湿件机器人是什么

万万没想到，只是给超仿生肉块接入 ai 大 脑，结果他居然直接活了过来！跳动频率不仅和心脏完全一致，一旦仔细观察就会发现他颤动的皮肤下隐隐透着薄洞的血管，虽然产生的脉搏十分微弱，但已经能被仪器识别检测。于是研究人员当即模仿生物肺部的结 狗，给这颗 ai 心脏添加呼吸模块。没想到它的起伏频率不仅和人类持平，两块仿生模组间还发生联动，开始交换对方的体液。直到新的液体循环系统稳定后，研究人员使用一种名为施建打印的技术，在骨架上层层粘贴肌肉，埋入电击神经，为 ai 组装适配的肢体。 直到这些被克隆皮肤包裹缝合，一块酷似鸡翅的肢体随即被组装到 ai 身上。结果只用了短短二十秒，原本只能蠕动的 ai 不 仅学会了缓慢行走，还主动操纵肢体，寻找三十七摄氏度的地方试图躲藏。

你敢信？连马斯克都直呼恐怖的活体计算机真的问世了！这不是什么 ai 神经网络，是八十万颗人工培育的人类火脑细胞直接焊进了硅基芯片，他天生会打毁灭战士，学习速度碾压所有传统 ai， 功耗还不如一个手持计算器开发公司直接开放了 python 接口，任何会写代码的人 都能付费远程调用这几十万活细胞的算力。全球首座生物数据中心已经建成，施建及服务正式上线。当全世界的程序员都在编程脑细胞，这能算是人类的进化吗？

万万没想到，我们还在养龙虾的时候，国外团队已经完成一场 ai 与仿生组织结合的突破性实验。实验人员将 ai 系统接入一块超仿生肌肉组织，这块组织随机产生的规律波动监测数据显示，其波动曲线与人类婴儿的心跳高度相似。 在此基础上，团队为其加装了仿生呼吸模块，模块不仅实现了与人类一致的呼吸频率，还带动内部液体完成了稳定的网负循环。 待循环系统稳定后，团队通过生物打印技术为其搭建骨架，复刻肌肉组织侵入神经信号电击，将完整的仿生肢体交由 ai 系统控制。 仅不到半分钟，这具仿生肢体就从基础漏洞实现了自主爬行，还能主动调整移动方向，最终停在了三十七摄氏度的热源旁，展现出了类生命体的趋温反应。

万万没想到，只是把 ai 接入一块超仿生肉块，结果他竟然像心脏一样跳了起来。虽然仪器显示的脉搏十分微弱，却非常接近人类婴儿的心跳曲线。于是研究人员当即给他增加呼吸模块，通过跳动的节奏模拟生物的胸部起伏。 结果他们的呼吸频率不仅和人类完全一致，内部液体也开始跟着节奏往复循环。直到新的体液循环系统稳定后，实验人员使用生物打印技术，在骨架上层层粘贴肌肉组织，侵入电击模拟肢体里的神经信号，直到仿生皮肤完成封装，再把这块酷似生物的肢体交给 ai 控制。结果只过了不到半分钟，本来只会蠕动的 ai 不 但开始在实验室爬行，还主动改变移动方向，直到贴近三十七度的热源才肯停下。

