AI、投资，机器人，WAVES新浪潮2025
WAVES新浪潮2025邀请您一起走向中国创投「新纪元」。
这是中国风险投资的新时代。目前，中国风险投资市场不仅是周期触底的转折点，也是结构性转型的深化期。在政策主导、国有资本和资本高度集中的新生态下，只有顺应潮流，灵活调整，才能在不确定性中捕捉到确定的机会。
六月十一-十二日，杭州良渚文化艺术中心，36氪WAVES新浪潮2025大会「新纪元」聚集创投领域顶尖投资者、前沿企业创始人、深耕科技、创新、商业的科学家、创作者和学者，深入探讨AI技术创新、全球化浪潮和价值评估等前沿问题，拆解他们眼中的商业理想和未来世界。共同探讨，寻找，走向中国风险投资「新纪元」。
六月十一日上午，AI在投资者会场举行了一场关于AI的会议。、投资，机器人主题圆桌，火山石投资董事总经理王晨晖、汇川投资合伙人王国隆、多维资本创始合伙人曹芳宁、银杏谷资本合伙人胡卓、顺创投资基金合伙人栾沂铭、小苗朗程合伙人赵沛舟参与讨论。这个圆桌由暗涌作者施嘉翔主持。
下面是对话记录——
施嘉翔:今天，这个panel有点拥挤。从我们的panel数量中，我们也可以看到智能和AI硬件在当前市场的重要性。我们选择的每个人都挖掘了这个明星项目，所以我想先请你介绍一下自己，包括你和你的组织，以及你最近关注的焦点。
王晨晖:大家好，我来自火山石投资。16年来，几个IDG合作伙伴出来建立火山石。机器人是我们团队一直在投资的方向。例如，这个团队曾经是科沃斯上市前唯一的机构投资者。
在火山石，我们投资了傅利叶，一个商业机器人极智嘉，一个通用机器人，还有一些比较早的工匠社，比如一个娱乐消费机器人，一个医疗机器人的嘉奥等等。机器人是我们基金一直关注的焦点，也是长期投资的方向。
回到今天的主题，我们现在更关心的是身体智能，这一点我们的观点和观点都很清楚。我们认为整个身体智能还没有到达它的iphone时刻，现在正处于技术迭代和商业场景快速发展的时期。我们关注这类公司的三点:数据闭环能力、硬件成本降低能力、商业场景落地能力。
王国隆:感谢36Kr的邀请，我今天很高兴来到杭州。我毕业于浙江大学，所以我来到杭州是半个家。我是王国隆，来自汇川的产业投资。我们是汇川技术上市公司唯一的CVC平台。成立于2017年，基金化运营始于2021年。自成立以来，投资方向一直集中在一个方向上，一是围绕汇川的业务需求，二是围绕战略布局方向。
因此，我们衍生出相应的投资方向，并根据各个行业的发展变化进行有序调整。首先是汇川的上游，包括芯片、设备、传感器等。第二，汇川的下游涉及到各行各业，所以各种先进的制造设备都在关注方向；第三，汇川联合动力是汽车三大电力板块的绝对领导者，因此也投资了车辆的关键技术和材料；第四，我们认为未来一定是软件定义行业，所以我们在工业软件和AI相关行业有系统的覆盖和投资。此外，我们正在朝着相对前沿的方向不断探索。比如围绕低空经济，我们最近完成了一家专注于上游航电和飞控软硬件系统的公司的交付。
回到今天的主题身体智能，对于汇川来说，我们50%的身体硬件本身。～60%的Bom可以实现自制，汇川的人形机器人团队也被定位为具有核心部件的供应商。在投资方面，我们之前投资过六维力传感器，也是具有自身身体的关键部件。此外，我们密切关注大脑、小脑、灵活操作和下肢控制。
