WAVES新浪潮2025邀你一起走向中國創投的「新紀元」。

這是屬于中國創投的新紀元。當下的中國創投市場，既是周期筑底的轉折點，也是結構性轉型的深化期。在政策主導、國資與資本高度集中的新生態下，唯有順應趨勢、靈活調整，方能在不確定性中捕捉確定性機遇。 6月11-12日，杭州良渚文化藝術中心，36氪WAVES新浪潮2025大會以「新紀元」為主題，匯聚創投領域頂級投資人、新銳企業創始人，以及深耕科技、創新、商業的科學家、創作者與學者，共同探討AI技術革新、全球化浪潮與價值重估等前沿議題，拆解他們眼中的商業理想和未來世界，一起討論、尋找、走向中國創投「新紀元」。

6月11日上午，在投資人會場進行了一場關于AI、投資、機器人的主題圓桌，火山石投資董事總經理王晨暉、匯川產投合伙人王國隆、多維資本創始合伙人曹芳寧、銀杏谷資本合伙人胡卓、順創產投基金合伙人欒沂銘、小苗朗程合伙人趙沛舟參與討論，本場圓桌由暗涌作者施嘉翔主持。

以下為對話實錄——

施嘉翔：今天這個panel有點擁擠，從我們panel人數也能看出具身智能和AI硬件在當下一級市場的重要程度，我們挑選的在座各位都發掘到了明星項目，所以想先請各位做個自我介紹，包括您和所在的機構以及近期關注的重點。

王晨暉：大家好，我來自火山石投資，16年的時候，幾位IDG的合伙人一起出來成立了火山石。機器人是我們團隊一直在投的方向，例如團隊之前是科沃斯上市前唯一的機構投資人。

在火山石我們投了做商業機器人的極智嘉，做通用機器人的傅利葉，以及還有一些更偏早期的，例如做娛樂消費機器人的工匠社，做醫療機器人的嘉奧等等，機器人是我們基金一直重點關注，也是長期投資的方向。

回到今天的主題，大家現在比較關注具身智能，這一點我們的看法和觀點比較清晰，我們認為整個具身智能還沒有到它的iphone時刻，現在處于技術迭代和商業場景落地快速發展期，對這類公司我們關注三點，數據閉環的能力、硬件降本的能力，還有商業場景落地的能力。

王國隆：感謝36氪邀請，今天非常高興來到杭州，我是浙大畢業，所以相當于來杭州是半個主場。我是王國隆，來自匯川產投，我們是上市公司匯川技術旗下唯一的CVC平臺，2017年成立，基金化運作是從2021年開始。成立至今投資方向比較聚焦，一是圍繞匯川的業務需求，二是圍繞戰略布局方向。

基于此，我們衍生出相應的投資方向，并且根據各行業的發展變化做有序的調整。第一，是匯川的上游，包括芯片、器件和傳感等；第二，匯川的下游涉及千行百業，因此各類先進制造設備都是在關注的方向；第三，匯川聯合動力，是汽車三電板塊第三方絕對龍頭，所以圍繞汽車的關鍵工藝和材料等也有投資深耕；第四，我們認為未來一定是軟件定義工業，因此在工業軟件和AI相關領域，我們有系統的覆蓋和投資。此外，在相對前沿的方向也在做持續探索，比如：圍繞低空經濟，我們近期也完成了一家專注于上游航電和飛控軟硬件系統企業的交割。

回到今天的主題具身智能，對匯川來講，在具身硬件本體層面我們50%～60%的Bom可以實現自制，而匯川的人形機器人團隊也是定位于具身本體核心零部件的供應商。在投資層面，我們此前投過六維力傳感器，也是具身本體的關鍵零部件，此外大腦、小腦、靈巧操作和下肢控制等我們都有持續關注。

曹芳寧：大家好，我是多維資本的創始人曹芳寧，多維資本我們在行業里面耕耘十年時間，2015年成立以后至今完成大約200多家公司300多輪的融資，接近500億美元的交易，我們整體的風格還是相對偏中后期一些，行業覆蓋比較廣泛，包括之前的半導體、航空航天，還有今天的具身智能、AI以及醫療等各項領域。圍繞AI硬件和具身智能，從去年到今年我們大概服務了十幾家頭部的公司，包括像松延動力，還有像咱們杭州的微分智飛，在AI眼鏡方向我們服務Rokid，其他包括靈初、戴盟等一系列的產業鏈上下游企業。所以對于目前整個AI硬件以及機器人一級市場的動態，我們也積累了一些經驗和產業認知，等一下也可以跟大家來分享一下我們的一些看法。

