WAVES新浪潮2025邀你一起走向中国创投的「新纪元」。

以下为对话实录——

王晨晖：大家好，我来自火山石投资，16年的时候，几位IDG的合伙人一起出来成立了火山石。机器人是我们团队一直在投的方向，例如团队之前是科沃斯上市前唯一的机构投资人。

王国隆：感谢36氪邀请，今天非常高兴来到杭州，我是浙大毕业，所以相当于来杭州是半个主场。我是王国隆，来自汇川产投，我们是上市公司汇川技术旗下唯一的CVC平台，2017年成立，基金化运作是从2021年开始。成立至今投资方向比较聚焦，一是围绕汇川的业务需求，二是围绕战略布局方向。

曹芳宁：大家好，我是多维资本的创始人曹芳宁，多维资本我们在行业里面耕耘十年时间，2015年成立以后至今完成大约200多家公司300多轮的融资，接近500亿美元的交易，我们整体的风格还是相对偏中后期一些，行业覆盖比较广泛，包括之前的半导体、航空航天，还有今天的具身智能、AI以及医疗等各项领域。围绕AI硬件和具身智能，从去年到今年我们大概服务了十几家头部的公司，包括像松延动力，还有像咱们杭州的微分智飞，在AI眼镜方向我们服务Rokid，其他包括灵初、戴盟等一系列的产业链上下游企业。所以对于目前整个AI硬件以及机器人一级市场的动态，我们也积累了一些经验和产业认知，等一下也可以跟大家来分享一下我们的一些看法。

胡卓：大家好，我是银杏谷资本的胡卓，我们机构成立于2013年，专注于半导体、人形机器人、生物医疗和人工智能等前沿领域的投资，在座的如果有这些领域的创业者可以找我，我们愿意成为你创业路上的同行者，谢谢大家。

栾沂铭：大家好，我是顺创产投的栾沂铭，跟在座的各位相比我们机构年轻很多，2023年成立，至今，我们已经设立了11只基金，总体规模30个亿左右。主要的投向跟我们公司性质有关系，我们机构是北京市顺义区的国资，根正苗红的国企，这是一方面，另外一方面我们在管的钱也以顺义区的国资为主，包括国企自有资金出资、顺义区的各级财政，除此以外还有一些市场上募到的钱。投资的方向主要是顺义区的主导产业，比如说新能源汽车、航空航天、第三代半导体、生物医药以及机器人高端制造等。

我们之前一些已投项目跟咱们今天谈的话题可能会比较相关，比如说主线科技，做自动驾驶的卡车，以及做冷链物流的粤十机器人等，这些本身跟顺义区会有产业协同的企业，肯定是我们比较感兴趣的。如果说有一些企业在方向上符合，也有到北京市顺义区落地的考虑，我们作为北京市顺义区的国资，成为一家人之后，我们非常愿意尽可能地帮助企业做产业方面的赋能。

赵沛舟：大家好，我是小苗朗程的合伙人赵沛舟，我们小苗朗程是上海紫竹高新区旗下的一个市场化机构，我们成立10多年以来，投资了130余家早中期的硬科技企业。我们主要的投资方向是人工智能和先进制造两大板块，尤其我们在未来的基金的投向上，人工智能仍将会是我们最主要的一个投资赛道之一。

过往我们在通用的具身智能和人形机器人的本体，包括产业链大概投了5家企业，分别是非夕机器人、穹彻智能、松延动力、西湖机器人和千觉机器人。这5家企业我们有幸投得相对比较早期一些，在我们投资之后，它们都至少完成过两轮融资。

大家对我们的标签是一家早期投资机构，对一些新兴产业，尤其是现在人工智能驱动的新产业，我们希望能成为创业者的第一轮投资机构。当然对于正在发展或者到成熟期的企业，我们也会做中后期乃至全阶段覆盖的投资布局。