这几年做巨深，我有一个越来越深的感受，当机器人从仿真环境跨入真实物理世界时，执行器往往会撞上一堵无形的墙，我将其称之为感知黑盒。工业机床几十年前就解决了快和准，但在非结构化的物理世界里， 一双没有触觉的机械手本质上就是在忙抓。他不知道抓的是玻璃试管还是橡胶块，也不知道物体在指尖是否开始滑动。所以感知黑盒的痛点并不是动作不够快，而是从眼睛看见到手指摸到之间的信号是断的。 这几天看了希诺未来最近发布的混区灵巧手 flex 二，我发现他正在试图用一套非常巧妙的感知决策闭环来打破这个黑盒。以前的常规操作是，机器人的摄像头在一两米之外看准位置，然后把手伸过去，但在指尖触碰物体前的几十厘米是视觉感知的盲区， 这就导致手指在快要碰到物体之前，对其确切位置和表面轮廓可以说是一无所知。等指尖传感器触发抓取力依然施加之后，就只能依靠闭环控制来补救。那么这个困局该怎么打破呢？ flex 二的方案是用三层连续感知来补齐中间的盲区。首先，腕部相机负责进场定位与堆叠关系判断掌心接近抉择覆盖五厘米到接触前瞬间。最后由指尖和指腹的触觉阵列负责接触后感知。最妙的是，这三层感知不是各自为战，而是拧成一股绳， 视觉锁定操作对象，接近觉辅助精细对齐触觉和力矩，在接触后动态调整。这种设计让灵巧手在处理散乱堆叠、软硬不变的物体时更加游刃有余， 更关键的是感知之后的处理。炼录常见的做法是所有传感器数据打包上传给主控，等主控算完再下发指令，中间几十毫秒延迟放在防滑场景中就是灾难。 在 flex 二的解决方案中，将部分高实时性算法直接下放给手部模组，这意味着当手指在检测到微小滑移趋势的瞬间，它不需要再跟主控打招呼，直接就能在本地触发防滑反射，把反应时间压缩到了惊人的一毫秒以内。回到最初那个感知黑盒打破它靠的是在信号断掉的地方补上传感器， 在延迟来不及的地方下沉了决策，在力不敢用的时候，给了算法闭环的精确度。只有把这三点都实现，才能让灵巧手走出实验室，成为可商业化的成熟方案，希诺未来值得关注。

你听过用人脑细胞当服务器吗？澳大利亚生物计算公司 cordicle labs 正式启动全球首个事件数据中心。这个名叫 c l e 的 生物计算机长在电极芯片上，能收发信号，功耗比计算器还低。 其神经元在实验室培养，因为神经元要消耗氧气和营养，技术人员每天给服务器为人造脑脊液更换培养机还要控制氧气浓度。 虽然离取代电脑芯片还远，但为 ai 算力荒提供新思路。科幻小说中的事件真的来了，这波操作你怎么看？

今天给你们扒一个让西方科幻迷集体破防的中国黑科技，哈工大研发的液态微型机器人。以前看科幻片里的纳米机器人觉得是天方夜谭，现在咱们中国直接把它从荧幕搬到了实验室，甚至未来的战场和医院。 第一板块，医疗界的无创手术刀哈工大打了个响指，这个液态小精灵来了，他有多小？最小一点五毫米，细如发丝， 人体最窄的毛细血管他跟小鱼似的呲溜就钻进去了。遇到血栓直接变身微型盾构机，把堵塞物钻通磨碎轻松。最绝的是血脑屏障，这个医学界天堑，他直接带着药物精准导航，专门灭癌细胞，健康细胞一点不碰，这就是中国式精准打击。 第二板块，国防军工的液态战士，别忘了哈工大是国防妻子之一，这技术用到战场上，那更是王炸，士兵受伤，他就是液体绷带，几秒钟止血。精密设备电路断了，他自己爬过去变身导线把电路接好， 未来战场抢修装备自修复，有他就稳了。第三板块，理性看待，客观补充。目前这技术还在实验室和动物实验阶段，离普通人临床应用还有断路要走。 但就冲着科研速度和脑洞，咱中国黑科技的未来绝对值得期待。西方科幻是卖电影票的，咱中国黑科技是实打实保家卫国，造福人类的 家人们觉得这技术牛不牛？评论区扣中国科技牛！咱们一起为国产黑科技打 call！ 内容来自科研 ai 思维体 ai 生成，请仔细甄别！

