具身智能下一轮洗牌：大脑终局不超5家，谁的百亿估值站得住？

「一手判断」栏目，是虎嗅访谈 AI 从业者，给出的一线独家见解，首发于小程序“虎嗅嗅”的“AI 100”

本期受访者：刘爽｜天创机器人董事长

如果给你100亿元，投资具身智能产业链，你会怎么分？

刘爽的答案很明确：

60亿元投大脑，30亿元投零部件，10亿元投应用。

他坚持认为，未来真正头部的具身大脑公司，可能不超过5家。

刘爽作为董事长经营的天创机器人，长期深耕电力、石化等工业场景。

公司并没有选择从零训练通用基础模型，而是希望把已有的工业数据、场景和交付经验，与新一代具身大脑结合起来。

既然如此，他为什么仍然愿意把最多的钱投给大脑？

刘爽进入机器人行业前，曾在中国广东核电集团从事设备管理和可靠性相关工作。天创后来长期进入电力、石化等工业现场，从巡检机器人一路走到VLA、世界模型和工业具身。

这段经历让他同时站在两条产业路径上：一边是过去依靠可靠性、工程和交付成长起来的机器人公司，一边是今天依靠大模型、算力和资本迅速崛起的新一代具身企业。

在交流中，他谈到了具身大脑的长期价值，也提出了一套判断商业化进展的方法。

贯穿这些观点的，是他对产业发展路径的清醒认识：

终局可以很大，但从Demo到真实生产力，那些中间必须要解决的技术与商业问题，并没有一步可以省。

一、50万亿美元的物理AI想象，具身智能却未必有ChatGPT时刻

2025年初，英伟达创始人黄仁勋提出，物理AI有望变革规模达50万亿美元的制造业和物流业，并表示通用机器人的ChatGPT时刻即将到来。

这里的50万亿美元，指物理AI（包含具身智能）有望影响的现有产业规模，并不是未来机器人市场能够直接创造的收入。

刘爽同样看好这个长期方向。在他看来，即使这一代人未必看得到最终结果，机器人进入千行百业、千家万户，依然可能是一个确定性的长期趋势。

但他并不认同，具身智能一定会迎来某个突然发生的“ChatGPT时刻”。

“终点大家很有信心，很有理想，很有信仰，路径大家其实是在模糊化的。”

今天，VLA、世界模型、World-Action Model都在快速演进，但未来真正承担机器人认知、空间理解、动作决策和物理执行的架构究竟是什么，仍没有完全收敛。

机器人也不同于纯数字世界里的AI。它不仅要理解任务，还要真的把动作做出来，要面对机械结构、执行精度、推理成本、安全和真实环境中的异常。

因此，刘爽认为具身更可能依靠真实场景与数据飞轮，实现渐进式发展。

“它一定是渐进性的技术路线。所以今天所有这些东西必须要有人做，不可压缩、不可跨越。”

这也是为什么，他并不否定今天大量科研验证、数采设施和产能建设的意义。即使某些产品暂时无法以合理成本和可靠性进入生产，这些投入也可能是产业成熟所必需的基础。

传统自动化同样经历了科研验证、Demo、成本下降、可靠性提升，最后才逐步进入大规模工业应用。具身智能不会因为模型更强，就自动跳过这些阶段。

区别只是，这一次决定产业成熟速度的变量更多了：模型、算力、数据，以及是否拥有足够多愿意长期开放的真实场景。

二、30秒消耗4000万Token：大模型会控制机器人，但谁来付账？

最近，天创进行了一次内部测试：

团队将GPT-6 Astra与机器人本体完成适配。在几乎没有针对具体任务重新训练的情况下，模型已经能够理解语义指令，并控制机器人执行一些简单动作。

更明显的变化发生在失败以后。

在一次搭积木实验中，部分传统VLA模型在第一次执行失败后，可能继续沿用此前的错误路径。而在这次测试中，模型第一次失败后，第二次主动调整了策略。

这让刘爽看到了超级通用模型在任务理解、空间理解和推理规划方面的进步。

但另一个数字同样醒目：一次约30秒的内部Demo，消耗了接近4000万Token。

作为对照，天创给一名工程师配置的月度Token额度约为1亿。仅仅一次几十秒的任务，就消耗了将近“半个月”的计算资源。

这不代表所有模型的普遍成本，却揭示了一个问题：

模型越来越聪明，不代表直接用它控制机器人的每一个动作，就一定划算。

过去讨论机器人成本，行业更多关注本体、电机、电池、运维和人工。但如果未来机器人越来越依赖Foundation Model（基础模型），推理算力也将成为持续运营成本。