曹芳宁:大家好，我是多维资本的创始人曹芳宁。我们在行业工作了十年。自2015年成立以来，我们已经完成了200多家公司的300多轮融资，交易额接近500亿美元。我们的整体风格还是比较落后的一半，行业覆盖面非常广，包括之前的半导体、航天工程、今天的智能、AI、医疗等领域。从去年到今年，我们大约服务了十几家头部企业，包括松延动力，以及我们杭州的微分智飞。我们在AI眼镜方面为Rokid服务，其他产业链上下游企业包括灵初、戴盟等。因此，我们也积累了一些关于整个AI硬件和机器人一级市场的经验和行业认知。稍后，我们也可以和你分享我们的一些观点。
胡卓:大家好，我是银杏谷资本的胡卓。我们组织成立于2013年，致力于投资半导体、人形机器人、生物医疗和人工智能。如果这里有这些领域的企业家，我们可以来找我。我们愿意成为你创业路上的同事。谢谢你。
栾沂铭:大家好，我是顺创产业投资的栾沂铭。与在座的各位相比，我们的组织年轻得多。它成立于2023年。到目前为止，我们已经成立了11只基金，总规模约30亿元。主要投资方向与我们企业的性质有关。我们的机构是北京市顺义区的国有资产，一方面是国有企业。另一方面，我们主要负责顺义区的国有资产，包括国有企业的自筹资金投资和顺义区的各级财政。此外，还有一些市场筹集的资金。投资方向主要是顺义区的主导产业，如新能源汽车、航天工程、第三代半导体、生物医药、高端机器人制造等。
我们之前投资的一些项目可能和我们今天谈论的话题有关，比如主线技术、自动驾驶卡车、粤十机器人进行冷链运输等。这些与顺义区会有产业协调的公司，我们一定很感兴趣。如果有的公司在方向上符合要求，有的公司在北京市顺义区落地考虑。作为北京市顺义区的国有资产，我们成为家庭成员后，非常愿意尽可能帮助企业做产业赋能。
赵沛舟:大家好，我是小苗朗程的合伙人赵沛舟。我们的小苗朗程是上海紫竹高新区的一家社会机构。自10多年前成立以来，我们投资了130多家早中期的硬科技企业。我们的主要投资方向是人工智能和先进制造业，尤其是在未来的基金投资中，人工智能仍将是我们最重要的投资轨道之一。
关于人工智能的方向，我们主要关注四个部分，一个是基础设施，包括一些与数据中心相关的周边设备和计算率芯片。第二，人形机器人，智能，包括整个产业链。第三，AI的各种应用。第四，一些由AI驱动的智能产品。
过去，我们在包括产业链在内的一般身体智能和人形机器人本体上投资了5家左右的企业，分别是非夕机器人、穹顶智能、松动力、西湖机器人和千觉机器人。我们有幸投资了这五家企业的初始阶段。我们投资后，他们至少完成了第二轮融资。
每个人都给我们贴上了早期投资机构的标签。对于一些新兴行业，尤其是人工智能驱动的新兴行业，我们希望成为企业家的第一轮投资机构。但是，对于正在发展或成熟的公司，我们也会在后半段甚至整个阶段进行覆盖投资布局。
施嘉翔:众所周知，具体智能是一个技术复杂性高、场景落地挑战特别大的领域。如何在投资中平衡技术前瞻性和商业化？
王晨晖:对于一个公司来说，技术的领先和商业的落地是一个人的两条腿。你不能只有一条腿走路。因此，在一个阶段，技术可能会领先于商业，但最终你必须服务于商业场景。
以身体智能领域为例。我们现在看到两个身体智能场景，一个是服务于特定场景，我们称之为专业服务机器人，另一个是服务于一般场景等消费级机器人。他们所需要的技术不同于现在选择的主流技术规范。前者需要在工业制造或商业中找到适应的特定场景，提供特定的商品，甚至在一定程度上定制硬件和模型。因此，其智能水平与场景的复杂性有关或有正相关。
回到模型，比如市场之前称之为分层模型，需要控制大脑和小脑的分离，更适合需要模块化、解释性强、泛化能力强的技术。后者是我所说的面向一般场景的消费级人形机器人。他们设计的初衷是处理商业场景或消费模式中的长期复杂任务，需要人机交互的自然性。因此，像这样的场景需要模型，需要更强的泛化能力来解决多模态输入、交互力控的准确性等问题。所以它的确比较适合类似于谷歌RT系列端到端的模型，这种模型需要大量的数据输入，需要很强的计算能力。但从目前的技术实施来看，我们仍然认为需要3～五年的技术验证周期。所以我觉得还是回到那句话，技术最终还是要为商业场景服务，也就是看你想做什么场景，选择匹配的技术路线。
