对话华映邱谆：全世界都在等一个具身智能拐点时刻

具身智能赛道，正在极速爆发。

春晚的机器人大秀只是前菜，真正的大餐正在端上来——过去两个多月，国内具身智能（机器人）企业已披露融资近30起，融资总计超过200亿元，其中绝大部分是过去一个月内披露的。在这里面，已有13家公司进入百亿元估值公司序列，大部分融资为B轮阶段。此外，还有10余家具身智能细分技术/数据服务的初创企业也在过去一个月里完成了天使轮融资。

这些企业的一个颇为相同的特点是，大多是依托具身大模型、探索AI在物理世界的变革。

其中有多个融资项目的背后，都站着一家投资机构——华映资本，包括星动纪元、魔法原子、自变量机器人、地瓜机器人、灵御智能、世航智能等。而作为华映资本海外合伙人的邱谆，常驻硅谷，对中美前沿科技、尤其具身智能保持持续地研究。

近日，霞光社围绕国内的具身智能融资热、中美具身智能的差异化与邱谆进行了一场深度交流。在邱谆看来，当下的具身智能融资热是物理AI走向爆发的前奏，一个由物理AI驱动的智能涌现似乎正在不远处。

华映资本海外合伙人 邱谆

IIM数据显示，2025年全球具身智能市场规模预计突破1200亿美元，中国贡献率超35%，成为亚太地区最大增长极。而从全球来看，几乎只有中国和美国在具身智能大模型的研究上走在前列，但两者在具体的路线和产业发展上又有一定的差异，尤其中国在供应链上的优势更为突出。这种差异，正使得中美在具身智能上的互补性较为凸显，这也是中国具身智能出海的基础。

AI不同以往产业之处在于，其前沿的创新性天然需要全球合作、更需要全球市场。因此AI几乎是生而全球化的。具身智能更是如此。EqualOcean不完全统计，今年前两个月，具身智能领域共有120家企业发生融资事件，其中已有44家明确已有出海业务，占比34.6%。

如果说过去十年是以汽车等制造业托举起出海大潮，那未来十年具身智能（机器人）很可能将成为中企出海潮中的新力量。

而当下，所有人都在等一个具身智能拐点时刻。

霞光社：从春晚的机器人热之后，到过去一个月，国内有数十家具身智能、机器人的企业融资，整个机器人行业进入前所未有的融资高潮。这其中，华映资本参与的很多项目也有了新融资。你过去一直关注具身智能和机器人行业，怎么看待这种突然的融资火爆？

邱谆：从时间点上看，这并不是突然的事，而是水到渠成，只是刚好（和春晚）凑到一起了。今年初春节前在我们内部的会上，我就预测具身智能会火。

首先需明确区分传统机器人和具身智能，我是把他们明确区分开的。扫地机、AGV、送餐机器人等属于传统机器人，它们的核心是机械、运控加部分算法，大部分是规则驱动的；而具身智能（包括人形和非人形）是人工智能的分支，即 physical AI，是有机器人形态的人工智能大模型，核心为训练数据驱动，而非规则驱动，这是二者最核心的区分红线。

具身智能的出现与 GPT 3 的出现有关。GPT3 最早在 2020 年就出来了，它验证了大量数据可训练出优秀模型的路线，然后 2021 年特斯拉发布擎天柱，这是全球首个具身智能项目。

回到当下，今年行业并非传统机器人爆发，而是物理 AI（具身智能）的爆发。其实也是因为 AI 大模型已经发展到一定量级带动了物理 AI 的发展，而且当前数据搜集环节也迎来发展节点，具身智能领域才会涌现大量数据搜集公司。

霞光社：最近刚完成一大笔融资的光轮智能，他们核心业务就是做具身数据。

邱谆：美国也有一家叫 Sunday Robotics 的具身智能企业，它们的核心也是数据搜集方法。其实它们最初就两位创始人，一人写了一篇论文，这两篇论文的核心都是数据搜集的方法，所以他们就是把数据搜集的能力用在一个完整的机器人身上。

如果再往前看，数据搜集与具身智能基本无关，是近两年行业才聚焦具身智能相关数据，即用人力来搜集机器人相关数据。

霞光社：这么说，其实今年机器人融资热的不同之处，在于光轮智能、Rhoda等企业以数据驱动带来行业变化，影响了投资人的决策。

邱谆：这里面要把一些很传统的机器人给刨掉。单就具身智能来说，今年肯定是具身智能数据采集大爆发的一年。

霞光社：但是我们看到，今年刚融完资的银河通用，他们从成立之初就在重视数据训练和采集了。今年这些企业在数据上的布局会跟以往有什么不同？

邱谆：数据驱动是具身智能企业的底层逻辑，从行业起步就存在，美国的特斯拉、PI(Physical Intelligence) 等企业，以及中国的银河通用、智元、自变量等头部企业都对训练数据极为重视。而具身智能企业的这一轮融资，主要就投在数据上。因为数据不是采集完就完事了，后面还有一堆的工作，需要结合模型，做通用性训练和机器动作控制训练。

