【实战派】走访多家中国公司后,漫谈中美机器人与世界模型的新竞争格局

https://assets.wanlianyida.com/industry-uniapp/web/static/image-default.BtYt8t8Z.png
祁瑞峰
·阅读量:4.3w

独家专栏作者  祁瑞峰

祺瑞丰.png

(祁瑞峰(Ken Qi),CaptionLens CEO与联合创始人,曾任零一万物联合创始人、爱笔(Aibee)科技联合创始人,在微软、甲骨文、SAP、史宾沙等公司任职多年,拥有逾 20 年的跨界领军经验,专注于AI、2B企业营销运营、企业数字化转型等领域。)

走访多家中国公司后,漫谈中美机器人与世界模型的新竞争格局

这次回国,我密集拜访和交流了20多家创业公司的创始人、联创和科学家,主要聚焦在机器人与世界模型两个方向。半年前我也回过一次中国,所以这次很自然地会把两次看到的东西放在一起比较。结果让我非常惊讶:仅仅半年时间,中国机器人和世界模型产业发生的变化,已经不是简单的"公司更多了""融资更热了",而是整个产业的技术重心、创业方法和竞争方式都在快速变化。

半年前的中国之行,在机器人行业,我写过一篇文章:中国行机器人公司访谈之总结-未来的思考判断

那时候,大部分机器人公司还主要聚焦在"小脑",也就是运动控制、操作策略、VLA后训练这些离产品更近的部分,对"大脑"、特别是世界模型,几乎没有投入。同时,我几乎在国内,找不到可以交流的创业公司。

这次回来,我交流的几乎所有头部机器人公司都已经进入了世界模型领域,只不过大家都非常现实:中国创业公司现阶段没有美国头部基础模型公司那样的资本和GPU资源,所以大多数选择从后训练、VLA、WAM以及具体场景中的world model能力切入,而不是一上来就以十亿美元为单位做通用世界模型的预训练。与此同时,半年前我还很难找到几家真正有实质进展的中国world model创业公司,这次光我交流的就有五家,而且大部分成立还不到一年。

但是这次最让我感兴趣的,其实还不是这些公司突然冒出来,也不是融资数字。真正让我开始重新思考的,是中国和美国正在形成两套非常不同的机器人与world model创业范式。过去我们习惯讨论谁的模型更强、谁的benchmark更高、谁先发明了某个architecture,但未来5—10年,中美在Physical AI领域真正的竞争,可能不仅仅是某一个技术点的竞争,更是两套创新体系和产业组织方式的竞争。

美国的创业范式非常容易理解,也是过去几十年硅谷反复证明成功的一套方法:术业有专攻,Stay Focus。做机器人的公司就把机器人做好,做传感器的就做传感器,做灵巧手的就把灵巧手做到极致,做foundation model的就专心训练模型,做world model的也不会想着自己去建机器人生产线。今天美国的机器人产业就是这样的结构,Tesla、Figure、Boston Dynamics、Agility、Apptronik是一类,Physical Intelligence、Skild这类robot foundation model公司又是另一类,world model则又有单独的一批创业公司,比如Generalist、Physical Intelligence、AMI等。每家公司边界很清楚,而且每一家往往只押一个核心技术路线。其实这也非常现实,因为今天任何一条frontier AI路线都太贵了,一个美国startup如果同时想做机器人本体、核心组件、VLA、world model、JEPA、数采和工厂,在硅谷几乎是不可想象的。

但到了中国,我看到的恰恰相反。中国头部机器人创业公司看起来几乎什么都在做。本体自己做,机械臂、伺服、电机、关节等核心组件很多也自己做,灵巧手因为实在太复杂会有一些专业公司独立出来,但大量其他非标核心件依然会选择自研。然后公司还要做"小脑"、做"大脑"、做world model,还要做机器人机采和ego真人数据采集,最后连机器人本体以及大量非标核心组件的生产线和工厂也往往是自己的。第一次看这种模式,会觉得它几乎违反了创业公司的第一性原理:创业公司不是应该聚焦吗?为什么一家几百人、上千人的公司,要把自己搞得像一家小型的华为、三星或者丰田?