一台机器人工作一小时，究竟需要消耗多少Token？

刘爽的回答很直接：“技术上是行得通的，经济性上不一定划得来。”

而且，算力成本之外还有能力边界。

大模型擅长理解、决策和推理，但不天然擅长精密控制。传统控制技术在精确测量、实时反馈和执行精度方面，仍然具有独特优势。

因此，更现实的机器人系统，可能是让大模型承担高层认知与复杂任务规划，由轻量模型和传统控制系统完成大量高频执行。这也解释了天创目前的技术选择。

现阶段，天创仍以VLA作为主要决策模型，并利用世界模型的预测能力，补充空间理解。刘爽将这种融合比喻为给机器人“多了一个眼睛”。

不过，他认为VLA的部分能力瓶颈正在显现，而世界模型在空间理解和物理预测方面，还有较大的探索空间。

未来两条路线未必相互取代，也可能进一步融合。

工业场景还多出一道硬约束：安全。

模型内部可以失败、预测、重新规划，但真实工业现场不能允许机器人用撞坏设备、碰到人或者造成危险事故的方式完成“试错”。

所以刘爽认为，真正执行动作以前仍需要独立安全约束。

模型可以不断变聪明，但工业真正需要证明的是：

这种智能能不能被安全、稳定，而且经济地使用。

三、大脑终局或不超5家，但高估值只该留给真正的头部公司

回到开头那笔假设投资。为什么大脑值得如此高的投入？

刘爽有一句非常直接的话：

“你没有万卡，你凭什么能做基模？”

在他的判断中，真正从零构建具身基础模型，和训练大语言模型一样，需要长期投入大规模算力、数据和算法资源。

而机器人面对的视觉、空间与多模态物理信息更加复杂，可能进一步抬高算力门槛。

因此，他认为，真正从零研发基础模型的头部企业，需要具备集中百亿级资本、建设万卡乃至十万卡级算力集群的能力。

真正做基础模型，与在已有模型上做后训练，并不是同一种生意。

刘爽把具身大脑与GPU、操作系统作过类比。

如果未来真的出现可以跨本体、跨场景复用的通用大脑，它就具有明显的平台属性，最终很可能向少数公司集中。

这也是他判断：真正头部的具身大脑公司，最终可能不超过5家。

但这并不意味着所有名字里带“大脑”的企业都应该获得高估值。

他真正担忧的，是资本“撒胡椒面”：大量公司分别获得数亿元、十几亿元融资，却没有足够资源完成持续的基础模型研发。

与此同时，他认为具身产业链其他环节的价值也会重新排序。

刘爽明确判断，当前部分机器人本体和标准零部件企业的估值可能偏高。

尤其是一些未来可能高度同质化、产能扩张又相对容易的标准零部件，其长期附加值未必能支撑今天快速上涨的估值。

相反，真正掌握客户、场景和持续交付能力的企业，市场价值可能没有被充分体现。

这也是为什么，刘爽并不认同所谓“新一代具身公司将取代上一代机器人公司”。

较早成长起来的机器人企业，积累的是本体、供应链、客户和现场交付；新一代公司拥有的则是基础模型、AI人才和更强资本能力。

两类企业真正进入产业阶段后，反而会各自暴露短板：

前者需要吸收新一代大脑能力；后者需要补齐制造、客户理解和长期交付。

刘爽把这个判断概括得很直接：

“翻转不一定会有，但是交叉一定会有。”