figure 刚刚发布了一个具备八项新能力的全自主清洁演示，那么我们现在距离机器人 agi 有 多近？今天在人工智能 news， 我 们来看看它能做什么，以及它与人类相比如何。 从这个 figure 三人形机器人的演示开始，它执行长时程，端到端的像素，到动作学习和任务执行。首先展示能力，在这里我们看到它同时使用喷雾瓶和毛巾进行协调操作。 你可以看到他先向表面喷洒，然后把毛巾按在表面上。最令人印象深刻的部分来了，把他搭到肩上，从而腾出双手来完成第二项技能， 这是动态物体处理。这里他会把毛巾从胳膊上取下并重新摆放以便清洁。这就引出了技能三。 在这里他将执行双手操作。首先他会用一只手拿起这个容器，另一只手开始把这些积木咬进箱子里。然后我们就看到第四项技能， 这是一种全身协调的高效策略。他把容器夹在一侧腋下，以腾出另一只手去拿沙发上的这些物品。 接着我们在这里看到第五项技能，他放下这个容器后，立即进行动态物体抛掷。你会看到他先拿起第一个枕头，然后做一件非常令人印象深刻的事，那就是非常自然的把第二个枕头扔到位。 没有新算法，只有数据。现在进入第六项技能，这是在手中对遥控器的重新定向，以及选择正确的按键来关闭那台电视机。 接下来他要进入第七项技能，在移动中重新整理工具。他会把这条毛巾夹在胳膊下，以腾出另一只手，然后他会演示第八项技能。这只是通过侧部载歌 这个环境中放置脚步。但更有趣的是， heliks 零二他充当一个三部分的机器人大脑。 如果你把它再看一遍，一切都会改变，因为你看到的是这套由三部分组成的系统在协同工作已实现。 helix， 我们已经能在某种程度上看到通用智能的雏形。从它的 system zero 开始，该系统以一千赫兹或每秒一千次运行。它计算全身的平衡接触和协调。 us per， 其能够像这样弯腰并购取这些物体。接下来进入 system one， 这是将感知转化为全身关节目标的层面，以便从他的手臂上拿起这条毛巾，并将其重新摆放到桌面上的尺。 而且他以系统一每秒两百赫兹或每秒两百次计算的速率进行思考。 然后我们进入第二个系统。这是用于场景理解、语言理解和推理， 并在周围环境中定位，自己判断接下来要拿什么。例如，而它运行得更慢，会慢慢弄清楚如何去完成所需的动作。系统一则决定要做什么。 system zero 在 宏观层面统一一切。 因此，当这三套系统整合后，我们就有了 helix 零二机器人大脑。它能够摄取 figured go big 项目的所有数据，执行这些实时轨迹，并精确地判断在其环境中应该做什么。 但问题在这里是，这台机器人要多少钱，以及他多快能学会另一项技能。这台机器人需要多少条轨迹才能掌握另一项技能？ 至于这台机器人的重要参数，它的有效载荷为二十公斤或约三十三磅， 它的重量约为六十一千克或约一百三十四磅，续航时间约为五小时， 全电驱速度约为每秒一点二米。所以一定要在下方评论你愿意为这些参数付多少钱。但物理智能也在应对机器人 agi 团队刚在一台真实挖掘机上部署了他们的 p i 零点五视觉语言动作模型，这是重型设备在实验室外的首次尝试。这解决了三大障碍，第一， 真实世界的机器数据稀缺。第二，与工业设备对接硬件困难。第三，将 v l a。 控制从关节编码器适配到基于操纵感的输入的挑战。 为此，数据仅通过单目相机采集，并使用 yolov 八模型对操作者的操纵感动作进行视觉跟踪，然后将这些动作映射到四维动作空间。于是，像爵钩这样的大任务被拆分为可重复的子任务，以增强来自各种非结构化环境的训练信号。 这里的关键动件是，尽管操纵杆控制具有非限性和位置奇异，但对 v l a 而言仍然有效。这与每台实验室机器人使用的关节编码器不同。 接下来，团队的目标是在下个月内创建一套经过训练的单一通用策略，能够跨多种机器类型任务和环境运行。与此同时， anthrax 刚刚发布了他的新代码审查工具，该工具为每个 po request 派遣多个人工智能智能体，以病情查找错误，验证其发现， 并按严重程度对其进行排序。在内部测试中， anthropic 的 pull request 收到大量评论的比例从百分之十六跃升至百分之五十四。大型 pull request 被标记的比例达到百分之八十四，均平均出现七点五个问题， 其中被标记为错误的发现不足百分之一。在一个案例中，他发现了一个只改动一行的修改，该修改本会破坏生产认证，并且他的审查流程平均约二十分钟，每个拉取请求的成本在十五到二十五之间。 虽然他已经有测试版了，但最终批准仍由人工决定。最后，另一个名为 open core 的 人工智能工具在二零二六年突然走红，并被 open core 人工智能迅速收购，但因此企业失去了 open core 这个独立的人工智能智能体平台。 因此，针对这一情况， n v i d i a。 正在筹备推出 nemo core。 这是一款基于 nemo 框架、 nemo 模型和 nimv 服务构建的开源企业及智能体平台，预计将在下周的 g t c。 二零二六上正式亮相。但最重要的是， nemo 是 硬件无关的， 这意味着它能在 n v i d i a a m d。 和 intel 芯片上运行，只在为受监管的行业提供用于数据处理、 内容生成和决策的智能体，同时凭借合规性架构和原生 gpu 加速与面向消费者的开放方案形成区别。顺便查看这些视频，以获取更多最新的人工智能新闻。 点赞并订阅，感谢观看！