但这次看了一圈以后,我对这个问题的理解发生了变化。我们过去所说的"聚焦",其实隐含了一个前提:你所在的产业已经比较成熟,产业链有明确分工,接口有标准,供应商可以稳定提供成熟组件。在这种情况下,当然应该专业化,能外包的就外包。但机器人产业今天恰恰不是这样。机器人形态没有收敛,核心部件没有完全标准化,模型路线也没有收敛,连真正能赚钱的场景都还在不断探索。这个阶段,如果把大量关键能力拆出去,看起来公司变轻了,但实际上产品、模型、供应链之间的反馈链路也可能被切断。因此,中国机器人公司这种看起来"不聚焦"的方式,在产业早期反而可能形成一种非常高的迭代效率。

我把这种模式总结为中国机器人创业公司的"三层闭环"。

第一层,是硬件、产品和供应链闭环。 机器人本体、核心组件、产品工程和工厂都尽可能掌握在自己手里。在传统硅谷创业方法论里,这种模式太重了,但在机器人产业还没有标准化的时候,它最大的价值并不是成本低,而是反馈速度快。一个关节出了问题,机械、电子、算法和供应链团队可以一起改;一个客户现场发现机器人的尺寸、负载、末端执行器或者运动轨迹不合适,公司不用等海外供应商几个月后的下一代产品,可以迅速重新设计、重新打样、重新生产。中国供应链真正厉害的地方,我越来越觉得不是单纯"便宜",而是宽度、长度和密度,特别是密度。很多机器人公司周围200公里以内,就能够覆盖大部分关键组件和加工能力,这意味着一次产品迭代从几个月压缩到几周,甚至几天。

这种人效和迭代速度,体感上非常夸张。智元在华为模式的加持下,从年初的500人一路增加到2000人;宇树和银河通用,过去半年也从大概500人涨到1000人左右。乍一看是在疯狂扩张,但考虑到他们同时在做全系列产品、几十上百个SKU、核心组件、工厂和大脑模型,这个人效反而相当惊人——支撑它的,正是中国本身的人效水平,叠加前面说的供应链密度。

这次我去看一些机器人和灵巧手公司的生产线,这种感受尤其强烈。一套灵巧手可能有几百个SKU,其中大量是非标件,但创业公司不仅已经具备量产能力,连电机、丝杠、电缸等核心非标组件都开始自研自产。印象最深的是沐曦的灵巧手,六百多个SKU的BOM里65%是非标件,但他们已经把从供应链到生产线的全闭环,包括落地场景,都自己建了一遍。创始人Alex是从美国回来创业的,他跟我说得很直白:在美国,一个startup用两年时间同时建立产品、供应链和生产能力,是不可能的事,美国的土壤根本不支持。这就是第一层闭环:硬件、产品、工厂和供应链之间形成一个可以高速转动的反馈系统。

第二层,是数据和模型闭环。 过去大家谈中国机器人,最容易想到的还是制造和供应链,但这次更让我震撼的是,中国连"机器人数据生产"本身都开始工厂化。我现场看到一些数采基地,大片标准化场景、成排的机器人和操作人员,任务被拆解,动作被重复,数据不断采集、清洗、反馈、再训练。望不到边的集装箱式、流水线式的数采基地,画面非常像制造业流水线,只不过流水线上生产的不是手机和汽车,而是Physical AI时代最稀缺的东西——高质量真实世界数据。这个场景,每次想起来依然震撼,美国目前确实赶不上。

互联网时代的数据,大量天然存在于网页、文字、图片和视频中,但机器人数据完全不同。杯子怎么抓,衣服怎么叠,抽屉怎么拉,零件怎么装,不同的人以不同速度、不同角度、不同力度完成同一个任务时发生了什么,这些数据互联网没有,必须自己生产。所以今天不少中国机器人公司已经同时拥有机器人本体、小脑、大脑或者world model、机器人机采数据和真人ego数据。于是第一层硬件和供应链飞轮之上,又叠了一层数据飞轮:机器人进入场景产生数据,数据训练模型,模型再回到机器人上执行,新的执行又产生新的数据。这是第二层闭环。

这里我越来越认同业内的一句话:Model is Application, Data is Model。 最终决定机器人模型能力的,未必只是用了哪一个architecture,而是你有没有自己的机器人、自己的产品、自己的客户、自己的场景,以及能不能不断产生高质量的真实闭环数据。如果没有这些东西,模型很容易漂浮在空中。反过来,如果机器人、数据和模型之间能够不停循环,那么产品本身就会变成模型训练系统的一部分。