胡卓：大家好，我是銀杏谷資本的胡卓，我們機構成立于2013年，專注于半導體、人形機器人、生物醫療和人工智能等前沿領域的投資，在座的如果有這些領域的創業者可以找我，我們愿意成為你創業路上的同行者，謝謝大家。

欒沂銘：大家好，我是順創產投的欒沂銘，跟在座的各位相比我們機構年輕很多，2023年成立，至今，我們已經設立了11只基金，總體規模30個億左右。主要的投向跟我們公司性質有關系，我們機構是北京市順義區的國資，根正苗紅的國企，這是一方面，另外一方面我們在管的錢也以順義區的國資為主，包括國企自有資金出資、順義區的各級財政，除此以外還有一些市場上募到的錢。投資的方向主要是順義區的主導產業，比如說新能源汽車、航空航天、第三代半導體、生物醫藥以及機器人高端制造等。

我們之前一些已投項目跟咱們今天談的話題可能會比較相關，比如說主線科技，做自動駕駛的卡車，以及做冷鏈物流的粵十機器人等，這些本身跟順義區會有產業協同的企業，肯定是我們比較感興趣的。如果說有一些企業在方向上符合，也有到北京市順義區落地的考慮，我們作為北京市順義區的國資，成為一家人之后，我們非常愿意盡可能地幫助企業做產業方面的賦能。

趙沛舟：大家好，我是小苗朗程的合伙人趙沛舟，我們小苗朗程是上海紫竹高新區旗下的一個市場化機構，我們成立10多年以來，投資了130余家早中期的硬科技企業。我們主要的投資方向是人工智能和先進制造兩大板塊，尤其我們在未來的基金的投向上，人工智能仍將會是我們最主要的一個投資賽道之一。

關于人工智能方向，我們主要關注四大板塊，一是基礎設施，包括數據中心相關的一些周邊的設施和算力芯片等等。二是人形機器人，具身智能，包括整個產業鏈。三是AI的各類應用。四是AI驅動的一些智能硬件。

過往我們在通用的具身智能和人形機器人的本體，包括產業鏈大概投了5家企業，分別是非夕機器人、穹徹智能、松延動力、西湖機器人和千覺機器人。這5家企業我們有幸投得相對比較早期一些，在我們投資之后，它們都至少完成過兩輪融資。

大家對我們的標簽是一家早期投資機構，對一些新興產業，尤其是現在人工智能驅動的新產業，我們希望能成為創業者的第一輪投資機構。當然對于正在發展或者到成熟期的企業，我們也會做中后期乃至全階段覆蓋的投資布局。

施嘉翔：我們都知道具身智能是一個技術復雜度高，場景落地挑戰尤其大的領域，請問各位，在投資中該如何平衡技術前瞻性與商業化落地？

王晨暉：對于一個公司來講，技術的領先性和商業落地是一個人的兩條腿，你不可能只有一條腿去走路，所以在一個階段，技術可能會領先于商業，但最終還是得服務于商業場景。

以具身智能領域為例，我們現在看到具身智能兩個場景，一個是服務于特定場景的，我們叫專業智能機器人，還有一個是服務于通用場景的這種消費級的機器人。他們需要的技術與現在采用的主流技術方案有區別，前者更多深耕場景，需要在工業制造或者是商業服務里面找到適配的特定的場景，提供特定的產品，甚至在一定程度上需要做硬件和模型的定制。所以它的智能程度和場景的復雜性是相關的或者是有正相關的。