施嘉翔：我们都知道具身智能是一个技术复杂度高，场景落地挑战尤其大的领域，请问各位，在投资中该如何平衡技术前瞻性与商业化落地？

王晨晖：对于一个公司来讲，技术的领先性和商业落地是一个人的两条腿，你不可能只有一条腿去走路，所以在一个阶段，技术可能会领先于商业，但最终还是得服务于商业场景。

以具身智能领域为例，我们现在看到具身智能两个场景，一个是服务于特定场景的，我们叫专业智能机器人，还有一个是服务于通用场景的这种消费级的机器人。他们需要的技术与现在采用的主流技术方案有区别，前者更多深耕场景，需要在工业制造或者是商业服务里面找到适配的特定的场景，提供特定的产品，甚至在一定程度上需要做硬件和模型的定制。所以它的智能程度和场景的复杂性是相关的或者是有正相关的。

回到模型这一块，比如说以前市场叫作分层模型，需要把大脑和小脑分开做控制，更适合需要做模块化，可解释性强，不需要太强泛化能力的技术。后者就是我说的面向通用场景的消费级的人形机器人，他们设计的出发点是要解决在商务场景，或者是消费场景面的长程复杂任务，而且需要人机交互的自然性。所以像这样的场景需要模型，需要更强的泛化能力，去处理多模态的输入、交互力控的精确性等问题。所以它确实比较适合类似于谷歌RT系列端到端的模型，这种模型需要大量数据的输入，需要很强的计算能力。但是从目前技术落地来看，我们觉得还是需要3～5年的技术验证周期。所以我想还是回到那句话，技术最终还是要服务于商业场景的，就是看你想做的场景是什么，去选择匹配的技术路线。

王国隆：不管是具身智能还是其他科技创业企业，通常遵循的是销售一代、研发一代、预研一代，基本上对应于市场推广、客户验证和概念验证阶段。对于初创企业来讲，技术创新力一定是核心竞争力。技术前瞻性更多的是做好储备，从而保持自身持续迭代能力。但是，当面对实际的用户场景时，事实上初创企业要做的是面向用户交付端到端的解决方案，以具身本体的上肢操作为例，技术路线有VLA分层模型和强化学习，但是，实际上还有看似传统但是相对鲁棒的技术路线，比如说MPC、PID控制等。所以在研发产品阶段需要保持前瞻性，而进入真实场景以后，则需要用各类的方式方法解决实际问题。

曹芳宁：我非常喜欢把具身智能的这波机会跟上一波自动驾驶机会做类比，我们看到在十年前自动驾驶的创业浪潮过程当中，最后决胜的关键要素，既包括对技术研发的前瞻性的理解能力，同时也包括团队在真正的商业化解决方案的灵活性，同时与时俱进能够基于产业升级的方向去更好地跟商业场景来进行合作，这两端缺一不可。这波具身智能的创业公司在未来的一个走向过程当中，也会沿用类似的一个逻辑，就是说你的研发，你的技术思考一定是为了你的商业落地来进行服务。当然你在早期的时候，你选择什么样的场景以及什么样的合作伙伴会决定你在技术研发方向上的一个路径选择。我们看到过去的自动驾驶在最终无论是融合感知，还是激光雷达、视觉计算等技术今天都跑出来了很多公司。我相信具身智能项目也是一样，无论你今天选择了什么样的技术方向，当你的场景应用方案是符合你的技术方向的时候，最终你的解决方案也会跑出来。

栾沂铭：关于机器人和具身智能的AI方向，我们觉得一个项目有三个维度，一个是技术本身是不是具有先进性，另外一个团队有没有把技术工程化的能力，工程化能力做好了之后，产品造出来，有没有人愿意买单？商业化落地怎么样？我们可能从这三个维度上去看。如果顺着来看，技术做得好，东西可以造出来，再去找人买单，就难免出现拎着锤子看谁都是钉子的情况，公司觉得自己能应用的场景非常多，实际上在商业过程开展的过程中，企业也没有办法去分散那么多的精力，去找到对应的场景，全力地去把它推向落地，尤其是在这种企业觉得自己反应性强，普适能力强的情况之下，其实企业要面对的挑战也很大。