王国隆:无论是智能还是其他科技创业公司，一般都遵循销售一代、R&D一代、预研一代，基本对应市场推广、客户验证、概念验证阶段。对初创企业而言，技术创新必须是核心竞争力。更具前瞻性的技术就是做好储备，从而保持自己不断迭代的能力。然而，当面对实际的用户场景时，创业公司实际上需要为用户提供从端到端的解决方案。以具体的上臂操作为例。技术路线包括VLA分层模型和强化学习。但是，其实还是有一些看似传统但相对鲁棒的技术路线，比如MPC、PID控制等。所以在产品研发阶段需要保持前瞻性，而进入真实场景后，就需要用各种方法来解决实际问题。
曹芳宁:我非常喜欢把这波智能机会和上一波自动驾驶机会进行比较。我们可以看到，在十年前自动驾驶的创业浪潮中，最终获胜的关键因素不仅包括对技术研发的前瞻性理解，还包括团队在真正商业解决方案中的灵活性。同时，基于产业升级的方向，与时俱进可以更好地与商业场景合作，这两者缺一不可。在未来的一个过程中，这波智能创业公司也会沿用类似的逻辑，也就是说，你的R&D和你的技术思维必须为你的业务着陆服务。当然，在早期，你选择什么样的场景和合作伙伴将决定你在技术研发方向上的路径选择。在过去，我们可以看到，无论是结合感知、激光雷达、视觉计算等技术，许多企业今天都在运行。我相信智能项目也是如此。无论你今天选择什么样的技术方向，当你的场景应用程序符合你的技术方向时，你的解决方案最终都会出来。
胡卓：我将通过一个案例来讨论“具体智能项目的技术方案是否需要清晰的落地场景”这个话题。与此同时，这一案例也是曹总参与的。浙江大学控制学院高飞教师主导的微分智飞项目。在投资的时候，我们是基于对浙江大学控制学院和计算机学院多年来持续、系统地跟踪的判断。当我们和高飞老师一起创造这个项目的时候，也得到了马斯克的称赞。在GPS拒绝环境下，项目的关键技术是无人机集群仍然可以实现自主控制。我认为我们不应该为他设定一个局限性，看看他现在是否找到了它的使用场景。一般而言，正是因为没有预设的使用场景，它才能在未来找到更广阔的发展空间，属于它的星辰大海。
栾沂铭:关于机器人和智能AI方向，我们认为一个项目有三个维度，一个是技术本身是否先进，另一个团队是否有能力工程化技术和工程化能力，有没有人愿意为产品的生产买单？商业落地怎么样？在这三个维度上，我们可能会看到。从这个角度来看，如果技术做得好，东西就能做出来，然后找人买单，难免会出现拿锤子看谁都是钉子的情况。企业认为有很多场景可以使用。事实上，在业务流程的过程中，公司无法分散这么多精力，找到相应的场景，并尽最大努力将其推向地面。尤其是这种企业觉得自己反应性强，普遍性强的时候，事实上，企业面临着巨大的挑战。
因此，在这种方向上，我们更倾向于看到一些企业已经在做商业化。他们转身寻找一些与机器人相关的技术，寻找一些场景，或者我给你提供了一个好的场景。你可以为我处理具体的问题。这种事情可能是我们想看到的。当然，也许是因为我们有一些自己喜欢的特点，也许我们更倾向于说商品已经落地，已经商业化了，有些人已经买单了。在这种情况下，我们可以控制风险。虽然我们会限制每个人获得利润的预期，但我们认为风险是相对可控的，企业更容易拿到钱。总的来说，这是一个大趋势。无论是智能还是AI，我们都会考虑更多的制造业。最后，他们在商业上创造了财富。我们仍然更关注能否解决一些具体的问题。
