机器人的半壁江山猎头
💡 核心观点与行业洞察• 入场时机：具身智能是一场马拉松，而非百米冲刺。在技术范式尚未收敛的当下，起步的早晚并没有决定性差异，因此2026年入局并不晚。• 量产定义：他对“量产”提出了极为严格的定义——若一台机器人无法做到7×24小时稳定运转，且每一台之间的性能表现不一致，那它只能算作“原型机”。他预测，2026年能产出5000台“靠谱”机器人的公司，不会超过三家。• 数据质量：在行业普遍宣称拥有“千万小时”、“亿小时”数据时，强调数据的质量远重于数量。认为当前行业接触到的具身数据“质量不够高”，且缺乏统一标准。• 技术路线：认为当前热门的VLA（视觉-语言-动作模型）和世界模型并非本质对立，而是一体两面，两者都是为了解决模型训练中反馈稀疏的问题，但核心都还不够“本质”。🚀 概况与路线• 战略路径：ToC是最终目标，但商业化路径上会先切入ToB场景（如酒店、物流）作为跳板，通过可泛化、可分阶段落地的场景积累高价值数据，以迭代通用模型。• 算力投入：创始人指出，要实现大脑的突破性成果，算力门槛需达到万卡级别。• 团队文化：追求团队的“温柔与坚定”，认为工程能力与学术品味同样重要。由于机器人研发极其复杂，保持乐观的心态和健康的团队氛围对激发灵感至关重要。📊 与行业现状的呼应• 产业爆发：2026年被业界视为“人形机器人量产元年”，上半年融资总额近500亿元，接近2025年全年水平。• 量产挑战：行业普遍面临从“能跑”到“能规模化跑”的工程鸿沟，量产后的耐久性、精度和一致性是核心考验。• 数据饥渴：高质量的真实物理交互数据是行业公认的最大瓶颈，仿真数据与真实场景的“对齐”是难题。• 技术路线融合：行业正逐渐形成共识，认为VLA与世界模型并非二选一，而是需要融合的全链路技术体系。2026年具身智能行业从“讲故事”转向“拼交付”阶段时的真实挑战与底层逻辑。
发布于 四川
分享
评论
赞
未登录
友善发言
评论
加载中
