宇樹即將IPO，Figure甩毛巾動作驚艷！但當前99%的做法都錯了

抓住風口

本期要點：機器人究竟該怎么用？

你好，我是王煜全，這里是王煜全要聞評論。

自春晚機器人武打節目出圈以來，機器人幾乎獲得了全民關注。

從宇樹機器人在春晚以及大街小巷跳舞，火爆大江南北，到Figure AI機器人在甩毛巾視頻中，動作流暢、節奏自然，甚至帶有明顯的人類習慣性細節，讓人感慨機器人的動作竟能如此逼真。

Figure AI的機器人演示視頻

再到最近，3月20日，宇樹科技科創板IPO正式被受理，擬募資42億元。其業績也非常亮眼，2025年營收達17億元，同比增長超3倍，凈利潤高達6億元，同比增長超六倍。

這些數據似乎在告訴市場，人形機器人可以賣得動。

另一邊，機器人背后的模型也在快速推進。

3月10日，機器人公司Rhoda AI一出道就完成了4.5億美元A輪融資。他們試圖讓機器人直接從互聯網視頻學習動作，從而繞過復雜的數據采集和訓練流程，直接完成各項工作。

此外，近期也開始有公司專門去做機器人數據集了。

如前段時間，初創公司Ropedia推出了一個包含1000萬條交互數據的數據集，它記錄的不是簡單的視頻，而是動作、空間關系以及行為帶來的結果，目的是解決機器人缺乏真實經驗數據的問題，給機器人提供“做過這件事”的經驗，而不只是“看過這件事”。

這些信息疊加在一起，讓人感覺機器人行業在硬件、模型、數據三個方向同時加速，似乎通用機器人真的要來了——不久后，它就可以走進工廠和家庭，開始替代人類完成各種復雜工作。

但在我們看來，現在機器人最大的進展都是集中在模仿人類做出的動作，吸引了市場和產業的注意力，卻讓大家忽略了真正重要的事情。

誤會

首先，我們要強調的是，動作像人不等同于能力接近于人。這是當前整個市場最容易產生的一個誤判。

我們曾反復論證過，現在機器人的能力只是“能做出各種動作”，而市場需要的關鍵能力是“應該做什么動作”，并合理地規劃動作，這取決于對環境和任務的理解。

一個人能完成一項任務，不只是因為做出了某個動作，更是因為他知道在什么環境下、用什么方式、以什么力度去做出這個動作，并在過程中不斷根據反饋進行調整。也就是說，人類的動作，是理解之后的輸出，是認知驅動的結果，而不是簡單的復現動作。

今天的機器人，恰恰只是在復現人的動作。

當前的進展主要集中在兩件事上：通過大規模視頻數據或人的示范學習動作，再通過在虛擬仿真環境中進行強化學習，不斷優化控制器的參數，提升動作的穩定性和成功率。

這和ChatGPT等大語言模型的演進非常類似，只不過ChatGPT通過海量文本學會像人一樣說話，而機器人通過視頻學會像人一樣行動。

于是，我們看到越來越多的機器人行為極其像人。

但別忘了，無論如何，機器人還是在模仿，可它們顯然不知道為什么要這樣做。

例如Figure AI的機器人甩毛巾的動作是很逼真，但它只是復現了從人類那學來的一個固定軌跡。一旦毛巾變厚變長，或是變濕，它很可能就無法完成任務。因為它并不理解“甩”這個動作的目的，也很難像人類那樣有手感，也就是瞬間能根據重量、慣性和反饋去調整力度。

在現有的技術基礎上，我們得給機器人示范每一類毛巾該怎么甩，但這顯然不太現實。而且如果機器人理解不了背后的規律，示范再多也沒有意義。

那么，如果機器人只會邯鄲學步，它們又能有多大作用？

也正因為如此，我們會看到，機器人大多是在“展示”，比如跳舞、打拳、翻跟頭，或是在家具擺放整齊有序的家里干活，并沒有真正變得可用。視頻是越來越驚艷，能穩定跑在真實業務里的案例依然不多。

