文 | 劉婧瓊

編輯 | 阿至

2025年6月25日，36氪聯合云道資本舉辦了「給AI裝上身體，具身智能何時能迎來‘ChatGPT時刻’」OpenTalk 直播活動，特邀小苗朗程管理合伙人方正浩、堯樂科技創始人兼CEO呂莉蘊、靈御智能創始人兼CEO金戈，三位嘉賓就具身智能與AI的投資邏輯、具身智能關鍵基設——柔性觸覺傳感器、具身智能從L0到L4的漸進式發展路徑等多方面展開了深入分享，并與觀眾進行了在線互動。以下是本場直播的干貨總結，歡迎閱讀、分享與收藏。

具身智能與AI的投資邏輯

分享嘉賓：方正浩｜小苗朗程管理合伙人，復旦大學理學學士，中歐國際工商管理學院EMBA。負責公司投資、研究、渠道開發體系搭建。曾就職于海外對沖基金，協助管理比爾·蓋茨家族基金等海外機構投資人資產，具有超過10年投資研究經驗。 主導及參與的投資案例包括:實樸檢測（301228.SZ）、慕帆動力，奧創光子、躍遷引擎、穹徹智能、松延動力、西湖機器人、光本位，云軸信息ZStack、賽卓電子等。 分享關鍵詞：#具身智能 #人形機器人 #人工智能

方正浩認為現在具身智能的AI能力還處在GPT3時代，還未完成數據采集和預訓練的問題，但隨著大模型的通用和泛化能力提升，人工智能和具身智能產業鏈中都會出現巨大的投資機會，具體表現在：

? 在人工智能側，在最底端的硬件算力層，GPU等傳統算力領域初創公司機會小，機構可多關注下一代新型算力及端側算力的新機會；在模型層，可關注異構算力混合之后會產生的一些算力的整合機會，其中包括一些數據的相關標注和服務的機會；在大模型層，可關注多模態和跨模態的融合機會，尤其3D的空間智能作為AGI感知的基座，有可能重構人機交互的范式，需提前關注3D模型技術；在應用層之間，可關注異構算力調度、推理加速等細分機會，但需注意傳統云廠商憑借全棧服務覆蓋可能擠壓中間層生存空間；在終端應用層，C端可關注捕捉用戶情緒價值并從高頻交互需求切入的泛娛樂場景應用，B端可關注在垂直行業（比如法律、醫療等）能提升效率的應用。

?在具身智能側，最大的核心壁壘和門檻在軟件層，首先是在機器人大腦，大腦是現在所有機器人最大的瓶頸，可關注在大腦層有核心能力的創業團隊；另一方面在小腦層，也叫下肢的移動層，在強化學習和控制算法方面有優勢的團隊，在過去的一兩年展現出機器人的一些跑跳翻能力，這對在一定場景下的落地和商業推廣很有幫助；在硬件層，具身智能的供應鏈相對比較短，創業公司很難通過硬件的特色技術和差異化構建出核心壁壘。

AI產業鏈投資邏輯和小苗朗程已投案例

具身智能關鍵基設——柔性觸覺傳感器

分享嘉賓：呂莉蘊｜堯樂科技創始人兼CEO，曾任國際汽車電子巨頭Harman全球創新部門首席架構工程師。主導構建多模態傳感器融合計算平臺，服務瑪莎拉蒂、保時捷等十余家一線車企項目。國內最早期參與智能駕駛領域項目的成員之一，國內最早參與云計算平臺架構研發資深專家，深耕智駕傳感器數據處理與機器人感知系統領域。 分享關鍵詞：#智能感知 #柔性觸覺傳感器 #具身智能 #具身感知

呂莉蘊展就市面上常見的幾種觸覺傳感器方案和各自的特點展開了介紹：

? 霍爾式傳感器，因為是芯片級別的，是適配機器人手部區域的不錯方案，感知精度高，成本也更高。

? 電容式傳感器，靈敏度比較高，而且很多電容可以做成薄膜類產品，它本身的厚度和靈敏度，也比較適配手部的小區域；但缺點是穩定性和耐久性較差。

? 壓電式傳感器，主要是檢測動態的力，比較敏感；但易受熱響應效應影響，對應用場景的溫區穩定控制較為苛刻。

? 壓阻式傳感器，它是一個三明治的結構，即上下電極加上中間的壓敏層，它的特點是比較穩定，耐久性好，適應大面積的耐久應用場景但在復雜的電磁環境中容易受到干擾。

堯樂科技在原有壓阻式方案的基礎上進行了材料和工藝的改進，使用獨創的金屬紗線一體化編織生產出了織物壓力傳感器，該傳感器的電極和壓敏層都使用纖維級材料。金屬紗線作為傳感器的電極使用，對比鍍金屬纖維以及導電材料，它最大的特點是低電阻、低彈性和高強度，能解決其他技術路線下觸覺傳感器的耐用性和穩定性問題。此外，堯樂自研的織物型傳感器壓敏材料，主要解決了導電的均勻性和耐用性問題，性能方面已通過車規級測試。之前市面上很多導電材料未作為傳感器使用，只能實現防靜電和導通電功能，其均勻性和耐用性有所欠缺。