回到模型這一塊，比如說以前市場叫作分層模型，需要把大腦和小腦分開做控制，更適合需要做模塊化，可解釋性強，不需要太強泛化能力的技術。后者就是我說的面向通用場景的消費級的人形機器人，他們設計的出發點是要解決在商務場景，或者是消費場景面的長程復雜任務，而且需要人機交互的自然性。所以像這樣的場景需要模型，需要更強的泛化能力，去處理多模態的輸入、交互力控的精確性等問題。所以它確實比較適合類似于谷歌RT系列端到端的模型，這種模型需要大量數據的輸入，需要很強的計算能力。但是從目前技術落地來看，我們覺得還是需要3～5年的技術驗證周期。所以我想還是回到那句話，技術最終還是要服務于商業場景的，就是看你想做的場景是什么，去選擇匹配的技術路線。

王國隆：不管是具身智能還是其他科技創業企業，通常遵循的是銷售一代、研發一代、預研一代，基本上對應于市場推廣、客戶驗證和概念驗證階段。對于初創企業來講，技術創新力一定是核心競爭力。技術前瞻性更多的是做好儲備，從而保持自身持續迭代能力。但是，當面對實際的用戶場景時，事實上初創企業要做的是面向用戶交付端到端的解決方案，以具身本體的上肢操作為例，技術路線有VLA分層模型和強化學習，但是，實際上還有看似傳統但是相對魯棒的技術路線，比如說MPC、PID控制等。所以在研發產品階段需要保持前瞻性，而進入真實場景以后，則需要用各類的方式方法解決實際問題。

曹芳寧：我非常喜歡把具身智能的這波機會跟上一波自動駕駛機會做類比，我們看到在十年前自動駕駛的創業浪潮過程當中，最后決勝的關鍵要素，既包括對技術研發的前瞻性的理解能力，同時也包括團隊在真正的商業化解決方案的靈活性，同時與時俱進能夠基于產業升級的方向去更好地跟商業場景來進行合作，這兩端缺一不可。這波具身智能的創業公司在未來的一個走向過程當中，也會沿用類似的一個邏輯，就是說你的研發，你的技術思考一定是為了你的商業落地來進行服務。當然你在早期的時候，你選擇什么樣的場景以及什么樣的合作伙伴會決定你在技術研發方向上的一個路徑選擇。我們看到過去的自動駕駛在最終無論是融合感知，還是激光雷達、視覺計算等技術今天都跑出來了很多公司。我相信具身智能項目也是一樣，無論你今天選擇了什么樣的技術方向，當你的場景應用方案是符合你的技術方向的時候，最終你的解決方案也會跑出來。

胡卓：我將通過一個案例來探討“具身智能項目的技術方案是否需要明確的落地場景”這一話題。同時，這個案例也是曹總一起參與過的。微分智飛是浙大控制學院高飛老師主導的項目。我們在投資時，是基于多年來持續、系統的跟蹤浙大控制學院及計算機學院的動向后做出的判斷。在我們與高飛老師共創這個項目時，也曾獲得馬斯克點贊。項目的核心技術是無人機集群在GPS拒止環境下，依然能夠實現自主控制的能力。至于目前是否找到了它的應用場景，我認為我們不應該給他設定一個局限。通常，正是因為沒有預設的應用場景，它才能在未來找到更廣闊的發展空間，屬于它的星辰大海。

欒沂銘：關于機器人和具身智能的AI方向，我們覺得一個項目有三個維度，一個是技術本身是不是具有先進性，另外一個團隊有沒有把技術工程化的能力，工程化能力做好了之后，產品造出來，有沒有人愿意買單？商業化落地怎么樣？我們可能從這三個維度上去看。如果順著來看，技術做得好，東西可以造出來，再去找人買單，就難免出現拎著錘子看誰都是釘子的情況，公司覺得自己能應用的場景非常多，實際上在商業過程開展的過程中，企業也沒有辦法去分散那么多的精力，去找到對應的場景，全力地去把它推向落地，尤其是在這種企業覺得自己反應性強，普適能力強的情況之下，其實企業要面對的挑戰也很大。

所以說在這一類的方向上，我們更傾向于看到有一些企業本身已經在做商業化，他們回過頭來去找一些機器人相關的技術，去找一些場景，或者說我給你提供好的場景，你來給我解決具體的問題，這類的事情可能是我們比較想看到的。當然可能因為本身我們也有一些自己偏好的性質，可能我們更傾向于說產品已經落地了，商業化了，有人買單了，這樣的話我們能把風險控制住，盡管會限制住我們去獲得盈利回報的預期，但是對于風險來講，我們覺得這是相對可控，對于企業來講拿到錢也會比較容易。整體方向上這個事情是大勢所趨，具身智能也好，AI也好，我們考慮制造業多一點，他們最后落地在商業上創造價值，我們還是比較看重到底能不能解決一些具體的問題。

