對話華映邱諄：全世界都在等一個具身智能拐點時刻

作者｜劉景豐

具身智能賽道，正在極速爆發。

春晚的機器人大秀只是前菜，真正的大餐正在端上來——過去兩個多月，國內具身智能（機器人）企業已披露融資近30起，融資總計超過200億元，其中絕大部分是過去一個月內披露的。在這里面，已有13家公司進入百億元估值公司序列，大部分融資為B輪階段。此外，還有10余家具身智能細分技術/數據服務的初創企業也在過去一個月里完成了天使輪融資。

這些企業的一個頗為相同的特點是，大多是依托具身大模型、探索AI在物理世界的變革。

其中有多個融資項目的背后，都站著一家投資機構——華映資本，包括星動紀元、魔法原子、自變量機器人、地瓜機器人、靈御智能、世航智能等。而作為華映資本海外合伙人的邱諄，常駐硅谷，對中美前沿科技、尤其具身智能保持持續地研究。

近日，霞光社圍繞國內的具身智能融資熱、中美具身智能的差異化與邱諄進行了一場深度交流。在邱諄看來，當下的具身智能融資熱是物理AI走向爆發的前奏，一個由物理AI驅動的智能涌現似乎正在不遠處。

華映資本海外合伙人 邱諄

IIM數據顯示，2025年全球具身智能市場規模預計突破1200億美元，中國貢獻率超35%，成為亞太地區最大增長極。而從全球來看，幾乎只有中國和美國在具身智能大模型的研究上走在前列，但兩者在具體的路線和產業發展上又有一定的差異，尤其中國在供應鏈上的優勢更為突出。這種差異，正使得中美在具身智能上的互補性較為凸顯，這也是中國具身智能出海的基礎。

AI不同以往產業之處在于，其前沿的創新性天然需要全球合作、更需要全球市場。因此AI幾乎是生而全球化的。具身智能更是如此。EqualOcean不完全統計，今年前兩個月，具身智能領域共有120家企業發生融資事件，其中已有44家明確已有出海業務，占比34.6%。

如果說過去十年是以汽車等制造業托舉起出海大潮，那未來十年具身智能（機器人）很可能將成為中企出海潮中的新力量。

而當下，所有人都在等一個具身智能拐點時刻。

霞光社：從春晚的機器人熱之后，到過去一個月，國內有數十家具身智能、機器人的企業融資，整個機器人行業進入前所未有的融資高潮。這其中，華映資本參與的很多項目也有了新融資。你過去一直關注具身智能和機器人行業，怎么看待這種突然的融資火爆？

邱諄：從時間點上看，這并不是突然的事，而是水到渠成，只是剛好（和春晚）湊到一起了。今年初春節前在我們內部的會上，我就預測具身智能會火。

首先需明確區分傳統機器人和具身智能，我是把他們明確區分開的。掃地機、AGV、送餐機器人等屬于傳統機器人，它們的核心是機械、運控加部分算法，大部分是規則驅動的；而具身智能（包括人形和非人形）是人工智能的分支，即 physical AI，是有機器人形態的人工智能大模型，核心為訓練數據驅動，而非規則驅動，這是二者最核心的區分紅線。

具身智能的出現與 GPT 3 的出現有關。GPT3 最早在 2020 年就出來了，它驗證了大量數據可訓練出優秀模型的路線，然后 2021 年特斯拉發布擎天柱，這是全球首個具身智能項目。

回到當下，今年行業并非傳統機器人爆發，而是物理 AI（具身智能）的爆發。其實也是因為 AI 大模型已經發展到一定量級帶動了物理 AI 的發展，而且當前數據搜集環節也迎來發展節點，具身智能領域才會涌現大量數據搜集公司。

霞光社：最近剛完成一大筆融資的光輪智能，他們核心業務就是做具身數據。

邱諄：美國也有一家叫 Sunday Robotics 的具身智能企業，它們的核心也是數據搜集方法。其實它們最初就兩位創始人，一人寫了一篇論文，這兩篇論文的核心都是數據搜集的方法，所以他們就是把數據搜集的能力用在一個完整的機器人身上。

如果再往前看，數據搜集與具身智能基本無關，是近兩年行業才聚焦具身智能相關數據，即用人力來搜集機器人相關數據。

霞光社：這么說，其實今年機器人融資熱的不同之處，在于光輪智能、Rhoda等企業以數據驅動帶來行業變化，影響了投資人的決策。

邱諄：這里面要把一些很傳統的機器人給刨掉。單就具身智能來說，今年肯定是具身智能數據采集大爆發的一年

霞光社：但是我們看到，今年剛融完資的銀河通用，他們從成立之初就在重視數據訓練和采集了。今年這些企業在數據上的布局會跟以往有什么不同？

邱諄：數據驅動是具身智能企業的底層邏輯，從行業起步就存在，美國的特斯拉、PI(Physical Intelligence) 等企業，以及中國的銀河通用、智元、自變量等頭部企業都對訓練數據極為重視。而具身智能企業的這一輪融資，主要就投在數據上。因為數據不是采集完就完事了，后面還有一堆的工作，需要結合模型，做通用性訓練和機器動作控制訓練。