赵沛舟:这个问题是技术和商业化的平衡。如果我们从宏观上看，我们必须尽可能多地进行商业化，但我们仍然需要看细节。我们应该结合不同的行业，主要看人形机器人和通用智能两个行业的拆分。
人形机器人是偏向硬件的本体，过去人形机器人技术壁垒较高，研究这一行业的人较少。如今，它已经成为整个社会和资本的一个非常大的出路。我们关注的是，硬件技术、关节技术、小脑控制、运动控制、强化学习的门槛都在大大降低。预计两年后会有大量人才溢出，整个硬件门槛堡垒也会大大降低。所以对人形机器人企业来说，商业化是必修课。说白了，如果今年和明年不能在这个红利期获得上亿的利润，整个堡垒就会从一开始的关节和运动控制转变为下一波更高端的技术，突破场景堡垒，实现一定的规模化。这些公司如果做不到，就会出局。
至于通用智能，我反而采取了相反的态度。在商业化方面，我认为要做减法，因为通用智能必须产生一种价值。这波AI驱动的价值一定是:无论什么形式的机器人，可能是轮试加机械臂，也可能是人形机器人，不同的任务都要在不同的场景中实现。正如为什么工厂里的人不能被取代一样，因为人们可以做许多不同的事情。为了体现价值，机器人还必须能够做不同的事情。不然就像上一波AI或者整个工作站一样，用一些小模型来做。机器人具有较好的节奏，具有较高的精度，为何不需要小模型来解决，而必须通用人工智能？所以，通用人工智能，以后一定会向AGI迈进。如今，我们的一些投资公司遇到了许多商业合作机会。但是，如果因为目前的技术不成熟而自欺欺人，往往会成为一家“外包公司”，认为产生有价值的数据也是在欺骗自己。由于最终通用智能就像language一样 就像model一样，它需要数十亿和数百亿的参数值来支持它，这与我们在细分场景中产生的数万和数千万的参数规模相差很多方的倍数。因此，AGI制造商必须选择一个好的场景，在商业化方面进行减法，为最终的AGI铺平道路，否则中间价值最终在商业化方面毫无价值。
施嘉翔:问银杏谷资本的胡先生，火山石投资的王先生，云深处的傅利叶都是智能明星公司，也是你们机构的代表项目。请谈谈这次投资背后的决策过程和这个领域的布局逻辑。
王晨晖:坦白说，投资傅利叶是一件美好的事情，这是我们早期的投资。大约八年前，我们的一个合伙人在张江的一个初始项目中做了一个演示。 Day遇到了顾总。当时傅利叶成立才第一年，很年轻，背景很好。当时他们想成为外骨骼康复机器人，所以我们投资了天使轮。
多年来，我们一直在看傅利叶坚持的策略：立足康养，为人民服务。从外骨骼机器人一路延伸到人形机器人，17年来首次推出外骨骼机器人。我记得叫X1，19年就成立了人形机器人。第一款人形机器人GR-1于23年推出，第二款GR-2于24年推出。今年，关注这一方向的朋友也应该知道，他们开源了自己的人形机器人N1，也开源了自己的人形机器人数据集ActionNet。它是我国第一家系统开源的人形机器人企业，它能使整个生态系统共同参与其中。
因此，我们确实见证了这家公司，包括顾总本人从一个相对年轻的企业家变成了一个大型企业家。这是早期投资中经常发生的美好事故。我刚刚开始介绍机器人是我们基金的重点投资方向之一。接下来，我们也期待其他投资企业，如工匠社，能给我们带来更多美好的事故。