趙沛舟：這個問題是技術和商業化的平衡，如果從宏觀來看肯定是盡量多做商業化，但還是要看細節，要結合不同的行業，主要是看人形機器人和通用具身智能兩個行業拆分來看。

人形機器人是偏向硬件的本體，過去人形機器人的技術壁壘高，研究這個行業的人比較少。現在成為整個社會和資本非常大的風口，我們關注到不管是硬件技術還是關節技術，或是小腦的控制、運動控制、強化學習的門檻都在大幅度降低，預計兩年之后人才將大量溢出，整個硬件門檻壁壘也將顯著降低。所以對于人形機器人企業來說，商業化就是必修課。說直白一點，如果今年和明年不能在這波紅利期中產生上億的收入，把整個的壁壘從一開始的關節、運動控制轉化到下一波更高端的技術，突破場景的壁壘并實現一定的規模化。如果無法做到，這些企業將會出局。

關于通用智能，我反而持相反的態度。我覺得在商業化上要去做減法，因為通用智能必須要產生一個價值。這波AI驅動的價值一定是：一個機器人，不管是什么形態，可能是輪式加機械臂，或是人形機器人，在不同場景下要去實現不同任務。就像在工廠中為什么人無法被替代，因為人能做很多不同的事情。機器人也必須能做不同的事情，他才能體現價值。否則就和上一波AI或是整個工作站一樣，用一些小模型去做。機器人有更好的節拍，有高的準確率，為什么不用小模型去解決而一定要通用人工智能呢？所以，通用人工智能，以后必將朝著AGI邁進。現在我們的一些已投企業遇到過很多商業化的合作機會，但是，因為當下的技術不成熟而妄自做商業化的話，往往就會成為一個“外包公司”，自以為產生有價值的數據也是在自欺欺人。因為最后通用智能就像language model一樣，需要幾十億、幾百億級的參數支持，這與我們在細分場景產生的區區萬級、千萬級的參數規模差了好多次方的倍數。所以說，AGI的廠商一定要選擇好場景，要在商業化上做減法，要為最終的AGI做鋪墊，否則產生的中間價值最后在商業化上沒有價值。

施嘉翔：提問銀杏谷資本的胡總，還有火山石投資的王總，云深處還有傅利葉都是具身智能的明星公司，也是你們機構的代表項目，想請你們聊聊這筆投資背后的決策過程，以及在該領域的布局邏輯？

王晨暉：坦白說投資傅利葉是一個美麗的意外，這是我們比較早做的一筆投資。大概在8年前，當時我們的一位合伙人在一個張江早期項目Demo Day上遇到顧總。當時傅利葉成立才第一年，很年輕，背景很優秀，他們當時想做外骨骼康復機器人，所以我們天使輪就投資了。

這么多年過去，我們看著傅利葉堅持的戰略：立足康養，服務于人。從外骨骼機器人一路拓展到人形機器人，它17年開始推出第一款的外骨骼機器人，我記得叫X1，到19年立項做人形機器人。23年他們推出了第一款人形機器人GR-1，24年推出第二款GR-2。到今年，關注這個方向的朋友應該也知道，他們開源了他們的人形機器人N1，也開源了他們人形機器人的數據集ActionNet。這是在國內第一家系統性開源的人形機器人公司，這能夠讓整個生態一起參與進來。

所以我們確實見證了這家公司，包括顧總本人從比較青澀的創業者成為一個體量不小的公司的企業家。這是早期投資中經常有美麗的意外。我剛剛開始介紹過機器人是我們基金重點投資的方向之一，我們接下來也期待我們其他的被投企業例如工匠社等也能給我們帶來更多的美麗的意外。

