本文来自微信公众号：小丸子酱酱酱聊商业，作者：tibimaruko666，原文标题：《重资产的机器人/AI硬件不割韭菜还能不能活》，头图来自：AI生成
最近在做一些海外项目越往里走，越发现我以前喷硬件、喷具身，有些确实喷对了，有些也是真的乱喷。这个行业里当然有很多傻子，产品没想明白就敢立项，场景没跑通就敢融资，供应链没搞明白就开始讲规模化，做个样机就觉得自己已经摸到未来。这种人现在看，还是傻子，甚至比以前看得更清楚。
但真做进去以后也会发现，做具身和硬件的人，是真的惨。这全是弱势群体啊！
这根本不是什么好赛道。外面的人天天讲机器人、AI硬件、具身智能，讲的是技术革命、产业机会、万亿市场，里面的人每天面对的，根本不是什么未来感，而是最苦逼的业务和最脏的细节。模具、认证、库存、账期、售后、返修、渠道、现金流，听起来都不性感，但每一样都能要命。
钱要一笔一笔先垫，坑要一个一个自己填，产品还没卖出去，成本已经发生了一大半；产品真卖出去了，麻烦才算正式开始。软件错了还能发版本，硬件错了就是一仓库的尸体。软件可以灰度，硬件很多时候只能灰飞烟灭。外面的人谈的是技术革命，里面的人算的是这一批货到底会不会把公司直接拖死。
做这个行业，真的不完全是聪明，也不完全是智商高。很多时候，聪明都没什么用。就是运气和命。你选的技术路线早了两年，可能死；晚了半年，也可能死。供应链突然涨价，渠道突然变脸，认证突然卡住，竞争对手突然降价，投资人突然不投了，海外政策突然改了，任何一件事都能把一个看起来还不错的项目直接打穿。很多公司不是输在产品差，也不是输在团队笨，而是现金流没熬过那个节点，市场没有在它活着的时候真正起来。
以前我总觉得，老板拍脑袋，高级打工人没能力，项目做成这样，不是蠢就是坏。现在看，确实有很多人又蠢又坏，但也有很多人，本质上就是弱势群体尤其是老板和高级打工人，看起来位置高，实际上一个比一个被动。
老板上面被资本催增长，下面被团队追工资，供应链催货款，渠道压价格，客户要账期，出了问题还要自己兜底。高级打工人也没好到哪里去，方向不是他定的，预算不是他批的，供应链不是他能控制的，项目出了问题，却要第一个站出来解释为什么没提前发现。很多人不是不知道问题，而是知道了也没用。组织没能力改，老板没钱改，时间也不允许改，最后只能眼睁睁看着事情往坏的方向走。
这个行业最荒唐的地方是，权力和责任经常是倒着长的。真正有决定权的人，不一定承担结果；真正承担结果的人，往往又没有决定权。项目成了是趋势、是资本、是团队、是时代红利；项目砸了，一定要找一个具体的人出来背。老板背公司的锅，高级打工人背组织的锅，最后大家互相埋怨，其实谁都没赢。
所以现在我还是会喷，也不会突然开始同情所有人。傻子就是傻子，烂产品就是烂产品，拿概念骗钱的也不值得原谅。但我不会再轻易觉得，所有失败都是因为人不够聪明。很多时候，人只是掉进了一个重资产、长周期、低容错、又极度依赖运气的行业里。
做具身和硬件，真的不是光靠努力和聪明就能赢。更多时候，是看你有没有钱熬，有没有命扛，有没有运气等到市场真正起来。
以前觉得他们傻。现在觉得，很多人确实傻，但更多人只是命不好。
同时，我还发现一件很不对劲的事，十几年没联系过的大学同学，突然一个个从通讯录里活过来了，开口就是：小丸子，我问一下，具身和AI这个行业我还有没有机会进去？你能不能帮我介绍份工作？你有没有WAIC的门票？能不能带我去见见谁？
我有时候看着这些消息都恍惚了。我是许愿池里的王八吗？往我这里扔个硬币，工作、门票、人脉、行业机会就都能给你吐出来？我也不是猎头，更没有那么大的脸。更何况十几年没说过一句话的人，突然上来就让我替他的人生转弯，多少还是有点看得起我了。
但这件事真正让我觉得不对劲的，不是这些人突然来找我，而是连这群八竿子打不着的人，都开始觉得具身和AI是一张可以随便买票上车的船了。说明这个行业确实起来了，至少叙事彻底起来了。媒体在讲，资本在讲，地方政府在讲，朋友圈也在讲。所有人都能看见热闹，于是开始产生一种错觉：这个行业这么大，总该有一个位置属于我。
问题是，没有。这个行业和绝大多数普通人，完完全全没有任何关系。你看到的融资、估值、展会、发布会、明星公司、天才少年，看起来像是机会，实际上只是结果。真正能进去的人，早就在几年前甚至十几年前，已经把技术、产业、供应链、资本、人脉和履历一层一层垫好了。现在你看到门开了，不代表这扇门是给你开的。很多时候，门只是开给里面的人继续往上走，外面的人只能围观。
更残酷的是，AI和具身表面上像新行业，骨子里却比很多旧行业更看出身。它看学校，看专业，看项目，看论文，看大厂经历，看产业资源，看资本关系，也看你有没有在这个圈子里提前熬过那几年无人问津的冷板凳。一个普通人到了今天，突然因为看了几篇文章、刷了几个视频，就觉得自己可以转进去，大概率不是赶上了风口，而是赶上了信息最后一棒。
