摘要

CES的人形机器人热潮已经进入“量产承诺”阶段，但傅盛把有效商业化的分界线放在客户付钱和现场提效，而不是出厂数量。 38家人形机器人参展商中21家来自中国；Boston Dynamics称Atlas将在2026年生产并交付首批客户、2028年形成年产3万台能力。傅盛以特斯拉供应链曾传出“次年10万台”、后来2025年初曾说6000台、几千台，换负责人后又先砍一半为鉴，直言：“生产出来如果不去用的话，那它长得再好看它也没用。”
近中期更清晰的机器人机会不是完整人形，而是轮式底盘、机械臂和明确任务的组合。 傅盛估算，人形机器人“至少一半的钱是在腿上的”；工厂通常轮式设备可以通达，只要半价方案能实现95%—98%以上效率，客户就不会为双腿买单。极智嘉的底盘已能搬200公斤，Sunday用轮子加双臂处理酒杯和洗碗任务，都指向同一条ROI路径：“这是用了一个大炮去打蚊子，我用灭蚊器不是更好吗？”
物理世界真正卡住商业化的是最后1%的可靠性，而不是前99%的展示效果。 抓取杯盘即使达到99%成功率，长期运行也意味着频繁打碎物品；机器人还是在3D空间发生真实接触，后果比二维自动驾驶更难约束。傅盛转述马斯克的判断：“难的不是那99%，而是最后那1%。”
机器人Demo更多反映团队为固定任务投入了多少优化，不能直接证明泛化能力。 Sharpa折风车包含30步，若每步成功率只有99%，整项任务成功率约70%，更像是在解决一个科研难题；但纸张已被固定铺好，一只机械臂约5万美元，距离成本、寿命与故障率约束下的产品仍有落差。傅盛提醒，展台呈现的是厂商“调优过的最好水平”，进入真实场景还要打巨大折扣。
机器人降本不会复制芯片的摩尔定律，关节、减速器和可靠性构成更坚硬的成本底。 傅盛投资并收购的UFACTORY把机械臂从UR过去约1万—2万美元降至约3,000—5,000美元，已盈利并称在海外占比达70%—80%；但七轴臂需要七个减速器，机械自由度越多，成本、能耗和故障点同步增加。宇树做到约10万元已属大幅降本，傅盛判断后续价格不会按市场想象持续陡降。
美国是机器人最值得争取的付费市场，却不是可以快速复制的市场。 高人力成本为送餐、叠纸巾、拍摄、割草和泳池清洁等垂直任务创造需求，但电梯改造、合规、渠道适配和“最后一米”流程都可能按年推进；日本改一部电梯可能先收约10万元、此后每月再收4,000—5,000元。中国品牌的优势已从低价转向产品、供应链和高频迭代，真正的风险则是没有本地渠道、商业网络和共生生态。
通用机器人仍是一项重要的长期技术方向，但三位嘉宾把技术愿景与当前商业化路径区分开。 泓君以2020年的GPT-3和情境学习为参照，认为即使今天没有惊艳结果，也应有人啃泛化这块“硬骨头”；傅盛则明确表示自己现在不会去做，但真心期待“机器人的GPT时刻”。一旦通用模型能够泛化不同硬件，人形会受益，半价的轮式加双臂方案同样会“大行其道”。

精读

1. CES的机器人热度由中国参展商和量产叙事共同推高

泓君观察到，CES近三年最显著的变化是中国参展者和中国企业快速增加；今年AI贯穿硬件与汽车，机器人展区则成为人流最密集的区域之一。
她给出的官方口径是：约4,000家参展商中，中国企业占22%，为全球参展商占比第二高的国家；聚焦人形机器人，38家参展商里有21家来自中国。所谓中、美、韩竞争，韩国的一大支点是已被现代集团收购的Boston Dynamics。
泓君介绍，Boston Dynamics位于West Hall的机器人展区排队要等40多分钟；徐皞看过其Demo，却没觉得有什么特殊之处。傅盛也提醒，连续几年参展会发现许多所谓新概念，前一年其实已经讲过。

2. “量产”只有客户买单或真实提效才有意义

Boston Dynamics宣布Atlas产品版将在2026年生产并向首批客户交付，2028年扩大部署并形成每年3万台产能；相比之下，节目提到智元、宇树的计划约为5,000台至1万台。
傅盛回忆，2021—2022年特斯拉刚做人形机器人时，供应链曾传出次年要下10万台；他当时判断特斯拉低估了难度。到2025年初，特斯拉曾说6000台、几千台，后来换负责人又据称先砍掉一半。
他的判据很直接：大公司当然能硬生产几千台，但“要么就是客户买单，要么就是真的在实际场景当中，它真能发挥出效率”，否则三万台只是产能数字。泓君还质疑Boston Dynamics“客户试点项目将于2027年启动”的谨慎措辞：“为什么不是2026？为什么不是今年？”