在未來很長一段時間，呂莉蘊認為織物式和傳統電子印刷式傳感器會是一種共存的狀態。印刷式傳感器產業鏈成熟，在一些小面積的觸覺上有很大的應用空間，但由于印刷技術或材料限制，容易因摩擦、清洗等產生脫落的問題。在大面積尤其是對不規則表面柔性適應能力要求高的觸覺場景上，如汽車智能座椅、機器人電子皮膚等，還是使用織物式觸覺傳感器更佳。

不同技術路線的織物型傳感器對比

具身智能從L0到L4的漸進式發展路徑探討

分享嘉賓：金戈｜靈御智能創始人兼CEO，清華大學自動化系本科，清華大學經管學院MBA。曾任遠鏡創投管理合伙人、奧量光子副總裁。在高科技領域有著多年成功的投資和創業經驗，先后投資孵化了多家早期硬科技企業。靈御智能是一家以人機混合智能為主要切入路徑的具身智能新銳公司，由清華大學自動化系頂尖運動控制團隊創立，以 “打造具身智能實用化標桿，將人類從‘危險、繁重、無聊’的工作中解放出來”為使命。 分享關鍵詞：#遙操作 #人機混合智能 #MAAS #臂手一體控制

金戈觀察到，目前具身智能出現了一個不可能三角，即通用、性能、自主這三者，在當前甚至3～5年內的技術水平下很難做到兼顧。通用是指機器人不是場景專用的，而是可以做很多不同的工作；性能一是指可靠性，即機器人做一件事情的成功率有多高，二是指效率，即機器人和一個人做相同的工作，它究竟比一個人快或者慢多少；自主性是指工作需不需要人類的介入，是不是可以由機器人自己去完成。

隨后，金戈介紹了目前最常見的兩種提升機器人自主性的方法：

? 第一種是企業想辦法直達L4，把作業成功率提升到99.9%以上，實現機器人在多場景的全自主工作狀態，但這種路徑耗費的時間長、成本大。目前機器人數據處于極度稀缺狀態，企業需要非常多的真機數據和資源資金，才有可能訓練出一個符合人類期待的高智能的 AGI 機器人。

? 第二種則是參考現在自動駕駛的進階思路，從L0到L2再到L4逐步提升，即先把機器人投入到商業使用中去，通過不斷地回收交互數據，再慢慢升級機器人的智能系統。這種方法最大的好處是企業可以彌補數據上的短板，同時早點拿到收入。

沿著第二種思路，金戈認為目前更經濟可行的方法是建立一個MAAS（Manipulation AS a Service）平臺，即日常簡單場景由機器人自主操控，當遇到復雜的和有危險的情況，機器人會去呼叫真人或者云端的“類真人”模型，真人或者云端模型通過遙操作來接管機器人，完成下一步操作。這種方式可以實現1對多接管機器人，在提升機器人自主性的同時，也能更好地滿足用戶的個性化需求。

具身智能從L0到L4的漸進式發展路徑

關于具身智能，大家都在討論什么？

我們挑選了直播互動環節部分代表性問題和嘉賓解答，經編輯整理呈現：

Q1：目前一些具身智能的項目估值是否過高？怎么看待目前賽道里存在的泡沫現象？

方正浩：泡沫是一個科技行業發展過程中必經的環節。把時間拉長到十年后，那時全球所有發達國家和中國都會面臨著非常巨大的勞動力缺口，從事白領和藍領工種的人口會都急劇下降。十年之后，中國這些崗位一年的用人成本可能在3萬美金以上，而發達國家的用人成本會上升到5到8萬美金。全球幾億的勞動力缺口量，乘以3到5萬美金的用人成本，將會出現一個20萬億美金的整體市場，而這個勞動力市場將被機器人部分或者全部取代。從這個角度來看，具身智能未來起碼是一個萬億美金產業，這里面一定會出現多家千億市值以上的公司。以這個終點來看，即使這個賽道目前存在一定泡沫，有一些創業公司估值很高，我還是認為它具備有一定的合理性。

Q2：具身智能最終會走向通用型人形智能體，還是垂直場景專用的機器人？

方正浩：這兩種未來會并存。從使用量來說，未來長遠來看人型機器人的體量會最大，因為站在第一性原理的角度來看，我們是以人類的生活和工作習慣來設計人形機器人，它的泛用性理論上來說是最高的。但在當下的大部分垂直場景下，專用的機器人成本更低、可靠性更高、能耗更低，它可能不需要做成一個四足、雙足甚至人形就能滿足使用要求，所以在相當長的一段時間內，垂直場景的專用機器人一定會有它的生存空間。

Q3：中國的具身智能企業走向全球，優勢是什么？

方正浩：第一，供應鏈的完整度更高；第二，依托中國巨大的人口優勢和供應鏈的完整度，理論上我們的數據采集成本、數據的場景可落地性，包括數據量上，我們都會比歐美更有優勢；第三，具身智能最終還是以硬件產品的形式表現出來，中國制造業的效率和成本都有非常強大的優勢。

