難處理。而且自動駕駛還是二維平面，機器人是3D，還要接觸、抓取，難度還是非常高的。

泓君：我把我們剛剛討論的話題收斂一下，我們核心話題是機器人是不是一定要人形？我看出來了，傅盛你的觀點是它不用完全是人形，能干活就行。但如果現在能干活就可以，為什么我們看到特斯拉擎天柱、Figure AI、Boston Dynamics的Atlas……這些業界最頂級廠商都在生產、甚至量產人形機器人？

傅盛：你說頂尖公司都在做人形機器人，其實可能是因為做了人形機器人就顯得比較頂尖（笑）。今天這個“熱潮”怎么來的？我認為就是伊隆·馬斯克帶起來的。在他做人形機器人之前，大家都不太看好。Boston Dynamics被賣過，谷歌要賣時軟銀買了，都沒什么人買。而且谷歌這么有技術夢想的公司為什么賣掉它？你想想。

本田的機器人ASIMO我見過，做了30年，兩足行走，奧巴馬訪問時還跟它踢了球，最后宣布停產了。那時業內已經不看好了。

我和Boston Dynamics的CEO在一次會議上連線，他說只要投足夠多錢，就一定能做出來。我當時不太認同，我認為只有市場真找到需求才會做起來。

國內是看到馬斯克做了，覺得不能落后。如果他真做成百萬臺，世界就被改變了。所以“寧可錯判，不能錯過”，但這個熱潮搞得太大了。

泓君：所以今年國內機器人創業特別火，對吧？

傅盛：特別火。為什么火？第一，好融資。其實不難，你去深圳花200萬搞一個人形機器人，打上自己Logo，找個廠弄出來，走兩步，沒問題。你搞大語言模型就沒這么簡單。

泓君：“走兩步”供應鏈上已經實現了？

傅盛：可能是要調一下。我的意思是“走兩步”現在也不難了。我拜訪加州理工一個做人形機器人非常知名的教授，他說以前波士頓動力用的雙足控制算法能耗相當高，為了維持站立平衡，最早的產品要背著油。人維持平衡能耗很低，但那時算法要花很大精力。

我認為人工智能進來后，把這個算法確實簡化了。等到伊隆·馬斯克可以做，大家一看，覺得這么牛的人都覺得能做了。而且我覺得馬斯克也把這事想簡單了。最近馬斯克有個采訪，說現在意識到做人形機器人比做汽車難多了。

你看到的Demo都是廠商能拿出來的最好水平，是調優過的，到實際場景中要大打折扣。你看它的動作，就知道能不能落地，基本都不能，過不了及格線。比以前有沒有巨大的進步？有，但那條線高高在上，到那條線要多久，說實話我覺得沒人知道。

圖片來源：Sharpa

泓君：這涉及到第二個問題，就是Howie剛才說的，機器人是走垂直領域，還是注重泛化性？我先回答你在提出這個問題前面的一個困惑點，為什么你覺得Demo都不夠驚艷？我問過很多機器人領域做技術的人，我說中國有很多機器人大賽，你們能不能根據機器人大賽的表現跟冠軍去判斷哪家公司技術最好？所有的答案都是——不能。因為比賽場景固定，不能體現真正的泛化能力，只證明你為這個場景花了多少時間，所以僅僅通過Demo很難看出一個機器人真正的泛化能力。

但昨天我在展上看到一些驚艷的瞬間，來自一家叫Sharpa的靈巧手公司。我們上期講過它。它有四個任務很有趣：一是折紙風車，步驟多達30步，是機器人領域的超長程任務難題，因為它意味著如果每一步成功率99%，30步后總成功率只有70%。二是發撲克牌，也是精細運動。三是拍照。四是接乒乓球，考驗反應延遲和瞬間決策能力。它的Demo給我的感覺明顯和其他Demo特別不一樣，當然它也只是一個固定的場景。

傅盛：我認為靈巧手這條路徑上，是有很多值得探索的，而且有很多場景有機會落地。現在供應鏈把臂的價格降下來了，以前UR一條臂一兩萬美金，現在可以賣三四千美金。靈巧手也是各個方向都在做，這條路我一直在觀察，我覺得是有機會的，落地可能更早。

你講的四個任務里，折紙比打乒乓球難多了，因為力要掌控好，如果現在折紙是從里面拿紙出來，它要對環境有判斷，但我還是高度懷疑它對任務做了大量優化。如果是可以泛化的，紙張隨意擺放都可以，就會更好一些。

