人形机器人，一场被高估的豪赌
一、泡沫不是坏事，但看不清才可怕
资本正再次拥抱“仿人幻想”。
Figure估值390亿美元、Apptronik融资4.5亿美元，特斯拉计划量产Optimus又被曝停产。
然而，就在这场盛宴达到高潮之际，麻省理工学院机器人学奠基人 Rodney Brooks 泼下冷水：让机器人靠看视频学会像人一样操作，是纯粹的空想。
Brooks不是杞人忧天。他在机器人领域深耕四十年，是iRobot创始人，也是麻省理工AI实验室前主任。他指出：人形机器人的核心难题不在算力，而在 触觉与能量物理。
人类手部拥有约1.7万个触觉感受器，而现有机器人几乎没有真正的“皮肤”。
语音识别与图像识别能爆发，是因为有几十年沉淀的数据；
而触觉世界里，我们几乎从零起步。
因此，所谓“端到端模仿学习”其实是在空气中造摩天楼——漂亮，却不稳。
更严重的问题是安全。
一台成人身高的机器人若摔倒，其动能是普通家用电器的数十倍。
Brooks冷静地指出：若尺寸扩大一倍，摔倒时释放的能量将增加八倍。
这不是诗意的比喻，而是产业的警钟。
AI的第一幕靠算力爆发；第二幕靠模型规模；
但第三幕——让机器在物理世界自由行走——成本指数级上升。
二、技术的盲点：AI遇上物理的硬边界
AI的优势在数字世界，但人形机器人属于物理计算的极端测试场。
Brooks的质疑触到了这一根本：我们正试图用“算法逻辑”去解“物理难题”。
1. 数据断层
图像有ImageNet、语言有Common Crawl，而触觉？没有任何标准化数据集。
一个机器人学手势需要采集上百万次接触数据，且每次都与环境、材质、温度相关。
这意味着AI无法像识图那样“预训练”，只能被迫重新学习世界的摩擦力。
2. 能效困局
人形机器人在维持平衡时能量消耗极大。
Boston Dynamics的Atlas一次跳跃就需要几百瓦功率，Optimus若连续工作8小时，将消耗超10度电。
这对电池密度、散热、伺服驱动都是极限考验。
3. 安全与责任
当机器人在公共环境中跌倒、误伤人类时，责任链条如何界定？
这不仅是技术问题，更是监管与保险问题。
欧美目前缺乏人形机器人商用安全标准，中国也刚刚起草《具身智能安全规范》。
可见产业仍处于“无章可循”的早期探索期。
Brooks的结论因此并非悲观，而是理性：“触觉数据不足、能耗过高、安全未定——这条路还早。”
三、资本的宿命：总有人要为未来买单
历史告诉我们，每一场科技革命都需要“敢死队”资本。
只是，这一次赌局的赔率异常高。
1. 泡沫的三层结构
人形机器人赛道的资金结构，大致可以分为三层：
最上层是科技巨头。它们押注人形机器人，不是为了短期利润，而是为了抢占AI的“具身接口”，构筑未来生态闭环。对它们来说，这是一场五到十年的战略布局——谁先拥有具身智能的入口，谁就能主导AI与现实世界的交互标准。
第二层是产业资本。这些资金更关注三到五年的周期，希望在人形机器人技术逐步落地时，抓住“AI落地第一波红利”。他们的逻辑是：即便通用人形暂时无法量产，局部应用（如仓储、物流、协作臂）仍能提前兑现商业价值。
最下层是金融资金。它们的周期最短，只看三到六个月的估值波动与题材溢价，目标是在AI叙事的高热期赚取短期回报。正是这部分资金，使人形机器人概念在二级市场迅速被炒热。
问题在于，这三层逻辑被混在一起炒——长线战略与短线套利交织，使得行业估值既被高估，也被误读。
2. 风险溢价与估值扭曲
Figure在一年内估值暴涨十倍，从26亿美元到390亿美元；
Apptronik自谷歌入股后，融资额超4.5亿美元；
特斯拉Optimus的“演示视频”一夜之间让股价上涨2%。
但这些公司目前均无量产、无营收、无明确B端合同。
资本市场正在用“英伟达逻辑”定价一项尚未商业化的技术，
这正是泡沫的本质：故事先行，现金流滞后。
Brooks的提醒是冷静的：“实验室的成功，不等于市场的成功。”
四、风险与机会：打水漂的钱换来的确定性
泡沫并非全无价值，就像2000年的互联网泡沫，虽然摧毁了90%的公司，却留下了Amazon、Google和宽带基础设施。
人形机器人泡沫同样在构筑未来AI的“物理基建”。
1. 技术溢出路径
柔性触觉与力觉传感器：决定机器人安全与精度，国内已有企业在车规级应用中试水。
低功耗伺服驱动与精密减速器：日本占据70%市场份额，中国若实现部分替代，将打开千亿空间。
跌倒防护与姿态恢复算法：军工、工业安全、灾难救援等高价值领域需求旺盛。
高能量密度电池与热管理模块：与AI服务器液冷技术一脉相承，是未来“具身能源”的基础设施。
2. 投资者的正确姿势
第一层：前沿试验型资本
用小比例资金下注通用人形机器人，关注核心技术突破与专利储备。
第二层：产业延伸型投资
配置伺服电机、传感器、动力电池、AI控制芯片等“通用组件”企业。
第三层：现金流型投资
聚焦能快速落地的垂直机器人场景——仓储、物流、康复、制造线协作。
换句话说，别去追能走路的“人”，要投能让它走稳的“腿”。