第三层,是商业场景闭环。 这可能是这次最让我意外的一点。中国几乎所有我接触的机器人创业公司,包括一些刚成立不久的公司,在产品和技术还远没有成熟的时候,就已经开始问一个非常现实的问题:机器人到底要进入什么场景,谁愿意付钱?工业、仓储、制造、零售、商业服务、养老、酒店、餐饮……大家不是等机器人"AGI"以后再找场景,而是一开始就把不成熟的产品送进真实业务环境,一边用、一边改。客户反馈回来,继续修改机器人、硬件、动作、模型和数据流程,于是又形成场景—商业价值—产品反馈—数据—模型—硬件—再回到场景的第三层闭环。

更让我意外的是,这种模式已经开始出现在新一批world model公司身上。我之前写过一篇文章,就看好中国的world model创业公司,这次看的就更深入具体与顶层逻辑,也就更看好了,之前是觉得中国能赶上,现在觉得中国有机会反超。

为什么中国更可能赢在World Model & 机器人AI?一场被低估的AI下半场产业转移

按照美国的创业逻辑,一个world model公司最自然的路径应该是先做foundation model,先把论文和benchmark做好,然后通过API或者模型授权给机器人公司。但中国这一批新world model startup里面,不少公司从创业第一天就开始碰机器人、碰硬件、碰真实工业和商业场景,有的甚至直接自己做机器人本体。第一次听的时候我也觉得奇怪:你是world model公司,为什么还要造机器人?后来越来越能理解这件事,因为如果world model最终学习的就是physical world,那么模型就必须进入physical world。没有真实机器人、真实动作和真实场景的反馈,很难形成真正有价值的world model。

这也让我重新理解了中国创业公司最近越来越明显的"平台思维"。这次我走访的一些机器人和AR眼镜公司,创始人从一开始就不仅把自己理解成一个单品公司,而是在把底层供应链、产品设计、核心组件和模型能力拆成可复用的building blocks,再向第三方提供ODM/OEM或者软硬一体的平台能力。美国大厂很喜欢做平台,但美国startup通常很少在这么早期就有如此强的平台意识;在中国,这种模式却越来越常见。这是一枚硬币的两面:好处是起点高、复用性强,能更快把能力铺给更多下游场景;风险是,如果底层技术路线还没收敛,平台搭早了也可能是白忙一场。

回到西雅图以后,我和一位创业者讨论过中美创新的差异。他的观点很典型:美国真正最难复制的是0—1原创能力。这个判断我完全同意。过去几十年,大量最重要的技术范式、基础研究和原创突破,确实首先发生在美国。但我越来越觉得,今天大家有一点低估中国另一种创新能力:工程、产品和规模化本身,同样会产生创新,而且在某些产业阶段,它甚至可以反过来改变最初的技术路线。

生成视频就是一个很好的例子。Sora第一次出现的时候非常震撼,那是真正意义上的0—1。但到了今天再看字节Seedance,你已经很难简单把它理解成"复制Sora"。当工程能力、产品能力、数据、推理效率和迭代速度持续叠加以后,1—1000最后有可能反过来超过最初0—1的领先。电动车也类似,磷酸铁锂其实是德州大学发明的,最早由他们孵化的公司A123负责商业化,但真正把这项材料做到低成本、长寿命、能大规模用在纯电汽车和储能上的,是宁德时代用工程化和产品创新跑出来的结果——现在反而是福特要从宁德时代买专利和技术。原始发明重要,但最终决定产业胜负的,常常是后面无数看起来"不够性感"的工程创新。

所以我现在会进一步问:如果AI本身开始进入基础研发,如果simulation、自动实验、AI scientist逐渐降低原创研究的门槛,那么美国过去最难复制的0—1优势,会不会也发生变化?我不知道答案,但我觉得不能再简单假设"0—1永远属于美国,1—1000永远属于中国"。世界模型恰恰可能成为第一次真正验证这个判断的大赛道。

原因在于,world model现在还远远没有收敛。如果今天已经证明Transformer就是物理世界唯一正确的scaling architecture,那么接下来的比赛主要就是钱、GPU和数据,中国会比较辛苦。但现在完全不是这种状态。VLA、WAM、JEPA、显式world model,以及LLM/原生多模态模型直接跨入physical world的路线都还在竞争。甚至我这次回国交流时,一个非常明显的情绪就是,很多真正做physical world model的科学家一方面兴奋,另一方面也非常焦虑:OpenAI的Astra这个信号,让大家开始认真担心,语言/多模态大模型通过更大的预训练、视频、空间理解、reasoning和action,会不会自己就能够跨越到物理世界——如果这条路走通,那么今天很多新的world model范式可能根本不需要存在,之前砸进去的巨大资源会显得没那么必要。

