E221｜聊聊CES与中国品牌出海：我们真的需要人形机器人吗？
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”。
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。
Full transcript
这期节目是我在参加 CES 展时录的。之前的节目，我们讨论到机器人的时候，大家都是在说，怎么去实现这个世界上最难的科研话题。而 CES 的本质，是一个消费电子产品展销会，所以我们其实能看到很多机器人从科研走向现实落地。
这样的思维碰撞也带来了一个问题：当机器人真正开始商业化的时候，我们现在真的需要一个人形机器人吗？今天跟我一起聊天的是猎豹移动董事长兼 CEO、猎户星空董事长傅盛。傅盛，你好。
你好。
还有一位大家也很熟悉的硅谷徐老师。徐老师是一位连续创业者，现在也是 GEN Digital AI 的 Chief AI Officer。徐老师，你好。
Howie Xu
泓君好，傅盛好。很高兴我们一起来聊一下 CES。
这几天大家其实都在 CES 的会场。刚刚我们小聊了一会儿，Howie，你是今年第一次来 CES；傅盛，你应该是来了很多年了。
最近 3 年我连续都来了。
你觉得有什么变化吗？
有一些变化，但是每年都来，就感觉没有太大变化。虽然可能有些人看了一些很激动人心的概念车、概念产品，但去年也讲过这些。
不过有一个强烈的感觉：这 3 年每年来的中国人和中国企业都在快速增长。今天看了个视频，说这里简直就像深圳展一样。
你觉得从趋势上看，我早几年来 CES 的时候，最开始会觉得大家整体都在推无人驾驶。现在可能就是 AI 的概念贯穿到 CES 所有的硬件、车辆和产品里，包括今年机器人的展区特别火，吸引的人流量也很大。
我还看到了一个数据。根据 CES 官方数据，如果把机器人再聚焦一点，来看人形机器人这个行业，CES 一共有 38 家人形机器人参展商，其中中国参展商有 21 家。
是吗？居然还有 17 家不是中国的。
这个话题很好。我看有人说，这次机器人其实是中、美、韩三国的竞争。为什么是韩国？机器人领域很有名的一家公司 Boston Dynamics，不是被现代集团收购了吗？
我观察到，今年所有机器人展区都在 Central Hall 和 West Hall。Boston Dynamics 的展位是在 West Hall，他们的机器人展区排队要等 40 多分钟，相当火。
他们的特别之处，首先是 Boston Dynamics 在机器人领域的运动能力，以及爬楼梯等技术的历史地位，再加上和谷歌的关系，应该说有非常深的积累。另外，他们今年在 CES 上官宣了 Atlas 的产品版，会在 2026 年开始生产并向首批客户交付，到 2028 年实现更大规模的部署，并且形成一年高达 3 万台的产能。
如果这个量产了，它会不会是整个机器人领域最大规模的量产？当然，我知道现在中国的智元、宇树，量产计划也是 5000 台、1 万台左右。
我去看了 Boston Dynamics。当然，这些 Physical AI 人形机器人都在现场做了真正的 Demo，但没有让我感觉到有什么耳目一新的地方。我就在想，是不是还有些地方没去，或者是怎么样。
其实我觉得，宣布量产的意义不大。我在 2021 年、2022 年的时候，特斯拉刚做擎天柱没多久，那时候就雄心壮志。当时我们内部有一个很小的投资人会议，已经在讨论要不要抓住人形机器人的机遇了。
后来他们说，得到了明确的消息：当时特斯拉和供应链上的一些减速器厂商说，明年要下 10 万台。那时候我就说，可能特斯拉没有做过机器人，有点轻视了。我说它肯定做不到。
所以你看，它在 2025 年的时候，不是年初说 6000 台、几千台吗？它最近不是换了一个负责人吗？几个月前换的，那个人原来做 FSD。上来以后就说先砍一半。
当然，你说像特斯拉这么大的公司，生产 6000 台肯定能生产出来。但问题在于，这个量产是不是真的落地的量产？要么是客户买单，要么是真的在实际场景当中能够发挥效率。这样的量产才有意义。
你生产出来，如果不去用，它长得再好看也没用。我对 Boston Dynamics 宣布的什么 3 万台，是非常质疑的，甚至觉得不太可能做到。
他们在仓库里的一个场景，是搬货、运货。Howie，你要不要跟大家讲一下你看到的整个 Demo 场景？
Howie Xu
我没有觉得有什么特殊的。
但工厂场景跟过去的技术相比，你说有什么本质的区别？
Howie Xu
当然还是有区别的。我相信现在很多仓库里也有很多机器人已经在搬东西了。它当然更加灵活、更加 versatile 一点，但是不是本质的区别，我也不清楚。
我对 Physical AI 自己的一个向往，是希望它能到家里来，但这个看上去还非常遥远。
1X 已经打算 2026 年进家庭了。
Howie Xu
远程遥操作，出卖隐私换机器人的操作。
它那个进家庭，也没进多少个。
我觉得这更偏向于数据收集，都不是出卖隐私的问题。
我从 2017 年开始就自己做机器人。昨天晚上我刚参加了一个聚会，和大家辩论了半天：人形机器人是不是泡沫？它是不是能落地？
我说我们第一代机器人是在 2017 年做的，当时也是雄心壮志。那时候我们没有做脚。我去看过一些机器人公司，其中一家当时估值 10 亿元人民币，我跟他们的创始人聊了几个小时。Boston Dynamics 没看过，但是像本田的两足机器人，以及发那科等很多机器人，我都跑过一遍。
所以当时我们也给自己的机器人加过双臂。工程师为了让老板开心，偷偷加班做了一个惊喜。有一天我去上班，正好是我生日，机器人走过来，把我引导到一个会议室，给我划了根火柴，点了根蜡烛。那是 2017 年，我们其实也做过这样的事情。
后来等我慢慢了解这个行业以后才发现，这帮工程师就是为了让老板开心，偷偷加班弄出来，显得他们很有研发实力，但没法泛化。