泓君：對，他們的紙張是給機器人鋪好的，還是在一個固定場景，只是步驟長而已。

傅盛：比如幾年前ALOHA炒雞蛋，我們看它的論文，它必須在特定范圍內這么一個模型，準確率大概80%，往上提就很難。折紙能做到這樣，不知道臂有沒有力反饋，確實挺不容易的。但這里面又有問題了，要看看它用什么臂，加了什么傳感器，這傳感器貴到什么程度？

圖片來源：Sharpa

泓君：Sharpa的臂我們上次聊過，是5萬美元一只手，業界最貴。

傅盛：符合我的預期，為了這個加了非常多的東西。這個價格還不考慮壽命、故障率等等這些東西。堆料一定可以堆出一些不錯的體驗。

02

人形機器人的商業化難題

泓君：這個討論挺有意思。硅谷101過往關注技術最前沿，關注做得最好的那一家怎么把事做成，完全沒關注成本。傅盛你對中國的供應鏈和機器人產業挺了解的。你覺得在成本優化方面，哪幾個方向是大塊？比如你怎么用一個小的成本解決一個巨大的場景性的任務？

傅盛：成本最大的是機械結構那塊，電機、減速器這些物理的東西，它降價真沒那么快。芯片可能過兩年降一半，所以芯片、傳感器成本反而比較低。

泓君：電機、減速器多少錢？

傅盛：我們對做臂比較清楚，比如七軸臂，我們叫七個諧波減速器，以前都好幾千一個。

泓君：七個就上萬了。

傅盛：對，我專門考察過怎么把這個成本降下來，發現很難。諧波減速器的專利在70年代被幾大公司享有，其他做的都侵權。但是在2010年代，這個專利過期了。我想說的是，專利都過期了，還是這個結構，大家還在這個上面打磨。如果想要發明出新的承載力好、急停、減速、精度高的結構……到今天也沒看到。

中國供應鏈已經非常厲害了，像宇樹可以賣到10萬，就已經降得非常厲害了，但不會持續地像大家想象的那樣再降下去了。

泓君：如果我們去拆分機器人成本，哪幾個部分占大頭？

傅盛：剛才講的都是，再加上各種機械關節。比如Figure用諧波減速器，所以它動作挺慢的，不如國產用行星減速器的。諧波減速器的好處是負載高，拿的東西可以很重。但表演不需要拿重物可以就用這個。每個能動的地方都是成本。這個成本就看你要什么了，最近小鵬有個機器人，走路很好看，它成本也很高。

泓君：外形好看，還要付額外的成本。

傅盛：為了自由度多，你就得多加關節。加了之后成本是一方面，而且加多了它容易壞呀，可靠性就降低了。為什么我說人形機器人到今天包括做Demo不錯，但是落不了地。你真正落地時就會發現，給你點贊是一回事，掏錢買是另一回事，貴了就很難下決策，還有可靠性又是一回事。

泓君：我聽到美國廠商抱怨，他們覺得人形機器人看著好，但真要落地時，比如廚房炒菜的手臂機器人，現在所有手臂都不耐磨，所有硬件廠商提供的物料都不行，沒人做耐磨的優化。

傅盛：現在人形機器人使用壽命是非常短的，今天也沒有保修標準。我們做輪式機器人出海，質量很重要，一兩年至少不能有問題。這事磨了挺久的，它不是一個成熟的產業鏈，以前我們連一個電機都得從別的小車上找。你看今天有自動駕駛芯片、游戲芯片、大模型訓練芯片、推理芯片，但沒有機器人芯片。因為它不成產業，所以我們就得從別的地方選。在沒有產業鏈形成的情況下，大家都沒有去大批量、高規格生產，它的質量當然就不行，落地時肯定有很多問題。

泓君：芯片誰好用？

傅盛：我們最近蠻詫異的，國產的一些中端芯片，做得非常好用，就中端，不需要那么大算力的。后來想想他們也是跟產業走得比較近。

泓君：芯片算是機器人成本中比較大的一塊嗎？

傅盛：不算。

泓君：所以成本大的，其實還是在整個的制造和硬件整合環節。

傅盛：對，就今天沒有一個所謂的大模型能讓機器人用。

泓君：機器人現在其實我們把它分成幾端，一端是軟件，一端是硬件，你覺得在軟件和硬件之間，包括中間的搭建過程中，產業鏈是完整的嗎？現在有很多機器人廠商，有的做硬件強一點，有的做軟件強一點，但這個硬件跟軟件怎么搭載起來？中間開發平臺是什么？感覺都沒有。