所以说在这一类的方向上，我们更倾向于看到有一些企业本身已经在做商业化，他们回过头来去找一些机器人相关的技术，去找一些场景，或者说我给你提供好的场景，你来给我解决具体的问题，这类的事情可能是我们比较想看到的。当然可能因为本身我们也有一些自己偏好的性质，可能我们更倾向于说产品已经落地了，商业化了，有人买单了，这样的话我们能把风险控制住，尽管会限制住我们去获得盈利回报的预期，但是对于风险来讲，我们觉得这是相对可控，对于企业来讲拿到钱也会比较容易。整体方向上这个事情是大势所趋，具身智能也好，AI也好，我们考虑制造业多一点，他们最后落地在商业上创造价值，我们还是比较看重到底能不能解决一些具体的问题。

赵沛舟：这个问题是技术和商业化的平衡，如果从宏观来看肯定是尽量多做商业化，但还是要看细节，要结合不同的行业，主要是看人形机器人和通用具身智能两个行业拆分来看。

关于通用智能，我反而持相反的态度。我觉得在商业化上要去做减法，因为通用智能必须要产生一个价值。这波AI驱动的价值一定是：一个机器人，不管是什么形态，可能是轮式加机械臂，或是人形机器人，在不同场景下要去实现不同任务。就像在工厂中为什么人无法被替代，因为人能做很多不同的事情。机器人也必须能做不同的事情，他才能体现价值。否则就和上一波AI或是整个工作站一样，用一些小模型去做。机器人有更好的节拍，有高的准确率，为什么不用小模型去解决而一定要通用人工智能呢？所以，通用人工智能，以后必将朝着AGI迈进。现在我们的一些已投企业遇到过很多商业化的合作机会，但是，因为当下的技术不成熟而妄自做商业化的话，往往就会成为一个“外包公司”，自以为产生有价值的数据也是在自欺欺人。因为最后通用智能就像languagemodel一样，需要几十亿、几百亿级的参数支持，这与我们在细分场景产生的区区万级、千万级的参数规模差了好多次方的倍数。所以说，AGI的厂商一定要选择好场景，要在商业化上做减法，要为最终的AGI做铺垫，否则产生的中间价值最后在商业化上没有价值。

施嘉翔：提问银杏谷资本的胡总，还有火山石投资的王总，云深处还有傅利叶都是具身智能的明星公司，也是你们机构的代表项目，想请你们聊聊这笔投资背后的决策过程，以及在该领域的布局逻辑？

王晨晖：坦白说投资傅利叶是一个美丽的意外，这是我们比较早做的一笔投资。大概在8年前，当时我们的一位合伙人在一个张江早期项目DemoDay上遇到顾总。当时傅利叶成立才第一年，很年轻，背景很优秀，他们当时想做外骨骼康复机器人，所以我们天使轮就投资了。

所以我们确实见证了这家公司，包括顾总本人从比较青涩的创业者成为一个体量不小的公司的企业家。这是早期投资中经常有美丽的意外。我刚刚开始介绍过机器人是我们基金重点投资的方向之一，我们接下来也期待我们其他的被投企业例如工匠社等也能给我们带来更多的美丽的意外。

施嘉翔：下一个问题提问汇川产投的王总，汇川产投作为产业背景深厚的投资方，在AI硬件与具身智能的投资与纯财务投资机构有什么不同？

王国隆：感谢主持人提问。确实汇川产投的确是相对纯粹产投，聚焦战略、聚焦主责主业是我们明确的定位。尽管是基金化运作，但我们始终保持和集团战略的同频共振，所以会在战略和财务回报两者之间找到最优平衡点。

回到主持的提问，我认为可能有几点不同：

第二点，在投资判断层面，更倾向于投资具备互补关系的企业，这一点我们投的坤维科技是可验证的案例。

第三点，投后赋能的角度，我们可以做的事情比较多，汇川的下游覆盖千行百业，在高端制造、汽车、半导体、锂电、光伏、纺织等，都有相对深入的渗透，而客户数量则至少是大几万家甚至更多。所以，在投后我们能为具身和AI硬件企业提供持续的支撑，在早期可协助其更清晰的理解用户场景；在市场拓展期，可协助其撬开关键用户的大门；在需要做战略管理、精益管理和成本控制的时候，我们有相对成熟的方法论为其赋能。