具身智能的数据训练逻辑与 GPT 比较类似，且对训练算法要求极高，现在大家都在讲 VLA（Vision-Language-Action，视觉-语言-动作），其实 VLA 只是基础框架，实际过程中每家都可以不一样；然后算力也要跟上，因为这类企业实质就是硬件领域的大模型公司，数据越多，需要的算力就越高。

当前行业会出现两极分化，越头部的企业越能融到巨额资金，而且以后还会有很多公司拿到巨额融资；另一面如果企业不能正确采集到大量数据，或者采集了数据后训练效果不好，然后又没有足够的算力，这类公司就会垮掉。所以未来肯定会淘汰一波。

这个门槛跟当年大模型训练是一样的，或者说更高。只不过因为你现在已经踩在当年的大模型的巨人的肩膀上了，且很多企业会基于Qwen、DeepSeek 等做预训练和微调，核心仍是大模型训练能力。所以它的门槛很高。但跟大模型不一样的是，具身智能会分化出更多细分应用赛道，因此也存在更多的发展机会。

霞光社：你们投了哪些具身智能的项目？

邱谆：我们目前对外披露过的具身智能相关项目，已经有差不多快10家了。包括今年以来完成新一轮融资的星动纪元、魔法原子、自变量机器人、地瓜机器人、灵御智能、世航智能等，此外还有做无人机具身智能的微分智飞、做具身智能开发者生态的RoboParty（萝博派对）以及云深处科技等。还有一些目前还没有披露。

霞光社：我们知道，投资它是有一定周期的，要上会讨论，要签TS，一般得有个几周甚至数月。但是但现在这一波好像，春节一过马上就陆陆续续都投出来了。难道是春节后集中投的吗？

邱谆：我觉得不会，春晚那么晚。春晚之前（就开始融资）这是肯定的。然后春晚只是起到营销讲故事的作用；而且春晚展示的机器人表演多为遥控操作，也不是当前投资圈核心下注的具身智能。而且，各家企业融资节奏不同，很难一概而论，所以更多是大家前期都谈好了，而春节是个契机，然后集中披露了。

霞光社：一个有趣的现象，这一轮的具身智能企业融资，数额都特别大，而且会在天使轮就融到一两亿美金，B轮就是十几亿、几十亿级的融资。是不是太高了？

邱谆：如果按照一个传统机器人公司的逻辑看，那这样的估值确实太高了。机器人更多是需要稳定的供应链，清晰的商业化场景，然后就可以针对性开发专用机器人了。它不需要做大量的数据采集、算力布局和模型训练。

但具身智能实质上是一个硬件的大模型基模公司。基模的一个特点，就是在数据、在算力上特别烧钱。首先买数据的成本就非常高，甚至还要自建数采厂（自建数采厂成本数千万元）；然后还要购置算力设施，搭建懂大模型、懂基模的研发团队去做这种训练，总成本非常高。

可以对比的是，2022年10月，OpenAI融资66亿美金，估值高达1570亿美金。当时ChatGPT还没发布。而具身智能领域其实将诞生第一个物理领域的AI基模公司，它未来能够挑战OpenAI，到那时它的估值也会超越OpenAI。从这个角度上看，现在具身智能的估值就不一定高了。

霞光社：为什么具身智能的本体要做成与人形相近？

邱谆：核心还是数据的关系，因为具身智能的训练数据多围绕人类行为、视角来进行的，因此人形的设计能获取更大量数据。当然非人形设计若能找到足够训练数据也可行，但目前中美市场均以人形为主，且特斯拉主打灵巧手也与接近人类动作的训练数据相关。

霞光社：关于具身智能的训练，国内具身智能企业主要通过仿真、真机做数据训练采集，欧美企业如 Rhoda则用真人视频数据训练，试图让模型像人类一样理解物理世界。您会倾向于哪种，怎么看这种路线的差异？

邱谆：我的答案是都会有。投资人不需要做这种颗粒度的判断。今天即便在具身领域最牛的研究人员或者大厂的技术员，大概率也判断不了。

目前具身智能还处于前 GPT 时代，就像 GPT 出现前，没有人知道哪种数据形态能训练出优秀模型。就连做NLP最专业的 Google 自己也没判断出来，不然 Google 肯定就投 OpenAI 了，或者它也做同样的技术路线。目前的仿真、真机、真人视频等数据类型，以及各类训练算法都还在尝试阶段，最终哪种组合能成功还没有定论。

