我们真的需要人形机器人吗？

本文来自微信公众号：硅谷101，作者：硅谷101，题图来自：视觉中国

今年拉斯维加斯国际消费电子展上，人形机器人再次成为焦点——舞狮、打拳击、后空翻、打乒乓球，各种炫技的Demo，将“科技春晚”氛围拉满。但如果你期待的是泛化能力的突破，那么今年的展或许不会给你太多惊艳。

本期播客是机器人特辑的延续，此前我们探讨过许多关于机器人泛化的前沿探索，今天我们调过头来，追问一个更根本的问题：我们真的需要人形机器人吗？

本期嘉宾傅盛认为，人形机器人硬件并不遵循“摩尔定律”，靠堆料实现的性能很难走向商业场景，更谈不上有意义的量产。真正能落地的机器人，往往是从具体的场景中逐步迭代、打磨“生长”出来的，而非一开始就追求通用性和完美形态。

尽管这次CES展会上，机器人“泛化时刻”尚未迎来曙光，但我们看到的是，中国品牌以更成熟、更国际化的姿态占据了全球消费电子舞台的中央。而对于众多探索出海的中国机器人企业来说，美国仍然是那个最理想的市场，所以我们的嘉宾们也用亲身经历给出海者提出了几点建议。

以下是这次对话内容的精选：

热潮反思：我们真的需要人形机器人吗？

泓君：今年CES机器人的展区特别火。具体到人形机器人行业，我注意到一个数据，CES一共的人形机器人参展商是38家，其中中国的参展商有21家。

傅盛：居然还有17家不是中国的？

泓君：有人说这次机器人其实是中、美、韩三国的竞争。有韩国是因为机器人领域很著名的Boston Dynamics被现代集团收购了。他们展位排队要等四十多分钟。Boston Dynamics在行动能力、爬楼梯方面开发较早，有非常深的积累。另外，他们今年在CES上官宣了Atlas，计划2026年开始生产和向首批客户交付，到2028年实现更大规模部署，并形成年产3万台的产能。如果真能量产，这会不会是整个机器人领域最大规模的量产？

Atlas产品宣传片 图片来源：Boston Dynamics

硅谷徐老师：我去看了Boston Dynamics，这些Physical AI、人形机器人都在那边。但都没让我有耳目一新的感觉，我也非常想了解傅盛的想法。

傅盛：其实宣布这个量产意义不大。2021、2022年特斯拉刚做擎天柱时，当时我们内部一个小型投资人会议就在讨论要不要抓人形机器人的机遇？他们说得到明确消息，特斯拉和供应链的减速器厂商说明年要下10万台订单。我当时就说，特斯拉可能没做过机器人，有点轻视了，肯定做不到。

你看它2025年年初说做几千台，最近换了负责人（之前做FSD的），上来就先砍一半。当然，特斯拉这样的大公司生产几千台肯定能生产出来。但问题在于，这是不是真正落地的量产？要么是客户买单，要么是能在实际场景中真正发挥效率，这样的量产才有意义。我对波士顿动力宣布的几年后产3万台非常质疑，甚至觉得不太可能做到。

泓君：他们的一个应用场景是仓库搬货运货。Howie你来讲讲你看到的Demo场景是怎样的？

硅谷徐老师：我没觉得有什么特殊的，现在很多仓库也有机器人在搬东西。它可能更灵活、更多功能一些，但跟过去的技术是不是一个本质的区别？我不清楚。我对Physical AI的向往是希望它能进入家庭，但这看上去还非常遥远。

泓君：1X公司已经打算2026年进家庭了，通过远程遥操，用隐私换机器人的操作。

傅盛：都不是出卖隐私的问题。昨晚刚和一个朋友辩论，到底人形机器人是不是泡沫，能不能落地？我说我们第一代机器人2017年做的时候，也是雄心壮志的，当时没做脚，但是也给机器人加了双臂。有一天我生日，工程师给了我一个惊喜，让机器人引导我到会议室，机器人划了根火柴，给我点了个蜡烛。那是2017年，我们也做过这样的事。后来慢慢懂行后发现，工程师是为了让老板开心偷偷加班，显得有研发实力，但没法泛化。其次，加上手臂后电池消耗变得很大，机器很重，当时一条臂要十来万。