也正是因为范式没有收敛,中国才真正有机会。过去一年,中国一下子出现了一批新的world model创业者,其中不少非常年轻,但野心非常大。我这次印象很深的一家公司是逆矩阵。他们不是在想怎么给某一台机器人做一个更好的policy,而是在想能不能预训练一个universal physical world model,机器人只是其中最大的一个落地场景。这是一个如果要真正验证,很可能需要以十亿美元为单位投入的梦想,但落到执行上,又非常接地气——交流的时候创始人博远直接站在白板上写公式,讲企业文化和技术路线,那种笃定让我这个"隔辈的创业者"心生佩服。博远今年24岁,只比我家Rico大4岁。

说起Rico,这次还有一个让我印象很深的细节:他在特斯拉实习的时候,world model团队一直没解决的一个工程和调优问题,这次回国交流时,北京人形机器人笑竹老师的模型团队告诉我,他们已经解决了。中国在VLA后训练调优这类工程细活上的能力,确实不是说说而已——过去我们往往把中国创业者的优势概括为商业化和工程化,但这一批world model创业者开始同时表现出非常大的科学野心和非常强的工程落地能力。

这也是为什么我现在不太愿意再用"美国发明、中国制造"去解释机器人产业。过去美国看中国机器人,很容易停留在制造业叙事:中国供应链便宜,中国电机便宜,中国工厂多。但今天更值得关注的是,中国慢慢形成的可能是一整套Physical AI industrial system:硬件迭代快、组件迭代快、工厂快、产品快、数采快、场景部署快、客户反馈快,模型后训练也越来越快。这里面大量真正决定产品效果的问题,并不会写在论文里面。延迟怎么降、触觉怎么标、teleop怎么采、policy怎么调、sim2real怎么过、硬件和模型怎么一起迭代,这些都是机器人领域真正的frontier engineering,而工程问题积累到一定程度,也会反过来变成科研问题。

所以,美国模式和中国模式到底谁对,我现在没有答案。美国的模式是深、尖、专,一个几十人的团队可以把全世界最难的一个问题做到极致,因此特别容易产生breakthrough;同时美国拥有最强的大学、基础研究人才、全球顶尖AI人才以及最大规模的算力资本,这些优势仍然巨大。中国的模式则是闭环、密集、快速、全栈,看起来什么都做,但每一个环节都能迅速反馈给下一个环节。美国像是一群非常锋利的专业选手,中国越来越像一个高速运转的产业集群。

Tesla可能是美国极少数真正拥有这种全闭环能力的例外,因为它同时掌握芯片、模型、汽车、机器人、工厂和真实世界数据。但Tesla自身目前选择的技术路线也并不等同于中国创业公司正在大量下注的显式world model和JEPA等新范式。所以这两套创业模式到底谁对,可能真的需要未来5—10年来告诉我们。也许最后会证明美国是对的,foundation model一旦突破,所有机器人公司都可以直接调用,垂直一体化根本没有必要;也可能恰恰相反,Physical AI和Internet AI完全不同,因为真实世界的数据、硬件、供应链和场景太复杂,最后只有真正拥有闭环的人才能scale。

当然,中国的优势非常明显,并不意味着没有问题。恰恰相反,这次跑下来以后,我越来越觉得真正值得担心的问题其实已经很集中。我认为主要只有三个。

第一个问题,是world model这套新范式到底能不能跑通。今天大家讨论VLA、WAM、JEPA、world model,但这些路线最终是不是必要的新范式,还是LLM和原生多模态模型继续scaling以后把这些能力一起吃掉,现在没人知道。对于机器人真正泛化进入家庭,我依然认为这是一个5—8年甚至更长的漫长过程。首先要解决世界模型和物理模型的技术路线,然后还要验证scaling law在physical world里是否存在,再解决从工业、商业到家庭的长尾泛化。今天world model还没有真正出现自己的GPT-4 moment,更不用说一个能够大规模泛化的"Sonnet moment"。

第二个问题,是钱和算力。World Model如果真的成立,我认为它对数据、训练和算力的需求很可能不会比LLM小,甚至可能更大,因为物理世界的数据空间远远大于文字。美国今天的frontier AI公司已经可以按照百亿美元甚至更高量级去思考资本开销,而中国world model创业公司的估值和融资规模通常只有美国同类公司的1/5甚至1/10。我自己的判断反而没有那么悲观,因为中国的硬件成本、数据生产成本、工程效率和供应链效率都明显更低,所以未必需要和美国完全同等规模的资本;如果能够持续获得美国1/10量级的资本和算力,我认为很多方向依然有机会。