第二个问题是，加上手臂以后，电池消耗变得很大，整个机器也变得很重。当时一条机械臂要十来万元，当然现在便宜了很多。
现在一条机械臂大概多少钱能做出来？
我们最近收购了一家公司，叫 UFACTORY。实际上就是当时我觉得机械臂太贵了，所以投了这家公司。我说，你去好好做一个六轴臂、七轴臂，把价格降下来。
第一性原理谁都会说，机械臂不就是铝合金、钢铁吗？为什么要卖那么贵？那就好好做。但做了也好多年，现在它的售价能做到 5000 美元、4000 美元。现在谷歌、斯坦福很多机构都买它的机械臂，它在海外占了 70% 到 80% 的市场，而且这家公司已经盈利了。
但后来通过机械臂这件事，我认识到，硬件不像软件。软件有摩尔定律，可以大规模重构，很快实现升级；但是硬件，比如一个关节、一个电机、一个谐波减速器，都得一点点改进，而且受制于物理结构，非常麻烦。
所以后来我对机器人的看法是，客户真正要用的时候，考虑的就是性价比和 ROI。比如今天有一家叫极智嘉的公司刚上市，它做的是仓库搬运，现在只是底盘升降，能搬 200 公斤。只要做一个货架，它就可以直接过去。
现在他们也在探索在这个底盘上再加两个机械臂。你要说搬东西，加机械臂有没有用？有用。那加腿有没有用？用处很少，成本一下高了非常多。
它可能需要加腿，是因为要爬楼梯。但工厂在设计的时候，基本上都是轮式可以通达的。你就觉得，这是用了一个大炮去打蚊子，我用灭蚊器不是更好吗？
所以真正应用到工厂里的时候，所有工厂都会考虑自己的投入产出比和效能。如果今天用双臂搬东西就可以，肯定会有公司用更大载重的轮式机器人。我不仅做 50 公斤，还做 100 公斤，然后自己带着货仓走。我的成本至少是你的一半。
轮式机器人没有腿，也会便宜很多。
便宜很多，至少一半。今天做一个人形机器人，至少一半的钱是在腿上的，甚至还要更多。
我用一半的价格，实现你 95%、98% 以上的效率时，就没有人会选人形机器人。
我觉得傅盛其实回答了我前面的问题。我走出 CES 以后，至少昨天就在想一个问题：这些机器人和我以前看到的，到底有多大的区别？
说穿了就是两个问题。一个是在固定场景里能做什么事情，另一个是泛化。当然，这是一个光谱，不是非黑即白。到底是要越做越泛化，还是应该专注于固定场景？
我觉得在固定场景里，机器人这个问题，5 年、10 年前各个大型工厂，包括中国和亚马逊，其实已经有无数所谓的搬运机器人，做得非常漂亮了。所以现在如果是一个泛化机器人，跑进去以后比以前能做得好多少，我其实没看出来它有什么很大的作用。
但如果要让人类觉得，机器人能够在我们生活的各个方面都被感知到，那肯定需要泛化。而泛化这一块，我觉得还很远，至少目前还没看到。
前两天我看到一家叫 Sunday 的公司，它有一个 Demo 在网上，其实挺不错。它的投资人 Sarah Guo 是我的好朋友，我就问她：“这到底是真的还是假的？”她说是真的。当然，作为投资人，应该也会更加乐观一点。
我只是希望看到像 Sunday 这样的机器人不断往前走。它做的任务是什么？搬酒杯、洗碗，包括把饭桌上的酒杯拿起来。面对非常微妙的情况，它都能够 deal with。
Sunday 的方案是一个底盘加两条机械臂。它其实也是轮式的，然后有一个机械臂，可以把桌子上的酒杯抓起来，再放到洗碗机里。
去年我去参观了一家公司叫 Figure。后来我和一个比较了解 Figure 的人争论，我说，你们到底为什么要做人形？大家互相争执不下。他觉得一旦做成了，就可以通用，认为人形可以适应各种场合。
前两天他给我发信息，说他去看了 Sunday，大受震撼。他突然觉得，为什么一定要有腿？因为他知道 Figure 在腿上花了很多精力。他说，你看这家公司做成这样以后，所有精力都放在手上，底盘非常稳定，什么都不用操心。
当 Sunday 把这个任务做到这样的程度时，他就非常震惊，因为他了解的人形机器人公司还没有走到这一步，真正能干活。
我认为机器人一定不是从人形开始的，一定是先从某种特殊形态开始。
最早进家庭的机器人是扫地机器人，它也叫机器人。其实“机器人”这个翻译有问题，因为 robot 并不是“机器人的意思”。老外管一个自动运行的机器都叫 robot。Robot 来自 Robota 这个词，说的是劳动力、奴隶。只要它干活，就是一个 robot。
但我们一说机器人，就认为它必须长得像人。第一波是扫地，现在有割草，慢慢越来越多；后来开始仓储运输，开始底盘移动，现在又有人往上加机械臂。
我的观点一直是，所有好的产品和技术都是生长出来的，并不是凌空做出一个特别高大上的技术，一下子就做成完美、通用的产品。它一定要在很多场景里不断打磨，打磨得越来越多以后，才会逐渐成熟。
今天讲 Physical AI，这也是一个很虚的词。但像 Sunday 这样的机器人，在一个场景下，比如拿杯子这件事，如果它能做到——这也得先假设它能做到——那它就有价值。
它真的能做到吗？还是那个视频拍了很多次？
它不需要拍很多次。但我想说，比如拿杯子这件事，就算有 99% 的准确率，你也不会用。
因为它不止要拿杯子，还要拿盘子，不可能只拿杯子。你每天都会有东西碎掉。你说你会用吗？你不会用。
你看这次黄仁勋讲合成数据，后来伊隆·马斯克不是转发了一下吗？他说，特斯拉早就在做了。难的不是那 99%，而是最后的 1%。
这就是一个困扰。所谓真正落地，机器人还会和物理空间发生接触。为什么自动驾驶这么多年一直没有真正成为 L4？就是因为一旦发生接触，后果很严重。
你在很多地方都做得很好，但还有 corner case。而且自动驾驶还是一个平面，是二维的，今天虽然是 3D，但机器人还要发生接触，还要把东西拿起来。这些难度还是非常高的。
我把我们刚刚讨论的话题收敛一下。我们讲的核心问题，是机器人是不是一定要人形。