天创自己的路径就是一种交叉。

它并不从零训练Foundation Model，而是利用外部基础模型，把多年积累的工业数据、行业知识和安全能力通过后训练叠加进去，形成面向具体场景的“垂域大脑”。

刘爽把它称为：“大脑和应用兼容。”

针对一些具体工业任务，天创会先在自己的工厂里搭建类似客户现场的环境，提前采集数据、训练原子技能；再进入真实现场，与客户的具体工艺和生产流程结合。

这里真正形成壁垒的，就不再只是模型本身，而是模型如何进入客户流程，并在一次次部署中持续形成新的数据与能力。

四、真机数据像30年老酒，但机器人不能只靠“原浆”训练

今天，真实机器人数据被视为具身智能最重要的资源之一。

但刘爽认为，真正困难的不只是“采更多小时”，而是获得高质量、多模态、能够正确对齐的真实物理数据。

语言数据天然高度结构化；机器人面对的物理世界则同时存在视觉、触觉、力觉、声音、空间和动作反馈。

这些信息不仅要被采集，还要在时间和空间上正确对应。

刘爽介绍，天创部分工业巡检系统可以同步获取6—8种模态的信息，而且都来自同一次真实作业过程。

不过，这并不意味着具身模型应该无限依赖真机采集。

刘爽用了一个很形象的比喻：

真机数据像30年老酒的原浆。

质量高，但太贵。

如果所有任务都依靠真实机器人一小时一小时采集，成本很难支撑大规模Scaling。

因此，高价值真机数据更适合充当锚点和关键训练依据，同时还需要Ego、UMI等来自真实物理环境的高保真数据。

按照他的经验判断，真实物理世界来源的数据应该占训练主体，可达到60%以上；仿真则更适合作为10%—20%的辅助增广。

这里的60%，并不是“纯机器人动作轨迹必须达到60%”，而是一个更宽泛的真实世界数据口径。

数据能不能复用，又是另一层问题。

不同机器人拥有不同关节、电机、动力学和控制方式，一台机器人的动作轨迹，并不能天然被另一台机器人直接使用。

越接近具体关节和动作的数据，本体依赖越强；越接近环境理解和任务层的数据，跨本体潜力越高。

所以，比“数据有没有”更重要的问题是：数据究竟在描述世界，还是在描述某一台机器人如何控制自己的身体？

这会直接决定它能否复用。

类似的边界也存在于“泛化”。

刘爽认为，机器人进入一个陌生房间继续完成已经学过的任务，和突然学会一项从未训练过的新技能，是两件完全不同的事。

前者更接近场景迁移；后者才是更困难的任务泛化。

而对家庭机器人而言，如果每增加一个家庭、一个物体和一种任务，都需要重新采集大量数据和训练，它就很难成为真正的大众产品。

同样，数据有价值，也不代表所有数采工厂都能独立赚钱。

刘爽更看好进入真实产业自身财务闭环的数据能力：机器人企业为了自己的模型和交付长期维护数采系统，成本可以由更大的产品收入吸收。

反过来，如果一个数采项目主要依赖招商、补贴，又没有稳定产业客户，只期待未来靠出售数据资产维持经营，持续性会面临很大挑战。

所以，判断数据产业价值，最终不是看：

“采了多少万小时。”

而是看：

这些数据进入了谁的模型，改善了什么任务，以及谁愿意长期为这个结果付钱。

五、机器人出货量再高，真正进入生产的可能只有十分之一

有真实数据，并不意味着已经创造了真实生产力。

按照刘爽的个人观察，如果剔除科研、展示和数据采集等非生产性需求，目前中国具身智能真正进入生产环节的规模，可能只有表面数字的十分之一。

这不是独立行业统计，而是他的阶段性经验判断。

它也不意味着另外九成都是“泡沫”。

科研、数采和测试本身都是产业发展的必要阶段，只是这些订单与真正承担生产任务的机器人，不能被放在同一个“商业化出货”口径里。

因此，当判断具身智能商业化进展时，刘爽首先看的不是出货，而是：生产性部署台数。

再往后，是有效工作小时。

只有机器人真正进入生产流程、持续完成任务并创造价值，客户才有可能复购。

这意味着，一个机器人行业真正有价值的问题，不再是：“今年造了多少台？”