所以对投资人来说，无需做这种颗粒度的判断，投资人要做的，就是挖掘一个好的团队，然后企业会自己找到最合适的路径。其实他们（在各种路线上）都会有尝试，只是侧重不同。比如我们投资的自变量机器人，最早他们在真机数据训练上是最牛的，但他们也会有仿真数据、拍大量视频来训练机器人。

仿真和真人视频数据精度较低，需大量清理，多用于预训练，真机数据等则多用于后续调优，训练算法才是核心，数据需与算法匹配才能发挥作用。自动驾驶领域也曾争论摄像头和激光雷达数据的价值，最终两条路线均走通，核心是足够的数据积累，具身智能领域也是如此，先完成数据积累是关键。

霞光社：但美国好像更偏向于从视频数据入手训练机器人？

邱谆：这是因为美国只要有涉及到有硬件设备的真机数据，它就比较弱，所以就逼着它去用视频数据。视频的准确性、精度是比较弱的，这里面有很多是噪音，所以需要做大量的清理。所以，我们现在并不知道哪家最后能跑出来，但是大的方向就是这样，你首先必须得有训练数据，如果你都搜集不到数据， 那你就肯定就出局了。

霞光社：国内具身智能融资的消息接连不断，硅谷虽然也有部分具身融资新闻，但好像没有那么多。那里会相对比较冷吗？

邱谆：其实美国（具身智能）也很热，并不是说像一些人说的（比较冷）。最近刚好 Sunday Robotics也完成了一轮融资。

但讨论这个话题需要做几个事情。第一，把中国一批不是具身项目的融资要先剥掉，中国这拨融资潮里也有一些传统机器人公司，剔除后中美具身智能领域的融资总额应该是相近的。

第二，国内的融资数量会更多，观感上就更热。但我预计，未来国内会淘汰一批具身智能企业，因为门槛很高；也会涌现新企业，尤其在细分领域还是有机会的。

霞光社：也有一些硅谷投资人对人形机器人表达出担忧。他们对人形机器人的投资，跟国内有什么不同？

邱谆：硅谷有一个矛盾点，他们长期对硬件投资是比较谨慎的，因为美国在制造、供应链上是欠缺的，没有完全闭环。最后供应链从哪里来，他们没有完全想清楚。所以在机器人这件事上，你会看到他们的机器人项目，包括PI这些，都是偏软的。这也会影响硅谷投资人的投资决策。

反观国内，我们在算法、供应链、数据采集人力和设备上形成闭环，因此在具身智能上的投资看起来会比美国更激进。

霞光社：说到这儿，你看到中国和美国在具身智能发展上有哪些差异？

邱谆：在具身数据搜集上中国是有显著优势的，美国则在数据搜集算法研发上更擅长。

中国在数据搜集的优势体现在四个方面：一是人力优势，数据搜集需要大量采集员；二是设备供应链优势，数据采集涉及硬件设备，中国在数据采集设备上有优势；三是场地优势，数采工厂建设需要场地支撑；四是基础设施，包括数据采集后的存储、分析、部署等基础设施，中国更完善。

因为有这样的优势，有些中国企业会专门向海外企业提供采集的具身智能数据和数据设备。

霞光社：在AI大模型上，中美开发者交流特别多，很多美国AI企业里有非常多华人。那在具身智能这个领域，会延续这种情况吗？

邱谆：目前因为一些地缘政治的关系，国内具身智能企业不再像以前自动驾驶那会儿在美国设很多研发中心，但是两边合作还是很多。国内企业已经在做自己的具身智能算法研究，而且中美两边很多时候是同时开发。像我们投资的星动纪元的创始人陈建宇教授，最近与斯坦福大学Chelsea Finn团队合作，联合发布了VLAW框架；光轮智能跟英伟达的机器人实验室也交流非常紧密。我目前看到，中国跟美国在具身智能领域，不管是算法还是数据，都是齐头并进的。

霞光社：这么多具身智能企业都在融资，作为投资人会存在焦虑感吗？担心错失机会窗口，如同当年大模型。

邱谆：项目估值冲得很高，投资人害怕投不进去。这种情绪（焦虑感）是很普遍的，没什么争议。三年前的大模型虽然在能力上各有不同，但其实最后他们都走到一起了。但具身智能的门槛更高，应用场景更广，比如会因为硬件的构型、场景的差异出现更多细分赛道，单是灵巧手就可能出一批好项目。所以即使都是百亿俱乐部，里面也有很多有可能。