胡卓：假设王总投傅利叶是个美丽的意外，我们投云深处是必然的缘分。为何这么说？主要有三个原因:第一，在浙江这片土地上，浙江大学文化内涵和技术积累的溢出，促使很多优秀的企业在浙江这片土地上成长；第二，我们刚刚获得了浙江大学投资圈最具影响力的风险投资机构。我们一直非常关注浙江大学，熟悉浙江大学；第三，基于我们对浙江大学控制学院和计算机学院的长期跟踪研究，与碎片化投资相比，我们进行了系统的投资布局。这一板块，我们一共投了四代人，第一代是楚健老师的中控技术，现在已经成功登陆科创板。在这个板块，我们投资了四代人。第一代是楚健先生的中控技术，现在已经成功登陆科技创新板块。第二代是熊蓉先生创建的迦智科技，现在也是中国AGV板块的龙头。第三代是朱秋国先生的云深处，第四代是高飞先生的微智飞。因此说我们投具身智能这一板块，能取得今天的成绩是不可避免的。
施嘉翔:下一个问题是汇川产业投资的王先生。汇川产业投资作为一个具有强大产业背景的投资者，在AI硬件和智能投资方面与纯金融投资机构有什么区别？
王国隆:感谢主持人的提问。的确，汇川的产业投资确实是一个比较纯粹的产业投资，我们明确的定位是专注于战略和主要责任。虽然是基金化运营，但我们始终与集团战略保持同频共振，所以我们会在战略和财务收益之间找到最佳的平衡。
回到主持人的提问，我觉得可能有些不同：
首先，我们有一个以身体核心部件为重点的建立系统团队，所以无论是身体硬件本身，还是大型和小脑软件公司，都可能与我们建立合作关系。但在投资方面，我们与业务团队保持着非常紧密的互动，长期密切关注国内外市场的动态和发展。
其次，在投资判断方面，更倾向于投资有互补关系的公司，这一点我们投资的坤维科技就是可以验证的例子。
第三，从投资后赋能的角度来看，我们可以做更多的事情。汇川的下游覆盖了数千行业，在高端制造、汽车、半导体、锂电池、光伏、纺织等方面有着相对深入的渗透。，而客户数量至少在几万甚至更多。因此，我们可以在投资后为具体和AI硬件企业提供持续的支持，帮助他们在初期更清晰地了解用户场景；在市场开发期，可以帮助他们撬开关键用户的大门；当我们需要进行战略管理、精益管理和成本控制时，我们有一个相对成熟的方法来赋能他们。
作为工业投资者，虽然我们不同于金融投资机构。但是，我们还是需要向市场上的各种投资机构学习和互动。我们有不同的定位、视角和资源优势，可以互相借力帮助行业发展和被投资企业发展。
施嘉翔:接下来的问题是顺创产业投资的栾总。就像你刚才说的，你们是国有资产基金，根深蒂固。顺义区是北京汽车工业和航空航天工业的重点集中地。当你投资智能行业时，你是否对行业场景有更多的关注需求？投资时如何判断项目是否适用于当地情况？
栾沂铭:首先，我们关注几个方向:新能源汽车、航天工程、第三代半导体、生物医药，这些场景都可以应用，这也是我们的一大加分项。在智能方面，我们公司更注重北京市的相关政策。比如从顺义区的角度来看，今年更受关注的是，京津冀智能联网新能源汽车科技生态港已经落到顺义。在这件事和相关政策的指导下，我们会更加关注新能源汽车的方向，花费更多的精力为相关行业服务。当然，我刚才提到的其他方向也很重要。
所以在这个过程中，从我们的角度来看，如果有智能或者AI可以用于新能源汽车制造，或者有一些应用场景可以用于新能源汽车本身的一些技术升级，我们是非常感兴趣的。有时我们会说，企业本身怎么样，这是娘家的事，但企业来北京就是找个好婆家。作为当地的生产投资，企业来到北京，我们必须考虑如何赋予企业权力，帮助他们更好地发展。
还有一点，刚才提到了几个方向。一开始，AI不得不寻找落地场景。公司想进入一些产业链，比如新能源汽车相关的产业链。我们非常愿意努力工作，努力工作。这件事更多的是站在公司的角度。当我们来到北京时，我们不仅可以站在政策高地，还可以得到更具体的资金支持和政策支持。还有一个就是现在的环境比较内向。每个人都想在寻找商业出路的跑道上抓住机会。这是我们非常愿意帮助公司的事情。谢谢你。