2017年机器人划火柴点蜡烛 图片来源：傅盛

泓君：现在一条手臂大概多少钱？

傅盛：我们最近收购了UFactory，就是因为当时觉得臂太贵，投资了这家公司，让他们好好做六轴、七轴臂，把价格降下来。第一性原理谁都会说，臂不就是铝合金、钢铁，为什么卖那么贵？但做好多年，现在售价能做到四五千美金。现在像谷歌、斯坦福很多都买它的臂，海外市场占七八成，这家公司还盈利了。

但后来通过“臂”这件事我认识到，机器人硬件不像软件有摩尔定律，可以快速大规模重构。硬件比如一个关节、电机、谐波减速器，就得一点点改进，受制于物理结构，很麻烦。所以后来我对机器人的看法是，客户真正用的时候，考虑的就是性价比和投资回报率。

比如刚上市的极智嘉，做仓库搬运，当然它现在只是底盘升降，能搬200公斤。现在他们也在探索底盘上加两个臂。对搬东西而言，加臂有没有用？加腿有没有用？用处很少，成本却高了非常多。工厂在设计的时候基本上轮式都能通达。这就好比用大炮打蚊子，用灭蚊器不是更好吗？

泓君：轮式没有腿，它会便宜很多。

傅盛：今年做人形机器人，至少一半的钱花在腿上，甚至更多。我用一半的价格，实现你95%以上的效率，就没人会选人形。

硅谷徐老师：傅盛其实回答了我之前的疑问。我走出CES就在想，这和我以前看到的有多大区别？说穿了就是两点：一是在固定场景能做什么，二是泛化能力（当然这是一个光谱，不是0和1）。到底要越做越泛化，还是专注固有场景？固有场景的机器人，五年前、十年前，各大工厂已经有很多搬运机器人了，已经做得非常漂亮了。泛化的机器人进去之后能做得多好？我没看出很大的作用。

但如果要让机器人在我们生活中各方面都能用到、感受到，那肯定需要泛化。但泛化这一块，我觉得还很远，至少我没看到。

前两天我看到一家叫Sunday的公司，网上Demo挺不错。它的投资人Sarah Guo是我的好朋友，我问她这是真的还是假的？她说是真的。它搬酒杯、洗碗，包括饭桌上非常微妙的场景，都能处理，我期待的是这样的机器人。

图片来源：Sunday Robotics

泓君：它其实也是一个轮式的，加机械臂，它的机械臂可以把桌子上的酒杯抓起来放到洗碗机里。

傅盛：去年我参观了Figure，我和一个对Figure比较了解的人争论，为什么一定要做人形，我们双方争执不下。他认为一旦做成就可通用，人形能适应各种场合。前两天他给我发信息，他去Sunday看了一下，大受震撼。他突然觉得，对呀，为什么一定要有腿？因为他知道腿花了很多精力。而Sunday，它可以把所有精力都放在手上，一个底盘就很稳定了，所以它能把任务做成这样。他非常震惊，因为他了解的人形机器人公司还没到这一步。

真能干活，我认为一定不是从人形开始，而是从某种特殊形态开始。最早进家庭的机器人是扫地机器人，它也叫机器人。其实“机器人”这个翻译有问题，robot不是特指人形，老外管自动运行的机器都叫robot。所以第一波是扫地，后来割草，越来越多，现在仓储运输、底盘移动，开始有人往上加臂。

我的观点一直是这样，所有好的产品和技术，它是“生长”出来的，不是凭空做一个特别高大上的技术，一下就做出完美通用产品。它一定要跟很多场景打磨。今天讲Physical AI也是个很虚的词，但像Sunday这样，在一个场景下，比如拿杯子，如果它能做到……