你看到的东西，已经完全不属于你了，真正属于普通人的机会，往往不是所有人都知道的时候。等大学同学都开始来问，等亲戚都开始打听，等完全不相关的人都觉得自己可以分一杯羹的时候，这个行业最容易吃的那部分，早就被吃完了。剩下的不是机会，是门槛，是淘汰，是大量的人拿着过去的经验，去竞争几个并不真正需要他们的位置。
所以每次有人问我能不能进去，我都不知道该怎么回答。你说完全没机会，也太绝对；但你真说有机会，又像在害人。这个行业当然还会继续发展，也还会继续招人，但它不会因为叙事变大，就突然对普通人变得友好。
相反，越往后，资源只会越集中，岗位只会越挑人，圈子只会越封闭。很多人以为自己是在找机会，其实只是被热闹提醒了自己的焦虑。不是因为真的懂这个行业，也不是因为真的适合，而是看见别人都在往那里走，突然害怕自己错过了什么。
可惜，大多数时候，你不是错过了。是这件事从一开始，就没准备带你。
一、为什么做硬件和具身的人很惨
就拿具身这个赛道来说，2026年上半年，TOP25融资总规模已经到了518.75亿元。每月份的融资事件和金额几乎都在不断刷新纪录。今年具身智能机器人赛道的融资总额可能突破1500亿元。这个数字有多夸张？
2024年，国内具身智能全年融资大概只有137亿元，那时候已经让人觉得满地都是机器人公司，融资新闻一天一条。到了2025年，这个数字一下跳到554亿元，翻了三倍还不止。2026年更离谱，前脚刚发完融资榜单，后脚数字又变了。
智平方6月29日官宣近50亿元系列融资，估值超过200亿元；同一天，自变量机器人宣布两个多月连续完成四轮融资，估值也突破200亿元。再加上此前已经站上200亿元的星海图、它石智航，具身第一梯队的门槛，已经被硬生生抬到了200亿元以上。
赛道是真热，钱也是真多。更准确地说，这些公司也确实需要这么多钱。具身不是做个App，不是租几台服务器、招几十个人就能开始跑。它背后是本体、关节、灵巧手、传感器、算力、模型、数据采集、仿真、训练场、供应链、工厂、售后和一支贵得离谱的团队。实验室里跑起来是一回事，做出几十台是一回事，做出几千台还能不坏，又是另一回事。每跨一步，前面烧掉的钱都可能只是学费。
很多人看到几十亿元融资，会下意识觉得这些公司是在讲故事，是资本疯了。故事当然有，泡沫当然也有，但不能因为泡沫大，就假装这个行业不烧钱。恰恰相反，具身最可怕的地方，是它既可能存在巨大的泡沫，又真的需要巨大的投入。这个行业甚至不怕你融得多，怕的是你融了这么多，最后仍然不够。
但真正值得问的是它们为什么能拿到这么多钱？因为到了今天，具身融资早就不只是一个商业项目值多少钱的问题了。它已经变成了产业竞争、地方招商、供应链卡位、资本占坑和国家级叙事叠在一起的结果。大家投的也不只是某一台机器人，而是在买下一张未来可能有用的船票。
地方政府要产业，国资要落地，财务投资人怕错过下一轮，产业资本要提前卡住供应链和场景，大厂也不愿意让下一代入口长在别人手里。所有人都知道这里面会死掉一大批公司，但谁也不敢保证，最后活下来的那一家不是自己今天没投的那一家。
所以这轮钱看起来像是在投公司，实际上很多时候是在投位置。投一个创始人的背景，投一支团队的履历，投它能不能拿到下一轮，投它有没有资格进入下一张牌桌。公司今天有没有收入，产品今天能不能大规模交付，反而不一定是最优先的问题。只要赛道还在涨，只要下一轮还有人接，只要地方政府还愿意给地、给钱、给订单，估值就还能继续往上顶。
这也是为什么外面的人会觉得机会来了。每天都是几十亿元融资，估值动不动两百亿元，展会门票抢不到，发布会坐满，朋友圈里人人都在聊具身。一个行业突然显得特别大，特别缺人，特别像命运正在重新发牌。但融资越大，往往越说明这场游戏已经不属于普通人了。
因为真正能拿走这些钱的，不是今天突然想转行的人，而是那些已经在名校、实验室、大厂、资本和产业链里积累了很多年的人。钱会越来越集中到少数团队，人才会越来越集中到少数公司，资源会越来越集中到少数城市和少数关系网络里。
普通人看到的是一个新行业崛起，里面的人看到的却是门槛正在以融资速度一起往上抬。你以为融资多了，岗位就会多，机会就会外溢。实际情况很可能正相反。钱越集中，公司越愿意只招最顶尖的人；估值越高，组织越不敢给普通人试错；赛道越热，进入的人越多，岗位竞争越残酷。你看到的是行业在扩张，但对大多数人来说，真正能进去的缝隙反而在变窄。
所以那些十几年没联系的人突然跑来问我，能不能介绍工作，能不能认识几个行业里的人，我才觉得荒唐，它根本不是一张向所有人开放的招聘启事。那是少数人在牌桌上不断加注，普通人只是隔着玻璃，看见筹码越来越高。
具身智能现在基本就是三条路一起跑：本体、数据、模型。本体是终端，数据是燃料，模型是脑子，三者嘴上可以分开讲，真正做起来谁也离不开谁。问题也恰恰在这里，全栈听起来很性感，落到公司账上，就是三条战线同时烧钱，而且每一条都看不到明确的尽头。
说实话，现在傻子才去做本体。不是说本体没有技术含量，而是这东西又难、又重、又脏，最后还未必有壁垒。目前真正相对成熟的机器人零部件可能也就三分之一，最关键的灵巧手、力传感器、关节、运控，很多都还处在边做边试的阶段。