我看出来了，傅盛你的观点是，你觉得它不需要完全是人形，只要能干活就行。如果它现在能干活，为什么我们看到像特斯拉的擎天柱、Figure AI，包括 Boston Dynamics 的 Atlas，业界这些最顶级的机器人厂商，在生产甚至量产的机器人，都是人形？
你说顶尖公司都在做人形机器人，可能恰恰是因为做了人形机器人，就显得比较顶尖。
今天它形成了热潮。这个热潮是怎么来的？我认为就是伊隆·马斯克带起来的。在伊隆·马斯克做人形机器人之前，大家并不太看好。
Boston Dynamics 已经被卖过了。谷歌要卖的时候，最后是软银买了，几乎没有什么人买。而且谷歌是一个有技术梦想的公司，为什么会把它卖掉？你想想。
本田的机器人我去看过，它做了 30 年，也是两条腿走路。一直到奥巴马去的时候，还让机器人踢了个球，最后还是宣布停产了。那时候业内已经不看好了。
我有一次还和 Boston Dynamics 的 CEO 连线，在一个会议上，他说只要投入足够多的钱，我们就一定能做出来。当时我就不太认同。我认为只有市场、只有真正找到需求，才能做起来。
你也知道，Boston Dynamics 以前拍了很多跑跳的视频，那些动作都失败过很多次，只是有一次成功拍了下来。当然，今天算法确实进步很大。
国内看着马斯克做了，就觉得我们不能落后。如果他真做成百万台，那世界就会被改变，所以宁可错判，也不能错过。但这个热潮搞得太大了，所以今年国内机器人创业特别火。
应该说是特别火。
机器人创业为什么火？第一，好融资。你去深圳花 200 万，搞一个人形机器人，打上自己的 Logo，找个工厂做出来，走两步，没问题。
你搞大语言模型就不行。你要搞 1000 亿参数，不买那么多卡、训练半年，训练出来以后还有各种评测等着你。你打不了榜，一分钱都融不到。
机器人走两步，供应链上已经实现了。可能还需要调一下，但现在走两步并不难了。
其实第一波在国内掀起热潮的是机器狗。双足算法我没有认真研究过，因为加州理工当时有一位教授，是全美做人形机器人非常知名的教授，我去拜访过他。
他就说，以前 Boston Dynamics 用的双足控制算法能耗相当高。为了维持站立的平衡性，需要花很大力气。
我们人维持平衡，能耗是非常低的。人走过去，功可以算出来，我们额外花费不到 10% 的功耗来维持平衡。但当时的算法要花很大精力。
你也注意到，以前机器狗站在那里时，4 条腿要不停地动。我认为人工智能进来以后，确实把这套算法简化了。这就是一步一步走过来的。
等到伊隆·马斯克可以做了，大家一看，这么厉害的人都觉得能做，那肯定就是能做。而且我认为，他也把这件事想简单了。
后来你看马斯克最近有个采访，他说自己现在意识到，做人形机器人比做汽车难多了。当然，有时候他说是不是比 SpaceX 难，可能还觉得比 SpaceX 简单一点。但我觉得可能比那个还难，是真心的。
因为这就是一个落地场景的问题。火箭回收不了，反正也就和发射上去差不多，所以你可以失败很多次。
你今天看到的 Demo，都是这些机器人厂商能拿出来的最好水平。
对，最好水平，而且是调优过的最好水平。
调优过的。
但它到了实际场景里，至少要打一个巨大的折扣。所以你只要看这个场景、看它的动作，就知道它在实际场景到底能不能落地，基本都不能，过不了那条及格线。
它比以前有没有巨大进步？有。但是那条线高高在上。要多久才能到那条线，说实话，没人知道。
这其实就涉及刚才我想说的第二个问题：一个机器人到底应该是垂直领域的机器人，还是更加注重泛化性。
我先回答你在提出这个问题之前的一个困惑：为什么你觉得看到的这些机器人 Demo 不够惊艳，或者看不出来它好在哪里、不好在哪里？
我问过机器人领域很多做技术的人，中国有很多机器人比赛，你们能不能根据比赛表现和冠军，判断哪家公司的技术最好？所有人的回答都是不能。
为什么不能？因为你的场景和参赛项目，比赛要求都是固定的。也就是说，它不能体现真正的泛化能力，只能证明你为了这个场景花了多少时间去做泛化。
所以仅仅通过 Demo，很难看出一个机器人真正的泛化能力。
但我觉得昨天在展会上，也看到了一些非常让我惊艳的机器人瞬间。它来自一家叫 Sharpa 的公司。我们上一期讲灵巧手的时候讲过这家公司，我觉得它在整个机器人展厅里的人气也是最高的。
它有 4 个任务非常有趣。第一个任务是折纸，折的是小朋友经常叠的风车，然后把风车放到一根棍子上，再把它一个一个按进去。
那个机器人折纸折得非常慢。有很多高校教授在他们展厅看了 15 分钟，一边看一边数步骤，一共 30 步。
30 步是什么概念？这是机器人领域一个超级长程任务的难题。因为如果每一步的成功率只有 99%，30 步算下来，成功率就只有 70% 左右，也就是说失败率很高，可能根本完不成这个任务。
第二个是我们之前在播客里聊到的，它们用机器人发扑克牌，做 Blackjack。我觉得这个也很有趣，是一个精细运动任务。
还有一个是拍照，这个我其实没有太多感受。
我觉得那个拍照场景挺搞笑的。就是一个有摄像头的机器，拿着另一个摄像头给人拍照。
对，它直接就可以拍。
两个摄像头。
对。还有一个任务，折纸是小脑，另外一个就是大脑：机器人在那里接乒乓球。
它考验的是整个机器人的反应能力、延迟，以及瞬间做决策的能力。我觉得它的 Demo 给我的感受，明显和其他 Demo 特别不一样。
当然，这也只是一个固定场景，更像是解决一个科研难题。
我们讲机器人，并不是说它不要去做机械手，包括机器人灵巧手。我认为这条路径上有很多值得探索的地方，也有很多场景有机会落地。
今天整个供应链已经把机械臂的价格降下来了。以前 UR 一条臂要 2 万美元、1 万多美元，现在可以卖到 3000 美元、4000 美元，当然也有竞争对手卖得更便宜。
灵巧手这件事，各个方向也都在做。用手做一些工作的路线，我一直在观察，我觉得是有机会的，而且落地可能会更早一些。
刚才你讲的 4 个任务里，折纸比打乒乓球难多了。
