原文链接： https://www.yjnt111.top/article/338

这两年AI的节奏就像开挂的游戏——刚适应了大模型，转头就来了”AI PC”；刚研究懂数据中心的电力泡沫，朋友圈里又刷屏”人形机器人”。有人喊：这可是未来的”超级风口”，谁抢先一步，谁就能赚到下一个特斯拉的钱包！

结果我去看了那场人形机器人论坛，同行们的总结只有一句话：”Scaling Law，还没来。”

什么意思？就是机器人现在还在幼儿园阶段，连小跑都不稳，还谈什么跳华尔兹呢？但别急，故事才刚开头。

一、Scaling Law的传说：机器人界的”进化飞轮”

论坛里最热的词是”Scaling Law”。翻译成人话：这玩意儿就是个”进化飞轮”。

·数据越多，模型越聪明；

·模型越聪明，用的人越多；

·用的人越多，数据就越多；

如此往复，直至飞轮转得飞快。

听起来是不是像健身？你第一天练半小时，啥都看不出来；坚持三个月，肚腩缩了点；半年后，别人都开始夸你”有型”。Scaling Law 也是这个意思——前期看不见，后期突然爆发。

现在人形机器人还在”练第一天”的阶段，连个腹肌影子都没有。别急，它只要找到合适的场景，等数据足够，聪明程度就可能指数级跳跃。

有人打趣：ChatGPT 就是AI界的马拉松冠军，可机器人现在连”短跑热身”都还没开始。换句话说，炒股的朋友们，你要想抓住人形机器人这波，还得有点耐心。

从投资视角看，Scaling Law确实是人形机器人行业最值得关注的核心指标。华泰证券在最新报告指出：”产业初期交付订单数并非关键指标，核心仍在于能否初步形成正确模型范式和数据飞轮。”认为投资者应该更关注那些在数据收集和模型迭代方面有实质性进展的企业，而非仅仅看重短期订单数量。

当前行业的真实状况是：人形机器人的正向飞轮尚未完全启动。这个飞轮应该是”大脑初步泛化→量产场景打开→硬件规模化降本→数据采集量提升→模型训练加强→Scaling Law智能涌现→大脑更智能→进一步打开需求”的良性循环。但目前还卡在第一步和第二步之间，大多数企业仍处在寻找合适落地场景和数据积累的初期阶段。

二、大小脑的双重奏：机器人不是科学怪人

一个论坛亮点是”大小脑模型”。学名叫”分层VLA架构”，听起来像黑科技，其实很好懂。

·大脑：负责思考、规划、泛化。比如我今天该去公司，还是去健身房？

·小脑：负责执行、反应。比如听见手机响，就伸手去接。

放到机器人身上：大脑告诉它”把桌子擦干净”，小脑则控制手臂和关节完成一系列动作。

这就像我们日常生活：你动脑子说”我要点杯咖啡”，但真正点单、掏手机、扫码付钱的都是”小动作”。如果只有大脑没小脑，机器人就是个”光说不练的哲学家”；如果只有小脑没大脑，它就会一直擦桌子，擦到木头冒火花都不停。

所以大小脑合体，才可能是机器人真正落地的关键。

大小脑架构之所以成为产业界的主流选择，正是因为其在当前技术条件下的工程可行性。根据华泰证券的分析，这种双系统分层VLA模型”是考虑当前有限算力、任务成功率、数据效率、实时性、可解释性等要求下的最均衡的工程路径”。

从技术角度看，这种架构的优势在于：大脑（系统2）可以使用经过互联网数据预训练的端侧VLM，以7-9Hz的频率运行，负责场景理解和语言理解；而小脑（系统1）则是一个轻量级的快速反应性视觉-运动策略，以200Hz的频率输出完整的身体控制。这种分工既保证了一定的智能水平，又满足了实时控制的要求。

对投资者而言，关注那些在大小脑协同方面有技术积累的企业可能更为明智。毕竟，单纯的”大脑强”或”小脑强”都难以支撑机器人的实际应用，只有两者协调发展才能在商业化道路上走得更远。

三、先做导游，再做裁缝：场景是最大”实习导师”

机器人到底能干啥？论坛的答案很接地气：先挑些”安全场景”来实习。

·导览和表演：在博物馆给你讲解文物，在商场给你跳段舞。这些场景要求不高，但观赏性强，能快速”刷存在感”。

·科研与教育：在实验室帮忙搬点器材，在课堂上当个互动伙伴。就像实习生，先干点杂活，积累经验。

·制造业：服装行业是被点名最多的。以前机器人搞不定”柔性材料”，一碰布料就手忙脚乱。但现在有了端到端调教，机器人居然能学会缝纫和上料。

有网友调侃：机器人这波是”先当导游，再当裁缝”，比我们很多职场新人走的路还接地气。

场景选择是人形机器人商业化的重要考量。华泰证券提出了清晰的商业化路径：”机器人落地场景率先在科研、教育、导览、展示表演等ToG场景，中期落地ToB场景，是双足机器人商业化深水区的第一站，远期再落地ToC场景商业化。”

这个路径是符合技术发展规律的。ToG场景对泛化能力要求不高，主要用于科研和场景训练，可以让本体公司在不突破软件层技术的情况下实现较快落地。ToB场景则需要一定的泛化能力，但任务相对固定，场景属于半开放状态，是目前最具商业化潜力的领域。ToC场景虽然市场空间最大，但对泛化和安全性要求极高，还需要长期技术积累。