供应商送来十个样品，五个可能是坏的；更荒唐的是，供应商自己不知道该怎么测，机器人公司也说不清楚来料检测标准到底是什么。大家一边讲智能制造，一边还在拿人肉排查最基础的质量问题。一年过去了，供应链也没有发生什么本质变化。
原因很简单，机器人现在这点出货量，根本养不起一条成熟供应链。没有稳定订单，没有足够规模，零部件厂就不会为了你投入专线、检测设备和质量体系。机器人公司又嫌供应商不成熟，供应商也觉得机器人公司一天一个需求、三个月换一次方案，谁也不愿意先下重注。最后所有问题都堆在本体公司身上，自己养供应链、自己做检测、自己补工艺、自己给供应商交学费。
但最尴尬的是，本体虽然难做，却越来越难被资本认作真正的壁垒。你把一堆关节、减速器、传感器、算力板和结构件拼起来，做出一台能走、能跳、能抓瓶子的机器人，现在已经不是什么稀缺能力了。大家用差不多的供应链，做差不多的造型，参加差不多的展会，表演差不多的动作。做不出来是能力问题，做出来了也不代表你值钱。投入是重资产，结果却很容易被看成低壁垒，这才是本体创业最惨的地方。
第二条战线是数据。数量、质量、多样性、模态丰富度、标注，每一项翻译成人话都是三个字：得花钱。
行业里总有人拿大模型的发展路径套机器人，仿佛数据堆到一定程度，智能就会自然涌现。做到接近GPT-3.5级别的开箱能力，可能需要一亿小时量级的数据；想要出现更高阶能力，甚至要奔着百亿小时去。这个数字是否精确可以争论，但方向没有什么可争的：机器人需要的数据规模极大，而真实交互数据的生产成本又极高。
即便现在大家开始转向成本更低、采集更快的人类视角数据，每小时的综合成本依然可能超过百元。真按百亿小时去算，那已经不是一家创业公司的成本模型了，甚至不是一个普通产业能够承受的成本模型。更要命的是，机器人数据还不是越多越好。你让数采工厂的人天天抓瓶子、摆杯子、叠衣服，数据量确实上去了，模型未必变聪明，甚至可能因为大量单场景、单任务的重复数据变得更笨。
机器人真正需要的是几千种、上万种任务，是不同环境、不同光照、不同材质、不同物体、不同动作、不同失败方式的组合。每多一个维度，采集成本都不是简单增加，而是在往上翻倍。抓一个瓶子很容易，抓一万个不同形状、不同重量、不同摆放方式的瓶子，才刚刚摸到泛化的门槛。
再往下挖，还有多模态标注这个更深的坑。具身数据不是拍一段视频就算完事，它需要视觉、触觉、力觉、本体觉同时存在，需要连续记录机器人和环境之间的双向交互，还要给每一帧挂上关节角度、力度反馈、动作轨迹和状态变化。
互联网视频是人类生活里顺手留下来的副产品，机器人数据却是专门设计、专门采集、专门清洗、专门标注的工业品。前者几乎是捡来的，后者每一条都有明确的生产成本，这两种数据根本不在一个成本坐标系里。
第三条战线是模型，而模型现在最大的问题，不是大家不会讲故事，而是范式根本没有收敛。去年还在争VLA和世界模型谁更接近终局，今年又冒出物理模型、视频模型、动作模型、仿真数据、合成数据、真实世界数据，一年换一批词，听起来像技术进步，很多时候也像整个行业还不知道真正有效的路到底是哪一条。
大语言模型能起来，核心是互联网已经提前替它生产了几十年的文本和图片。机器人没有这个便宜可占，机器人的核心能力是物理交互，而互联网上的视频和图片，本质上只是观察数据，不是交互数据。你看一万遍人怎么拧瓶盖，不代表你真的知道手指应该施加多大的力，什么时候会打滑，瓶盖材质变化以后动作该怎么修正。
世界模型当然听起来很有前景，但它到今天还没有找到像大语言模型“预测下一个token”那样稳定、统一、可扩展的基础范式。没有一条所有人都能沿着它堆数据、堆算力，然后稳定得到更好效果的公开路径。基于视频预测的、基于隐空间表征的、基于动作条件的，每条路线都有自己的拥趸，也都在用投资人的钱验证自己的信仰。
视频路线的优势很明显，视频是继语言之后最容易规模化获得的模态，既可以当数据来源，也可以通过预测下一帧来学习物理表征。但缺点同样明显，视频的存储、传输、训练基础设施和评测成本，跟文本根本不是一个数量级。
隐空间路线效率高，但跨模态组合很难；动作条件路线更可靠，但真实动作数据又贵得要命。到最后你会发现，这些路线到底谁能赢还不知道，卖算力板子、卖服务器、卖存储、卖训练集群的人，反倒是最先把钱收走的。
在这个成本结构里，人才的钱算个屁。外面总觉得机器人公司最贵的是那些年薪百万的算法科学家，真正进去看，人才成本甚至可能是最容易计算、最容易控制的一项。硬件迭代、数据生产、算力采购、训练基础设施、供应链试错，任何一项烧起来，都比几个人的工资可怕得多。
本体、数据、模型三笔账加在一起，就决定了具身公司必须不停融资。不是老板突然变得贪婪，也不一定是投资人集体失去理智，而是这个行业在技术路线没有收敛、商业场景没有跑通以前，只能先把弹药堆满。