傅盛：完全沒有。

泓君：所以這個行業整體沒有統一起來。

硅谷徐老師：傅盛剛才提到沒有產業，我覺得是雞生蛋、蛋生雞的問題。我感覺大家都在那邊說“機器人就是忽悠大家一起來”。我說這個“忽悠”沒有任何貶義，因為沒有看到真金白銀，這需要一定的情懷。

我去看了Boston Dynamics，覺得它的新聞非常小心翼翼，它說“客戶試點項目將于2027年啟動”。我覺得任何技術都可以這么說，去火星也可以套這句話。

傅盛：而且為什么是2027，不是2026？不是今年？不是明年？這一年會發生什么變化？

硅谷徐老師：對，看了這句話我就心涼了一大截。

泓君：你覺得如果機器人在工廠搬東西，在中國和美國，打平人的成本要多久？在簡單一點的場景里。

傅盛：不是人形的已經有很多了。它的問題在于準確率，在很多場合是不能出錯的。你可能覺得遞送是件很簡單的事，但我覺得最難的不是能跑一下，而是要一天遞送幾百次從來不出錯。為了這個不出錯，整個行業努力了有三四年。

泓君：遞送指什么？

傅盛：餐廳遞送、酒店遞送，看著簡單，但前面真的打磨了三四年。因為做個Demo從這里走過去可以，但在不同餐廳，桌椅來回擺，它就會迷路。比如我們用激光傳感器，那KTV有噴霧了，機器人就迷路了。還有的玻璃很特別，純黑的，反射不回來，你要用視覺去解決。你想今天汽車才差不多到視覺這個階段。所以有太多corner case（極端案例）。

泓君：我把我的問題再收斂一下，在餐廳做送餐機器人，能打平服務員成本嗎？

傅盛：可以的，但就這樣接受度也不高。沒表現出特別好性價比時，人是不愿意改變流程的。機器人在國內已經做到1萬塊錢了，也賣不動。

以我們經驗看，在歐美用送餐機器人的確會降低成本，但餐廳老板對新事物的接受度有限。我們在全世界賣的最好的，就在意大利有個代理商賣得不錯。意大利有個很深的潛水池，后廚離餐廳好遠，就讓兩臺機器人來回跑。這么簡單一個動作，實際上也花了很長時間才真正解決可靠性。

意大利的餐廳機器人 圖片來源：傅盛

泓君：很長時間指多長？

傅盛：至少兩三年。最開始經常撞桌子、撞腳，我們就要考慮，要不要加一個向下看的？餐廳機器人為什么做那么便宜？它是用激光去建圖的，但我們只能用500塊錢的單線雷達，所以在桌子椅子密集時，它就會不知道自己在哪兒，我們叫“定位丟失”。后來幾個廠商想出辦法，在天花板上貼反光二維碼，但是那個二維碼你看不到，是用紅外看的，三五米貼一個。用很多這種工程化方法才解決了。我們還專門發明桿子，往天花板上貼東西。今天隨著算力提升，慢慢很多地方不用貼了。包括壓腳問題，也是通過改硬件配型，慢慢讓它今天能夠穩定可靠地使用。你看酒店送餐，為什么國外沒有？

泓君：我聽說電梯是一個原因。

傅盛：對，國內找個電梯維修師傅，給他2000塊錢，讓他在里面裝個板子。但是國外不行，日本電梯公司不準你動，要動先給10萬塊錢，每個月再收你幾千。

泓君：是說電梯按鈕的問題，還是什么？

傅盛：電梯Wi-Fi。今天遞送機器人叫電梯都通過Wi-Fi，這就涉及電梯改造，國外電梯公司不讓你做。

泓君：有合規、安全的要求。所以大家想象機器人可以在美國替代一點人力，沒想到改變基礎設施的費用還挺貴。

傅盛：對。但我覺得美國這些機器人實際上大有機會，這些機器人做一些垂直領域簡單動作，比如就是疊紙巾，是有機會的，因為美國就是人力成本高。我們今天送餐一半以上利潤來自海外，國內沒有利潤。