我还记得 2017 年，我们那个机器人把火柴“啪”一下划着了。拿着火柴盒划着以后，工程师跟我说：“老板，这在机器人界可是登月级的任务。”
因为划多了火柴容易断，划少了又点不着。它对力的掌控非常关键。
但那个时候，它是用程序式的方法写的。现在折纸，是从里面把纸拿出来，的确需要对环境做判断。
但我还是高度怀疑，它针对这个任务做了大量优化。
那肯定做了大量优化。很早以前，我因为做机器人去过很多日本的公司。他们很早就用机械臂做出一些花活，比如端着酒不洒、从中间穿过东西，甚至转魔方都可以做出来。
所以折纸这个任务，如果它是可以泛化的，或者纸张可以随意摆放，它都能完成，我觉得才会更好一些。
但他们的纸张都是提前给机器人铺好的。它仍然是在一个固定场景里，只是步骤比较长。
几年前有一个 ALOHA，不就是炒鸡蛋之类的任务吗？后来我们也在国内复现过。看它的论文，模型必须在一个固定范围内，准确率大概是 80%，再往上提升就很难。
不过，Sharpa 今天能做到这个，也不知道它的机械臂是不是有力反馈之类的东西。它要做到这样的效果，确实挺不容易。
但这里面又有问题。技术上还得认真看它用的是什么机械臂，是不是加了一些传感器，以及这些传感器贵到什么程度。
它们的机械臂很贵。我们上次聊过，它们的机械臂是 5 万美元一只手，是业界最贵的机械臂。
这就符合我的预期了。为了完成这个任务，它肯定要加非常多的东西进去。
而且这个价格还不考虑寿命、故障率等问题。
所以堆料一定可以堆出一些不错的体验。
这个讨论挺有意思。硅谷 101 过去的关注点，一直是看技术最前沿，关注做得最好的一家公司是怎么把事情做成的，但我们其实完全没有关注成本。
我觉得你对中国供应链和整个机器人产业还是挺了解的。你觉得在成本优化方面，哪些方向是成本的大头？有没有可能用很小的成本，解决一个巨大的场景性任务？
成本最大的就是机械结构，包括电机、减速器这些东西。它是物理的东西，降价没有那么快。芯片可能过两年就已经降一半了，所以芯片、传感器反而是成本里比较低的部分。
电机、减速器大概多少钱？
我们做机械臂比较清楚。比如一个七轴臂，需要 7 个谐波减速器，以前一个就要几千块钱，可能还会上万元。这也是为什么当时机械臂卖得那么贵。
我还专门去考察过，怎么才能把这个东西降下来。后来发现很难降，所以才出现了很多替代机械臂。
谐波减速器的专利应该是在 1970 年代被几大公司共同拥有的，做出来的都是侵权的，但 30 年以后就过期了。所以到了 2010 年代，这个结构的专利已经过期。
但我想说的是，这个专利都过期了，大家还在这个结构上继续打磨。你要发明一个承载力好、可以急停、减速、精度又高的新结构，到今天也没有看到太多。
中国供应链已经很厉害了，像宇树可以把价格卖到 10 万元，已经降得非常非常厉害。但我觉得也差不多了，不会像大家想象的那样持续降下去。
它最贵的零部件到底在哪里？
在燃油车时代，德国是整个汽车制造的中心，汽车发动机是它的核心工艺。电动汽车的产业链，我觉得差不多已经从德国转移到中国了，它的主要成本是电池、电机和电控，电池可能又占了一个大头。
如果我们拆分机器人的成本，你觉得哪几个部分占大头？
刚才讲的那些都有，再加上各种机械关节。关节是大头。
比如今天 Figure 用的就是谐波减速器，所以 Figure 做动作会比较慢，不如现在国产的一些使用行星减速器的产品。
谐波减速器的好处是负载比较高，拿东西可以拿得很重。如果只是表演，不需要拿很重的东西，也可以用其他方案。
整个关节成本里，每一个能动的地方都是成本。这个成本取决于你要什么。最近小鹏不是有一个机器人走路很好看吗？它的成本也很高。
如果你想让外形好看，就要付出额外成本。自由度越多，就要增加更多关节，成本也会上升；加得越多，越容易坏，可靠性也会降低。
为什么你觉得人形机器人到今天，做 Demo 看起来都不错，但仍然很难落地？
你今天看那个能折纸的机器人，确实挺震撼。但我在 2017 年的时候，就看过很多欧洲的工作室，他们做这种机器人已经做了很多年。
日本本田的机器人当时已经可以上楼梯、踢球，后来还是停产了，就是因为落不了地。
真正等到落地时你就会发现，给你点赞是一回事，掏钱购买是另一回事。贵了就很难做决策，可靠性又是另一回事。
我其实也听到美国很多厂商的抱怨。他们觉得人形机器人看起来已经很好了，但真正要落地的时候，比如想采购一个在厨房炒菜的机械臂机器人，却发现现在的机械臂都不耐磨，硬件厂商提供的物料都不行。
他们说，没有人去做耐磨优化。现在人形机器人的可用寿命非常短，今天也没有一个标准，保修也没有统一要求。
我们真正做机器人，包括把轮式机器人卖到海外，质量都是很重要的问题，至少一两年不能出问题。这件事我们也磨了很久。
它不是一个已经成熟的产业链。以前我们连一个电机都得从别的小车上去找。今天有自动驾驶芯片、游戏芯片、大模型训练芯片和推理芯片，但没有专门的机器人芯片。
机器人需要的东西太多了，各种各样。因为它还没有形成产业，所以只能从其他地方选一个。没有产业链的情况下，大家也没有大批量、高规格地生产，质量当然就不行。
今天可能只是耐磨的问题，真正落地时肯定还有很多问题。
芯片方面呢？什么芯片好用？
我们最近倒是挺诧异的。看了一下，一些中端国产芯片非常好用。中端芯片不需要那么大算力，国产的已经做得很好了。后来我们想，它们可能也是跟这个产业走得比较近。
芯片算是机器人成本里比较大的一块吗？
不算。
所以成本大的，其实还是整体制造和硬件整合环节。
今天没有一个所谓的大模型，能够直接让机器人使用。
我们可以把机器人分成两端：一端是软件，一端是硬件。你觉得在软件和硬件之间，包括中间的搭建过程中，这样的产业链完整吗？
因为我觉得很多机器人厂商，有的硬件比较强，有的软件稍微强一点，但你要开发一个软件功能，再去做一个硬件，这个硬件和软件怎么搭载起来，中间的开发平台是什么，好像都没有。
完全没有。所以这个行业整体来看，还没有统一起来。
