具身智能：为什么说它才是AI落地产业的下一张船票
去年底跑了一圈北京深圳的AI创业者，十个里有六个在谈具身智能。剩下四个，在做和具身智能相关的供应链。
风口转得比想象快。
前两年所有人都在盯着通用大模型卷参数，卷聊天体验，卷多轮对话。转了一圈才发现，纯数字世界的AI，能落地赚钱的场景就那么多，大部分公司挤破头抢企业服务的订单，价格卷得底朝天。
直到具身智能走进视野。原来AI还能这么玩。
2024全球具身智能初创企业融资分布地图
2023年下半年以来，全球具身智能领域的融资额翻了三倍还多，不管是OpenAI、谷歌这种大模型巨头，还是红杉、高瓴这种一线资本，都在往里面砸钱。特斯拉的Optimus机器人放出来的演示视频，哪怕还有很多瑕疵，也让整个行业沸腾。
核心逻辑很简单：纯大模型的竞争已经进入红海，而具身智能是把AI能力从数字世界延伸到物理世界的唯一入口，这是一块比纯AI大十倍的新市场。
具身智能多模态感知交互架构示意图
现在行业里公认的核心瓶颈有两个。第一个是开放环境的多模态融合。真实世界里没有规整好的标注数据，你看到的光线会变，物体的位置会变，甚至地面的平整度都会变，AI要同时处理视觉、触觉、力觉一堆信号，还要在毫秒级做出决策，对模型的推理能力要求比纯文本大模型高太多。
第二个是训练成本。你让机器人在真实世界里试错，摔坏一个机械手几万块就没了，训一次模型下来成本上百万，小公司根本玩不起。现在主流的方案是先在仿真环境里训，再迁移到真实世界，但是仿真和真实之间总有误差，这个gap怎么填，现在没人能给出完美的答案。
落地有多远，坑就有多大
不过话说回来，现在已经有能赚钱的落地场景了。
最先跑通的，都是封闭半封闭的商用场景。比如工厂里的柔性装配、仓储分拣，酒店里的配送，写字楼里的清洁，这些场景环境固定，需求明确，不需要应对太多突发情况，现有技术就能满足要求。
我接触过一个做商场清洁机器人的团队，他们的产品去年已经铺了二十多个商场，算下来回本周期不到两年，比传统清洁人工成本低三分之一还多，这就是实打实的落地。
当然，坑也很多。
第一个坑就是概念炒作。现在市场上大把产品，就是给传统机器人装了个大模型聊天接口，就敢叫具身智能卖高价，割一波投资人就跑。普通客户根本分不清楚，交智商税的不少。
第二个是安全和责任边界。具身智能是有实体的，要是在公共场所撞到人，在工厂里操作失误弄坏了几百万的设备，这个责任算谁的？算算法开发商的，还是算机器人生产商，还是算使用企业的？现在整个法律和行业规范都还是空白。
第三个是成本门槛。现在一套带具身智能能力的工业机器人，成本比传统同功能机器人贵两倍以上，很多中小工厂根本换不起，还要等供应链降本。
至于未来三到五年，我自己的判断是这样的。
第一，家用服务机器人还早，至少十年内不要指望能进入寻常百姓家，家里环境太复杂，不确定因素太多，现有技术搞不定，别被厂家的营销忽悠。
第二，封闭商用场景会率先爆发，五年内至少有三成的传统工业机器人会完成具身智能化改造，这块市场规模能破万亿。
第三，会跑出专门做具身智能底座的平台型公司，就像现在的通用大模型一样，下游创业者不需要自己训模型，直接拿底座改改就能用，行业分工会很快清晰起来。
AI飘在互联网上几十年了，终于要踩进真实的物理世界了。你说，这波机会，谁能不动心？
从大模型到具身，资本转向的底层逻辑