泓君：它是真能做到吗？还是视频拍了很多次？

傅盛：不需要拍很多次。但我想说比如拿杯子这件事，99%的准确率你也不会用。如果每天都会有东西碎掉，你还会用吗？

你看这次黄仁勋讲什么生成数据，伊隆·马斯克转了一下，说特斯拉早就在做了。他说难的不是那99%，而是最后那1%。所谓真正落地的机器人，他要和物理空间接触。为什么自动驾驶这么多年没真正实现L4？因为一旦接触，后果很严重。即使很多地方做得好，但corner case（极端案例）很难处理。而且自动驾驶还是二维平面，机器人是3D，还要接触、抓取，难度还是非常高的。

泓君：我把我们刚刚讨论的话题收敛一下，我们核心话题是机器人是不是一定要人形？我看出来了，傅盛你的观点是它不用完全是人形，能干活就行。但如果现在能干活就可以，为什么我们看到特斯拉擎天柱、Figure AI、Boston Dynamics的Atlas……这些业界最顶级厂商都在生产、甚至量产人形机器人？

傅盛：你说顶尖公司都在做人形机器人，其实可能是因为做了人形机器人就显得比较顶尖（笑）。今天这个“热潮”怎么来的？我认为就是伊隆·马斯克带起来的。在他做人形机器人之前，大家都不太看好。Boston Dynamics被卖过，谷歌要卖时软银买了，都没什么人买。而且谷歌这么有技术梦想的公司为什么卖掉它？你想想。

本田的机器人ASIMO我见过，做了30年，两足行走，奥巴马访问时还跟它踢了球，最后宣布停产了。那时业内已经不看好了。

我和Boston Dynamics的CEO在一次会议上连线，他说只要投足够多钱，就一定能做出来。我当时不太认同，我认为只有市场真找到需求才会做起来。

国内是看到马斯克做了，觉得不能落后。如果他真做成百万台，世界就被改变了。所以“宁可错判，不能错过”，但这个热潮搞得太大了。

泓君：所以今年国内机器人创业特别火，对吧？

傅盛：特别火。为什么火？第一，好融资。其实不难，你去深圳花200万搞一个人形机器人，打上自己Logo，找个厂弄出来，走两步，没问题。你搞大语言模型就没这么简单。

泓君：“走两步”供应链上已经实现了？

傅盛：可能是要调一下。我的意思是“走两步”现在也不难了。我拜访加州理工一个做人形机器人非常知名的教授，他说以前波士顿动力用的双足控制算法能耗相当高，为了维持站立平衡，最早的产品要背着油。人维持平衡能耗很低，但那时算法要花很大精力。

我认为人工智能进来后，把这个算法确实简化了。等到伊隆·马斯克可以做，大家一看，觉得这么牛的人都觉得能做了。而且我觉得马斯克也把这事想简单了。最近马斯克有个采访，说现在意识到做人形机器人比做汽车难多了。

你看到的Demo都是厂商能拿出来的最好水平，是调优过的，到实际场景中要大打折扣。你看它的动作，就知道能不能落地，基本都不能，过不了及格线。比以前有没有巨大的进步？有，但那条线高高在上，到那条线要多久，说实话我觉得没人知道。

图片来源：Sharpa

泓君：这涉及到第二个问题，就是Howie刚才说的，机器人是走垂直领域，还是注重泛化性？我先回答你在提出这个问题前面的一个困惑点，为什么你觉得Demo都不够惊艳？我问过很多机器人领域做技术的人，我说中国有很多机器人大赛，你们能不能根据机器人大赛的表现跟冠军去判断哪家公司技术最好？所有的答案都是——不能。因为比赛场景固定，不能体现真正的泛化能力，只证明你为这个场景花了多少时间，所以仅仅通过Demo很难看出一个机器人真正的泛化能力。

但昨天我在展上看到一些惊艳的瞬间，来自一家叫Sharpa的灵巧手公司。我们上期讲过它。它有四个任务很有趣：一是折纸风车，步骤多达30步，是机器人领域的超长程任务难题，因为它意味着如果每一步成功率99%，30步后总成功率只有70%。二是发扑克牌，也是精细运动。三是拍照。四是接乒乓球，考验反应延迟和瞬间决策能力。它的Demo给我的感觉明显和其他Demo特别不一样，当然它也只是一个固定的场景。