说到门槛，具身智能行业会经历三个核心环节：一是大量数据搜集的能力，为此公司还要搭建数据管线，从工程上它的难度很大，这一步就会刷掉一波企业；第二，当数据搜集上来，企业得有技术能力去做训练，这就要求它具备大模型训练能力，这一步再刷掉一大半的企业；第三步，当数据训练量上来了，就需要有强大的算力支撑，这考验企业的算力布局、规划和优化能力。很多公司融了钱，其实是要往这里面投的。

这样一看，最终能跑出来的企业，可能只有很少数。但这也不是说其他具身智能企业就没机会了，实际上现在也能看到一些分化，比如有些企业会慢慢专注做数据采集，有些可能专门去做算力优化了，最后他们就成为具身智能产业链上的供应端企业了。

总归而言，具身智能赛道的机会，应该是比大模型要多。甚至不光是现在这些创业公司，像原来做机器人的企业，也在试图转过来成为具身的供应链。因此具身赛道会有一个现象，就是项目源标的很多，但最后刷掉的比例相应也会更大。

霞光社：放眼全球，当国内在具身智能赛道有相对好的优势，那海外华人创业者在全球具身智能赛道是否会更活跃？

邱谆：这分为两类。一类是华人主导的创业，这类在美国相对比较少，尤其最头部的几家还是欧美创业者主导；另一类是华人参与的项目，这类项目就非常多了。

华人在这些项目中的优势是，他们对硬件的理解会比较强，而且华人还会在国内带着很强的供应链资源。

其实我们在硅谷也看到，很多美国的具身智能公司在硬件本体、灵巧手、数据方面也在跟中国企业合作，这说明双方的互补和合作是比较清晰的，至少美国的具身智能公司完全离开中国，我觉得是搞不定的。

霞光社：在具身智能这个赛道，中国企业目前出海的机会是什么？

邱谆：美国在硬件供应链上存在大量缺口，从电机、电池到本体、灵巧手等等核心零部件均依赖外部，这为中国企业带来了出海机会。虽面临关税、科技壁垒、技术出口限制等问题，合作形式更间接，但行业需求真实存在，出海机会明确。

霞光社：海外市场对机器人 / 具身智能的需求近年会有什么变化吗？

邱谆：我认为海外市场对机器人的是需求一直在那里的。你看各种欧美科幻电影，第一天就在拍机器人。哪怕50年前，如果有一个机器人能帮你扫地、做家务，性价比还ok的，当时就会有很多人要。但这几十年一直面临的问题是，你很难将机器人真正实现通用化。现在基于大模型的具身智能，第一次让机器人实现通用化成为可能。

霞光社：今年一开年大家都拿了大钱，你觉得会有具身智能跑出来吗？

邱谆：我们应该看几个里程碑。顺着当年GPT的爆发看现在的具身智能，我觉得应该对它稍微降低一些期望值。如果在GPT出来之前，你抓住Sam Altman，问这个东西到底会应用在金融、医疗还是教育，或是写代码，他其实也未必知道。

所以我认为，对于太创新的事情，不要给太多商业化压力，这个事情非常重要。而这一点恰恰是中国创新环境下与硅谷有一定差距的地方，因为中国的环境会更加强调创新带来的商业化。

所以第一步我们要等到具身迎来“GPT时刻”，即这个AI大模型被训练出来，突然展现出通用智能涌现的能力；第二步，再去看它怎么商业化。

现在这些项目还处在大量搜集数据、全力训练模型的阶段，如果太着急去问它要在哪个非常具体的场景里去落地，我觉得有时候可能会伤害到这些公司。

霞光社：所以现在这一波投资人对具身智能投资的目标，主要还是为了推动它实现智能涌现。

邱谆：当然不是每一家都是这样，我也承认。很多机构也知道（具身智能）商业化不会那么快达成，但是他又想短期内看到商业化，跟着其他机构一起投了以后，就会有焦虑。

霞光社：因为您平时常在硅谷，从你的视角看国内这波具身智能融资热，你想给什么建议？

邱谆：现在的AI企业、具身智能企业，已经不单单是一家企业了，它其实还有科研的部分，比如他们都会有首席科学家，因为他们要做科研。对这些公司来讲，其实前沿探索的能力是更重要的，尤其是当下的具身领域，它的软件算法还没有收敛，大家还没有形成一个共识，还在探索的阶段。

比如单就人形机器人来说，如果软件没有收敛，虽然最后硬件都是偏人形，但到底是怎样的人形，比如你的灵巧手有多少自由度？要轮式还是双足？这些都还未定。

因此，只要朝着一个大目标，路线可以不同。

从这个角度，我觉得投资者应该给这些创业公司更多空间、机会去成长，去实现“具身智能的GPT时刻”。