傅盛刚才提到没有产业，我觉得这就是一个“鸡生蛋、蛋生鸡”的问题。因为如果没有产业界，很难让产品做得舒服、走得快；反过来，上下游也不愿意做。
我自己的感觉是，大家都在那里说机器人，某种程度上是想“忽悠”大家一起进来。我说“忽悠”没有任何贬义，因为这需要一定的情怀。虽然还没有看到真金白银，但希望大家进来。
我去看 Boston Dynamics 的时候，觉得它发布消息时也非常小心。我仔细看它的措辞，它说：“2027 年，客户试点项目将启动。”
任何技术我都可以这么说：“客户试点项目将于 2027 年启动。”去火星也可以这么说，什么事情都能套上这句话。而且为什么是 2027 年，不是 2026 年？不是今年，也不是明年？这一年会发生什么变化？
我看完这句话以后，心凉了一大截。
你觉得，如果机器人在工厂里搬东西，要和中国、美国的人力成本打平，大概还需要多长时间？
你说的是特定场景吗？
对，特定场景。不是人形的机器人现在已经有很多在工厂里了吗？
它们现在可以盈利吗？比如从货架上把饮料拿下来，这个还是很难。
问题在于准确率，很多场合是不能出错的。出错以后就很麻烦。
你觉得递送是一件很简单的事情？我说，递送最难的不是能跑过去，而是一天递送几百次，从来不出错。
为了减少出错，整个行业努力了三四年。
你说的递送是指什么？
比如餐厅递送、酒店递送。你看着都很简单，但前面真的打磨了三四年。
做一个 Demo，从这里走到那里可以；但在不同餐厅、不同桌椅的环境里，有时桌椅摆放变化了，它就会迷路。有时传感器也会出问题。
比如我们使用激光传感器，那时候进了 KTV，KTV 里喷了雾，机器人就迷路了。玻璃和纯黑色物体也反射不回来，你就得用视觉去处理。
你看，今天汽车的视觉系统才差不多到一个阶段，所以这里面有太多 corner case。你要让它不会迷路、不会丢失定位，也不会走到某个地方以后回不来，需要大量工程。
我把问题再收敛一下：在一个餐厅里做送餐机器人，它能不能打平一个服务员的成本？
这是可以的。但即使这样，接受度也不高。
它没有表现出特别好的性价比时，人就不愿意改变流程。对餐厅来说，你可能觉得有了机器人就能少用一个人，但服务员还得学习怎么使用机器人，很多习惯也要改。
机器人厂商可能会想，如果铺开以后供应链产能上来了，送餐机器人在国内已经做到 1 万元终端价了，但它还是卖不动。
美国有一些餐厅在使用机器人送餐。我不知道你有没有吃过 YAYOI，那些我觉得噱头更多，大家觉得挺好玩的。
是不是因为成本原因，才会引入机器人？我有点疑问。
美国人力成本高。但我觉得，让客人觉得“这个餐厅有一个机器人”，它带来的提升可能高于背后对人力成本的考量。
以我们的经验来看，在欧美这样的地方，使用送餐机器人确实会降低一些成本。但你想，餐厅老板对新事物的接受度并不一定高。
我们在全世界卖得最好的是意大利，有个代理商卖得不错。有一次我去意大利，他开车带我去了一个很远的地方。
我们那里的送餐机器人是做什么的？意大利有一个很深的潜水池，后厨离餐厅大厅很远，两台机器人就在后厨和大厅之间来回跑。
你看，这么简单的动作，实际上也是花了很长时间，才真正解决可靠性问题。
很长时间是指多长？
至少两三年。
最开始它会经常撞桌子、撞脚，或者撞到伸出来的小孩。大家就要不断改：要不要加一个向下看的传感器？要不要增加其他装置？
有时候它还会迷路。今天的送餐机器人为什么要做得那么便宜？因为它使用激光建图，但又不能使用很贵的雷达，只能使用 500 元左右的雷达。
那是单线雷达，在桌子、椅子很密集的时候，有时就不知道自己在哪里，我们叫“定位丢失”。
后来有几家厂商想出一个办法，在天花板上贴东西。所以如果你认真看，有些餐厅的天花板上贴了二维码，但那种二维码不是黑色的，肉眼看不到，是用红外线才能看到的反光标记。
它们大概每隔 3 到 5 米贴一个，使用了很多工程化的方法，才让机器人能够比较稳定地部署。我们还专门发明了那种杆子，因为有的天花板很高，可以用杆子帮忙贴。
当然，随着算力提升，很多地方慢慢不需要贴这些东西了。包括刚才说的压脚问题，也要重新改硬件配置，再增加一些装置，慢慢让它稳定、可靠地使用。
你看过酒店送餐吗？为什么国外没有？我听说电梯是一个原因。
国内你找一个电梯维修师傅，给他 2000 块钱，他就在电梯里给你装个板子。国外不行。
我们在日本遇到过这种情况，电梯公司不允许你动。你要动，先收 10 万元，每个月再收几千元。
是电梯按钮的问题，还是电梯其他方面的问题？
是电梯 Wi-Fi。现在那些电梯都是通过 Wi-Fi 呼叫的。机器人走过来说要去 5 楼，电梯给它发信息，告诉它“我到了”，然后开门。机器人进去以后，通过 Wi-Fi 按下楼层按钮，不需要用手按。
反过来说，很多地方的确不需要物理接触。我们觉得需要物理接触，实际上是因为人没有办法用脑电波传过去。今天按电梯，完全可以用 Wi-Fi 实现，但这涉及电梯改造。
海外酒店不愿意做这个事情。
不是酒店不愿意，是电梯公司不让你做，因为有合规和安全要求。
日本就是电梯厂商牢牢把控。你要让它改，首先收你大概 10 万元人民币，每个月再收 4000 到 5000 元人民币。
大家想象的是，在美国机器人可以替代一部分人力，但没有想到这些犄角旮旯、改变基础设施的费用也非常贵。
不过我想说，美国实际上大有机会。机器人在一些垂直领域，比如叠纸巾、做一个简单动作，还是有机会的，因为美国人力成本高。
我们今天送餐机器人，利润一半以上也来自海外，国内基本没有利润。
而且我觉得挺有意思的一件事是，割草机器人、泳池机器人，都是近一两年才开始大批量销往美国的。
中国厂商特别会找机会。每年亚马逊内部其实都有很多数据，可以看到当年的爆款、销量和趋势。前几年我和亚马逊沟通时，他们已经提到，美国的泳池机器人、智能喂鸟器都卖得特别好。
很快我就看见中国厂商的产品出来了，也开始打美国市场。这次 CES 上也很明显，割草机器人快速出现，我觉得这和机器人导航算法的成熟有关。