双足还是轮式，灵巧手到底需要几指，数据应该靠真机、人类视频还是仿真合成，模型到底走VLA、世界模型还是其他路线，所有问题都没有标准答案。每一次架构切换，都可能意味着上一代数据要重采，上一代硬件要淘汰，上一批设备直接变成仓库里的尸体。
这也是具身比自动驾驶更残酷的地方。自动驾驶至少可以先把车卖出去，再在真实道路上不断采数据。机器人现在既没有足够的销量，也没有真正跑通的通用场景。工厂、商超、家庭，每个场景都被讲得像明天就会爆发，真正落地却还是项目制、演示型和小批量。没有规模，就没有数据飞轮；没有数据飞轮，模型就难以提升；模型不够好，机器人又卖不出去。三个环节互相等待，也互相拖累。
所以这些公司为什么要一轮接一轮地融钱？因为每一次技术跃迁，都是一次重新洗牌。洗牌发生的时候，手里有五十亿元和手里只剩五个月工资，根本不是同一种生存概率。钱不一定能保证你赢，但没钱基本可以保证你先死。
更何况，这里还有一个所有人都不太愿意公开说的大变量，模型能力可能撞上天花板，工厂订单也可能迟迟不放量。一旦连续几个季度看不到真正的技术突破和商业收入，资本市场的态度完全可能在两三个季度内从疯狂追捧变成集体观望。到那个时候，再融资就不是估值高一点还是低一点的问题，而是还有没有人愿意给钱的问题。趁窗口还开着，先把弹药拿到手，是这些公司目前最理性的选择。
二、为什么这个行业必须疯狂融资
问题是，想融这么多钱，就一定能融到吗？答案已经摆在眼前：还真融到了。
背后不是单一资本在发疯，而是财务投资者、产业资本和国家队，恰好在同一个时间窗口里同时下注。财务投资者买的是一个百倍回报的故事。即便头部公司估值已经站上百亿，只要相信机器人未来会成为比汽车、手机更大的终端，就依然能算出一个足够诱人的回报空间。这个逻辑未必最终成立，但在当前阶段，它足够支撑下一轮估值。
产业资本的逻辑更现实，小米、顺为、宁德时代、博世、美团、阿里、字节，并不一定都相信今天的某一家机器人公司会成为最后赢家，但它们不能接受下一代计算终端、下一代生产工具和下一代流量入口完全长在别人手里。投一家机器人公司，本质上是在买观察权、合作权、供应链卡位权和未来的入场券。投错了损失一笔钱，不投可能错过一个时代。
国家队的逻辑则更重，这一轮具身智能的资本潮，和当年新能源汽车早期的扶持路径很像。在产业还不成熟的时候，用政策、基金、场景和订单去降低企业的试错成本，确保在未来全球竞争中不缺席。地方国资也需要项目落地，需要产业链，需要园区，需要就业，需要一个能被写进汇报材料里的新增长点。于是给钱、给地、给场景、给订单，几股力量一起把这场融资潮推了起来。
主观需求、客观烧钱和资本供给叠加在一起，让具身智能这轮泡沫看起来比很多纯概念行业扎实。它不是完全没有东西，也不是所有钱都在打水漂。问题在于，有真实需求、有真实投入、有真实技术，并不自动等于会产生真实回报。
热钱当然有热钱的道理，融资也有融资的逻辑。只不过商业世界里最危险的一件事，就是把逻辑自洽误认为结果正确。钱能让一家公司多活几年，能把三条战线同时铺开，能让它在下一次洗牌时坐在牌桌上，但钱不能替它找到场景，不能替供应链成熟，也不能保证模型一定会涌现。
这轮具身融资最大的现实可能就是：大家都知道前面有泡沫，也都知道这里面会死掉绝大多数公司，但所有人仍然必须继续往里投。因为输掉一笔投资还能解释，错过下一代产业入口，没人承担得起。
所以这不是一场谁更聪明的比赛。是看谁的钱更多、命更长，最后还能碰上一点运气。
这里真正的关键变量，其实不是机器人今天能不能跑、能不能抓，也不是硬件现在卖不卖得出去，而是数据最终能把AI的推理能力推到什么程度。只要这个答案还没出来，所有人今天做的机器人、AI硬件，终极形态就都是未知的。
没人知道未来真正有价值的东西到底是一台人形机器人、一副眼镜、一个耳机、一个手机，还是干脆藏在环境里，连具体设备都不再重要。现在大家拼命争论产品形态，很多时候跟十几年前争论移动互联网终局到底是网页还是App差不多，问题看起来很具体，其实底层变量还没成熟。
这也决定了AI硬件和机器人创业，本质上是两条完全不同的路。一条是模型思路，先去啃最难的东西，把模型能力、推理能力、Agent、多模态交互这些底层能力做出来，先不急着回答最终硬件长什么样。硬件只是模型的一个出口，今天可以装在眼镜里，明天可以装在机器人里，后天甚至可能根本不需要一个明确的终端。走这条路的人，赌的是底层能力一旦突破，终端形态会自然跟着收敛。
另一条是硬件思路，不去等那个终极答案，先从用户愿意买、愿意用、能量产、能交付、能赚钱的产品开始。先解决一个具体问题，先把供应链跑通，先把退货率压下来，先把渠道和售后做出来，再一代一代往上迭代。今天做的是一个功能明确的设备，明天再加一点智能，后天再把模型能力接进来。它不性感，但至少每一步都有收入、有用户、有反馈。