真機會

不過，聽完前面的分析，你也別完全悲觀地覺得，機器人就無用武之地。

我們常說，應當看清技術的能力邊界，從而更理性地理解技術的發展階段，并將技術落地于合理且有商業價值的場景之中。

每一輪技術突破，早期都伴隨著能力被高估、發展路徑被誤判，但真正能夠落地的，往往是那些尊重邊界、順勢而為的應用方式。

因此，我們想指出的是，未來機器人的機會不在于更像人，而在更可控。

既然機器人很難理解陌生且復雜開放的環境，那與其等待機器人能完全應對復雜世界，不如反過來思考，能不能讓它們在確定的環境中先把活干起來。

這樣，答案也就清晰了：當前機器人產業真正可行的方向，并不是去一味追求開發可以適應一切的通用能力，而是把現有機器人放入那些環境穩定、任務明確、變量可控的場景，做一些力所能及的事情。

如果你覺得這個邏輯有些保守，我們可以回頭看一看另一個高度相似的技術——自動駕駛。

2004年到2007年，美國國防高級研究計劃局（DARPA）曾舉辦過一系列自動駕駛挑戰賽，以求推動技術的發展。但早期參賽的車輛表現非常笨拙，連最基本的自動行駛都難以穩定完成。

當時人們也分裂為兩個極端，一方認為自動駕駛一無是處，另一方則認為自動駕駛汽車將很快替代所有司機。

當然現在，我們已經看到，真正發生的是第三情況。從輔助駕駛，再到今天的Robotaxi，都已經開啟了商業化。你會發現，自動駕駛技術的落地，靠的不是通用，而是針對其發展水平找到應用場景。

所以，機器人領域真正值得挖掘的，是那些有潛力落地的場景。

一方面，這些場景應當和機器人的技術匹配，也就是邊界清晰、干擾因素少，任務明確且可拆解，而不是簡單的一句“幫我收拾一下房間”，典型例子就是倉儲分揀和危險區域的巡檢。

不過，同時，另一方面，這些場景還要有較大容量，最好還要有高利潤空間。

因為哪怕一個場景再和機器人適配，但需求低頻、規模有限，或者已經有更低成本的替代方案存在，那么這個場景也很難真正支撐機器人的大規模應用和不斷研發。

就像現在的表演市場，是典型的低頻需求；而倉儲物流場景，又有更好和更便宜的替代設備，留給人形機器人的空間并不大。

可見，在現實世界中，真正同時滿足這么多條件的場景并不多。

這也提醒我們，機器人產業接下來真正的發展重點在于“找場景”。

這確實不容易，需要密集的試錯，并持續打磨產品、積累數據，從而建立服務能力。但誰率先跑通商業模型，就有可能利用標準化和復制能力實現迅速擴張，并擁有遠超后來者的先發優勢。

比如云跡機器人公司，就是優先找到了酒店送物這個清晰的場景，從而建立了領先優勢，并在去年成功上市的。

5 月份，我們創新地圖將組織一個硅谷游學考察團，如果你有興趣有時間，歡迎跟我們一起，去 AI 創新最密集的地方，去看看好的項目和公司，去跟牛人做個深度對談和鏈接。名額有限，歡迎掃碼報名！

硅谷AI考察，請掃碼報名↓

以上就是今天的內容，更多新趨勢、產業信號和底層規律，歡迎加入科技特訓營學習，和我一起，先人一步，領先一路！

王煜全要聞評論，我們明天見。

↓長按圖片掃碼報名，先人一步，領先一路

最后， 鑒于公眾 號推送機制的改變，你未來刷 到要聞評論的機會可能沒那么多了，建議你加入粉絲群，第一時間 得到我的獨家前沿分析，而且我們還會每天在粉絲群里發布獨家資料，快快掃碼加入吧！

此外，我們還為您準備了一個思維導圖，掃描加群即可領取

“有關機器人的深入剖析”

↓點擊學習王煜全老師最新大師課，掌握馬斯克的賺錢底層邏輯！