那你想跑二十一公里，我这有电机，有减速器，那其他的发热情况非常非常严重，如果说没有好的一个散热的话，我跑十公里大概可以发热到七十到一百度。我们怎么去做的？大家可以看到后面啊？ 可能如果说看比赛的会发现有一些友商是背后面背着一个冰袋，对不对？一摔到处都是冰，那我们后面其实这一个是液压散热系统，液压散热系统它每分钟的这个液体的循环是大概四升， 可以相当于把这些水管都把我们的毛细血管一样深入到身体里边，把热量给带走。我们跑十公里啊，他的关节其实只有三十一点五摄氏度，所以这个技术其实是我们做游戏本这技术的积累，放到我们的这个手，放到我们的这个机器人上面。

上周，全球唯一一家用人造肌肉造机器人的公司 crowlo box 发布了第三代仿生驱杆 pro 三，还记得第一代的样子吗？全身肌肉不受控制的抽搐，被网友说像新鲜的尸体在增长。别人造机器人用电机转关节，他用一千根人造肌纤维拉动骨骼， 体内液压油循环，还会通过探线系统散热，妥妥的现实版西部世界。这次三代机器人有两个关键升级，第一，手部加了关节角度反馈，什么意思呢？以前他的手指只能动，现在能知道自己动到了哪，就像人闭着眼睛摸鼻子不用看，靠的就是这种感知能力。第二，防 阀门全部换成了自研的，这个听起来不起眼，但阀门是控制每一块人造肌肉的开关，以前靠外部供应商，现在自己造，意味着机器人量产的路已经打通了。连可罗自己都说，他们不是在造机器人，而是在造合成人，计划二零二六年初步推出，离完全仿生的机器人越来越近了。