这两条路表面上都叫AI硬件/具身机器人，实际上对团队能力的要求完全不是一回事。模型路线要的是顶级人才、数据、算力、长期资本和对技术范式的判断，本质上是在赌一次底层能力跃迁。硬件路线要的是产品定义、供应链、制造、渠道、售后和现金流管理。本质上是在一个很烂、很重、很慢的现实里活下来。前者天花板高，融资规模大，成功了可能直接重新定义终端；后者更像苦生意，做成了也未必有很高估值，但至少有机会先把钱赚到。
最麻烦的是，今天很多公司嘴上走模型路线，身体却是硬件公司；融资时讲通用智能，交付时还在处理关节坏掉、摄像头偏移、售后返修。还有一些公司明明只是做一个具体硬件，却非要把自己包装成下一代平台。资本看多了以后，当然不信了。因为大家已经发现，夹在中间最危险：底层能力不够，产品又卖不动，既没有模型公司的天花板，也没有硬件公司的现金流，最后只剩一套估值叙事。
所以现在投资人越来越不愿意为“慢慢迭代、以后也许会变成平台”这种故事买单。要么你真有底层模型能力，能证明自己在参与下一代范式；要么你老老实实证明这个产品有人买、能赚钱。中间那块最容易被抛弃，因为它既没有确定性，也没有足够大的想象空间。
从这个角度看，还不如直接拥抱泡沫。至少泡沫是诚实的，它承认自己赌的是一个未知答案，赌数据、算力和模型最终会把智能推到一个全新的位置。最怕的是一边说自己不赌，一边拿着一个卖不动的硬件，讲着终局平台的故事。
现在这个行业真正的分界线，不是做硬件还是做机器人，也不是做消费级还是工业级，而是你到底在赌什么。你是在赌模型能力会突然跨越临界点，还是赌一个具体产品可以靠一代一代迭代活下来。
这两条路都难，但至少要选一条。最蠢的是站在中间，既没有能力拥抱泡沫，也没有耐心把脏活做完。同样，从这个角度再往下看，会得到一个很刺耳的结论：很多传统硬件公司的人，甚至包括大疆出来的人，也未必做得了机器人。不是这些人不聪明，也不是硬件经验没有价值，而是过去那套成功经验，到了机器人这里，很多能力根本迁移不过来。
三、为什么传统硬件能力迁移不过来
深圳硬件行业最擅长的是什么？是定义一个相对明确的产品，快速整合供应链，压成本，控交付，做量产，抓窗口，抢渠道。它训练出来的是对效率、节奏、成本和确定性的极度敏感。一个产品只要功能边界相对清楚，用户需求相对稳定，供应链能够快速成熟，深圳这套打法几乎是全球最强的。
但机器人不是一个边界清楚的硬件产品。它更像一个长期不稳定的技术系统。模型在变，数据在变，硬件架构在变，场景在变，连用户到底需要什么都没有真正收敛。今天做双足，明天可能轮式更有价值；今天强调灵巧手，明天可能先靠夹爪把场景跑通；今天的数据还能用，下一代模型架构一换，前面采的数据可能直接贬值。传统硬件最擅长的是把一个确定答案做得更快、更便宜、更稳定，机器人偏偏连答案是什么都不知道。
这不是同一种生意。
传统硬件的人才结构，往往围绕产品经理、结构、电子、供应链、项目管理、渠道和制造效率展开。机器人真正需要的，却是模型、控制、数据、仿真、算法、系统工程、场景理解、长期科研判断，以及在极高不确定性里持续试错的能力。前者强调的是把东西做出来，后者强调的是在不知道终局的情况下，一边研究一边定义产品。一个是工程收敛，一个是科研和工程同时发散。
这也是为什么很多深圳硬件团队一做机器人，就很容易把机器人做成“大号智能硬件”。先画外观，先定BOM，先找供应链，先压成本，先做发布会，再倒过来问这个东西到底能干什么。因为这是他们最熟悉的路径，也是过去反复成功过的路径。但机器人最危险的地方，恰恰是你不能太早把形态定死。形态一旦定死，后面的模型、数据和场景都会被硬件反过来绑架。
大疆的人也一样。大疆当然有极强的系统工程、控制、供应链和产品能力，但无人机的很多关键问题，在过去十几年里已经逐渐收敛了。飞控、云台、图传、视觉避障、影像、消费级产品定义，都有相对清晰的技术目标和产品目标。机器人却不是在一个成熟目标上持续优化，而是在不断怀疑目标本身。它不是把飞行器做得更稳，而是连这个机器到底该不该长成人、该不该有手、该不该进家庭都没有答案。
这背后还有一个更深的问题：硬件的生意模型，决定了硬件行业会筛选出什么样的人。
传统硬件行业奖励的是执行力、成本意识、交付能力、服从节奏、对结果负责。它不太奖励长期没有结果的探索，也很难容忍三年之后才知道方向对不对的研究。公司要出货，要回款，要控库存，要压毛利，最后所有组织行为都会被短周期经营目标塑形。久而久之，行业里最强的人，往往是最会把确定事情做快的人，而不是最会在不确定里找答案的人。
机器人偏偏反过来。它需要的人，可能要忍受长期没有确定回报，接受技术路线反复推翻，接受今天做的东西明天作废，还要愿意跨学科、反常识地重做一遍。它需要的不只是工程师，而是一批同时理解科研、产品、系统和商业的人。这种人本来就少，传统硬件行业的组织方式又很难把他们养出来。
所以问题不是深圳有没有能力做机器人，也不是硬件人天生做不了机器人。真正的问题是，过去那套让深圳硬件成功的生意模型、组织文化和人才评价标准，很可能恰恰在阻碍机器人能力的形成。