轮式机器人的导航算法，是拿送餐机器人这个例子一点点磨出来的。它本质上是在用户可接受的价格之内找到解决方案，而不是简单堆料。
当时也有投资人问过我：“你们做这种机器人导航，是不是自动驾驶团队过来就能把你们秒杀？”
我说不会。他问为什么。我说，你知道车载芯片多少钱吗？一辆车的车载芯片至少上万元。它要做自动驾驶，还要配各种传感器。
当然，今天特斯拉使用的是全视觉方案。以前一辆车要用激光雷达，现在国产车上装激光雷达，和不装激光雷达相比就贵一个档次，一个激光雷达要几千元。
但我们可能要用几千元、甚至 1 万多元的成本，把整套方案做出来。这就必须使用非常便宜的芯片。我们的芯片基本不会超过 1000 元，用 2000 元的就属于高端芯片了。
还要尽可能少用传感器，再结合一些工程算法，不完全依赖 AI，把导航系统磨出来，让它不会迷路、不会丢失定位，也不会走到那里以后回不来。
魔鬼都在细节里。今天的 Agent 也是一样，为什么它能卖那么多钱？因为它在细节里花了很多功夫，最后让整个方案可交付。
光是这样一个小东西，大家可能觉得没有那么 exciting，都需要两三年的时间。
回到人形机器人，它涉及手、脚等大量复杂部件，是一个超复杂系统，可能超出了绝大部分人的想象，坑真的太多了。
对。
我觉得今天和你的整体聊天，能非常鲜明地感受到：硅谷做前沿研究，中国做应用，这个优势特别明显。
Howie Xu
但我在硅谷，包括去年去美国以后，跑了很多机器人初创团队。我发现硅谷有一个好处，就是多样化程度很高。
除了 Figure，你能数出来做人形机器人的公司其实不多，很多创业公司并不做人形。像 Sunday 就不做人形，还有很多用轮子加两条机械臂，或者只用一条机械臂的方案。
我觉得这反而是有机会做出来的。它们从第一天开始就想着怎么卖给客户，然后反向优化。
你们也在做机器人出海。你觉得现在机器人出海最好的市场在哪里？美国、欧洲，还是东南亚？
我记得上一波移动互联网出海时，大家很喜欢打东南亚市场。如果能把美国市场打下来，它就是一个里程碑式的市场。
这一波硬件和机器人出海，和之前有什么不同？
肯定是美国。
欧洲呢？
欧洲不好做。
日本、韩国呢？日本对新技术的憧憬好像还不错。
我们在日本遇到的问题是，从我们的角度看，日本错失互联网以后，软件人才基本断档了。
所以除非你去给它做完整方案，如果让它自己做二次开发，基本上做一个东西要做一年，在上面做个 App 也要做一年，而且还不一定做好。日本人又有耐心，就慢慢改，改得我们头疼，我都恨不得帮它做了。
韩国其实还可以，但韩国市场容量比较小。我们刚才讲的意大利，送餐机器人在韩国表现也不错，但市场容量太小。
分享一个例子。你说美国市场，我们的机械臂最近有一个大客户，你知道是做什么的吗？是拿机械臂给人拍照。
以前拍照有一些固定模板，需要人工拿着设备。现在用机械臂给你拍环绕照片之类的。那是一家有几百家连锁店的客户，但你知道吗？我们和他们磨了 2 年。
也就是说，卖出一个海外大客户用了 2 年。
对。海外市场不像中国这么快，它做一些事情也比较慢。
所以为什么大家会觉得美国是一个很好的市场？
需求大，市场大，也愿意付费。人力成本高，还愿意机器人化。愿意付费，肯定是在美国。
但很多时候需要改变流程。如果只是个人使用，没什么流程改变的问题；但只要和餐饮等行业合作，就会涉及流程。
我看到美国市场总归是比较难的。比如有一个朋友，他们也是做 Deliver，也就是送餐。他说，把东西送过去没有问题，但和里面的人打交道很难，因为对方没有和机器人打交道的流程。
这对机器人来说不是最后一公里，而是“最后一米”。这个问题很大。
只要需要改变流程，就不是以天、星期或者月为单位，而是要以年为单位，才能把一个地方的一个环节改掉。
总结得很有意思。
这次 CES 我还观察到一个大的趋势，就是中国企业整体出海的情况。这次 CES 有 4000 家厂商，中国企业占 22%，是全球参展商中占比第二高的国家。
Howie Xu
只有 22% 吗？
22%。如果光从现场参展的人和展位来看，你觉得比例是不是更高？
Howie Xu
是。我觉得这个比例应该比 22% 高。
我也在想这个问题。整体感受是，今年中国厂商拿到的展位位置更好，很多大展位、装修豪华的位置都给了中国厂商。所以我们放眼望去，会觉得中国厂商很多。
但还有很多小展位，比如一排可以排十几、二十家。
Howie Xu
而且怎么定义中国厂商也很难。如果一个华人在新加坡，甚至在特拉华州注册公司，我觉得很难定义。
对。我不是消费电子行业的专家，但我觉得这就是中国的产业。
整体感觉是，大家的品牌做得已经比以前好了。过去传统 CES 放眼望去，最好的展位都是日韩消费品牌的。现在我觉得变化非常大。
比如 Insta360，人手一个包。他们赞助了会场的袋子，是一个黄色的亮袋子。
你们觉得这一轮中国公司出海，和之前有什么大的不同？有哪些方向上的变化？
一个很大的不同，就是你都看不出来这是出海公司。
确实。你甚至不知道这是一个出海公司，这已经是很大的变化了。
徐扬
很多展台前面的销售也是外国人。
我和他们聊完，回去看新闻稿才知道原来是中国公司。有时候真正懂产品的人，还是会用中文来给你解释一下，但看上去完全不像中国公司。
这本来就是一个很大的变化。越来越国际范了。
你们觉得现在去做美国市场，最大的挑战是什么？
我觉得还是要真正深入理解本土的消费者习惯、文化、渠道等。
我们当年很早就开始出海。2011 年、2012 年第一次来美国时，我觉得很新鲜。后来我还在美国路上数日本车有多少，得出一个结论：美国公司在效率型方面，可能竞争不过亚洲公司。
第一波竞争不过日本公司，第二波竞争不过韩国公司，所以我当时觉得，第三波应该竞争不过中国公司。
那时我们看的是 App。App 不需要做太多本土化，放到 App Store 上就可以，所以我们全力做海外。当时我们也投了 musical.ly，后来它被字节跳动收购，变成了 TikTok。
