即刻App年轻人的同好社区
下载
机器人讨论组
来聊聊十八般武艺的机器人🤖
29661人已经加入
- 我最近在研究机器人赛道，发现了一个反常识的现象。
按理说，2024到2025年资本市场整体偏冷，一级市场尤其难。
但有家公司，半年时间完成了7轮融资，金额加起来好几个亿，直接跻身独角兽阵营。
这家公司叫智平方。
我一开始也觉得奇怪，机器人这个赛道，光是做demo视频的公司就一大堆，为什么偏偏是它能跑出来？
后来仔细研究了一下，发现背后有个很有意思的逻辑。
你可以把具身智能理解成「让AI真正拥有一个身体」。
以前的AI，比如ChatGPT，它只能在屏幕里跟你聊天。
但具身智能不一样，它要让AI控制一个实体机器人，在物理世界里干活。
但你会发现，很多公司发的视频特别惊艳，机器人又是翻跟头又是跳舞，观众看完直呼厉害。
但你真把这机器人拉到工厂里，让它干点实际的活儿，它就歇菜了。
为什么会这样？
因为做demo和做产品，根本是两码事。
demo只需要在理想环境下成功一次就行，但产品需要在复杂环境下稳定运行几万个小时。
这中间的差距，比大多数人想象的要大得多。
那智平方做对了什么？
我后来去翻了很多资料，包括摩根士丹利去年发的两份报告。
大摩在报告里反复提到智平方，这在他们的研究体系里其实挺少见的。
他们给出的评价是：智平方是少数能同时实现「技术领先」和「商业验证」的公司。
这句话怎么理解？
第一层是模型能力。
智平方自研了一个叫GOVLA的大模型，这个模型的核心能力是让机器人具备「通用智能」。
通用智能就是你不用针对每个任务单独编程，机器人能自己理解指令然后执行。
根据公开数据，GOVLA的性能比国际上被广泛对标的π0模型高出30%左右。
第二层是硬件量产。
光有一个聪明的大脑还不够，你得有一个能批量生产、稳定可靠的身体。
智平方的AlphaBot系列机器人，核心部件已经跑过5万小时的无故障测试。
他们还自建了产线，2025年就具备了千台的年产能。
第三层是真实场景落地，这是最关键的。
智平方的机器人不是在实验室里表演，而是真的进了工厂。
半导体制造、汽车制造、生物科技这些领域，都有他们的机器人在实际工作。
这三层能力，其实对应着一个很经典的商业模型。
你可以想象一下智能手机刚出来那会儿，苹果为什么能成功？
不只是因为iOS系统好用，也不只是因为iPhone硬件设计漂亮，而是因为它把软件、硬件、应用生态这三件事同时做到了。
单独做一个好用的操作系统，诺基亚也试过，塞班系统当年市场份额很高。
单独做漂亮的硬件，摩托罗拉、三星都不差，但把这三件事串起来形成飞轮效应的，只有苹果。
智平方在机器人领域做的，本质上是同一件事。
他们的创始人郭彦东有句话说得挺直接：没有AI，机器人就是一堆金属；没有硬件，AI就是一堆代码；没有场景，产品就是个demo。
这三样东西必须同时存在，才能转起来。
说到这儿，就不得不提智平方和惠科的那笔合作了。
惠科是全球第三大面板厂，他们跟智平方签了一个3年1000台、金额接近5亿人民币的订单。
这个数字在中国人形机器人领域，目前是最大的一笔。
但光看数字还不够，更重要的是这笔订单的性质。
它不是那种象征意义大于实际意义的战略合作，也不是买几台放在展厅里做展示。惠科是真的把这些机器人部署到了生产线上，用来做上下料、物料转运这些实际工作。
换句话说，这是一笔经过真实场景验证的商业订单。
摩根士丹利在报告里专门提到这笔交易，把它作为判断「机器人时代正在加速到来」的一个关键证据。
在大摩的分析框架里，这代表着行业从「技术验证」阶段跨越到了「商业验证」阶段。
最后聊一个更长远的事儿。
《从优秀到卓越》这本书里，作者柯林斯提出过一个「飞轮模型」的概念，意思是说，好的商业模式应该像一个巨大的飞轮，一开始推动它很费力，但只要坚持往同一个方向推，它会越转越快，最终形成一种自我强化的势能。
智平方现在做的事情，正好符合这个模型。
机器人在真实场景里工作，会产生大量数据。这些数据反哺到模型训练里，让AI变得更聪明。AI更聪明之后，机器人就能应对更复杂的任务，进入更多场景。更多场景又意味着更多数据。
这个循环一旦转起来，后来者就很难追了。
因为数据这种东西，是没办法用钱直接买到的，它必须靠真实的部署和运行，一点一点积累。
目前，作为唯一构建“模型×硬件×应用”三位一体护城河的具身智能独角兽，智平方已经有千台级别的机器人在半导体制造、汽车制造、公共服务等多个真实场景中持续运行。
按照他们的规划，2026年产能要扩展到万台规模。如果这个目标能实现，他们的数据飞轮会转得更快。
这大概也是为什么资本愿意在寒冬里下注的原因，他们看中的不只是现在的技术指标，而是这套「越用越聪明」的系统级能力。
在一个所有人都在卷模型分数的行业里，已经有人把机器人送进了工厂。
这件事本身，可能比任何一个技术参数都更有说服力。1 02