傅盛：我认为灵巧手这条路径上，是有很多值得探索的，而且有很多场景有机会落地。现在供应链把臂的价格降下来了，以前UR一条臂一两万美金，现在可以卖三四千美金。灵巧手也是各个方向都在做，这条路我一直在观察，我觉得是有机会的，落地可能更早。

你讲的四个任务里，折纸比打乒乓球难多了，因为力要掌控好，如果现在折纸是从里面拿纸出来，它要对环境有判断，但我还是高度怀疑它对任务做了大量优化。如果是可以泛化的，纸张随意摆放都可以，就会更好一些。

泓君：对，他们的纸张是给机器人铺好的，还是在一个固定场景，只是步骤长而已。

傅盛：比如几年前ALOHA炒鸡蛋，我们看它的论文，它必须在特定范围内这么一个模型，准确率大概80%，往上提就很难。折纸能做到这样，不知道臂有没有力反馈，确实挺不容易的。但这里面又有问题了，要看看它用什么臂，加了什么传感器，这传感器贵到什么程度？

图片来源：Sharpa

泓君：Sharpa的臂我们上次聊过，是5万美元一只手，业界最贵。

傅盛：符合我的预期，为了这个加了非常多的东西。这个价格还不考虑寿命、故障率等等这些东西。堆料一定可以堆出一些不错的体验。

人形机器人的商业化难题

泓君：这个讨论挺有意思。硅谷101过往关注技术最前沿，关注做得最好的那一家怎么把事做成，完全没关注成本。傅盛你对中国的供应链和机器人产业挺了解的。你觉得在成本优化方面，哪几个方向是大块？比如你怎么用一个小的成本解决一个巨大的场景性的任务？

傅盛：成本最大的是机械结构那块，电机、减速器这些物理的东西，它降价真没那么快。芯片可能过两年降一半，所以芯片、传感器成本反而比较低。

泓君：电机、减速器多少钱？

傅盛：我们对做臂比较清楚，比如七轴臂，我们叫七个谐波减速器，以前都好几千一个。

泓君：七个就上万了。

傅盛：对，我专门考察过怎么把这个成本降下来，发现很难。谐波减速器的专利在70年代被几大公司享有，其他做的都侵权。但是在2010年代，这个专利过期了。我想说的是，专利都过期了，还是这个结构，大家还在这个上面打磨。如果想要发明出新的承载力好、急停、减速、精度高的结构……到今天也没看到。

中国供应链已经非常厉害了，像宇树可以卖到10万，就已经降得非常厉害了，但不会持续地像大家想象的那样再降下去了。

泓君：如果我们去拆分机器人成本，哪几个部分占大头？

傅盛：刚才讲的都是，再加上各种机械关节。比如Figure用谐波减速器，所以它动作挺慢的，不如国产用行星减速器的。谐波减速器的好处是负载高，拿的东西可以很重。但表演不需要拿重物可以就用这个。每个能动的地方都是成本。这个成本就看你要什么了，最近小鹏有个机器人，走路很好看，它成本也很高。

泓君：外形好看，还要付额外的成本。

傅盛：为了自由度多，你就得多加关节。加了之后成本是一方面，而且加多了它容易坏呀，可靠性就降低了。为什么我说人形机器人到今天包括做Demo不错，但是落不了地。你真正落地时就会发现，给你点赞是一回事，掏钱买是另一回事，贵了就很难下决策，还有可靠性又是一回事。

泓君：我听到美国厂商抱怨，他们觉得人形机器人看着好，但真要落地时，比如厨房炒菜的手臂机器人，现在所有手臂都不耐磨，所有硬件厂商提供的物料都不行，没人做耐磨的优化。

傅盛：现在人形机器人使用寿命是非常短的，今天也没有保修标准。我们做轮式机器人出海，质量很重要，一两年至少不能有问题。这事磨了挺久的，它不是一个成熟的产业链，以前我们连一个电机都得从别的小车上找。你看今天有自动驾驶芯片、游戏芯片、大模型训练芯片、推理芯片，但没有机器人芯片。因为它不成产业，所以我们就得从别的地方选。在没有产业链形成的情况下，大家都没有去大批量、高规格生产，它的质量当然就不行，落地时肯定有很多问题。