作为产业投资方，尽管我们和财务投资机构存在差异。但是，我们还是需要跟市场上各类投资机构学习和互动，大家的定位、视角和资源禀赋不同，相互借力才能为行业发展和被投企业的成长助力。

施嘉翔：下一个问题提问顺创产投的栾总，刚刚您也说了，你们是根正苗红的国资基金，顺义区是北京汽车产业、航空航天产业的核心聚集地，你们在投具身智能行业的时候，对于产业场景上有没有更为聚焦的需求，在投资的时候怎么判断项目对本地场景的适用？

那么在这个过程中，从我们的角度来看，如果说具身智能或者AI能够去应用在新能源汽车的制造，或者说在新能源汽车本身的一些科技升级上有应用场景的话，我们是非常感兴趣的。很多时候我们会说，企业本身怎么样，这个是娘家的事情，但是企业来到了北京就是找到了一个好婆家。我们作为地方上的产投，企业到北京来，我们必须要考虑怎么样能够给企业赋能，帮助他们发展得更好。

还有一点，刚刚提到几个方向，最开始说的具身智能也好，AI也好都要找落地场景，企业想要进入一些产业链，比如新能源汽车相关的产业链，我们非常愿意使劲，也使得上劲，这个事情更多是站在企业的角度，来到北京除了站在政策高地以外，也能够得到比较具体的钱的支持、政策的支持。再一个是现在的环境比较内卷，大家都希望在找商业化出路的赛道上抢到一个先机，这是我们非常愿意帮助企业的事情，谢谢。

施嘉翔：提问小苗朗程的赵总，小苗朗程专注于早期科技投资，但我们今天讨论的这类早期项目技术风险很高，作为一家早期机构，你们如何在早期降低自己的风险以及在很早期怎样筛选出它具备长期价值？

赵沛舟：我觉得有两个方面。一方面是选择对的赛道，另一方面是选择对的人。关于选择赛道，以具身智能为例，大约在23年年初，整个GPT开始火爆，我们发现整个大模型都是基于PC和手机端的，实际上它只能成为人的一个助手，它的运用只能起到一个降本增效或者带去一些情绪价值的作用。但是如果跟机器人结合，它的市场就会成倍的放大。所以我们当时就开始系统性地布局整个具身智能和人形机器人行业。我们每个季度都会召开行业研究会，研判未来的一些风口的赛道，还有一些具有长期价值的赛道。

基于赛道之后下一步就是选择人。早期投资就是投人，人的第一个要素是他必须对这个行业有非常大的坚持和热爱，无论这个行业怎么变化和调整，面临坎坷与挫折，他都要坚持在这家创业公司做下去，而不是轻言放弃或者另起炉灶。选人就像谈恋爱一样，得有一个过程。一开始创业者吹牛，我们也会吹牛，大家互相吹捧，这是热恋期。热恋期不能直接结婚，中间还得经历磨合。所以，我们一开始会主动制造一些挑战。比如：我们出具一些严格的条款，互相之间产生一个“激烈碰撞”，过程当中才能感知“真性情”。所以我们跟创业者互相认可后才会携手走更长的时间。

施嘉翔：下一个问题提问多维资本的曹芳宁总，多维资本作为业内知名的产业精品投行，在具身智能领域有很多代表性项目，从您的角度来看，您觉得哪类项目在早期能够成功融资？

曹芳宁：我个人来看大概就是分成两种类型的项目能够成功融资，首先就是豪华的创始人团队：科学家和产业的这种大咖共同组建的团队。我们在行业里面看到像智元、银河通用。

第二类是有明确的落地的商业场景，并且有订单的支持。这类项目产品力都非常强，但是讲的都不是一个“大而全“的故事。比如说像咱们杭州比较知名的有鹿机器人，它集中在外卖未来的场景做一脑多行，这类项目属于有清晰的商业路径。