而是：有多少台每天真的在工作？

不过，即使机器人已经进入工厂，还没有回答最后一个问题：

客户到底算不算得过账？

六、 工业技术已经有解，为什么只有约20%的场景能算过账？

工业是刘爽最熟悉的机器人场景，也是他认为最容易被误判的场景之一。

相较商业和家庭，工业任务和环境更加明确，因此技术上确实更容易率先突破。

但技术有解，不等于生意成立。

按照他的阶段性经验判断，在当前成本、可靠性和复制能力下，真正能够比较明确算清商业账的工业场景，可能仍只有约20%。

第一个问题是可靠性。

工业客户并不关心机器人偶尔成功一次，而是能否长期、稳定嵌入生产流程。

成功率从90%到95%，再到99%、99.9%，越靠近工业级稳定要求，最后几个百分点往往越昂贵。

第二个问题是非标。

消费产品可以靠一个SKU销售十万台、百万台，逐渐摊薄研发和制造成本。

工业客户的厂房、设备、工艺和任务却可能完全不同。

如果第一家客户做完以后，第二家仍然需要重新采数据、重新训练、重新派工程师长期驻场，那么项目越多，并不一定代表规模效应越强。

最后一个问题，是客户真正得到什么。

如果只是简单算“机器人替代两个工人，节省多少工资”，今天不少项目未必成立。

但在电力、石化等高附加值和高风险场景，经济账可能完全不同。

如果一台机器人能够减少一次非计划停机、降低一次危险作业带来的人员伤害，或者避免一场高价值设备事故，其间接价值可能远高于省下几个人工。

所以，工业机器人真正要算的是：

全生命周期总账。

柔性生产则是另一类机会。

刘爽举过汽车生产前端配料的例子：不同物料、异形件和组合不断变化，传统自动化当然可以做大量固定工序，但当变化越来越多，专用设备的经济性可能开始下降。

具身智能的价值，就在于有机会把多个柔性步骤串成一段连续流程。

因此，他认为现阶段更值得机器人进入的场景，往往有几个共同特征：

任务边界相对清晰、流程不宜过长、工作具有重复性、有一定规模需求，而且不要求机器人一开始就实现极强的任务泛化。

当机器人真正进入客户验收阶段，刘爽给出了一套非常直接的排序：

成功率第一，效率第二，经济性第三。

一杯冰淇淋，机器人如果需要5—7分钟，而人工只需要约3分钟，那么即便完全不考虑失败与重试，效率本身就已经成为经济问题。

刘爽把它概括为：

“有效率的经济性才是有价值的经济性。”

所以，对于机器人公司而言，比“还能做多少新动作”更重要的问题可能是：

为什么这个任务一定需要具身智能？

客户究竟得到多少新增价值？

第一个项目做完后，第二个项目能否复用模型、数据和工程经验？

只有当这些答案越来越明确，机器人公司才可能从一次次项目交付，真正走向有规模效应的产业。

最后：百亿估值，最终需要什么支撑？

回到开头。

大脑最终可能高度集中，真正头部公司需要巨大的资本和算力投入；本体、零部件、数据和应用企业，也都可能拥有自己的产业位置。

但真正决定一家公司的百亿估值能不能站得住的，最终仍然是：

它有没有把技术变成生产力。

• 每一次真实部署，能不能留下更多可用数据？

• 模型能不能因此变得更好？

• 下一次交付，是不是需要更少重新训练、更少工程师和更低成本？

当这些循环真正成立，场景飞轮和数据飞轮才会从一句行业叙事，变成持续发生的商业结果。

具身智能未必存在一个突然到来的ChatGPT时刻。

真正的拐点，也许不是某个模型发布的那一天，而是下一台机器人，比上一台更便宜、更稳定，也更容易部署的那一天。