机器人产业风口正盛！别等万能机器人，先找能落地的生存场景

本期要点：如何找到机器人产业的根据地？

最近，机器人确实吸引了所有人的目光。

上周的第二届世界人形机器人运动会上，天工Ultra在百米跑比赛中跑出8.64秒的成绩，比博尔特保持的人类世界纪录还快了将近一秒。

赛场上还出现了不少很有意思的画面，有机器人“捂脸狂奔”，也有各种射击、格斗、场景挑战，表明机器人的身体能力进步相当惊人。

当然，更引人关注的是，8月19日，宇树科技登陆科创板，上市首日市值一度冲上四千多亿元。

可就在热度最高的时候，王兴兴自己反而泼了一点冷水。

他在世界机器人大会上说，真正的通用机器人，应该能被放进一个陌生环境，只靠语音或者文字指令，就完成80%的日常任务。届时，产业才算迎来真正的爆发点。

然后，他还指出，这样的类似ChatGPT的时刻，快则还需两三年，慢则五到十年。

为什么还需要这么久？

因为现在的机器人，在固定场景里训练充分，成功率可以接近100%，换个物品换个环境就大幅下降，整体效率还比不上人。当前机器人的能力，更像是一种“演示”，还不是泛化的执行能力。

当然，这不是说，宇树要原地等待技术突破。

它已经在做具身模型，也在获取真实数据、加强场景训练和工厂部署。同时，这次上市募集的资金里，计划投向模型研发的就有约20亿元。

但我们认为，机器人产业眼下真缺的，不是更强的机械性能，也不是ChatGPT时刻，更不可能等到什么都会的万能机器人出现，产业才往下推进；我们反而应该先找到第一块能够自我造血的根据地，从而获得收入、数据和反馈，再让技术迭代到成熟。

很多科技产业真正长起来，靠的都是这个路径，至于在这个过程中是否会出现“ChatGPT时刻”，并不是最重要的。

收入之谜

首先，把产品卖出去了，并不等于找到了产业根据地。

宇树已经每年卖出5500多台人形机器人，2025年的收入达到了8.7亿元，算不算找到了根据地？

这个收入，放在今天的人形机器人产业里，确实不错。

但如果拆开看，其中科研教育的收入占了70%以上，而真正用于智能制造、智能巡检、物流配送等实际应用领域的，却不到3%。而且，这些应用领域的订单中有多少是真需求，还有待验证。

虽然，不能说科研教育是假需求。高校和实验室是在用真金白银买机器人，去训练算法，既贡献收入，也养出了开发者生态。

但问题是，你不可能靠科研培养出一个支柱产业。

科研机构能买多少机器人，取决于预算。

科研人员也不算回报周期，对价格也不是很敏感，复购少，批量小，且并不是非得用某一家的机器人。特别是，科研需求大都来自美国，但美国政府近期发布了机器人禁令，将更加压制科研市场。

此外，宇树在做的租赁和表演，则靠的是大家对于机器人表演的新奇感来支撑。这个市场也有明显天花板，随着机器人越来越多，价格也将不断降低。

但假如一家工厂发现，用机器人完成某个环节，效率更高、质量更稳定、综合成本更低，它就有动力继续买，甚至同行也会跟着买。

消费者市场也是一样。

如果你的机器人解决了大量家庭普遍存在的刚需，而且价格合适，比如扫地机器人，那么这个市场也会随着技术进步不断放大。

根据地

所以，什么场景才能当机器人的第一块根据地？

核心要看三件事。

第一，是当前的技术能不能稳定把这个任务干好，也就是任务和当前技术水平的匹配性。

那么，根据现在的情况，一个任务越清楚、环境越可控、结果越容易判断，就越适合机器人。

相反，大家总是在说的家用机器人，其实最难做。因为，每个家庭布局不同、任务描述方式也不同、每个人的满意程度也不同。这三个条件都很不符合。

第二，是客户愿意持续付钱。

是不是必须得替代那些人工特别贵、招不到人、又危险又累的岗位？在我们看来，并不是。

付费意愿可以来自效率、吞吐量、质量一致性、安全性，甚至是少停机。

比如酒店送物机器人，服务员的工资未必特别高，但机器人可以反复跑固定路线、连续工作，把大量简单跑腿任务自动化。

于是，酒店整体运营效率提高了，服务水平也提升了，同时账也能算得过来，大家就愿意为之付费。

第三，也是特别重要的一点，即这份工作能不能推动技术持续迭代。

好的场景，不仅本身市场够大，而且可以向临近市场扩散；更重要的是，它还能持续产生真实数据和反馈。

比如特斯拉并不是等Robotaxi彻底成熟后才让自动驾驶系统接触真实世界。

他们先把辅助驾驶部署到量产车上，并通过影子模式来获得数据和反馈。也就是，系统会在后台比较机器判断和人类驾驶员的操作，一旦出现不一致，就作为重要反馈数据回传，用来改进算法。

机器人也一样。

一个场景如果能低成本获得大量、高质量、真正有用的真实世界数据，哪怕暂时不能赚很多钱，同样也有价值。

挣钱和挣数据，总得占一头。当然，最好是两头都占。

把这三件事想透，就能明白，应该先让机器人获得第一份工作，再决定机器人长成什么样；而不是先认定人形机器人就是绝对的正确答案，然后去找匹配的场景。

从宇树公布的信息来看，似乎也给出了一点这样的信号。

四足机器人的收入，科研教育的占比已经降到了30%左右，但商业消费升到42%，行业应用升到26%，正在往巡检、消防、勘测、制造这些场景渗透。

看来，宇树已经在尝试把机器人（不仅仅是人形机器人），放进真实场景里真刀真枪地试错。只不过，究竟有能实现得多好，还有待持续观察。

我们想强调的是，中国不仅有完整的机器人制造产业链，还有高度密集的产业场景。

物流、酒店、清洁、巡检、能源、矿山、制造等领域，看起来好像都是很窄的需求，但在中国庞大的市场里，每个领域都有可能可以养活一家、甚至几家专业的机器人公司。

科技产业最值得关注的标志，不是技术惊艳了所有人，是开始用市场的钱养活自己，并能靠用户的数据和反馈推动技术的迭代。当一个科技产业开始自我造血了、迭代的循环转起来了，我们才能说，这个产业步入正轨了。