施嘉翔：接下来请各位简短地回答两个问题，第一，你们觉得当前制约具身智能商业化落地最大的技术瓶颈是什么？第二点，未来哪些技术突破能够解决这类问题？

赵沛舟：首先模型框架还没有收敛，因为现在在讲VLA的模型，我觉得光vision比如感知层光视觉这一个维度是不够的，因为人跟物理世界交互，不是只了解物理的形状就足够的，还要感知接触的物体，要有触觉和力觉信息。但现在的大模型并没有融入这些信息，最后的结果就导致了像现在，比如说我现在学习抓一个杯子，我学了各种杯子的数据，我碰到不同的杯子，我会抓了，但我碰到一个碟子、一个碗我可能又不能抓了，整个通用智能就无从谈起。现在要找到正确的训练框架，第二个是要找到一个快速基于正确的框架，再把数据规模化的方式，所以框架和数据我觉得都是需要突破的点。

栾沂铭：关于这个点让我想到以前接触到的产业方，他们开发这一类的机器人，我觉得有几个方面，刚刚赵总讲到去感知世界，这是一个非常重要的点。另一方面，跟外界做交互过程当中，能不能达到人类自己能够实现的精确度？

胡卓：当我了解到优必选的产品在车企端已经开始运用的时候，我意识到机器人取代人工的降本需求的趋势已经开启了，至少在降本端、在工业端已经有了实现的案例。但是，未来的通用机器人不应止步于此，它应该融合大脑在复杂情境下的感知、推理、决策能力，以及小脑快速、精准的运动控制和灵活操作能力，实现全方位的整合，才是未来通用机器人的星辰大海。

王国隆：大家都提到了数据，这的确是核心瓶颈之一。而从我们的角度来看，制约高质量数据积累的关键瓶颈之一是硬件构型的收敛和统一。当硬件构型尚未统一的时候，那么采集的数据类型、质量和可用性就很难保障，目前的VLA模型的三种信号以及触觉等事实上都是过渡阶段，而终局可能是全模态路线。此外，从具身硬件本体的角度出发，散热和轻量化都还没有非常好的解决，而这直接影响到人形机器人到底能在工厂持续工作多久。因此，这两个问题和数据结合起来，可能是让整个体系更加闭环。

王晨晖：我想这个问题我可以稍微收敛一下，我们讲通用具身机器人的挑战、瓶颈，或者说转折点，因为在各个场景的专用机器人已经有很多了。

今天上午有一位嘉宾提到一个很重要的点，就是现在的具身智能或者通用的人形机器人没有找到它的scalinglaw，这是现在困扰整个行业的一个重要的问题。但没有找到他scalinglaw的一个核心的因素是数据的量和规模是不够的，真实场景的交互数据是具身智能构建泛化能力的关键，但是可惜成本太高，它无法像大量的汽车一样每天在路上跑。现在有很多工程师或者机构用虚拟的数据、仿真的数据来做这个事情，但是事实上仿真数据很明显存在迁移的鸿沟。所以现在有一些头部公司在尝试用真实数据+仿真数据+在线优化的方式解决这个问题，目前只是尝试阶段，我们希望看到这个问题有没有可能在未来几年时间里面得到很明显的改善，或者告诉大家有一个scalinglaw的结论性的东西。这是第一点。

第二点，我想是整个硬件的降本或者是成本问题，对于产业化落地来讲，当然听起来这好像不是一个技术问题，但之前宇树的创始人也讲过一个观点，我很认可，就是降本本身是设计问题，而不单纯是一个材料量的问题。我们现在看到人形机器人的核心零部件，包括像电机、传感器、减速机等这些都处在一个国产化和一个量产的窗口期，确实能看到整体的成本是在快速下降的。事实上，如果要下降到比如我们期待的5万-10万的价格窗口，仍然还是有一定的差距。所以，我觉得在整体硬件设计上面要去解决这些问题，而不是单纯靠有没有量、有没有价格压缩空间的问题，所以我想在这两个点上都需要根本性的突破，来推进整个具身智能的商业化落地。

施嘉翔：感谢，WAVES去年举办类似Panel的时候，有一些观点认为具身智能现在还没有到VC投入的阶段，在座的各位也经历了去年具身智能浪潮的疯狂，时间原因我们今天的此结束，希望明年还能看到更多的具身智能的项目，谢谢大家。