具身智能的數據訓練邏輯與 GPT 比較類似，且對訓練算法要求極高，現在大家都在講 VLA（Vision-Language-Action，視覺-語言-動作），其實 VLA 只是基礎框架，實際過程中每家都可以不一樣；然后算力也要跟上，因為這類企業實質就是硬件領域的大模型公司，數據越多，需要的算力就越高。

當前行業會出現兩極分化，越頭部的企業越能融到巨額資金，而且以后還會有很多公司拿到巨額融資；另一面如果企業不能正確采集到大量數據，或者采集了數據后訓練效果不好，然后又沒有足夠的算力，這類公司就會垮掉。所以未來肯定會淘汰一波。

這個門檻跟當年大模型訓練是一樣的，或者說更高。只不過因為你現在已經踩在當年的大模型的巨人的肩膀上了，且很多企業會基于Qwen、DeepSeek 等做預訓練和微調，核心仍是大模型訓練能力。所以它的門檻很高。但跟大模型不一樣的是，具身智能會分化出更多細分應用賽道，因此也存在更多的發展機會。

霞光社：你們投了哪些具身智能的項目？

邱諄：我們目前對外披露過的具身智能相關項目，已經有差不多快10家了。包括今年以來完成新一輪融資的星動紀元、魔法原子、自變量機器人、地瓜機器人、靈御智能、世航智能等，此外還有做無人機具身智能的微分智飛、做具身智能開發者生態的RoboParty（蘿博派對）以及云深處科技等。還有一些目前還沒有披露。

霞光社：我們知道，投資它是有一定周期的，要上會討論，要簽TS，一般得有個幾周甚至數月。但是但現在這一波好像，春節一過馬上就陸陸續續都投出來了。難道是春節后集中投的嗎？

邱諄：我覺得不會，春晚那么晚。春晚之前（就開始融資）這是肯定的。然后春晚只是起到營銷講故事的作用；而且春晚展示的機器人表演多為遙控操作，也不是當前投資圈核心下注的具身智能。而且，各家企業融資節奏不同，很難一概而論，所以更多是大家前期都談好了，而春節是個契機，然后集中披露了。

霞光社：一個有趣的現象，這一輪的具身智能企業融資，數額都特別大，而且會在天使輪就融到一兩億美金，B輪就是十幾億、幾十億級的融資。是不是太高了？

邱諄：如果按照一個傳統機器人公司的邏輯看，那這樣的估值確實太高了。機器人更多是需要穩定的供應鏈，清晰的商業化場景，然后就可以針對性開發專用機器人了。它不需要做大量的數據采集、算力布局和模型訓練。

但具身智能實質上是一個硬件的大模型基模公司。基模的一個特點，就是在數據、在算力上特別燒錢。首先買數據的成本就非常高，甚至還要自建數采廠（自建數采廠成本數千萬元）；然后還要購置算力設施，搭建懂大模型、懂基模的研發團隊去做這種訓練，總成本非常高。

可以對比的是，2022年10月，OpenAI融資66億美金，估值高達1570億美金。當時ChatGPT還沒發布。而具身智能領域其實將誕生第一個物理領域的AI基模公司，它未來能夠挑戰OpenAI，到那時它的估值也會超越OpenAI。從這個角度上看，現在具身智能的估值就不一定高了。

霞光社：為什么具身智能的本體要做成與人形相近？

邱諄：核心還是數據的關系，因為具身智能的訓練數據多圍繞人類行為、視角來進行的，因此人形的設計能獲取更大量數據。當然非人形設計若能找到足夠訓練數據也可行，但目前中美市場均以人形為主，且特斯拉主打靈巧手也與接近人類動作的訓練數據相關。

霞光社：關于具身智能的訓練，國內具身智能企業主要通過仿真、真機做數據訓練采集，歐美企業如 Rhoda則用真人視頻數據訓練，試圖讓模型像人類一樣理解物理世界。您會傾向于哪種，怎么看這種路線的差異？

邱諄：我的答案是都會有。投資人不需要做這種顆粒度的判斷。今天即便在具身領域最牛的研究人員或者大廠的技術員，大概率也判斷不了。

目前具身智能還處于前 GPT 時代，就像 GPT 出現前，沒有人知道哪種數據形態能訓練出優秀模型。就連做NLP最專業的 Google 自己也沒判斷出來，不然 Google 肯定就投 OpenAI 了，或者它也做同樣的技術路線。目前的仿真、真機、真人視頻等數據類型，以及各類訓練算法都還在嘗試階段，最終哪種組合能成功還沒有定論。

