7.7
深览指数
科技虎嗅··AI 生成
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？
天创机器人董事长刘爽基于一线工业场景经验提出，具身智能的终局格局中，真正从零研发基础模型的“大脑”公司不会超过5家。他并不认同具身智能会像ChatGPT一样迎来“高光时刻”，更可能是一个渐进发展过程，且技术有解不等于生意成立：当前仅约20%的工业场景能算清商业账。文章系统性地拆解了大脑、本体、零部件、数据各环节的估值逻辑与产业瓶颈，为评估这一波具身智能泡沫提供了扎实的产业视角，适合关注AI落地和硬科技投资的高阶读者。原文 ↗
核心观点
- ▍具身智能的终局中，真正从零研发基础模型的“大脑”公司不会超过5家，因为其需要万卡乃至十万卡算力集群和百亿级资本投入，具备极强平台属性和自然垄断倾向。
- ▍具身智能不会出现类似ChatGPT的“高光时刻”，更可能依赖真实场景与数据飞轮实现渐进式发展，因为从技术、工程到商业化的每一步都不可压缩、不可跨越。
- 01天创机器人内部测试显示，一次约30秒的Demo消耗了近4000万Token，相当于一个工程师半个月的Token配额，揭示了大模型控制机器人的经济性挑战。
- 02刘爽认为当前仅约20%的工业场景能算清商业账，主要卡在可靠性（从90%到99.9%的成本极高）、非标（项目间很难复用）和全生命周期总账的计算上。
- 03刘爽判断，当前本体和标准零部件企业估值可能偏高，因为这类产品未来可能高度同质化且产能扩张容易，而真正掌握客户、场景和持续交付能力的公司价值被低估。
- 04刘爽用“30年老酒原浆”比喻真机数据的高质量和高成本，认为其更适合作为锚点，真实物理世界数据（含非纯轨迹的高保真数据）应占训练主体60%以上，仿真辅助占10%-20%。
- 05刘爽估算，目前中国具身智能真正进入生产环节的规模，可能只有行业表面出货量的十分之一；其余是科研、展示和数据采集等非生产性需求。
- 06天创的技术路线是“大脑和应用兼容”：不从头训练基模，而是利用外部基础模型，将自家多年工业数据、行业知识和安全能力通过后训练叠加，形成面向具体场景的“垂域大脑”。
- 07刘爽认为，法兰克（新）代与旧代机器人公司之间并非取代关系，而是“交叉”：前者缺制造、客户和理解长期交付，后者缺AI人才和资本，两类公司都需要对方的能力。
反方 / 局限
- — 刘爽本人强调，上述“仅20%工业场景可算账”和“出货量十分之一真正生产”均是其个人阶段性经验判断，并非权威行业统计；他也承认VLA、世界模型等架构还在快速演进，未来技术路线并未收敛。
- — 文章承认，即使刘爽推崇的跨本体、跨场景的“通用大脑”终局成立，其前提是模型能够实现真正的跨本体复用和数据泛化，这一能力目前远未成熟（数据在不同机器人本体间很难直接复用）。
刘爽天创机器人黄仁勋英伟达VLA (Vision-Language-Action模型)世界模型 (World Model)GPT-6 AstraFoundation Model (基础模型)物理AI中国广东核电集团
15 分钟 · 5 卡片 · 15 资料
读原文 →