胡卓：如果說王總投傅利葉是美麗的意外，我們投云深處則是必然的緣分。為什么這么說呢？主要有以下三點原因：第一點，在浙江這片土地上，浙大文化底蘊和技術積淀的溢出，使得浙江這片土地上成長出了很多優秀的企業；第二點，我們剛剛榮獲浙大系投資圈最具影響力創投機構，我們一直密切關注浙大，對浙江大學也比較了解；第三點，基于我們長期對浙江大學控制學院和計算機學院的跟蹤研究，我們進行了系統性的投資布局，而非碎片化投資。在這個板塊，我們一共投四代人，第一代是褚健老師的中控技術，現已成功登陸科創板。第二代就是熊蓉老師創立的迦智科技，現在也是國內AGV板塊的龍頭，第三代是朱秋國老師的云深處，第四代就是高飛老師的微分智飛。所以說我們投具身智能這個板塊，能夠取得今天的成果是必然的。

施嘉翔：下一個問題提問匯川產投的王總，匯川產投作為產業背景深厚的投資方，在AI硬件與具身智能的投資與純財務投資機構有什么不同？

王國隆：感謝主持人提問。確實匯川產投的確是相對純粹產投，聚焦戰略、聚焦主責主業是我們明確的定位。盡管是基金化運作，但我們始終保持和集團戰略的同頻共振，所以會在戰略和財務回報兩者之間找到最優平衡點。

回到主持的提問，我認為可能有幾點不同：

第一點，我們有成建制的聚焦具身核心零部件的團隊，所以無論是具身硬件本體，還是大、小腦軟件公司，都有可能和我們建立合作關系。而在投資層面我們和業務團隊保持非常緊密的互動，對于國內外市場的動態、發展情況也有長期持續關注。

第二點，在投資判斷層面，更傾向于投資具備互補關系的企業，這一點我們投的坤維科技是可驗證的案例。

第三點，投后賦能的角度，我們可以做的事情比較多，匯川的下游覆蓋千行百業，在高端制造、汽車、半導體、鋰電、光伏、紡織等，都有相對深入的滲透，而客戶數量則至少是大幾萬家甚至更多。所以，在投后我們能為具身和AI硬件企業提供持續的支撐，在早期可協助其更清晰的理解用戶場景；在市場拓展期，可協助其撬開關鍵用戶的大門；在需要做戰略管理、精益管理和成本控制的時候，我們有相對成熟的方法論為其賦能。

作為產業投資方，盡管我們和財務投資機構存在差異。但是，我們還是需要跟市場上各類投資機構學習和互動，大家的定位、視角和資源稟賦不同，相互借力才能為行業發展和被投企業的成長助力。

施嘉翔：下一個問題提問順創產投的欒總，剛剛您也說了，你們是根正苗紅的國資基金，順義區是北京汽車產業、航空航天產業的核心聚集地，你們在投具身智能行業的時候，對于產業場景上有沒有更為聚焦的需求，在投資的時候怎么判斷項目對本地場景的適用？

欒沂銘：首先我們重點關注的幾個方向：新能源汽車、航空航天、第三代半導體，生物醫藥，能夠在這些場景里邊能得到應用，本身對于我們來說也是一個很大的加分項。具身智能方面，我們企業更多還是關注北京市的相關政策，比如說在順義區這個角度上，今年比較受關注的是，京津冀智能網聯新能源汽車科技生態港落在順義了。在這件事情以及相關政策的引導之下，我們會更多地關注新能源汽車方向，會花更多的精力來去為相關產業服務，當然我剛剛提到的其他幾個方向也很重要。

那么在這個過程中，從我們的角度來看，如果說具身智能或者AI能夠去應用在新能源汽車的制造，或者說在新能源汽車本身的一些科技升級上有應用場景的話，我們是非常感興趣的。很多時候我們會說，企業本身怎么樣，這個是娘家的事情，但是企業來到了北京就是找到了一個好婆家。我們作為地方上的產投，企業到北京來，我們必須要考慮怎么樣能夠給企業賦能，幫助他們發展得更好。

還有一點，剛剛提到幾個方向，最開始說的具身智能也好，AI也好都要找落地場景，企業想要進入一些產業鏈，比如新能源汽車相關的產業鏈，我們非常愿意使勁，也使得上勁，這個事情更多是站在企業的角度，來到北京除了站在政策高地以外，也能夠得到比較具體的錢的支持、政策的支持。再一個是現在的環境比較內卷，大家都希望在找商業化出路的賽道上搶到一個先機，這是我們非常愿意幫助企業的事情，謝謝。