泓君：芯片谁好用？

傅盛：我们最近蛮诧异的，国产的一些中端芯片，做得非常好用，就中端，不需要那么大算力的。后来想想他们也是跟产业走得比较近。

泓君：芯片算是机器人成本中比较大的一块吗？

傅盛：不算。

泓君：所以成本大的，其实还是在整个的制造和硬件整合环节。

傅盛：对，就今天没有一个所谓的大模型能让机器人用。

泓君：机器人现在其实我们把它分成几端，一端是软件，一端是硬件，你觉得在软件和硬件之间，包括中间的搭建过程中，产业链是完整的吗？现在有很多机器人厂商，有的做硬件强一点，有的做软件强一点，但这个硬件跟软件怎么搭载起来？中间开发平台是什么？感觉都没有。

傅盛：完全没有。

泓君：所以这个行业整体没有统一起来。

硅谷徐老师：傅盛刚才提到没有产业，我觉得是鸡生蛋、蛋生鸡的问题。我感觉大家都在那边说“机器人就是忽悠大家一起来”。我说这个“忽悠”没有任何贬义，因为没有看到真金白银，这需要一定的情怀。

我去看了Boston Dynamics，觉得它的新闻非常小心翼翼，它说“客户试点项目将于2027年启动”。我觉得任何技术都可以这么说，去火星也可以套这句话。

傅盛：而且为什么是2027，不是2026？不是今年？不是明年？这一年会发生什么变化？

硅谷徐老师：对，看了这句话我就心凉了一大截。

泓君：你觉得如果机器人在工厂搬东西，在中国和美国，打平人的成本要多久？在简单一点的场景里。

傅盛：不是人形的已经有很多了。它的问题在于准确率，在很多场合是不能出错的。你可能觉得递送是件很简单的事，但我觉得最难的不是能跑一下，而是要一天递送几百次从来不出错。为了这个不出错，整个行业努力了有三四年。

泓君：递送指什么？

傅盛：餐厅递送、酒店递送，看着简单，但前面真的打磨了三四年。因为做个Demo从这里走过去可以，但在不同餐厅，桌椅来回摆，它就会迷路。比如我们用激光传感器，那KTV有喷雾了，机器人就迷路了。还有的玻璃很特别，纯黑的，反射不回来，你要用视觉去解决。你想今天汽车才差不多到视觉这个阶段。所以有太多corner case（极端案例）。

泓君：我把我的问题再收敛一下，在餐厅做送餐机器人，能打平服务员成本吗？

傅盛：可以的，但就这样接受度也不高。没表现出特别好性价比时，人是不愿意改变流程的。机器人在国内已经做到1万块钱了，也卖不动。

以我们经验看，在欧美用送餐机器人的确会降低成本，但餐厅老板对新事物的接受度有限。我们在全世界卖的最好的，就在意大利有个代理商卖得不错。意大利有个很深的潜水池，后厨离餐厅好远，就让两台机器人来回跑。这么简单一个动作，实际上也花了很长时间才真正解决可靠性。

意大利的餐厅机器人 图片来源：傅盛

泓君：很长时间指多长？

傅盛：至少两三年。最开始经常撞桌子、撞脚，我们就要考虑，要不要加一个向下看的？餐厅机器人为什么做那么便宜？它是用激光去建图的，但我们只能用500块钱的单线雷达，所以在桌子椅子密集时，它就会不知道自己在哪儿，我们叫“定位丢失”。后来几个厂商想出办法，在天花板上贴反光二维码，但是那个二维码你看不到，是用红外看的，三五米贴一个。用很多这种工程化方法才解决了。我们还专门发明杆子，往天花板上贴东西。今天随着算力提升，慢慢很多地方不用贴了。包括压脚问题，也是通过改硬件配型，慢慢让它今天能够稳定可靠地使用。你看酒店送餐，为什么国外没有？