施嘉翔:问小苗朗程的赵总，小苗朗程致力于初期的科技投资，但是我们今天讨论的初期项目技术风险很高。作为一个初期机构，如何在初期降低自己的风险，如何在初期筛选出它的长期价值？
赵沛舟：我认为有两个方面。一方面选择正确的赛道，另一方面选择正确的人。至于跑道的选择，以身体智能为例。大约在23年初，整个GPT开始流行起来。我们发现整个大模型都围绕着PC和手机。事实上，它只能成为人类的助手。它的应用只能起到降低成本或带来一些情感价值的作用。但如果与机器人结合，其市场将成倍放大。所以当时我们开始系统地布局整个具体智能和人形机器人行业。每个季度，我们都会召开行业研究会议，来判断一些未来的风口赛道，以及一些具有长期价值的赛道。
以跑道为基础后，下一步就是选人。早期投资就是投资。人的第一个因素是，他必须对这个行业有很大的坚持和热爱。无论这个行业如何变化和优化，面对挫折和挫折，他都应该坚持在这个创业公司工作，而不是轻易放弃或者重新开始炉子。选择者就像谈恋爱一样，必须有一个过程。刚开始企业家吹牛，我们还会吹牛，大家互相吹捧，这是热恋期。恋爱期间不能直接结婚，中间还要经历磨合。所以，一开始我们会主动制造一些挑战。举例来说：我们出具了一些严格的条款，彼此之间产生了“激烈的碰撞”，在这个过程中可以感知到“真性情”。所以，在我们与企业家相互认同之后，才会携手走得更久。
施嘉翔:下一个问题是多维资本曹芳宁总经理。多维资本作为行业内知名的精品投资银行，在智能领域有很多代表性项目。从你的角度来看，你认为哪些项目能在初期顺利融资？
曹芳宁:在我看来，可能有两种类型的项目可以顺利融资。首先是豪华的创始人团队:科学家和行业的大咖共同组建团队。我们在行业内看到智元和银河通用。
第二类是商业场景落地清晰，有订单支持。这类项目产品实力很强，但不是一个“专业精致”的故事。比如我们杭州知名的鹿机器人，专注于外卖的未来场景，做多行。这样的项目有明确的商业路径。
本人认为具身智能这两个项目是目前来看整体融资节奏，反馈较好的项目。
施嘉翔:接下来，请简单回答两个问题。首先，你认为目前制约智能商业化的最大技术瓶颈是什么？第二，未来有哪些技术突破可以解决这样的问题？
赵沛舟:首先，模型框架还没有收敛，因为现在我们来谈谈VLA模型。我觉得光vision，比如感知层光视觉，是不够的，因为人与物理世界的互动不仅仅是了解物理形态，还需要感知触摸物体，这需要触摸和力觉信息。但是现在的大模型还没有融入到这些信息中，最终的结果就像现在一样。比如我现在学会了抓一个杯子，学会了各种杯子的数据，遇到了不同的杯子，会抓到，但是遇到了一个盘子或者一个碗，可能又抓不到了，所以整个通用智能都无从谈起。现在，要找到一个正确的训练框架，第二个是找到一个快速基于正确框架的方法，然后规模数据，所以我认为框架和数据都是需要突破的点。
栾沂铭:关于这一点，我想起了我之前接触过的行业。我认为他们开发这种机器人有几个方面。就像赵总说的，感知世界是一个非常重要的点。另一方面，在与外界互动的过程中，我们能否达到人类自身能够实现的准确性？
我明白这件事本身并不是我们在模型本身做一些调整就能解决的，在硬件方面仍然存在需要克服的问题。而克服的点最终反映在网络层面。事实上，如果你想解决这个问题，你仍然在技术层面。中间技术会有一个反馈，从技术到工程再到应用，再到工程，再到技术，肯定需要更多的时间。然后，在场景上，我认为身体智能仍然面临着最基本的问题:如果把这个位置换成一个普通人，似乎成本会更高，完成事情的可能性也会更好。所以在这种情况下，它是一个从0-1的悬崖式过程，一旦它突破了那一点，我想它一定会进入爆发期。但是现在还没有突破。