欢迎来到科技下一步。在每年的 c e s。 消费电子展上，机器人总是那个最拥挤最热闹的角落，我们总是期待着看到某种能够彻底改变生活的机械体出现。而今年，电子巨头 l g 带来了一个新的答案，一个叫做 cloud 的 机器人， l g 对 它的定义非常诱人，他们说这不仅仅是一个机器，更是一个能够让你从此告别家务的革命性产品。大家可以先想象一下我们现在的扫地机器人，或者是亚马逊的 astrot， 它们通常长什么样？ 大多是矮矮的，圆圆的，在地上滚来滚去。你可以把它们看作是一个长了轮子的智能音箱，或者是一个能在家里巡逻的摄像头，它们能看也能听， 但他们很难去改变物理世界。这就是 cloud 最大的不同之处。当你第一眼看到 chloe 的 时，你会发现他有了上半身，更重要的是他有了两条手臂， 这是一个非常关键的信号。因为在家庭环境里，如果想从巡逻进化到干活，就需要一种物理上的交互能力， 需要去拿、去放、去折叠。这就引入了我们要聊的第一个核心概念，从移动到操作的跨越。 lg 在 现场展示了 chloe 如何运用这种身体结构，它不仅仅是走来走去， 而是要把一件衬衫从篮子里拿出来放进烘干机，或者是拿起一个像牛角包这样松软的食物放进烤箱里。为了做到这一点，这台机器人的大脑也必须升级， 它搭载了一种叫做视觉语言模型的技术。我们来拆解一下这是什么意思。以前的机器人看到一个物体，他可能只识别出这是一块布，但视觉语言模型能把摄像头捕捉到的图像和视频转化成一种结构化的语言理解。 也就是说，当他看到那件衬衫时，他理解的不仅仅是图像，而是这是一件需要被清洗的衣物这个概念。然后他还有一个视觉语言行动程序。这就好比是我们人类看到脏衣服是视觉觉得该洗了，是语言理解， 而伸出手去拿就是行动。 siloid 就 像是有手有脚的 siri， 能把你的口头指令翻译成具体的肢体动作，听起来很美好，对吧？但是现场的真实体验可能会让你冷静下来思考一下。 如果在现场观看 siloid 的 演示，你会发现一个最明显的特征，那就是 man。 他 不是那种雷厉风行的管家，他是非常小心翼翼的。 当他去拿那个牛角包的时候，动作轻柔的让你觉得他在处理一个易碎的艺术品。有一个场景特别有意思，演示人员让他去准备早餐， see allit 慢悠悠的走到冰箱前，等自动门打开，然后他并没有马上伸手，而是盯着冰箱深处看了好一会儿， 那个时间长到让人觉得有点尴尬，最后才决定拿出一瓶牛奶。如果这是一场比赛，任何一个动作迟缓的人类都能轻松赢过他。但是这正是我们想要探讨的第二个深层逻辑，在家庭自动化的未来里，速度真的是最重要的吗？ l g 提出了一个概念，叫做零劳作家庭。在这个逻辑里，机器人的效率并不是用来和人类比赛的。试想一下，如果你正在洗手间刷牙，或者正在书房里回复老板的紧急电话，这时候在厨房的另一个房间里， c o a 花了五分钟才把牛奶拿出来。这重要吗？并不重要， 重要的是这一连串琐碎的事情不需要你亲自动手了，哪怕他做的慢，只要他能独立完成，你的时间就被释放出来了。这就是环境关怀代理的愿景，他像空气一样存在于背景中，默默支持你的日常生活。 当然，愿景归愿景，从目前的展示来看， clive 距离真正走进我们的客厅还有一段路要走，现场的工作人员也无法给出一个具体的上市时间， 甚至演示视频下方还贴着正在开发中的免责声明。这让我们感觉 c o i 的 可能限阶段更像是一个展示肌肉的广告，用来通过它连接起 l g 背后庞大的智能家居生态。 在现场，我们还看到了能识别食材的 ai 烤箱，能和你对话的 ai 冰箱，这些设备才是目前更成熟的产品。 而 client 就 像是一个指挥家，它的存在是为了告诉消费者看未来的家，是所有这些设备在一个能够行走的 ai 统筹下协调工作的。所以我们可以看到家庭机器人的下一步会是什么。 家庭机器人的下一步不再是单纯的比拼机械运动的灵活性，而是从听从指令的工具进化为拥有环境感知与决策能力的代理人。未来的机器人可能不需要跑得很快， 但他需要能够理解家这个复杂环境的语境，需要能够极其温柔且准确的与我们的物品交互，最终实现让我们忘记家务本身。虽然 cloud 现在的动作还很迟缓， 但他那双盯着冰箱思考的眼睛，或许正是通向这个未来的第一步。感谢您的收看，今天是二零二六年一月十日，那么期待我们明天再见。