这里还有一个很现实的外部变量,值得单独拎出来说:美国这次中期选举之后,众议院转为民主党多数掌控,开始在AI发展和数据中心建设上出现各种围追堵截的声音。这对中国在world model、乃至在语言和多模态模型上的追赶,几乎是一记意外的神助攻——政策摩擦在这个节点上,可能比任何单一技术突破都更直接地影响这场竞赛的节奏。但"如果资本和算力能持续跟上",本身依然是非常大的如果。

第三个问题,也是我最担心的,就是中国太卷了,谁能活到后天。中国最大的优点和最大的缺点,其实是同一个东西:竞争太激烈。机器人一热,一批公司一起冲;World Model一热,一批顶尖科学家同时创业。价格很快下来,产品很快迭代,供应链很快成熟,对整个社会当然是好事,但公司自己可能不赚钱。对于创业公司来说尤其残酷,美国startup即使最终没有独立做大,也经常可以被Google、Meta、Amazon、NVIDIA等巨头以几十亿美元收购;中国的并购市场远没有这么成熟,很多创业公司的资本退出最后几乎只剩上市这一条路。于是一个非常现实的问题是:技术可能是对的,产业可能是对的,十年后的终局可能非常巨大,但你今天融5亿元,明年需要20亿元,后年需要100亿元,你能不能活到终局?这可能比技术本身还难。

最近国内因为机器人板块的资本市场波动,包括宇树上市之后市场情绪的变化,开始出现一些看衰机器人产业的声音。我反而不这么看,美国市场也没有表现出这种悲观。不要用半年或者一年的股价,去判断一个十年的产业。如果把时间拉到十年,我依然非常看好机器人。真正的问题不是这个产业有没有未来,而是哪一批公司能活着走到未来,以及哪一条世界模型技术路线最后真正跑通。

因为我是AGI的坚定信仰者,我也是LLM+Agent能替代白领,World Model+机器人能替代蓝领与家居工人的坚定信仰者。这也是为什么,这次中国创业之旅之后,我从产业的角度与终局态的角度我比半年前更加乐观。过去我们习惯的叙事是:美国发明,中国制造;美国负责0—1,中国负责1—1000。但当中国已经拥有全球最密集的机器人供应链、越来越成熟的机器人制造体系、大规模数采能力、海量真实工业和商业场景,以及一批开始拥有科学野心的world model创业者以后,1—1000产生的数据、工程know-how和反馈,完全可能反过来创造新的0—1。

World Model可能恰恰是未来几年中美AI竞争里面最值得看的变量。LLM时代,中国是在一个已经被验证的范式后面追赶;World Model时代不一样,因为今天连范式本身都没有被证明,牌桌实际上重新洗了一遍。美国拥有最好的frontier research、最强的算力和最大的资本,中国则拥有机器人硬件、供应链密度、工厂、数采、工业场景、商业场景、工程效率以及前面讲到的三层闭环。最终哪一种能力更重要,现在谁都不知道。

但至少这一次,我不认为结局已经写好了。

如果机器人最终真的能够从工业和商业走向家庭,它对应的就不再只是一个AI应用市场,而是人类社会极大一部分物理劳动。World Model则很可能是让机器人从"机器"真正跨到"智能"的关键变量。即使今天很多公司最后一定会死,即使技术路线还没有收敛,即使资本市场短期会冷下来,我依然认为这个产业十年的终局是好的。

所以对中国机器人和world model,我真正担心的其实只有三件事:新范式能不能跑通,资本和算力能不能跟上,以及在这场极度残酷的超竞争中,谁能够活到后天。除此之外,这次看下来,其他似乎都不是大问题。

最后,特别感谢这次交流中各位联创和科学家给的时间,包括:Xreal、影目科技、BirdiLens/CaptionLens、觉远创智、银河通用、逆矩阵、北京人形机器人、深度机智、BeingBeyond、基点起源、清华AIR、曦诺未来、智橙AI、宇树、智元、沐曦、微光、苏度、Pathfinder……这份名单本身,大概就是这场竞赛此刻最真实的注脚。

Ken 敲字于西雅图 2026年11月

商务合作,请联系侯经理 18801065284(微信同号)

报料及内容合作,请联系chanlianshe2026(微信号)

特别声明:本文仅供参考,不构成任何投资建议,未经允许不得转载。

330
184
分享