硬件行业习惯的是先把产品做出来，再找市场；机器人很多时候要先理解智能能力会走到哪里，再决定产品该长什么样。硬件行业擅长把一个答案做到极致；机器人行业最难的，是承认现在根本没有答案。这就是为什么很多硬件创业者一进入机器人，就会本能地犯错。他们不是不会做东西，而是太会做东西了。太习惯快速落地，太相信供应链，太相信产品定义，太相信过去那套“先做出来再说”的方法。
可机器人不是一个更复杂的硬件，它是一个完全不同的物种。因为大疆当年做无人机，和今天做具身，看起来都是“没人做过的新东西”，本质上却不是同一类创新。无人机解决的是一个目标相对明确的问题：怎么飞得更稳、拍得更清、传得更远、成本更低，技术路线虽然难，但最终可以被拆成一组清晰的工程指标。
大疆真正厉害的地方，让飞行器飞得稳、拍得清、传得远、操作简单、能够量产。飞控、云台、图传、视觉避障、影像系统，每一个模块都可以拆开验证，指标也很明确。稳不稳、延迟多少、续航多久、画面清不清楚、炸机率多高，最后都能被工程化。
更重要的是，无人机的任务边界相对窄。它主要是在空中完成拍摄、巡检、测绘、植保这些任务，环境虽然复杂，但交互方式有限。它不需要像人一样理解千奇百怪的物体，不需要判断一件衣服该怎么叠，也不需要面对家庭里永远变化的桌椅、宠物、孩子和杂物。无人机最核心的问题，是控制和感知；具身最核心的问题，是认知、泛化和物理交互。
但具身不是这样，它不是在一个确定答案上做工程收敛，而是连答案本身都还不存在。到底该不该做人形，要不要双足，要不要五指灵巧手，应该进工厂、商超还是家庭，靠VLA、世界模型还是别的路线，数据从哪里来，什么任务值得做，这些问题到现在都没有真正收敛。无人机当年难的是把技术做成产品，具身今天难的是，连产品到底应该是什么都不知道。
所以大疆过去那套能力，当然有价值，但它解决的是“如何把一个方向做透”；具身需要解决的，却是“这个方向到底对不对”。前者是工程能力、供应链能力和产品化能力，后者还要叠加模型、数据、科研判断、场景定义，以及在长期不确定里反复推翻自己的能力。
这也是为什么不能简单理解成，大疆能做好无人机，所以大疆的人天然就能做好机器人。无人机是一个复杂硬件，具身却不是复杂度更高的无人机。它不是多几个关节、多几个传感器、多一套算法，而是从产品定义、技术范式、数据闭环到商业模式都还没有答案。
大疆当年面对的是一个尚未被做好、但已经知道该往哪里走的行业。具身今天面对的是一个连终点长什么样都没人知道的行业。所以，机器人不是更复杂的硬件，而是另一套完全不同的认知体系、组织体系和生意体系。
这两者不是一个难度坐标。大疆当年的优势，恰好和无人机的产业阶段高度匹配。深圳供应链能快速提供电机、电调、电池、相机、结构件；大疆自己再把飞控、云台、图传和软件体验做深，最后把一个专业设备变成消费产品。它本质上是在一个技术方向已经大致成立的基础上，把系统做得更完整，把体验做得更简单，把成本打下来。
大疆不是凭空发明了飞行器。多旋翼、航模、GPS、MEMS传感器、锂电池、无刷电机这些基础条件都已经存在。它真正厉害的地方，是把一堆原本分散、难用、不稳定的技术，收敛成一个普通人可以买、可以飞、可以拍的完整产品。
具身现在偏偏还没到这个阶段。今天做具身，连产品答案都没有。到底应该做双足、轮式还是移动操作臂？要不要灵巧手？进工厂、商超还是家庭？模型靠VLA、世界模型还是端到端控制？数据靠真机、遥操作、人类视频还是仿真？这些问题没有一个真正收敛。
大疆最擅长的，是把一个已经存在但做得不够好的答案，做到极致。具身现在要解决的是，这个答案到底存不存在。
这就解释了为什么“大疆的人”未必天然适合做具身。大疆体系训练出来的人，很多非常擅长系统工程、供应链、质量、产品定义、成本和交付。他们能把一件复杂的产品压到可量产、可销售、可复制。但具身早期需要的，不只是把东西做出来，而是允许团队长期不知道自己到底在做什么。
今天做出来的人形本体，明天模型一换，结构可能要重来；今天采的数据，明天范式变化，可能大面积失效；今天认为必须有五指灵巧手，半年以后可能发现两指夹爪反而更能落地。这种状态对传统硬件组织非常痛苦，因为传统硬件公司习惯项目立项、冻结方案、锁定BOM、推进量产。具身却可能永远处于“不能冻结”的状态。
还有一个很现实的问题，大疆当年不是“大疆的人做成了大疆”，而是一群人在一个特殊时间点，围绕一个极强的创始人和高度集中的组织，建立了一套适合无人机的系统。
后来从大疆出来的人，带走的往往是某一段能力，不是整个系统。有人懂云台，有人懂飞控，有人懂供应链，有人懂渠道，但具身需要模型、数据、控制、本体、仿真、场景和商业化重新拼成一套新系统。大疆的履历只能证明他在大疆体系里做过一件难事，不能证明他脱离大疆以后还能重新定义一个行业。
大公司履历最容易制造的一种错觉，就是把平台能力误认成个人能力。很多人在大疆能把产品做出来，是因为前面已经有品牌、供应链、质量体系、资金、人才密度和决策机制。离开这套系统以后，他才会发现，自己过去负责的是一段，不是全部。