欢迎收看价值投资合伙人朋友们，二零二六年五月这两个礼拜，机器人圈出了两件事，把之前所有的人形机器人还要十年论掉，一巴掌扇回去了。 没错，五月十四号，飞哥 ai 的 机器人在宝马工厂开始连续六天自主运转，没人遥控。 五月十八号，波士顿动力的 atlus 当着投资人的面，直接搬起了一个二十三公斤的迷你冰箱，走得稳稳当当二十三公斤，而且后台数据说了，训练的时候已经能扛到四十五公斤。 那今天这期咱们就用最新这组变化，把这件事从头到尾拆明白人形机器人的量产拐点到底是真来了，还是又在画饼。先给一个结论，从我们能看到的这组数据来说，这个行业正在从能不能造切换到能不能卖，而且切换的速度比市场想的快的多。 好，那这期咱们用一条时间线来看，过去发生了什么，现在卡在哪？未来往哪走。屏幕上这张图三个节点，二零二一到二零二四是实验室阶段，二零二五到二零二六是试点部署，两千零二十七往后规模量产。 这条线的核心问题是，为什么拐点出现在现在，而不是三年前，也不是三年后？答案在两个关键词上， b o m 成本和运营数据。 包幕成本和运营数据。听起来有点干，但今天咱们用两个活生生的案例把它讲透。先看第一个，波士顿动力。 波士顿动力这家公司大家可能不陌生， youtube 上那个会后空翻的机器人就是他的，但很多人不知道的是，他在二零二一年被现代汽车以八点八亿美元买了下来， 当时市场觉得现在疯了，一个做液压机器人的实验室，离赚钱十万八千里。对，液压系统这东西，说白了就是机器人身体里布满了精密的管子、阀门，定制零件，每一台都是手工打造成本没法量产。 但现在变了，新一代的 atlus 是 全电动的，从头到脚只用两种标准化执行器，注意，是两种，不是几十种。 这什么概念呢？打个比方你就懂了。以前那台液压 atlus， 就 像伦敦萨维尔街的老师傅，一针一线缝一套定制西装，穿是能穿，但一年做不了几套。而现在的电动 atlus， 就 像优衣库的流水线，哼，还是西装一样的合身，但成本直接差了一个零。 而且执行期供应商就是现代自家的摩比特公计算芯片，整个供应链已经是汽车级的了， 成本降下来了，但能干什么活呢？这才是关键。屏幕上的数据先看一眼 atlus， 载荷五十公斤，步行速度每小时九公里，续航四小时五十公斤什么概念？你把它理解成一个大号行李箱的重量， 铜七特斯拉 optimus 的 载荷是二十公斤， figure ai 是 二十公斤优必选 walker s 二只有十五公斤， atlass 一个人的力气顶人家两三个等一下，这差距也太大了吧。五十公斤和十五公斤完全不是一个级别的比赛。 对，因为定位不一样。十五到二十公斤的机器人能做的是轻量级的检选分拣，简单装配。但五十公斤能做的是汽车零部件排序，一个刹车盘可能就十几公斤，一组排气管二三十公斤， 这些重活轻量级机器人根本碰不了，而且 atlus 训练的时候已经扛到四十五公斤了。 r l 模型对重量变化的适应能力是验证过的好，波士顿动力证明了力气大，成本能降。那第二个案例 figure ai 证明了另一件事，机器人能不能真的去替人上班？ 这就是五月最炸裂的一组数据，飞格零三在宝马的斯帕坦宝工厂整整十一个月，零远程操作，零人工干预，自主搬运了超过九万个关键零部件。 九万个十一个月，这已经不是 demo 了，这是实打实的产线运营数据。而且宝马这件事的意义不只是数字本身。你想宝马是什么级别的公司？品控、安全、供应链全球最严的那一档， 它能让一个机器人在产线上跑十一个月，说明不是噱头，是真的能用。那问题来了，如果这么能跑，为什么飞哥 ai 不 直接凹印汽车，反而把重点放在物流仓库上呢？这个选择其实很聪明，我打个比方， 汽车产线就像博士论文答辩，每一个动作都要毫米级精度，安全认证周期长得吓人，出了事责任巨大。物流仓库呢，就像送外卖，没那么高大上，但体量无限，而且容错空间大得多。 说白了，就是先在一个能快速收到钱的市场跑起来，用赚到的钱和数据反过来打磨技术，再杀回汽车产线，就是这个逻辑。而且物流的可触及市场有多大？ 像酷鹏、酷盼这样的公司，检选、分拣、放置全是人力密集型，换成 rise 模式，机器人即服务可变的人工成本直接变成固定的机器成本， 利率的保护是结构性的。好两个标杆讲完了，咱们拉远镜头把全球七家主要的人形机器人公司放在一张表里比一比屏幕上。这张七雄争霸图信息量极大，咱们一个一个说。 先看载荷，波士顿动力五十公斤遥遥领先第二名 electronica 的 apollo 二十五公斤，特斯拉 optimus 和 figure ai 都是二十公斤。 