人形机器人初创公司正在把数十亿美元砸向赛道

人形机器人初创公司正在把数十亿美元砸向赛道。 但在财务报表上，能产生规模化商业收入的节点还在数年之后。 社交媒体上铺天盖地的，是一段接一段制作精良的演示视频。 泡咖啡、叠衣服、抓取鸡蛋、平稳走过碎石路。 麻省理工学院机器人学者罗德尼·布鲁克斯（Rodney Brooks）把当下的繁荣，叫做「人形剧场时代」。 为什么一段 30 秒的视频里机器人无所不能，到了真实的工厂车间，商业落地却迟迟推不动？ 是演示视频里有水分，还是从实验室走向流水线，中间横着一道无法用资金快速填平的鸿沟？ 把这笔账算到底，会看到两套完全不同的底层逻辑。 工业可靠性之墙，与原子世界的非对称惩罚。 大语言模型生活在比特世界。 在比特的世界里，犯错的成本接近于零。 模型生成一段胡言乱语，用户点一下重新生成，或者按一下退格键，系统损耗微乎其微。 软件系统可以容忍 90% 甚至 80% 的可用度，剩下那点差错，人类在交互界面上随手就能修正。 机器人在物理世界里遵循的是原子的法则。 原子的世界对每一次错误施加的是不可逆的物理惩罚。 一台重达数十公斤、搭载高扭矩电机的人形机器人，在流水线上抓取零件。 如果它的单步动作成功率是 95%，在一段 30 秒的剪辑视频里，这看起来像技术的奇迹。 但在汽车制造或精密物流的流水线上，95% 的成功率意味着灾难。 一个工人每小时执行数百次装配动作。 95% 的成功率意味着每操作 20 次就会发生一次失误。 机器人会把零件掉在传送带上，压碎高精度传感器，打坏减速器，甚至直接触发整条产线急停。 在现代汽车工厂，流水线每停摆一分钟，损失就以数万美元计算。 工业制造对自动化的要求，从来不是「成功做一次」，是「连续运转上万小时不出一次错」。 这是工业界度量机器寿命的硬指标：平均无故障时间 MTBF，以及高达 99.99% 的四个九可靠性要求。 从 95% 跨越到 99.99%，差的不是几个百分点的算法优化。 差的是整个物理世界的无穷长尾。 这就是 1988 年机器人学者汉斯·莫拉维克（Hans Moravec）指出的悖论。 让计算机学会人类经过后天训练才掌握的高阶抽象推理，比如下棋、做微积分、通过司法考试，相对容易。 让机器学会人类在数亿年演化中刻进小脑的物理直觉，比如感知微观摩擦力、自适应抓握、在阻力变化时调整手腕姿态，却难如登天。 一段演示视频能够成立，往往依赖极其严格的前提。 固定的光照角度，平整的台面，预设的物体朝向，十几次尝试后挑出的一条单次成功记录。 真实的工业场景没有剧本。 空气中的油污，零件反光的偏差，传送带毫秒级的振动，都会让缺乏闭环力反馈的机械臂失去判断。 另一重瓶颈发生在数据端。 大语言模型能够快速突破，依赖全人类在互联网上沉淀了三十年的海量文本，边际获取成本极低。 具身智能在物理世界里没有现成的动作互联网。 为了教会机器人拧一颗螺丝，工程师必须雇佣人类操作员，戴着虚拟现实头显和外骨骼，一秒一秒地进行遥操作数据采集。 真实物理轨迹的采集成本，比抓取网页数据高出几个数量级。 虚拟仿真可以在数字空间里模拟数万次动作，但材料微观形变和动力学接触的微小误差，始终存在跨不过去的仿真到真实迁移鸿沟。 既然工业落地的物理门槛如此严苛，为什么资本和初创企业依然热衷于发布精巧的演示视频？ 因为硬件试错、算力开销和高强度的人工遥操作数据采集，每天都在消耗巨额现金流。 在商业收入无法自我造血的漫长研发期，演示视频成了向市场释放确定性信号的关键杠杆。 它用直观的视觉突破证明技术路线仍在推进，以此为突破物理长尾买下下一轮融资的跑道。 商业化的时间表从来不服从公关视频的剪辑节奏。 它只服从物理定律的约束，以及工业现场对零容忍失误的严苛检验。 把动作在镜头前做对一次，是工程探索的起点。 把动作在充满干扰的现实世界里连续做对一百万次，才是真正重塑生产力的分水岭。