当然，这不意味着大疆的人一定做不了具身。恰恰相反，大疆出来的人在控制、感知、工程化和量产上，仍然比大多数创业团队强。但前提是他们必须承认，具身不是把无人机换成两条腿，也不是把飞控经验平移到机器人。
真正能做成的人，需要把过去那套成功经验先放下一半。不能太早定产品，不能太相信供应链，不能把量产能力当成技术壁垒，也不能以为系统集成能力可以替代模型和数据能力。
大疆当年赢，是因为它赶上了一个技术已经可以产品化、但还没有人把产品做好做透的窗口。具身今天的问题是，技术可能还没有真正到产品化的那一天。
大疆擅长的是把答案做到极致。具身现在最缺的，是先有人找到答案。
具身真正的好人才，不是“会做机器人”的人，也不是“做过大疆、特斯拉、英伟达”的人，更不是论文多、学历高就自动成立。这个行业最缺的是一种很反常的人，既能接受长期没有答案，又能不断把问题往可验证、可交付的方向收。
首先，他必须理解模型的边界。知道今天的模型能做什么、不能做什么，哪些问题靠数据能改善，哪些问题其实是硬件、控制、场景设计的问题。最差的人是动不动就说“模型能力上来以后都会解决”；另一种同样差的人，是觉得只要把结构、关节、供应链做好，智能自然会出现。好人才不会迷信任何一边，他知道具身不是模型套一个壳，也不是硬件加一点AI。
其次，他必须有系统能力。具身最怕的是每个人都只懂自己那一段。模型团队怪数据，数据团队怪硬件，硬件团队怪控制，控制团队怪场景，最后机器人站在那里反复摔。真正厉害的人不一定每个模块都亲自做，但能看懂感知、模型、数据、控制、本体、场景之间怎么互相制约，能判断一个问题到底卡在哪里，而不是把所有问题都推给下一个部门。
更重要的是，他必须能把失败变成有效信息。机器人摔一次、抓失败一次、任务中断一次，不只是一个bug，而是一次数据。差团队的失败只是失败，修完就过去；好团队会追问，是感知错了、动作规划错了、摩擦模型不对、力控不够、训练分布没覆盖，还是任务本身就定义错了。具身真正的壁垒不是机器人成功做了多少次，而是团队从失败里收敛得有多快。
这类人还得有很强的场景判断，不是听到“家庭”“工厂”“商超”就兴奋，而是能把任务拆到足够具体：谁在用，什么时候用，失败一次值多少钱，需要多高成功率，现场允许不允许人工兜底，部署成本多少，维护频率多少。一个任务如果说不清这些，基本就不是场景，只是演示。好人才会主动砍掉宏大叙事，把“通用机器人”缩成一个可以闭环的具体动作。
真正难得的，还有人格和认知上的稳定。他不能太迷恋自己的路线。今天做双足，半年后发现轮式更合理，得敢改；今天信世界模型，验证后发现动作条件路线更有效，也得换。具身最怕一群聪明人为了证明自己当初是对的，把公司拖死。这个行业需要的不是信仰坚定，而是证伪速度快、 ego 小、承认错误不心疼。
所以，具身好人才大概有几个共同点：懂模型，但不神化模型；懂硬件，但不迷恋形态；懂数据，但知道数据不是越多越好；懂场景，知道用户不会为技术理想买单；懂系统，能跨部门找到真正瓶颈；最重要的是，能在长期不确定中持续做出小的确定性。
怎么才能做好？第一步不是搭豪华团队，也不是先融一大笔钱，而是先选一个真正值得机器人解决、又足够窄的任务。任务越泛，数据越贵，评测越模糊，产品越容易变成展会道具。先把一个具体动作做到稳定、可重复、可维护，再扩展任务边界。
第二，要先建立评测，再谈迭代。成功率、任务完成时间、人工接管率、故障类型、硬件寿命、单位任务成本，都要有清晰记录。没有评测，所谓进步大多只是视频拍得越来越好看。
第三，数据、模型和本体必须做成一个闭环。硬件设计要服务于数据采集和模型控制，模型训练要反过来影响传感器、自由度和结构设计，真实部署又要不断回流失败数据。三支团队各做各的，必死。
第四，不要太早追求“像人”。形态不是信仰，是任务函数。两指夹爪能解决的问题，不要先上五指灵巧手；轮式能解决的问题，不要为了估值硬做双足。具身公司最容易犯的错，就是先决定机器人长什么样，再去找它能干什么。
第五，组织里必须有一个真正的系统负责人。他不只是项目经理，也不只是技术负责人，而是能在模型、控制、硬件、数据、场景之间做取舍的人。具身不是靠几个明星科学家拼起来的，它最后一定靠一套强系统把不同能力压成一个可用产品。
最后，资本纪律也很重要。这个行业当然烧钱，但烧钱不等于可以没有边界。每一轮融资都应该换来明确的能力跃迁：成功率提高了多少，任务扩展了多少，单位部署成本降了多少，数据效率提升了多少。只换来更大的办公室、更漂亮的本体和更热闹的发布会，那不是研发，是延期死亡。
具身真正的好人才，不是最会讲未来的人，而是能把一个看起来没有答案的问题，一点点压成可验证、可复现、可交付结果的人。
真正做好具身，也不是谁最聪明，而是谁能让模型、数据、硬件、场景和组织少互相拖后腿，最后形成一个越来越快的闭环。