所以對投資人來說，無需做這種顆粒度的判斷，投資人要做的，就是挖掘一個好的團隊，然后企業會自己找到最合適的路徑。其實他們（在各種路線上）都會有嘗試，只是側重不同。比如我們投資的自變量機器人，最早他們在真機數據訓練上是最牛的，但他們也會有仿真數據、拍大量視頻來訓練機器人。

仿真和真人視頻數據精度較低，需大量清理，多用于預訓練，真機數據等則多用于后續調優，訓練算法才是核心，數據需與算法匹配才能發揮作用。自動駕駛領域也曾爭論攝像頭和激光雷達數據的價值，最終兩條路線均走通，核心是足夠的數據積累，具身智能領域也是如此，先完成數據積累是關鍵。

霞光社：但美國好像更偏向于從視頻數據入手訓練機器人？

邱諄：這是因為美國只要有涉及到有硬件設備的真機數據，它就比較弱，所以就逼著它去用視頻數據。視頻的準確性、精度是比較弱的，這里面有很多是噪音，所以需要做大量的清理。所以，我們現在并不知道哪家最后能跑出來，但是大的方向就是這樣，你首先必須得有訓練數據，如果你都搜集不到數據， 那你就肯定就出局了。

霞光社：國內具身智能融資的消息接連不斷，硅谷雖然也有部分具身融資新聞，但好像沒有那么多。那里會相對比較冷嗎？

邱諄：其實美國（具身智能）也很熱，并不是說像一些人說的（比較冷）。最近剛好 Sunday Robotics也完成了一輪融資。

但討論這個話題需要做幾個事情。第一，把中國一批不是具身項目的融資要先剝掉，中國這撥融資潮里也有一些傳統機器人公司，剔除后中美具身智能領域的融資總額應該是相近的。

第二，國內的融資數量會更多，觀感上就更熱。但我預計，未來國內會淘汰一批具身智能企業，因為門檻很高；也會涌現新企業，尤其在細分領域還是有機會的。

霞光社：也有一些硅谷投資人對人形機器人表達出擔憂。他們對人形機器人的投資，跟國內有什么不同？

邱諄：硅谷有一個矛盾點，他們長期對硬件投資是比較謹慎的，因為美國在制造、供應鏈上是欠缺的，沒有完全閉環。最后供應鏈從哪里來，他們沒有完全想清楚。所以在機器人這件事上，你會看到他們的機器人項目，包括PI這些，都是偏軟的。這也會影響硅谷投資人的投資決策。

反觀國內，我們在算法、供應鏈、數據采集人力和設備上形成閉環，因此在具身智能上的投資看起來會比美國更激進。

霞光社：說到這兒，你看到中國和美國在具身智能發展上有哪些差異？

邱諄：在具身數據搜集上中國是有顯著優勢的，美國則在數據搜集算法研發上更擅長。

中國在數據搜集的優勢體現在四個方面：一是人力優勢，數據搜集需要大量采集員；二是設備供應鏈優勢，數據采集涉及硬件設備，中國在數據采集設備上有優勢；三是場地優勢，數采工廠建設需要場地支撐；四是基礎設施，包括數據采集后的存儲、分析、部署等基礎設施，中國更完善。

因為有這樣的優勢，有些中國企業會專門向海外企業提供采集的具身智能數據和數據設備。

霞光社：在AI大模型上，中美開發者交流特別多，很多美國AI企業里有非常多華人。那在具身智能這個領域，會延續這種情況嗎？

邱諄：目前因為一些地緣政治的關系，國內具身智能企業不再像以前自動駕駛那會兒在美國設很多研發中心，但是兩邊合作還是很多。國內企業已經在做自己的具身智能算法研究，而且中美兩邊很多時候是同時開發。像我們投資的星動紀元的創始人陳建宇教授，最近與斯坦福大學Chelsea Finn團隊合作，聯合發布了VLAW框架；光輪智能跟英偉達的機器人實驗室也交流非常緊密。我目前看到，中國跟美國在具身智能領域，不管是算法還是數據，都是齊頭并進的。

霞光社：這么多具身智能企業都在融資，作為投資人會存在焦慮感嗎？擔心錯失機會窗口，如同當年大模型。

邱諄：項目估值沖得很高，投資人害怕投不進去。這種情緒（焦慮感）是很普遍的，沒什么爭議。三年前的大模型雖然在能力上各有不同，但其實最后他們都走到一起了。但具身智能的門檻更高，應用場景更廣，比如會因為硬件的構型、場景的差異出現更多細分賽道，單是靈巧手就可能出一批好項目。所以即使都是百億俱樂部，里面也有很多有可能。