泓君：我听说电梯是一个原因。

傅盛：对，国内找个电梯维修师傅，给他2000块钱，让他在里面装个板子。但是国外不行，日本电梯公司不准你动，要动先给10万块钱，每个月再收你几千。

泓君：是说电梯按钮的问题，还是什么？

傅盛：电梯Wi-Fi。今天递送机器人叫电梯都通过Wi-Fi，这就涉及电梯改造，国外电梯公司不让你做。

泓君：有合规、安全的要求。所以大家想象机器人可以在美国替代一点人力，没想到改变基础设施的费用还挺贵。

傅盛：对。但我觉得美国这些机器人实际上大有机会，这些机器人做一些垂直领域简单动作，比如就是叠纸巾，是有机会的，因为美国就是人力成本高。我们今天送餐一半以上利润来自海外，国内没有利润。

机器人出海与中美文化差异

泓君：挺有意思的是，像割草机器人、泳池机器人，是近一两年才开始大批量销往美国的。中国厂商特别会找机会。每年亚马逊内部数据能看到爆款趋势，我前几年和亚马逊沟通，他们提到美国泳池机器人、智能喂鸟器特别好，很快中国厂商产品就出来打美国市场。这次CES上挺明显的。

傅盛：你看割草机器人快速出来，和机器人轮式导航算法的成熟有关。以送餐为例，这个导航算法磨了很久，本质上是在用户可接受价格内找到解决方案，不是“垒料”。

有投资人问我，你们做机器人导航，是不是自动驾驶团队过来就把你秒杀了？我说不会，一辆车，车载芯片至少上万块，传感器激光雷达大几千。我们要做的是几千到一万多成本，做出整套方案，得用很便宜芯片，基本不超过1000块。用尽可能少传感器，然后用工程算法去把导航磨出来，让它不迷路。魔鬼都在细节里，就这么个小东西，都要磨两三年的时间，回到我们说的人形机器人，那坑真的太多，手、脚的复杂系统可能超出了绝大部分人的想象。

图片来源：Figure

泓君：今天聊天能鲜明感受到，硅谷做前沿研究，中国做应用强，这个优势特别明显。

傅盛：对，但我去年跑了很多美国的机器人初创团队，发现硅谷是很多样化的。很多团队不做人形，像Sunday这种轮子加臂，或者单臂的方案，都在做。我觉得这反而有机会能做出来。它们就是找场景，这种公司第一天就想怎么卖给客户，然后反向去做优化。

泓君：你们也做机器人出海，现在最好的市场是哪里？美国、欧洲、东南亚？

傅盛：肯定是美国。欧洲不好做。日本错失互联网后，软件人才断档了，除非你去做整套方案，如果让他们自己做点二次开发，基本一个东西、一个App能做一年。韩国市场容量比较小。我们的送餐机器人在韩国表现也不错，但容量太小。

正好分享个例子，在美国市场，我们的机械臂最近有个大客户，是拿机械臂给人拍照的。以前拍照有些固定模板，要人手拿着，现在用机械臂，做环绕拍摄等，还是个几百家连锁的客户。但你知道吗，这个东西我们跟他们磨了两年。他们买过去要做适配，做好软件，花了挺长时间。

采用紧凑型设计，可实现精确、重复性相机运动的UFACTORY协作机器人 图片来源：VP-Land

泓君：两年才销售一个大客户。

傅盛：对，海外市场就是这样，不像中国那么快，做什么都挺慢的。

泓君：那为什么大家还觉得美国是个很好的市场呢？

傅盛：需求大，愿意付费，人力成本高，还愿意推进机器人化。

硅谷徐老师：付费意愿肯定在那里，但很多时候要改变流程。如果是个人使用，没什么流程改变；但只要涉及餐饮或其他有流程的环节，在美国是很难的。我记得一个朋友做送餐，他说送过去没问题，但和里面的人打交道很难，因为人家没有和机器人打交道的流程。这不是“最后一公里”，是“最后一米”的问题。只要涉及到改变流程，都不是以天、星期、月为单位，而是要以年为单位的。