同时，再提一句，AI智能硬件这个赛道，煞笔团队和煞笔项目是真的多，而且还不是一般的多。融资融不到什么大钱，产品也没卖出去几台，吹牛逼倒是一套一套的。词越讲越大，货越卖越少。最离谱的是，这群人还特别喜欢听一些根本没卖过货、没做过渠道、没碰过售后的人瞎吹，几个人互相抬轿子，现在资本也开始不信了。
以前还能靠一个大厂团队、一段演示视频、几张工业设计图和一套“重新定义交互”的故事拿钱，现在投资人多少也吃过几次亏，开始问最难听、也最现实的问题：到底谁买，为什么买，在哪里卖，渠道凭什么推，毛利够不够，退货率多少，库存谁扛，售后谁管。很多团队一聊模型、一聊技术、一聊未来，能说两个小时；一问这个产品怎么卖，三句话就露馅。
AI智能硬件最核心的能力，根本不是把AI三个字贴到一个硬件上，也不是先把故事讲圆，而是怎么尽快把货卖出去。不是送测，不是刷榜，不是找几个媒体发稿，也不是靠一轮投放做出假繁荣，而是真实用户愿意掏钱，渠道愿意进货，卖出去以后不会成批退回来，下一轮还能继续补单。卖货能力不成立，后面的数据、迭代、生态、平台，全是屁话。
而且AI智能硬件只能做红海。越是看起来没人做过、没有竞品、没有成熟需求的所谓蓝海，越要小心，因为很多时候那不是蓝海，是根本没有人需要。真正值得做的，反而是已经有人付钱、已经有渠道、已经有明确场景的老品类，只是产品还不够好、体验还不够顺、智能化还不够深。红海至少证明需求是真的，蓝海很多时候只是证明创始人想象力很丰富。
最可怕的是，这群人ego还特别大。产品没卖出去，先觉得市场不懂；用户不买，先觉得用户教育不够；渠道不进，先觉得渠道太传统；投资人不投，先觉得资本短视。所有人都有问题，只有自己没问题。明明只是做了一个没人要的东西，却总觉得自己比用户早看懂十年。
AI智能硬件不是不能做，但这个行业容错率极低，死亡速度又特别快。库存、账期、返修、渠道费用、售后成本一起压上来，不会卖货，不是增长慢一点，也不是下一轮融资估值低一点。
是马上死亡。
最后，再回头看这轮具身融资，钱当然是拿来烧本体、数据和模型的，但只从“研发需要钱”去理解，还是太单纯了。很多融资同时还承担着另一项任务：把一家尚未形成稳定收入、订单和利润的公司，提前做成港股能够承接的资产。
本轮每股价格，乘以融资完成后的完全摊薄总股本，就是账面上的投后估值。如果后面再有产业资本、地方国资或者头部机构，继续按照这个价格认购新股，估值就会被进一步坐实。公司既拿到了足以继续烧两三年的弹药，也完成了股改、股东结构调整和估值抬升，为后面的港股申报铺路。
这也是为什么很多具身公司一年能融十轮、十二轮。表面上看是公司太缺钱，实际上一轮轮融资同时在完成三件事：补现金、抬估值、换股东。前面的财务投资人负责发现项目，后面的产业资本和国家队负责给估值增加信用，最后再把公司装进一个港股能够理解的架构里。估值解决的是市值门槛，产业资本和地方政府则负责补足订单、场景、收入、毛利和回款这些资本市场最终还是要看的东西。这几套工具经常会被放在同一张上市路线图里设计。
所以所谓“融资估值超过200亿元”，很多时候并不意味着这家公司已经拥有200亿元的真实商业价值，而是一级市场正在主动把它塑造成一项可以被香港二级市场接住的资产。前面用小额高价融资建立估值锚，中间用连续大额融资完成股改和股东背书，后面再用政府场景、产业订单和关联生态，把收入、毛利、回款一点点做出来。
说到底，一级市场正在提前替二级市场加工资产。18C提供通道，融资提供估值锚，产业资本和地方国资提供信用、订单与场景。只要三套东西能够在同一个时间窗口里对上，公司就有机会在真正完成商业化之前，先完成资本化。
硬件真的很难玩这个赛道，甚至可以说，单纯靠硬件思路，基本玩不了。
不是硬件不重要，恰恰是硬件太重要、太苦、太贵，但又最容易被替代。最后资本看你的时候，还是会问一句：模型是谁的，数据从哪来，智能怎么持续提升。你把最脏、最重、最难交付的活都干了，真正决定估值上限的东西却未必在你手里。
传统硬件最擅长的是把一个确定的答案做得更快、更便宜、更稳定。但具身的问题是，答案根本还没有出现。模型路线没收敛，数据范式没收敛，产品形态没收敛，连最终场景都没收敛。硬件公司最熟悉的立项、冻结方案、锁BOM、开模、量产，在这里都可能变成负担。因为你刚把这一代做出来，下一代模型一换，传感器要改，关节要改，形态要改，前面的投入直接变成沉没成本。
更惨的是，硬件团队往往最早花钱，最晚被认可。本体先投，模具先开，供应链先养，售后先背，库存先扛。硬件公司最后只能解释这一批货为什么还没卖出去。别人卖的是预期，你卖的是库存。
所以这不是“硬件人能力不够”，而是硬件这套生意模型天然站在最弱势的位置。投入最重，周期最长，毛病最多，估值反而最低。做成了，别人说你只是整合供应链；做不成，所有锅都是你的。最核心的模型不在你手里，最值钱的数据也未必沉淀下来，最后还要替整个行业承担质量、交付和售后的风险。
这个赛道对硬件最残忍的地方就在这里：你干的是最累的活，背的是最大的锅，最后别人还觉得你没有壁垒。
本文来自微信公众号：小丸子酱酱酱聊商业，作者：tibimaruko666