再看价格，特斯拉 optimus 目标价二到三万美元，是全场最低的， figure ai 估两万，语数 h 二三万优必选 walker s 二最高六点八到十二万美元， 特斯拉两到三万美元。这个价格要是真能做到，一台机器人干一年活就回本了。对，但注意 optimus 还在内部使用阶段，没有外部客户验证，这个价格是目标价，不是成交价。 另外，续航也很关键， optimus 十二小时全场最佳， atlas 和 digit 都是四小时， figure 零三是五小时。从这张表能明显看出来，比赛已经从谁能做更酷的动作，变成了谁能把价格和续航做平衡。 还有一点，看供应商那一栏，英伟达的名字出现了五次，七家里有五家都在用英伟达的计算平台。这又是一个卖铲子的先赚钱的故事。 说到谁在赚钱，我们来看融资数据，这张表才是真正说明问题的地方。飞哥， ai， 二零二五年五月 c 轮融了十五亿美元，估值三百九十亿， 三百九十亿，一年半前 b 轮的时候估值才二十六亿，十八个月翻了十五倍，这速度放科技行业都是顶级的。 再看 electronics， 二零二六年二月 a 轮融了九点三五亿美元，估值五十三亿。语数科技，二零二五年六月 c 轮，估值十七亿。腾讯、阿里、中国移动都进去了。 资本在用脚投票，而且投的不是一两家，是整个赛道。但这么多钱砸进去，图什么呢？人形机器人又不是萨斯，边际成本不会那么低吧。 资本赌的是一个飞轮效应，飞哥 ai 的 botq 工厂已经从一天一台干到了一小时一台，年化产能一点二万台， 而且它们正在从低产量的机加工切换到汽车级的高产量，压住，产量越大，每台成本越低，卖的越多，跑出来的数据越多。 ai 模型越强，产品越好，买的人更多。这个飞轮一旦转起来，后来者很难追上。 那反过来问，如果飞轮没转起来呢？如果量产卡住了，或者客户发现机器人没想象中好用，这就是我们要说的风险。第一个坑， b o m 成本下降不及预期。现在所有公司的单位经济模型都是基于量大了成本就降这个假设。但如果核心零部件， 比如高扭矩电机、精密减速器的价格卡住了，那单位经济可能永远转不了正，就是传说中的卖一台亏一台。对。第二个坑，汽车产线的安全认证。 汽车行业的功能安全标准非常严，一个认证周期可能两三年，如果认证推进太慢，那些签了汽车 oem 合作的公司，交付和收入都会大幅推迟。第三个呢？资本退潮， 现在整个赛道估值都在天上，但如果二零二六年下半年实际出货量不达预期，资本可能会迅速冷却， 中小厂商会因为融不到钱直接出清，整个行业的估值体系会跟着重构。关键的验证信号就一个，二零二六年各家实际卖了多少台，已经卖出去的客户会不会续约？所以二零二六 h 二就是人型机器人的第一个交付。大考。好总结一下 五个关键点，第一，物理 ai 已经从技术能不能行的阶段跨到了商业能不能赚的阶段。 第二，波士顿动力用标准化执行器解决了制造端的成本问题。第三， figure ai 用十一个月的宝马实战证明了运营端的可能性。第四，物流是近期最大的可触及市场 ras 模式，一旦跑通，利润保护是结构性的。 第五，量产规模加数据，飞轮决定赢家。二零二六年下半年是第一个真正意义上的交付。大考。有一句话，我特别喜欢机器人不会取代人类，但会用机器人的公司会取代不用的公司。这个行业拐点来了，比赛才刚开始。 补充一句，当前所有分析都基于二零二六年五月这个时间点的公开数据，如果二零二六 h 二各家出货低于预期，或者 b o m 成本降不下来，那整个行业的时间线都可能往后推。 感谢观看，记得点赞订阅价值投资合伙人。另外也欢迎到我的橱窗看一下，里面有我精选的投资书籍，希望能帮助大家更好的构建投资体系。本内容仅代表个人观点，基于公开研报分析，不构成任何投资建议。市场有风险，入市需谨慎。

就在刚刚，语速发布了一个大招，让我这一次对语速感觉到非常的陌生，我们现在向后转身，然后双手叉腰，扭下屁股再转回来， 收到动作如下， 语速一直以来是运控能力很强的一个机器人，适合商演跳舞表演，但是没有语言大模型，缺乏的就是交互能力。但是这一次语速发布的这个大招，展示的不仅仅是他拥有的一个语言交互能力，而是通过语言还能够去理解指令， 做出相应的动作，而且是同时多个指令。那笨笨同学，我们要上难度喽，现在试一下半蹲着向前走几步，再退回原点。 好的，准备开始，先半蹲着向前走几步，再退回到原地， 这表现的语速也开始重视人机交互，未来语速机器人不仅仅是在商研上面，或许在展厅导览、文旅讲解这些方面也会有精彩的一面。