說到門檻，具身智能行業會經歷三個核心環節：一是大量數據搜集的能力，為此公司還要搭建數據管線，從工程上它的難度很大，這一步就會刷掉一波企業；第二，當數據搜集上來，企業得有技術能力去做訓練，這就要求它具備大模型訓練能力，這一步再刷掉一大半的企業；第三步，當數據訓練量上來了，就需要有強大的算力支撐，這考驗企業的算力布局、規劃和優化能力。很多公司融了錢，其實是要往這里面投的。

這樣一看，最終能跑出來的企業，可能只有很少數。但這也不是說其他具身智能企業就沒機會了，實際上現在也能看到一些分化，比如有些企業會慢慢專注做數據采集，有些可能專門去做算力優化了，最后他們就成為具身智能產業鏈上的供應端企業了。

總歸而言，具身智能賽道的機會，應該是比大模型要多。甚至不光是現在這些創業公司，像原來做機器人的企業，也在試圖轉過來成為具身的供應鏈。因此具身賽道會有一個現象，就是項目源標的很多，但最后刷掉的比例相應也會更大。

霞光社：放眼全球，當國內在具身智能賽道有相對好的優勢，那海外華人創業者在全球具身智能賽道是否會更活躍？

邱諄：這分為兩類。一類是華人主導的創業，這類在美國相對比較少，尤其最頭部的幾家還是歐美創業者主導；另一類是華人參與的項目，這類項目就非常多了。

華人在這些項目中的優勢是，他們對硬件的理解會比較強，而且華人還會在國內帶著很強的供應鏈資源。

其實我們在硅谷也看到，很多美國的具身智能公司在硬件本體、靈巧手、數據方面也在跟中國企業合作，這說明雙方的互補和合作是比較清晰的，至少美國的具身智能公司完全離開中國，我覺得是搞不定的。

霞光社：在具身智能這個賽道，中國企業目前出海的機會是什么？

邱諄：美國在硬件供應鏈上存在大量缺口，從電機、電池到本體、靈巧手等等核心零部件均依賴外部，這為中國企業帶來了出海機會。雖面臨關稅、科技壁壘、技術出口限制等問題，合作形式更間接，但行業需求真實存在，出海機會明確。

霞光社：海外市場對機器人 / 具身智能的需求近年會有什么變化嗎？

邱諄：我認為海外市場對機器人的是需求一直在那里的。你看各種歐美科幻電影，第一天就在拍機器人。哪怕50年前，如果有一個機器人能幫你掃地、做家務，性價比還ok的，當時就會有很多人要。但這幾十年一直面臨的問題是，你很難將機器人真正實現通用化。現在基于大模型的具身智能，第一次讓機器人實現通用化成為可能。

霞光社：今年一開年大家都拿了大錢，你覺得會有具身智能跑出來嗎？

邱諄：我們應該看幾個里程碑。順著當年GPT的爆發看現在的具身智能，我覺得應該對它稍微降低一些期望值。如果在GPT出來之前，你抓住Sam Altman，問這個東西到底會應用在金融、醫療還是教育，或是寫代碼，他其實也未必知道。

所以我認為，對于太創新的事情，不要給太多商業化壓力，這個事情非常重要。而這一點恰恰是中國創新環境下與硅谷有一定差距的地方，因為中國的環境會更加強調創新帶來的商業化。

所以第一步我們要等到具身迎來“GPT時刻”，即這個AI大模型被訓練出來，突然展現出通用智能涌現的能力；第二步，再去看它怎么商業化。

現在這些項目還處在大量搜集數據、全力訓練模型的階段，如果太著急去問它要在哪個非常具體的場景里去落地，我覺得有時候可能會傷害到這些公司。

霞光社：所以現在這一波投資人對具身智能投資的目標，主要還是為了推動它實現智能涌現。

邱諄：當然不是每一家都是這樣，我也承認。很多機構也知道（具身智能）商業化不會那么快達成，但是他又想短期內看到商業化，跟著其他機構一起投了以后，就會有焦慮。

霞光社：因為您平時常在硅谷，從你的視角看國內這波具身智能融資熱，你想給什么建議？

邱諄：現在的AI企業、具身智能企業，已經不單單是一家企業了，它其實還有科研的部分，比如他們都會有首席科學家，因為他們要做科研。對這些公司來講，其實前沿探索的能力是更重要的，尤其是當下的具身領域，它的軟件算法還沒有收斂，大家還沒有形成一個共識，還在探索的階段。

比如單就人形機器人來說，如果軟件沒有收斂，雖然最后硬件都是偏人形，但到底是怎樣的人形，比如你的靈巧手有多少自由度？要輪式還是雙足？這些都還未定。

因此，只要朝著一個大目標，路線可以不同。

從這個角度，我覺得投資者應該給這些創業公司更多空間、機會去成長，去實現“具身智能的GPT時刻”。