泓君：总结很有意思。这次CES我还观察到一个大趋势：中国企业出海。CES 4000家厂商里，中国企业占22%，是全球参展商中占比第二的国家。

硅谷徐老师：只有22%吗？我觉得如果光看现场人数，感觉比例更高。

泓君：我整体感受是，今年中国厂商拿到的展位位置更好，大的、装修豪华的位置很多给了中国厂商。放眼望去觉得很多中国厂商的展。

硅谷徐老师：对，而且怎么定义中国厂商？如果是一个华人，在新加坡甚至特拉华州注册，很难定义。

泓君：我整体感觉大家的品牌做得比以前好太多了。以前CES放眼望去都是日韩消费品牌，最好的展位是他们的。今年改观非常大，比如Insta360赞助了会场袋子。你们觉得这轮中国公司出海，和之前相比有什么大的不同？有哪些进化？

硅谷徐老师：一个很大不同是，你都看不出来这是出海公司，这本身就是很大的变化。

傅盛：对，越来越有国际范儿了。

泓君：你们觉得现在做美国市场最大的挑战是什么？

傅盛：我觉得还是能真正深入到本土，对消费者习惯、文化，还有渠道等等的理解。我们当年出海很早，2011、2012年第一次来美国觉得很新鲜，当时看App，可以不用本土化，直接上App Store就行，所以我们就全力做海外。

我昨天正好总结，我们出海经历了几个阶段：

第一阶段是在信息最透明的行业，像互联网，我们用人海战术。那时在湾区做App，五六个人就算多的了，我可以搞100人做一个工具。所以今天中国App的水平远超美国，那时就开始了。

第二阶段是服务和能力出海，我叫它“吃苦耐劳的出海”。这波在应用能力、研发能力、运营能力上，中国企业已经全面超越了，所以这波出海有点居高临下的感觉。

泓君：我确实有这种感觉，整个品牌感上来了。以前我们说中国公司出海输出的是价格优势，但这波中国公司的定价很高了。

傅盛：对，因为品牌背后是你的产品不只是价廉，而是质优了，性能比别人好，价格又不是特别贵，所以品牌感起来了。日本当年出海也是，车开始卖得很便宜，慢慢才做出雷克萨斯这样的品牌。

硅谷徐老师：我觉得“吃苦耐劳”不只是价格。比如台积电能做出来，里面有很多是能吃苦耐劳，但这转化出来的不只是价格低，而是有能力大规模做出来，这是“有”和“没有”的区别，我觉得吃苦耐劳还是很大的差异化。

傅盛：对，吃苦耐劳带来的是迭代速度比别人快、你不断去实践。同样一年52周，我迭代52次，你迭代两次，我经验就比你足。吃苦耐劳最后带来模式领先，无论是研发模式还是运营模式。在国内这种环境下打磨出的模式、供应链管理都是领先的。中国内卷这么多年造就的这种……台积电的故事我也听过，迭代快、效率高，最后带动品牌和服务提升。品牌不是生拔出来的，光请几个外国人品牌也不会好。

回到你的问题，这波出海要注意什么？其实就是要对当地市场渠道的理解和尊重，这一点和中国有很大差异。渠道很重要，它和中国那种电商、开发布会不一样。当地公司最强的就是渠道。

硅谷徐老师：比如日本、欧洲都有自己的一套打法。

傅盛：这波AI带来硅谷新的增长模式，比如社群、用户接触方式，都和国内不一样。即使做软件产品，也得尊重和理解硅谷这轮新的增长模式。

泓君：对，硅谷硬件产品进入核心零售渠道如Costco、Target，是个里程碑事件，就是你所说的要尊重渠道。

傅盛：对，还有一个要注意的坑。我们当年遇到过产品被下架的事情，这个事我反思了很久，对我们几乎是毁灭性打击。主观上我们没做错什么。后来我意识到，当年在硅谷我们也雇了不少人，但我花的时间很少，高管花时间也少。没有在这里建立起人脉网络，甚至生态系统，就是公对公。当出现问题时，大家的不信任感是很强的。本质上误会大于事情本身。为什么要尊重渠道？和渠道搞好关系，就变成了共生关系。

比如TikTok，川普第一任的时候说要下架它，他就没下成，主要是因为TikTok在当地有很多网红，已经是一个生态了，你有自己的这种人脉和生态系统帮你的时候，就能处理这些事情。