施嘉翔：提問小苗朗程的趙總，小苗朗程專注于早期科技投資，但我們今天討論的這類早期項目技術風險很高，作為一家早期機構，你們如何在早期降低自己的風險以及在很早期怎樣篩選出它具備長期價值？

趙沛舟：我覺得有兩個方面。一方面是選擇對的賽道，另一方面是選擇對的人。關于選擇賽道，以具身智能為例，大約在23年年初，整個GPT開始火爆，我們發現整個大模型都是基于PC和手機端的，實際上它只能成為人的一個助手，它的運用只能起到一個降本增效或者帶去一些情緒價值的作用。但是如果跟機器人結合，它的市場就會成倍的放大。所以我們當時就開始系統性地布局整個具身智能和人形機器人行業。我們每個季度都會召開行業研究會，研判未來的一些風口的賽道，還有一些具有長期價值的賽道。

基于賽道之后下一步就是選擇人。早期投資就是投人，人的第一個要素是他必須對這個行業有非常大的堅持和熱愛，無論這個行業怎么變化和調整，面臨坎坷與挫折，他都要堅持在這家創業公司做下去，而不是輕言放棄或者另起爐灶。選人就像談戀愛一樣，得有一個過程。一開始創業者吹牛，我們也會吹牛，大家互相吹捧，這是熱戀期。熱戀期不能直接結婚，中間還得經歷磨合。所以，我們一開始會主動制造一些挑戰。比如：我們出具一些嚴格的條款，互相之間產生一個“激烈碰撞”，過程當中才能感知“真性情”。所以我們跟創業者互相認可后才會攜手走更長的時間。

施嘉翔：下一個問題提問多維資本的曹芳寧總，多維資本作為業內知名的產業精品投行，在具身智能領域有很多代表性項目，從您的角度來看，您覺得哪類項目在早期能夠成功融資？

曹芳寧：我個人來看大概就是分成兩種類型的項目能夠成功融資，首先就是豪華的創始人團隊：科學家和產業的這種大咖共同組建的團隊。我們在行業里面看到像智元、銀河通用。

第二類是有明確的落地的商業場景，并且有訂單的支持。這類項目產品力都非常強，但是講的都不是一個“大而全“的故事。比如說像咱們杭州比較知名的有鹿機器人，它集中在外賣未來的場景做一腦多行，這類項目屬于有清晰的商業路徑。

我認為具身智能這兩類項目是目前來看整體融資節奏、反饋比較好的項目。

施嘉翔：接下來請各位簡短地回答兩個問題，第一，你們覺得當前制約具身智能商業化落地最大的技術瓶頸是什么？第二點，未來哪些技術突破能夠解決這類問題？

趙沛舟：首先模型框架還沒有收斂，因為現在在講VLA的模型，我覺得光vision比如感知層光視覺這一個維度是不夠的，因為人跟物理世界交互，不是只了解物理的形狀就足夠的，還要感知接觸的物體，要有觸覺和力覺信息。但現在的大模型并沒有融入這些信息，最后的結果就導致了像現在，比如說我現在學習抓一個杯子，我學了各種杯子的數據，我碰到不同的杯子，我會抓了，但我碰到一個碟子、一個碗我可能又不能抓了，整個通用智能就無從談起。現在要找到正確的訓練框架，第二個是要找到一個快速基于正確的框架，再把數據規模化的方式，所以框架和數據我覺得都是需要突破的點。

欒沂銘：關于這個點讓我想到以前接觸到的產業方，他們開發這一類的機器人，我覺得有幾個方面，剛剛趙總講到去感知世界，這是一個非常重要的點。另一方面，跟外界做交互過程當中，能不能達到人類自己能夠實現的精確度？

我理解這個事情本身并不是我們在模型本身做一些調整就可以解決，在硬件層面還是有問題需要克服。而且克服的點最終反映到應用層，實際要想解決這個問題本身，還是在技術層，中間技術會有一個從技術到工程到應用再回過來，再到工程，再到技術，這樣一個反饋肯定還是需要再花一些時間。那么在場景上面，我覺得具身智能還在面臨一個最基本的問題：如果這個位置換上一個普通人似乎成本更好，而且把事情完成的可能還不錯。所以在這樣的情況之下它是一個從0-1的斷崖式的過程，一旦它突破了那個點，我覺得肯定就進入一個爆發期。但是眼下還沒有突破。