03

機器人出海與中美文化差異

泓君：挺有意思的是，像割草機器人、泳池機器人，是近一兩年才開始大批量銷往美國的。中國廠商特別會找機會。每年亞馬遜內部數據能看到爆款趨勢，我前幾年和亞馬遜溝通，他們提到美國泳池機器人、智能喂鳥器特別好，很快中國廠商產品就出來打美國市場。這次CES上挺明顯的。

傅盛：你看割草機器人快速出來，和機器人輪式導航算法的成熟有關。以送餐為例，這個導航算法磨了很久，本質上是在用戶可接受價格內找到解決方案，不是“壘料”。

有投資人問我，你們做機器人導航，是不是自動駕駛團隊過來就把你秒殺了？我說不會，一輛車，車載芯片至少上萬塊，傳感器激光雷達大幾千。我們要做的是幾千到一萬多成本，做出整套方案，得用很便宜芯片，基本不超過1000塊。用盡可能少傳感器，然后用工程算法去把導航磨出來，讓它不迷路。魔鬼都在細節里，就這么個小東西，都要磨兩三年的時間，回到我們說的人形機器人，那坑真的太多，手、腳的復雜系統可能超出了絕大部分人的想象。

圖片來源：Figure

泓君：今天聊天能鮮明感受到，硅谷做前沿研究，中國做應用強，這個優勢特別明顯。

傅盛：對，但我去年跑了很多美國的機器人初創團隊，發現硅谷是很多樣化的。很多團隊不做人形，像Sunday這種輪子加臂，或者單臂的方案，都在做。我覺得這反而有機會能做出來。它們就是找場景，這種公司第一天就想怎么賣給客戶，然后反向去做優化。

泓君：你們也做機器人出海，現在最好的市場是哪里？美國、歐洲、東南亞？

傅盛：肯定是美國。歐洲不好做。日本錯失互聯網后，軟件人才斷檔了，除非你去做整套方案，如果讓他們自己做點二次開發，基本一個東西、一個App能做一年。韓國市場容量比較小。我們的送餐機器人在韓國表現也不錯，但容量太小。

正好分享個例子，在美國市場，我們的機械臂最近有個大客戶，是拿機械臂給人拍照的。以前拍照有些固定模板，要人手拿著，現在用機械臂，做環繞拍攝等，還是個幾百家連鎖的客戶。但你知道嗎，這個東西我們跟他們磨了兩年。他們買過去要做適配，做好軟件，花了挺長時間。

采用緊湊型設計，可實現精確、重復性相機運動的UFACTORY協作機器人 圖片來源：VP-Land

泓君：兩年才銷售一個大客戶。

傅盛：對，海外市場就是這樣，不像中國那么快，做什么都挺慢的。

泓君：那為什么大家還覺得美國是個很好的市場呢？

傅盛：需求大，愿意付費，人力成本高，還愿意推進機器人化。

硅谷徐老師：付費意愿肯定在那里，但很多時候要改變流程。如果是個人使用，沒什么流程改變；但只要涉及餐飲或其他有流程的環節，在美國是很難的。我記得一個朋友做送餐，他說送過去沒問題，但和里面的人打交道很難，因為人家沒有和機器人打交道的流程。這不是“最后一公里”，是“最后一米”的問題。只要涉及到改變流程，都不是以天、星期、月為單位，而是要以年為單位的。

泓君：總結很有意思。這次CES我還觀察到一個大趨勢：中國企業出海。CES 4000家廠商里，中國企業占22%，是全球參展商中占比第二的國家。

硅谷徐老師：只有22%嗎？我覺得如果光看現場人數，感覺比例更高。

泓君：我整體感受是，今年中國廠商拿到的展位位置更好，大的、裝修豪華的位置很多給了中國廠商。放眼望去覺得很多中國廠商的展。

硅谷徐老師：對，而且怎么定義中國廠商？如果是一個華人，在新加坡甚至特拉華州注冊，很難定義。

泓君：我整體感覺大家的品牌做得比以前好太多了。以前CES放眼望去都是日韓消費品牌，最好的展位是他們的。今年改觀非常大，比如Insta360贊助了會場袋子。你們覺得這輪中國公司出海，和之前相比有什么大的不同？有哪些進化？