我昨天正好做了一个总结：我们出海经历了 3 个阶段。
第一阶段是在信息最透明的互联网行业，使用人海战术。当时我觉得，在湾区做 App，5、6 个人就算不少了，10 多个人就算比较不错的公司。我说，我可以搞 100 个人做一个工具。
所以你看，今天中国 App 的水平，我觉得已经远超美国同类产品，当时就开始了。
第二波是开始输出服务和能力。比如涂鸦，涂鸦实际是我们聚云的客户。聚云是做什么的？就是帮它实施亚马逊云，因为他们的人太贵了，而我们的工程师吃苦耐劳、成本又低。我管那个叫“吃苦耐劳的出海”。
这一波输出的是各个行业的应用能力、研发能力和运营能力。今天中国企业已经全面超越了，所以这波出海实际上有点居高临下。
我真的有这种感觉。整个品牌感已经上来了。之前中国公司出海，输出的其实还是价格优势；但这一波中国公司的定价已经很高了。
因为品牌背后是什么？是产品。不是只有价廉，而是质优，性能比别人好，价格又不是特别贵，所以品牌感就起来了。
你看看日本当年也是这么出海的。它的车当时也卖得便宜，最后慢慢做着做着，才有了雷克萨斯这样的品牌。
我觉得“吃苦耐劳”不只是价格优势。台积电能做出来，说老实话，里面有很多吃苦耐劳，但这种吃苦耐劳转化出来的并不只是低价。
它不是说因为价格低，而是能够大规模做出来。这是有能力和没能力的区别。
所以你刚才说第二波是“吃苦耐劳”，我非常好奇，第三波是什么？
不管第三波是什么，我觉得吃苦耐劳还是一个很大的差异化。
对。吃苦耐劳带来的是什么？
你的迭代速度比别人快。大家同样一年 54 周，我迭代 54 次，你只迭代 2 次，那我的经验就比你足。
吃苦耐劳最后带来的是模式领先。今天无论是研发模式还是运营模式，中国都领先。再一个，国内通过吃苦耐劳打磨出来的模式，包括供应链管理，也都是领先的。
中国内卷了这么多年，造就了这样的能力。台积电的故事我也听过，它迭代快、效率高，最后就带动了品牌和服务的提升。
品牌不是靠生拔出来的，请几个外国人，也不会让你的品牌自然变好。
回到你刚才的问题，这一波出海要注意什么？其实就是对当地市场和渠道的理解与尊重。
渠道很重要。它和中国的电商、开发布会完全不一样。当地公司最强的就是渠道，日本有自己的一套打法，欧洲也有自己的打法。
这波 AI 带来的变化，是硅谷出现了一种新的增长模式，包括社群、用户接触方式，和国内都不一样。你要做一个软件产品，也得尊重和理解硅谷新的增长模式，这和国内有很大差异。
我觉得硅谷硬件产品进入核心零售渠道，比如 Costco、Target，是一个非常里程碑式的事件。你说的确实是要尊重渠道。
还有一个要注意的，是我自己走过的坑。我们当时不是遇到过被下架的事情吗？这件事我反思了很久，对我们几乎是毁灭性打击。
但你说我们主观上做了什么错事，实际上真没有。后来我反思，当年在硅谷我们也雇了不少人，但我自己花的时间很少，高管花的时间也很少。
你没有在这里建立自己的人脉网络，甚至没有建立生态系统。你只是一个公对公的公司。当出现一些事情时，或者遇到某些问题时，大家对你的不信任感会很强。
本质上其实是误会大于事情本身。但如果你没有建立当地关系、维护人脉，或者产品比较好却没有建立生态，事情就很难处理。
为什么要尊重渠道、尊重当地渠道，和它搞好关系？就是要变成共生的关系。
比如当时 TikTok 遇到第一任特朗普政府要求下架的问题，最后不是没有下架吗？最主要是因为 TikTok 在当地有很多网红，它已经形成了一个生态。
当你理解这套规则，并且有自己的人脉和生态系统帮你的时候，才可以去处理这些事情。
你说到这个事情，我感受也很深。这一轮 AI 里，我们看到 OpenAI 和 Sam Altman 与英伟达绑定得很紧，和 AMD 也绑定得很紧，有一种铁索连环、共生的感觉。
美国人很会玩这一套。中国企业在这里做应用时，我觉得还是有一点单打独斗，没有联合起来的感觉，不太敢把自己的命运放在别人身上。
就是绑定得不够深，还是要让一点利益出去，让大家能够利益共享。
我记得当时是霍夫曼。他写了一本书，或者做了一个 PPT。那时候他在北京约我吃早餐，问我北京和硅谷有什么相同和不同。
他说了很多，比如人口、创新，但其中一个不同点特别打动我：硅谷有一个东西叫“关系”。
我说，关系不是中国人很熟悉的东西吗？他说，硅谷的关系非常微妙。
我觉得这非常好，也非常不一样。名字一样，但内涵不一样。
中国的关系，大家一起吃喝玩乐；而硅谷的关系，是一种商业网络关系。就像刚才说的，几个人联合起来形成一个关系。
你看为什么硅谷有这么多创新？因为我要创业了，几个人给我开一张支票，和你建立很好的关系。这是商业关系，不是我们理解的人情世故。
我觉得确实是这样。我自己出来做播客时，很多听众问我：你怎么约到那么多大咖和嘉宾？你自己出来做又没有流量，为什么能约到这么多人？
但我觉得在整个硅谷生态里，大家都说：“你要出来做，那我第一波支持你，我可以上你的节目。”
我当时没有任何流量，Howie 徐老师也是特别早期就支持我、上我播客的嘉宾。当时我其实没有什么影响力。那一期我们做 GPT，听的人很少。
Howie Xu
我们 6 年前就开始讲 GPT 了。
对。我觉得这确实是硅谷和中国挺不一样的一件事。
Howie Xu
还有一个可能是规则。这里的规则就是规则，它不可以被冒犯。这一点还是有差异的。
出海除了把品牌、展台设计好，昨天晚上我和一个朋友聚会交流时也说，出海的时候还是要真正扎根在这里。
如果你真想出海，一把手一定要花时间。我最大的反思，就是当时时间花得不够。增长很快，自己又不花时间，那就形同累卵，基础还是不够扎实。
徐老师长期在硅谷。其实我知道你不仅对 AI 趋势，对整个企业文化的研究也比较深。你觉得中国公司在这里可能踩的坑是什么？应该怎么规避？
Howie Xu
我讲一个中国人喜欢讲的故事，叫田忌赛马。但我觉得大家要谨慎：田忌赛马在美国不一定行得通。