胡卓：當我了解到優必選的產品在車企端已經開始運用的時候，我意識到機器人取代人工的降本需求的趨勢已經開啟了，至少在降本端、在工業端已經有了實現的案例。但是，未來的通用機器人不應止步于此，它應該融合大腦在復雜情境下的感知、推理、決策能力，以及小腦快速、精準的運動控制和靈活操作能力，實現全方位的整合，才是未來通用機器人的星辰大海。

曹芳寧：我們訪談了非常多的產業方，包括汽車整車廠和零部件等一系列的產業方，包括咱們王總匯川，我們看到真正在產業方車間或者實際的操作過程當中，完全運用人形機器人或者具身智能機器人代替人的工作，還有很長的路要走。但這兩年過程中，我們看到很多細微的技術上的迭代和升級。包括很多我們看到這個行業里面的從業者及創業者，針對這些產業方反饋回來的一些問題，在進行深入的研發和技術的迭代。這里面我們覺得確實數據端是比較大的瓶頸，數據的采集量要求非常龐大，現在這個事情就是一個先有雞還是先有蛋的問題，到底我們是先采集這么多數據，還是先做應用，這個問題可能也會阻礙我們整個具身智能產業鏈。但從我們一級市場的從業者角度來說，我們還是非常相信“相信”的力量。

王國隆：大家都提到了數據，這的確是核心瓶頸之一。而從我們的角度來看，制約高質量數據積累的關鍵瓶頸之一是硬件構型的收斂和統一。當硬件構型尚未統一的時候，那么采集的數據類型、質量和可用性就很難保障，目前的VLA模型的三種信號以及觸覺等事實上都是過渡階段，而終局可能是全模態路線。此外，從具身硬件本體的角度出發，散熱和輕量化都還沒有非常好的解決，而這直接影響到人形機器人到底能在工廠持續工作多久。因此，這兩個問題和數據結合起來，可能是讓整個體系更加閉環。

王晨暉：我想這個問題我可以稍微收斂一下，我們講通用具身機器人的挑戰、瓶頸，或者說轉折點，因為在各個場景的專用機器人已經有很多了。

今天上午有一位嘉賓提到一個很重要的點，就是現在的具身智能或者通用的人形機器人沒有找到它的scaling law，這是現在困擾整個行業的一個重要的問題。但沒有找到他scaling law的一個核心的因素是數據的量和規模是不夠的，真實場景的交互數據是具身智能構建泛化能力的關鍵，但是可惜成本太高，它無法像大量的汽車一樣每天在路上跑。現在有很多工程師或者機構用虛擬的數據、仿真的數據來做這個事情，但是事實上仿真數據很明顯存在遷移的鴻溝。所以現在有一些頭部公司在嘗試用真實數據+仿真數據+在線優化的方式解決這個問題，目前只是嘗試階段，我們希望看到這個問題有沒有可能在未來幾年時間里面得到很明顯的改善，或者告訴大家有一個scaling law的結論性的東西。這是第一點。

第二點，我想是整個硬件的降本或者是成本問題，對于產業化落地來講，當然聽起來這好像不是一個技術問題，但之前宇樹的創始人也講過一個觀點，我很認可，就是降本本身是設計問題，而不單純是一個材料量的問題。我們現在看到人形機器人的核心零部件，包括像電機、傳感器、減速機等這些都處在一個國產化和一個量產的窗口期，確實能看到整體的成本是在快速下降的。事實上，如果要下降到比如我們期待的5萬-10萬的價格窗口，仍然還是有一定的差距。所以，我覺得在整體硬件設計上面要去解決這些問題，而不是單純靠有沒有量、有沒有價格壓縮空間的問題，所以我想在這兩個點上都需要根本性的突破，來推進整個具身智能的商業化落地。

施嘉翔：感謝，WAVES去年舉辦類似Panel的時候，有一些觀點認為具身智能現在還沒有到VC投入的階段，在座的各位也經歷了去年具身智能浪潮的瘋狂，時間原因我們今天的分享到此結束，希望明年還能看到更多的具身智能的項目，謝謝大家。