Q4：如何判斷某家具身智能企業是否有先發優勢？

方正浩：可以從三個層面看，首先在技術層面，企業是不是能夠展現出過去沒有人能展現出的一些技術效果；其次在應用層面，企業是不是能率先在應用場景落地；最后在商業化層面，做大腦的企業還不著急這么早一定要做商業化，但是做本體的企業，它在最終場景的實際落地銷量也是輔助判斷它是不是有先發優勢的一個重要要素。

Q5：具身智能的觸覺數據會涉及數據隱私，這個問題企業如何解決？行業是否有統一的解決標準？

呂莉蘊：從數據采集來看，傳感器的數據是芯片級別的，提供給大腦的數據都是已經經過計算的，在內部不會有泄露的危險，數據泄露最多的還是在接口部分，但隨著行業的發展和大家對數據的重視程度，最終會有一些通用的加密協議出現。目前來講，行業還沒有統一的解決標準，因為很多具身智能企業的基礎問題都還沒有解決。

Q6：目前觸覺傳感器尚未建立一套接口標準，會導致算法適配成本高，誰該來牽頭主導這個標準的建立和執行？

呂莉蘊：像汽車一樣，具身智能走到最后也會是一個比較通用的狀態，這是行業發展到一定階段的一個必經過程。后期肯定會做具身智能數據協議的標準化，包括接口的標準化，這能減少很多企業對于接口不同而產生的額外成本。行業需要類似IEEE這樣的平臺去主導標準的建立和推廣執行，企業配合。

Q7：在柔性觸覺傳感器這塊，目前中國企業的全球競爭力如何？

呂莉蘊：這塊目前國際上有幾家巨頭企業，比如Tekscan，他們已經做了很多年薄膜傳感器了，還有一些日本企業，它們在海外市場的認知度也非常高。我們國內的企業體量相對小一些，尤其是近幾年成立的企業，體量還在一個很早期的階段。相對成熟一些企業的觸覺傳感器已經應用在具身智能大廠產品里了，而小一些的企業，它還在一個找客戶的階段?？傮w來看，中國柔性觸覺傳感器企業的全球占有率現在不是太高。

Q8：對于具身大模型的公司而言，觸覺數據是否是一個剛需？

呂莉蘊：對于機器人來說，它的大腦去做決策，是需要先有一個觸覺傳感器作為感知輸入的，比如物體的溫度、濕度、紋理等，這些不通過觸覺是沒法感知的，如果沒有感知又會影響到后面機器人的交互動作和響應。舉個更具體的例子，當你面對兩個形狀比較像的物體，比如一個雞蛋和一個鐵錘，不通過觸覺感知單靠視覺，是無法區分的。

Q9：工業場景中的機器人可能會引發安全事故責任的爭議，在遙操作系統中，人類與機器的責任如何區分？

金戈：機器人在物理世界里的互動能力，會造成一系列不可知的后果，甚至有可能會造成一些財產和人身的損害。我一直在呼吁，具身智能要像汽車一樣去建立一套機器人的強制保險標準，目前今天行業還處于早期階段，還沒有花很多時間去做責任區分和強制保險。

Q10： L4級別的具身智能，需要高成本的投入，企業如何去平衡技術的超前性跟商業回報周期？

金戈：如果企業走的是從L0到L2再到L4的漸進式路徑，那在漸進升級的過程中，就已經可以產生一些商業收益。如果走的是直通L4的路徑，那需要資本市場持續地予以高投入和高支持，我們今天也確實看到很多走這個路徑的公司融到了海量的資金，這件事情更多是靠資本市場的幫助來做平衡，而不是企業自身去平衡。

Q11：您預測具身智能什么時候會從L3邁向L4階段？有沒有一些標志性的事件可以作為觀察指標？

金戈：這里面的核心問題是，怎么定義機器人的L4，是指它是一個通用的人工智能，到任何一個地方都可以替代一個人去做所有的工作，還是指它在垂類場景里99%的工作時間都能實現自主工作。我覺得能實現后者，事實上就已經解決了我們今天對機器人的期待，這可能是一個十年內有希望去實現的事情。標志性的事件，就是大家能夠看到大量的商業場景變成全無人化和全機器人化服務，訓練端獲得了巨量的數據。

Q12：家庭場景的情感陪伴需求能否支撐機器人的C端普及？C端普及機器人的關鍵是什么？

金戈：情感陪伴需求可以分成兩類，第一類是純粹的語言類情感陪伴，對于機器人的身體要求沒那么高，更多是基于大語言模型的能力去做延展，它的難度取決于語言模型比如DeepSeek等的努力和能力，這類C端機器人的普及會如大家所想的一樣很早就到位；第二類是追求和機器人在身體上發生互動，這件事情涉及到機器人的全身控制和操作，但這部分的普及關鍵和倫理、合規還有安全性有關，現階段不要對它的普及過于樂觀。