泓君：说到这个我感受很深。这轮AI，我们就看到整个OpenAI和Sam Altman，他们和英伟达、AMD绑定得很紧，有一种铁索连环共生的感觉。美国人很会玩这一套。中国企业在这里做应用，我觉得还是有点单打独斗，没有联合起来。

硅谷徐老师：不敢把命运放在别人身上。

泓君：对，绑定得还不够深，还是要让一点利出去，让大家在一个地方能利益共享。

傅盛：是的。我记得霍夫曼（Reid Hoffman）当时在北京约我吃早餐，讨论北京和硅谷的异同。他讲了一个不同点特别打动我：他说硅谷有个东西叫“relationship”。我说，哎？关系不是我们中国人很讲究的吗？

硅谷徐老师：他说硅谷的关系非常微妙，非常不一样。都是关系，但内涵不同。

傅盛：对，内涵不一样。我们的关系是一起吃喝玩乐，人家的关系是商业网络关系。硅谷创新为什么多？就是这样，我要创业了，几个人给我一张支票，因为和你有很好的商业的relationship，不是人情世故的relationship。

泓君：我自己其实感受也蛮深的。我自己出来做播客的时候，没有流量，很多听众问我怎么约到那么多大咖嘉宾？但我觉得我在整个硅谷的生态里，所有人都说“你要出来了，那我第一波支持你，我可以上你的节目”。徐老师也是特别早就支持我的。

硅谷徐老师：那是六年前，我们聊GPT，听的人很少。

虽然我们刚才提到CES没有想象中惊艳，但我觉得技术不是一蹴而就的。就像OpenAI一开始也在做一些没让人惊艳的事情，它需要长时间积累“不惊艳”才能够到达这一天。

今天我学到很多机器人里的坑，这和我对人形机器人的直觉还比较远是符合的。但你提到伊隆·马斯克做机器人，我比较赞同他的一点是：他觉得泛化很重要，虽然难，但他宁愿啃这个硬骨头。我觉得他是有一定道理的。

我不是专家，只是从直觉上来讲，我们六年前谈GPT，泓君你记得吗？你问我为什么这是一个里程碑事件。我当时就说，GPT让我第一次看到in context learning（情境学习），能够泛化。这对我们做AI多年的人来说，以前都是特定数据、特定场景训练，一旦有丁点的变化，结果就不一样，这是一件很痛苦的事情。到了2020年我才意识到，真的可以做成一个不需要事先考虑那么多数据和场景，用in context learning能够做出来。虽然当年GPT-3效果和今天差很多，但第一次让我看到泛化的可能。这就是为什么六年前我们就说这是一件意义深远的事情。

对机器人，我还是希望它有泛化功能，今天我没看到任何人做得很好。伊隆·马斯克不需要我支持，但我会支持他做人形机器人。而且即使今年CES没让我惊艳，但这个方向还是很重要，这是我个人看法。

泓君：讲得非常好。我觉得两种方向都对：既要解决最难的通用机器人问题，也要在过程中商业化养活自己，通过垂直场景先实现部分应用。两种思维不一样，但都需要。

硅谷徐老师：因为你想，OpenAI之所以能把大模型这条路走通，现在大家都忘了，但在2018、2019年，花几百万美元训练一个模型，这是一个不可思议的事，有人觉得完全是浪费。另外一个看法是，即使做出来了又怎样？所以它敢于用现有的落地场景去做尝试，我觉得是非常重要的。

泓君：这两条路最终可能会融合。

傅盛：我觉得肯定会融合。刚才我们聊的是我从从业角度做的技术判断，比如我今天会不会去做（通用人形机器人）？我肯定不会。但你问我希不希望它成功？我当然希望。它如果真成了，就意味着机器人的“GPT时刻”到了，那不光人形会大行其道，轮式机器人也会大行其道，因为我加手臂上去还能便宜一半，对行业当然是大好事了。我也盯着像Scale AI这样做机器人大脑的公司，真心希望有一个模型能出来，把很多不同硬件泛化掉，那对我们来说就太好了。行业愿景、可能产生的突破，和我们自己选择的路，不一定要在一条赛道上。

本文来自微信公众号：硅谷101，作者：硅谷101