特别值得关注的是服装制造业这个垂直领域。全球约有6000万缝纫工人，年人工成本达万亿级别，替代空间巨大。过去工业机器人在此领域应用较少，主要是因为服装面料柔性、工艺非标、款式更新快。但现在大模型的端到端架构摆脱了编程过程，使得非标劳动的替代成为可能。这个细分赛道可能会孕育出早期的人形机器人成功应用案例。

四、资本市场的热情与冷水澡

说到投资圈，人形机器人这两年堪称”流量明星”。各路资金一拥而上，恨不得明天就看到批量上市。

但问题是：脑子还没开窍，钱包先热了。

特斯拉、Figure、国内一票企业都亮出了样机，有的还接了”万台级”订单。但论坛专家泼了点冷水：别忘了，这些机器人现在还是”小学生水平”，别指望它们马上能在流水线上加班赶工。

一句话总结：机器人很性感，现实很骨感。投资人要有耐心，别把钱包烧成废铁。

目前，资本市场的热度与人形机器人行业的实际发展阶段存在一定脱节。

华泰证券认为：”从2022年特斯拉进军人形机器人赛道开始，行情经历过几轮起伏，但均是以龙头的机器人进展公布和更新催化带动的主题行情。”这种行情特征表明，市场情绪和预期在很大程度上主导了短期股价波动。

从投资角度看，当前人形机器人行业正处于”产业趋势投资前期”。这意味着投资者需要区分两类机会：一是基于主题炒作的短期交易性机会；二是基于产业长期发展趋势的价值投资机会。明智的投资者应该更关注后者，即那些在核心技术、场景落地和生态建设方面有实质性布局的企业。

值得注意的是，国内资本流向正在发生变化：从早期的硬件本体投资逐渐转向具身智能大模型。2024年下半年以来，千寻智能、穹彻智能等具身智能大模型初创企业获得亿级融资，这表明资本开始关注机器人行业的核心技术瓶颈——智能水平提升。

五、谁能第一个点亮”Scaling Law”？

那谁能第一个把机器人带进Scaling Law？论坛提到了几路选手：

·特斯拉：靠着电动车和AI积累，优势是软硬件一体化。但问题是，特斯拉自己造车还没完全忙完呢。

·Figure：硅谷创业新贵，融资凶猛，速度也快。但缺点是生态和落地能力有限。

·中国厂商：胜在制造链和成本控制，样机迭代速度极快。问题是AI大脑生态还在追赶。

所以结论是：谁能让机器人既”听得懂人话”，又”干得动体力活”，谁就能赢下第一波。

有人调侃：”未来谁家机器人能替我送外卖、帮我加班写报告，我就买谁的股票。” 听起来搞笑，但其实很接近真实逻辑：场景落地才是真命题。

在竞争格局方面，华泰证券提供了更为深入的分析：”从产业趋势上看，美国公司特斯拉和Figure等，包括国内头部企业引领机器人大模型创新方向，大脑智能随着AI的Scaling Law范式有望实现非线性提速；中国产业链公司大规模布局人形机器人赛道，以投资、并购等多种方式进行业务拓展，国内制造业企业入场有望带来硬件成本非线性下降。”

这种中美分工的格局值得关注：美国企业在AI大模型和前沿技术创新方面具有优势，而中国企业则在制造能力、成本控制和迭代速度方面表现突出。未来可能会出现”美国创新、中国制造”的产业分工模式。

对投资者而言，关键是要识别出那些能够在中美各自优势领域建立护城河的企业。在美国市场，关注那些在具身智能大模型方面有突破的企业；在中国市场，则关注那些能够快速将先进技术转化为可量产产品的企业。

特别需要注意的是，机器人开发门槛高、选型匹配难、多机协同调度及软件使用难是普遍门槛。因此，那些能够提供平台化解决方案、降低行业开发门槛的企业，如仙工智能等，可能会成为行业生态建设的重要推动者。

六、结尾：机器人，请先学会自己去买咖啡

人形机器人现在就像一个职场实习生：简历漂亮，面试官期待满满，但真上岗时，发现他还得从打印文件、泡咖啡开始学起。

未来三五年，也许它会慢慢进化成能干点”真活”的职员，再到十年后，或许真的能变成团队的”核心骨干”。

而所谓的”Scaling Law”，就是从打印小弟到项目经理的进化过程。你问我什么时候会爆发？这就像问一个孩子哪天突然懂事，没人能说死。但有一点可以肯定：一旦突破，速度会比你想象中快得多。

所以，面对人形机器人，我的建议是：别太焦虑，也别太激动。让它先学会去便利店自己买咖啡，再谈”抢饭碗”的事吧。

从长期投资视角来看，人形机器人确实是一个具有巨大潜力的赛道，但需要理性看待当前的发展阶段。若机器人行情想要复刻历史新能源车、智能手机等新兴智能终端的产业投资趋势，初步信号或在于形成了较成熟的硬件方案并开始在简单工业场景和特种应用场景落地（具备初步的泛化能力）。

这个”初步信号”可能在未来两年内出现，投资者应该密切关注相关进展。具体而言，可以关注以下几个指标：一是头部企业在简单工业场景的实际落地情况；二是硬件成本的非线性下降趋势；三是机器人大脑的Scaling Law迹象是否开始显现。

对普通投资者而言，最好的策略可能是保持关注但谨慎投资。可以适当配置一些在机器人产业链有关键布局的龙头企业，但不宜过度追逐短期热点。毕竟，这个行业还需要时间来完成从”幼儿园”到”职场骨干”的成长过程。

最重要的是要认识到：人形机器人的发展不是一个从0到1的突发事件，而是一个从1到100的渐进过程。在这个过程中，会有很多企业被淘汰，也会有很多企业崛起。只有那些既懂技术又懂场景，既会创新又会落地的企业，才能最终笑到最后。