说实话，我一开始也以为这就是新瓶装旧酒，把十几年前的机器人换个名字炒概念。直到去看了东莞一家做汽车零部件分拣的工厂，才被打脸。 传统的工业分拣机器人，换一款新产品就要重新写程序，调试少则三四天，多则半个月，对于多品种小批量的生产线来说，成本根本扛不住。那家工厂装了两台带具身智能模型的原型机，换新产品的时候，工程师只需要拿着产品演示一遍，机器人自己摸索个十多分钟，就能上手做。 就这一点，一年就能给工厂省出上百万的调试成本。 你说，这样的东西，资本能不疯抢吗？2024全球具身智能初创企业融资分布地图
2023年下半年以来，全球具身智能领域的融资额翻了三倍还多，不管是OpenAI、谷歌这种大模型巨头，还是红杉、高瓴这种一线资本，都在往里面砸钱。特斯拉的Optimus机器人放出来的演示视频，哪怕还有很多瑕疵，也让整个行业沸腾。
核心逻辑很简单：纯大模型的竞争已经进入红海，而具身智能是把AI能力从数字世界延伸到物理世界的唯一入口，这是一块比纯AI大十倍的新市场。
核心不是造身体，是重新定义AI的学习逻辑
很多人一提具身智能，第一反应就是做机器人。不对。这是最大的误区。 具身智能的核心，从来不是给AI装个机械手或者轮子，而是让AI学会像人一样，在物理环境里通过交互获取知识，解决问题。 之前的大模型，所有知识都来自训练好的语料，它学的是人类已经总结好的经验。具身智能不一样，它要自己感知环境，自己试错，自己调整行动策略。就像小孩学走路，摔几次就会了，不是有人把走路的公式写进它脑子里。具身智能多模态感知交互架构示意图
现在行业里公认的核心瓶颈有两个。第一个是开放环境的多模态融合。真实世界里没有规整好的标注数据，你看到的光线会变，物体的位置会变，甚至地面的平整度都会变，AI要同时处理视觉、触觉、力觉一堆信号，还要在毫秒级做出决策，对模型的推理能力要求比纯文本大模型高太多。
第二个是训练成本。你让机器人在真实世界里试错，摔坏一个机械手几万块就没了，训一次模型下来成本上百万，小公司根本玩不起。现在主流的方案是先在仿真环境里训，再迁移到真实世界，但是仿真和真实之间总有误差，这个gap怎么填，现在没人能给出完美的答案。
落地有多远，坑就有多大
落地有多远，坑就有多大
不过话说回来，现在已经有能赚钱的落地场景了。
最先跑通的，都是封闭半封闭的商用场景。比如工厂里的柔性装配、仓储分拣，酒店里的配送，写字楼里的清洁，这些场景环境固定，需求明确，不需要应对太多突发情况，现有技术就能满足要求。
我接触过一个做商场清洁机器人的团队，他们的产品去年已经铺了二十多个商场，算下来回本周期不到两年，比传统清洁人工成本低三分之一还多，这就是实打实的落地。
当然，坑也很多。
第一个坑就是概念炒作。现在市场上大把产品，就是给传统机器人装了个大模型聊天接口，就敢叫具身智能卖高价，割一波投资人就跑。普通客户根本分不清楚，交智商税的不少。
第二个是安全和责任边界。具身智能是有实体的，要是在公共场所撞到人，在工厂里操作失误弄坏了几百万的设备，这个责任算谁的？算算法开发商的，还是算机器人生产商，还是算使用企业的？现在整个法律和行业规范都还是空白。
第三个是成本门槛。现在一套带具身智能能力的工业机器人，成本比传统同功能机器人贵两倍以上，很多中小工厂根本换不起，还要等供应链降本。
至于未来三到五年，我自己的判断是这样的。
第一，家用服务机器人还早，至少十年内不要指望能进入寻常百姓家，家里环境太复杂，不确定因素太多，现有技术搞不定，别被厂家的营销忽悠。
第二，封闭商用场景会率先爆发，五年内至少有三成的传统工业机器人会完成具身智能化改造，这块市场规模能破万亿。
第三，会跑出专门做具身智能底座的平台型公司，就像现在的通用大模型一样，下游创业者不需要自己训模型，直接拿底座改改就能用，行业分工会很快清晰起来。
AI飘在互联网上几十年了，终于要踩进真实的物理世界了。你说，这波机会，谁能不动心？ 