田忌赛马背后反映的是不按常理出牌，不让别人觉得可以和你长期打交道。你可以玩一次，但第二次就玩不通了。
如果每件事都用这种思维去做，人家就不一定愿意和你打交道。不愿意和你打交道，本质上就是关系的问题。
这不只是吃喝玩乐，我觉得它是美国商业文化的一部分。
OpenAI 和 NVIDIA 这个例子不一定是最好的，但有很多类似的例子：一个公司的未来就是仰仗着另一个公司，把自己的命运放在对方身上。
如果换成国内公司，可能这个故事根本没人听。但在美国，这不只是一个 credible、让人可信的故事，甚至可能是一个必要条件。
所以中美都讲关系，只是大家对关系的理解不太一样。说得轻一点，是不一样；实际上是非常不一样。
徐老师讲的让我感触挺深。有时候我们很聪明，但聪明得有点太多了。
你和美国人、美国公司打交道，有时会觉得他挺笨，但实际上，他很看重一些大的东西，比如规则、诚信，以及彼此真正的尊重。
我举个送餐机器人的例子。我们当时做美国市场时发现，很多竞争对手会找代理商，说你付我 10%，我就给你多少货。他觉得今年要完成目标，只要代理商付 10%，就可以压 100 台、200 台货，这样当年的销售额就能冲得很高。
但这对渠道伤害很大，因为卖给代理商的货不一定卖得出去，最后会造成很多扯皮。
后来我和很多渠道商聊天，包括去欧洲和他们交流。我说，我们一定要尊重合作伙伴，不能为了完成销售额去压货，不能让代理商有库存。
中转的不算，就是多出来的库存。你把风险和利益压给别人，其实就是拿别人的利益给自己充值。
当然，世界很大，你可以打完这一枪再换一个地方。但我们不能用这样的思维，宁可慢一点。
而且在一个行业做久了，你会发现渠道商就那么几个，最好的渠道商更少。伤害一次，这个渠道就坏了。
这也是为什么送餐机器人在美国不好卖。我觉得和这种伤害有关，大家不太敢做这个生意，怕压货。
我们是真的做到过：有的代理商当时买了一些卖不出去，我们都给退款。在力所能及的情况下，得长远考虑这个市场，不能做短期冲业绩的事情。
短期冲业绩，确实是激烈竞争里可能产生的一种思维：先过了今年再说。但在海外市场，的确要看得更长远。
虽然刚才我们提到很多内容，至少我自己的感受是，这次 CES 没有想象中那么惊艳。但技术并不一定必须一开始就惊艳。
OpenAI 一开始也在做一些没让大家觉得惊艳的事情，可能要很长时间都不惊艳，最后才能积累到真正的惊艳。
我今天学到了很多机器人领域的坑，也非常相信机器人还比较远，这和我的直觉很符合。
但你刚才也提到了埃隆·马斯克做人形机器人这件事。我对他的一些想法还是比较赞同，因为我觉得他认为泛化很重要。
泛化虽然难，但他宁愿去啃这个硬骨头。我不是专家，只是从直觉上来说，我们 6 年前开始谈 GPT 时，我不知道你还记不记得，你问我为什么 GPT 是一个里程碑式的事情。
我当时说，GPT 让我第一次看到情境学习，也就是泛化。
我们做 AI 这么多年，都是用特定数据、在特定场景里训练出来给老板看、给客户看。看起来很好，但只要有一点变化，结果就完全不一样。这是一个很痛苦的事情。
我做了很多年，到了 2020 年才意识到，这个东西真的可以做成不需要事先考虑那么多数据、那么多场景，而是通过情境学习完成。
虽然 2020 年 GPT-3 的效果和今天还差很多，但第一次让我看到泛化是有可能的。这也是为什么我们 6 年前就说，它是一件具有时代性、意义非常深远的事情。
我对机器人还是希望它有泛化功能。今天我没有看到任何人做得很好。当然，埃隆·马斯克也不需要我的支持，但我会支持他做人形机器人。
即使今年在 CES 上没有看到让我很惊艳的产品，我仍然觉得这个方向很重要。这是我个人的看法。
Howie Xu
讲得非常好。其实我觉得两种方向都是对的。
一条路是要有方向，去解决这个世界上最难的问题，最终实现能够在任何场景下使用的通用机器人。这是一条技术、工程和科学问题交织的道路。
另一条路是在走向这条路的过程中，先养活自己，让自己能够商业化，通过一些垂直场景实现一部分应用。我觉得这也是一条路。
这两种思维不一样，但两种都需要。因为你想想，OpenAI 之所以能够把这条路走通，现在大家都已经忘了，2018 年、2019 年的时候，让你用上百万、几百万美元去训练一个模型，是一件不可思议的事情。很多人觉得这完全是浪费，即使做出来又怎样？
所以，能够用现有的落地场景，敢于去做尝试，是非常重要的。而且这两条路最终有可能发生融合。
我觉得肯定会发生融合。
刚刚我们聊的都是从业者角度，你问我对这件事的技术判断，我肯定会说，今天我不会去做。但你问我希望不希望它成功，我肯定希望它成功。
它如果真的成功，就意味着机器人的 GPT 时刻到了。那不光人形机器人会大行其道，轮式机器人也会大行其道，因为我在上面加一双手，还是可以便宜一半。这对整个行业当然是大好事。
我也在关注 Scale AI 这类专门做机器人大脑的公司。我是真心希望有一个模型，可以把很多不同硬件之间的能力泛化掉。那对我们来说就太好了。
如果能做出一个类似机器人的 Manus，我都觉得很好。
Howie Xu
行业愿景、行业可能产生突破，和我们自己要选择的路，不一定必须在一条赛道上，本来就是两回事。
你目前没有在做一个实验室，当年 OpenAI 是在做一个实验室，这本来就是两回事。
所以从这个角度来说，我还是非常期待你刚才说的 Physical AI、机器人的 ChatGPT 时刻。甚至不只是 ChatGPT，ChatGPT 之前已经让我看到，泛化是靠谱的。
而且我觉得自动驾驶这个行业也进化得飞快了，它算是某种程度上的机器人。
Howie Xu
是，它就是一种机器人。
好的，今天谢谢两位。
好，谢谢。
Howie Xu
谢谢，谢谢大家。
好的，那这就是我们今天的节目。如果大家喜欢我们的节目，欢迎在你所收听的音频渠道来订阅我们，也可以通过 B 站或者 YouTube 搜索《硅谷 101》播客来关注到我们。我是泓君，感谢大家的收听。