3. 双腿吞掉至少一半成本，却很少改变工厂效率

在Boston Dynamics的仓库搬运Demo上，徐皞先说没有特别之处，后补充机器人确实更灵活、更versatile，但不确定是否构成本质区别；工厂和仓库早已有大量轮式搬运设备，人形方案必须证明增量效率，而不是只证明可以移动。
傅盛以极智嘉为例：其底盘升降方案可搬200公斤，也可以在底盘上加双臂。搬货需要手臂，但工厂通常已让轮子通达，腿只为少数楼梯场景服务，“这是用了一个大炮去打蚊子，我用灭蚊器不是更好吗？”
他估算，人形机器人至少一半成本在腿上；若轮式设备以一半价格实现95%—98%以上效率，还能做成100公斤载重、自带货仓的形态，采购者不会为拟人外观支付溢价。
面对泓君“为何顶级厂商都做人形”的追问，傅盛反过来说：“可能是因为它做了人形机器人，就显得比较顶尖。”他认为热潮由马斯克重新点燃，此前本田做了30年两足机器人仍停产，Boston Dynamics也曾被谷歌出售、由软银买下。

4. 能干活的机器人会从特殊形态“生长”出来

傅盛2017年曾做过带双臂的机器人：工程师让它在生日当天引路、划火柴、点蜡烛，效果是团队偷偷加班做出的专项表演，不能泛化；双臂还显著增加耗电、重量和成本。
Sunday展示的是轮式底盘加双臂的家务任务方案，可以从桌上拿酒杯、放进洗碗机。一个熟悉Figure的人参观后“大受震撼”，因为稳定底盘让团队不用把精力耗在腿上，可以集中攻克真正干活的手。
傅盛强调，robot源于Robota，重点是劳动而不是外形；扫地、割草、仓储运输、轮式底盘再加机械臂，才是产品逐步扩张的路径。“所有好的产品和技术都是生长出来的”，不是凌空造出一个完美通用形态。

5. 物理世界的最后1%把99%成功率变成不可用

傅盛用杯盘说明可靠性门槛：抓取即便有99%准确率，机器人每天处理多件物品，长期下来仍会不断打碎东西；家庭或商业客户不会因为平均表现不错，就接受持续发生的小事故。
他转述马斯克的判断：“难的不是那99%，而是最后那1%。”真正落地意味着与物理空间接触，corner case不再只是软件回答错误，而可能造成人身、设备或财产后果。
自动驾驶多年仍未真正成为L4，已经说明尾部风险有多难；它主要处理二维平面，人形机器人却要在3D空间判断、抓取、施力和接触。傅盛认为行业进步巨大，但商业“及格线高高在上”，何时跨过去“没人知道”。

6. 漂亮Demo证明专项优化，不证明真正泛化

泓君问过多位技术人员，能否通过机器人比赛冠军判断公司技术最好，答案都是不能：比赛要求与场景固定，结果更多证明团队为该任务花了多少优化时间，而非应对变化的能力。
Sharpa的折纸Demo包含约30步，被视为超长程任务；若每步成功率只有99%，整项任务成功率约70%。它还展示发扑克牌玩Blackjack、持相机拍照和接乒乓球；发牌是精细运动任务，接球考验反应、延迟与瞬间决策，徐皞对拍照场景没太多感受，泓君则觉得它有些搞笑。
傅盛认可折纸比接乒乓球难得多，却保留关键质疑：纸张已被铺在固定位置，任务经过大量优化；几年前ALOHA炒鸡蛋的复现，在限定范围内模型准确率也只有约80%，继续往上推非常困难。
成本进一步改变结论：Sharpa的一只机械臂约5万美元，尚未计入寿命和故障率。傅盛把它与2017年“机器人界登月级”的划火柴类比——堆料可以产生震撼，但不等于可复制产品。

7. 关节、减速器和寿命构成机器人的硬成本底盘

傅盛因机械臂太贵而投资、后来收购UFACTORY，推动六轴、七轴臂降本。UR过去一条臂约1万—2万美元，UFACTORY现有产品约在3,000—5,000美元区间，并称Google、斯坦福等客户采用，海外份额达70%—80%，公司已经盈利。
与芯片不同，电机、谐波减速器和机械关节只能一点点改进。七轴臂需要七个减速器，过去单个就要几千元甚至上万元；相关结构专利即使早已过期，行业仍围绕同一结构打磨，因为兼顾承载、急停、减速和精度的新结构并未大量出现。
Figure采用谐波减速器，优点是负载高，代价是动作偏慢；部分国产机器人采用行星减速器，在不需要重载的表演场景可以采用其他方案。自由度越多，关节数量、外观成本和故障点也越多，“好看”本身需要额外付费。
宇树能把价格做到约10万元，傅盛已认为“降得非常非常厉害”，但不相信价格还能无限下探。更大的商业问题是手臂不耐磨、可用寿命短、保修标准缺失，而真实客户至少要求设备一两年不出大问题。