胡卓:当我了解到车企已经开始使用最好的必备产品时，我意识到机器人已经开始了代替人工降本的趋势，至少在降本端和工业端已经有了实现的例子。然而，未来的通用机器人不应该止步于此。它应该是未来通用机器人的星辰大海，结合大脑在复杂情况下的感知、推理和管理能力，以及小脑快速准确的运动控制和灵活的操作技能，实现全方位的整合。
曹芳宁:我们采访了相当多的行业方，包括汽车制造商和零部件等一系列行业方，包括我们的王总汇川。我们可以看到，在工业方车间或实际操作过程中，完全使用人形机器人或全身服务机器人来代替人类工作还有很长的路要走。但是在过去的两年里，我们看到了许多细微的技术迭代和优化。包括我们在这个行业看到的很多从业者和企业家，针对这些行业反馈的一些问题，正在进行深入的R&D和技术迭代。在这里，我们认为数据端确实是一个很大的瓶颈，数据的收集需求非常大。现在这件事是先有鸡还是先有蛋的问题。无论是先收集这么多数据还是先应用，这个问题也可能阻碍我们整个智能产业链。但是，从我们一级市场从业人员的角度来看，我们仍然相信“相信”的力量。
王国隆：每个人都提到了数据，这确实是一个核心瓶颈。而且从我们的角度来看，硬件构型的收敛与统一是制约高质量数据积累的关键瓶颈之一。当硬件结构不统一时，很难保证采集的数据类型、质量和可用性。目前VLA模型的三个信号和触觉实际上是一个过渡阶段，最终可能是一个完整的模式路线。另外，从具体硬件本身的角度来看，热排放和轻量化还没有得到很好的处理，这直接影响到人形机器人能在工厂工作多久。所以，这两个问题与数据相结合，可能会使整个系统更加闭环。
王晨晖:我想我可以稍微克制一下这个问题。我们来谈谈一般机器人的挑战、瓶颈或转折点，因为每个场景都有很多特殊的机器人。
今天早上，一位客人提到了一个非常重要的点，那就是现在的智能或普通人形机器人找不到它的scaling。 law，对于整个行业来说，这是一个重要问题。但是没有找到他的scaling law的核心因素之一是数据的数量和规模不够。真实场景中的互动信息是智能构建泛化能力的关键，但遗憾的是成本太高，不能像大量汽车一样每天在路上行驶。如今，大多数工程师或机构使用虚拟数据和模拟数据来做这件事，但实际上，模拟数据显然存在迁移差距。所以现在有些头部公司正试图使用真实的数据 仿真数据 网上优化解决这个问题的方法目前只是一个尝试阶段。我们希望看到这个问题在未来几年是否有可能得到明显的改善，或者告诉你有一个解决方案。 law的结论性事物。首先是这个问题。
其次，我认为这是所有硬件的成本降低或成本问题。对于工业化来说，听起来当然不是技术问题，但宇树的创始人之前也说过一个观点，我非常赞同，那就是降低成本本身就是一个设计问题，而不仅仅是一个材料数量问题。现在我们可以看到，人形机器人的核心部件，包括电机、传感器、减速器等。，都处于工业化和大规模生产的窗口期。可以看出，整体成本正在迅速下降。事实上，如果要降到我们期望的50,000-100,000的价格窗口，仍有一定的差距。因此，我认为这个问题应该在整体硬件开发中得到解决，而不是仅仅依靠数量和价格来压缩空间。因此，我认为有必要在两点上有根本性的突破，以促进整个智能商业化。
施嘉翔:谢谢你。去年WAVES举办类似Panel的时候，有人认为具体智能还没有达到VC投资的阶段。在座的各位也经历了去年智能化浪潮的疯狂。我们今天的分享因为时间的原因已经结束了。希望明年能看到更多智能项目。谢谢你。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com