硅谷徐老師：一個很大不同是，你都看不出來這是出海公司，這本身就是很大的變化。

傅盛：對，越來越有國際范兒了。

泓君：你們覺得現在做美國市場最大的挑戰是什么？

傅盛：我覺得還是能真正深入到本土，對消費者習慣、文化，還有渠道等等的理解。我們當年出海很早，2011、2012年第一次來美國覺得很新鮮，當時看App，可以不用本土化，直接上App Store就行，所以我們就全力做海外。

我昨天正好總結，我們出海經歷了幾個階段：

第一階段是在信息最透明的行業，像互聯網，我們用人海戰術。那時在灣區做App，五六個人就算多的了，我可以搞100人做一個工具。所以今天中國App的水平遠超美國，那時就開始了。

第二階段是服務和能力出海，我叫它“吃苦耐勞的出海”。這波在應用能力、研發能力、運營能力上，中國企業已經全面超越了，所以這波出海有點居高臨下的感覺。

泓君：我確實有這種感覺，整個品牌感上來了。以前我們說中國公司出海輸出的是價格優勢，但這波中國公司的定價很高了。

宇樹G1機器人展示擂臺格斗 圖片來源：CES

傅盛：對，因為品牌背后是你的產品不只是價廉，而是質優了，性能比別人好，價格又不是特別貴，所以品牌感起來了。日本當年出海也是，車開始賣得很便宜，慢慢才做出雷克薩斯這樣的品牌。

硅谷徐老師：我覺得“吃苦耐勞”不只是價格。比如臺積電能做出來，里面有很多是能吃苦耐勞，但這轉化出來的不只是價格低，而是有能力大規模做出來，這是“有”和“沒有”的區別，我覺得吃苦耐勞還是很大的差異化。

傅盛：對，吃苦耐勞帶來的是迭代速度比別人快、你不斷去實踐。同樣一年52周，我迭代52次，你迭代兩次，我經驗就比你足。吃苦耐勞最后帶來模式領先，無論是研發模式還是運營模式。在國內這種環境下打磨出的模式、供應鏈管理都是領先的。中國內卷這么多年造就的這種……臺積電的故事我也聽過，迭代快、效率高，最后帶動品牌和服務提升。品牌不是生拔出來的，光請幾個外國人品牌也不會好。

回到你的問題，這波出海要注意什么？其實就是要對當地市場渠道的理解和尊重，這一點和中國有很大差異。渠道很重要，它和中國那種電商、開發布會不一樣。當地公司最強的就是渠道。

硅谷徐老師：比如日本、歐洲都有自己的一套打法。

傅盛：這波AI帶來硅谷新的增長模式，比如社群、用戶接觸方式，都和國內不一樣。即使做軟件產品，也得尊重和理解硅谷這輪新的增長模式。

泓君：對，硅谷硬件產品進入核心零售渠道如Costco、Target，是個里程碑事件，就是你所說的要尊重渠道。

傅盛：對，還有一個要注意的坑。我們當年遇到過產品被下架的事情，這個事我反思了很久，對我們幾乎是毀滅性打擊。主觀上我們沒做錯什么。后來我意識到，當年在硅谷我們也雇了不少人，但我花的時間很少，高管花時間也少。沒有在這里建立起人脈網絡，甚至生態系統，就是公對公。當出現問題時，大家的不信任感是很強的。本質上誤會大于事情本身。為什么要尊重渠道？和渠道搞好關系，就變成了共生關系。

比如TikTok，川普第一任的時候說要下架它，他就沒下成，主要是因為TikTok在當地有很多網紅，已經是一個生態了，你有自己的這種人脈和生態系統幫你的時候，就能處理這些事情。

泓君：說到這個我感受很深。這輪AI，我們就看到整個OpenAI和Sam Altman，他們和英偉達、AMD綁定得很緊，有一種鐵索連環共生的感覺。美國人很會玩這一套。中國企業在這里做應用，我覺得還是有點單打獨斗，沒有聯合起來。

硅谷徐老師：不敢把命運放在別人身上。

泓君：對，綁定得還不夠深，還是要讓一點利出去，讓大家在一個地方能利益共享。

傅盛：是的。我記得霍夫曼（Reid Hoffman）當時在北京約我吃早餐，討論北京和硅谷的異同。他講了一個不同點特別打動我：他說硅谷有個東西叫“relationship”。我說，哎？關系不是我們中國人很講究的嗎？

硅谷徐老師：他說硅谷的關系非常微妙，非常不一樣。都是關系，但內涵不同。

傅盛：對，內涵不一樣。我們的關系是一起吃喝玩樂，人家的關系是商業網絡關系。硅谷創新為什么多？就是這樣，我要創業了，幾個人給我一張支票，因為和你有很好的商業的relationship，不是人情世故的relationship。