8. 机器人产业仍缺统一软硬件层、专用芯片和中间层

泓君把产业拆成软件、硬件和连接两者的开发平台，傅盛的回答是“完全没有”：厂商各自在做硬件或软件，却缺少统一的软硬件接口、开发平台，以及能够直接让机器人使用的统一大模型。
市场已有自动驾驶芯片、游戏芯片、大模型训练与推理芯片，却没有成熟的机器人芯片；机器人只能从其他产业挑选部件。国产中端芯片已很好用，但芯片并非主要成本，真正昂贵的仍是机械结构和整机制造。
泓君把这概括为鸡生蛋、蛋生鸡：没有产业规模，供应商不愿为耐磨、质量和量产规格投入；零部件不成熟，整机又难形成规模。她认为当前热潮带有善意的“忽悠”成分——先让更多人投入，产业链才可能被养出来。

9. 送餐机器人的两三年打磨揭示落地的真实尺度

特定场景并不自动等于容易。国内送餐机器人终端价已做到约1万元，仍不好卖；即便理论上能打平服务员成本，只要性价比不够显著，餐厅也不愿培训员工并改变原有流程。
傅盛举出的部署案例并不炫技：意大利一家深水潜水池的后厨离餐厅很远，两台机器人只负责来回运输。如此简单的动作，也用了至少两三年才解决撞桌子、撞脚、碰到伸出的孩子和定位丢失等问题。
为控制整机价格，团队只能使用约500元的单线激光雷达；遇到密集桌椅、玻璃、纯黑物体或KTV喷雾就可能迷路。工程解法是在天花板每隔3—5米贴肉眼不可见、需要红外识别的反光标记，并为此专门设计贴标杆。
这类产品不是靠单一AI突破，而是不断增加向下传感器、调整硬件配置、补齐corner case。傅盛的总结是：“魔鬼都在细节里。”一个看似不exciting的导航系统，做到可交付也要两三年。

10. 美国愿意付费，但基础设施与“最后一米”按年改造

酒店送餐卡在电梯：国内可花约2,000元请维修人员加一块板，通过Wi-Fi让机器人呼梯；日本电梯厂商可能先收约10万元，再每月收4,000—5,000元。合规和基础设施费用会吞掉海外高人力成本带来的优势。
傅盛认为美国仍是里程碑式市场，叠纸巾等单动作机器人尤其有机会；送餐机器人业务一半以上利润也来自海外。但欧洲较难，日本的软件人才与二次开发效率不足，韩国表现尚可却容量有限。
低价导航的能力还能外溢到割草、泳池清洁等产品：中国团队把芯片控制在1,000元以内，2,000元已属高端，而自动驾驶车载芯片至少上万元、激光雷达还要数千元。竞争力来自少传感器、便宜算力与工程算法的组合。
UFACTORY的一家连锁拍摄客户用机械臂完成环绕拍照，双方磨了两年。配送更难的往往不是移动，而是店员没有与机器人交接的流程；这个“最后一米”不是按天或月，而是按年改变。

11. 中国出海已从低价升级为模式领先，本地关系决定耐久度

CES展位的位置、面积和装修让泓君感到中国品牌已明显升级；Insta360赞助全场黄色袋子，不少展台由外国销售人员接待，聊完后才发现是中国公司。傅盛认为最大变化就是：“你都看不出来这是出海公司。”
傅盛把出海经历概括为三个阶段，但节目中具体展开了前两段：第一段是在App等信息透明行业用人海战术，硅谷五六个人做工具时，中国公司可投入100人；第二段输出云实施等“吃苦耐劳”的服务、行业应用、研发与运营能力，迭代和供应链模式逐步领先。他没有给第三段明确命名，转而强调当前出海要理解并尊重当地市场、渠道和新增长模式。
“同样一年54周，我迭代54次，你就迭代两次”，吃苦耐劳最终转化为经验、效率和模式优势。但品牌不能“生拔”，美国的Costco、Target，日本与欧洲各自的渠道和用户习惯，都要求一把手长期扎根。
傅盛把一次产品下架视为近乎毁灭性的教训：公司增长很快，却没在硅谷建立人脉和生态。徐皞也提醒，“田忌赛马”式不按常理出牌只能奏效一次；傅盛因此拒绝通过压货冲销售额，并为卖不出的库存退款，“宁可慢一点”。

12. 商业化与泛化是两条路，最终仍要等待机器人的“GPT时刻”

泓君回忆，自己在2020年看到GPT-3虽远不如今天，却首次让她看到情境学习和泛化；她因此支持马斯克继续啃人形机器人这块“硬骨头”。徐皞认同这份收束，并期待机器人出现类似的泛化时刻。
傅盛认为马斯克最初把难度想简单了，如今也承认机器人比汽车难得多；作为从业者，他现在“肯定不会去做”，但并不否认长期方向。
泓君和徐皞都认为两条路需要并存：一条处理技术、工程与科学问题，追求任何场景可用的通用机器人；另一条先在垂直场景商业化、养活团队。OpenAI在2018—2019年花上百万、几百万美元训练模型看似不可思议，也说明长期试验需要独立于当期ROI的耐心。
傅盛期待Scale AI这类专门做机器人大脑的公司，甚至一个机器人的Manus，能把不同硬件泛化起来。若“机器人的GPT时刻”到来，人形会大行其道，轮式加手臂也会因便宜一半而受益；自动驾驶作为一种机器人，则已在另一条路径上快速进化。

市场概述2026年1月20日超越模型本身的 AI 机会