泓君：我自己其實感受也蠻深的。我自己出來做播客的時候，沒有流量，很多聽眾問我怎么約到那么多大咖嘉賓？但我覺得我在整個硅谷的生態里，所有人都說“你要出來了，那我第一波支持你，我可以上你的節目”。徐老師也是特別早就支持我的。

硅谷徐老師：那是六年前，我們聊GPT，聽的人很少。

雖然我們剛才提到CES沒有想象中驚艷，但我覺得技術不是一蹴而就的。就像OpenAI一開始也在做一些沒讓人驚艷的事情，它需要長時間積累“不驚艷”才能夠到達這一天。

今天我學到很多機器人里的坑，這和我對人形機器人的直覺還比較遠是符合的。但你提到伊隆·馬斯克做機器人，我比較贊同他的一點是：他覺得泛化很重要，雖然難，但他寧愿啃這個硬骨頭。我覺得他是有一定道理的。

我不是專家，只是從直覺上來講，我們六年前談GPT，泓君你記得嗎？你問我為什么這是一個里程碑事件。我當時就說，GPT讓我第一次看到in context learning（情境學習），能夠泛化。這對我們做AI多年的人來說，以前都是特定數據、特定場景訓練，一旦有丁點的變化，結果就不一樣，這是一件很痛苦的事情。到了2020年我才意識到，真的可以做成一個不需要事先考慮那么多數據和場景，用in context learning能夠做出來。雖然當年GPT-3效果和今天差很多，但第一次讓我看到泛化的可能。這就是為什么六年前我們就說這是一件意義深遠的事情。

對機器人，我還是希望它有泛化功能，今天我沒看到任何人做得很好。伊隆·馬斯克不需要我支持，但我會支持他做人形機器人。而且即使今年CES沒讓我驚艷，但這個方向還是很重要，這是我個人看法。

泓君：講得非常好。我覺得兩種方向都對：既要解決最難的通用機器人問題，也要在過程中商業化養活自己，通過垂直場景先實現部分應用。兩種思維不一樣，但都需要。

硅谷徐老師：因為你想，OpenAI之所以能把大模型這條路走通，現在大家都忘了，但在2018、2019年，花幾百萬美元訓練一個模型，這是一個不可思議的事，有人覺得完全是浪費。另外一個看法是，即使做出來了又怎樣？所以它敢于用現有的落地場景去做嘗試，我覺得是非常重要的。

泓君：這兩條路最終可能會融合。

傅盛：我覺得肯定會融合。剛才我們聊的是我從從業角度做的技術判斷，比如我今天會不會去做（通用人形機器人）？我肯定不會。但你問我希不希望它成功？我當然希望。它如果真成了，就意味著機器人的“GPT時刻”到了，那不光人形會大行其道，輪式機器人也會大行其道，因為我加手臂上去還能便宜一半，對行業當然是大好事了。我也盯著像Scale AI這樣做機器人大腦的公司，真心希望有一個模型能出來，把很多不同硬件泛化掉，那對我們來說就太好了。行業愿景、可能產生的突破，和我們自己選擇的路，不一定要在一條賽道上。

2026年3月15（周末），AI+ 將在舊金山舉辦年度旗艦峰會:AI+ Ren??ssance Summit。

已經確認的speakers是40位來自Cognition、Parallel、Tavus等AI unicorn公司的Founders；來自OpenAI、Anthropic、Deepmind的核心模型作者、agent框架作者；和來自Salesforce、Nvidia、Cisco、Microsoft的Big tech leaders.

大會聚集2000位Founders，Builders & Investors, 一起聊聊聚焦多模態、Agent、AI Infra 和Robotics方向的最新進展。

時間: 3/15 (Sun), GDC和Nvidia GTC之間 地點: San Francisco 網站: https://renaissance.aiplus.dev/ 現在報名: https://luma.com/renaissance26

【音頻收聽渠道】

公眾號：硅谷101

收聽渠道：蘋果｜小宇宙｜喜馬拉雅｜蜻蜓FM｜網易云音樂｜QQ音樂｜荔枝播客｜嗶哩嗶哩

海外用戶：Apple Podcast｜Spotify｜TuneIn｜Amazon Music

聯系我們：podcast@sv101.net