原对话:沿提问、回答和转折完整展开
下面先按节目顺序重建。主持人在追问什么,嘉宾如何以自己的经历、例子和推理作答,尽量保留在具体语境中;案例中的事实、数字和判断先归属于发言人。随后才进入本文的机制解释与独立判断。
00:00:06–00:28:47连续对话 1
00:00:06–00:08:51行业弥漫的“不对劲”:融资竞赛与难测的技术进展
播客开篇,主持人程曼祺引用了节目报道《具身智能的金钱游戏》中的观察,即具身智能行业前景光明,但从业者与投资人普遍感到不安。她由此提问,这种“不对劲”的感觉具体是什么?
嘉宾李梓楠首先指出,行业现状是“融资竞赛”而非“技术竞赛”。他观察到,许多公司拿了很多钱,但花钱很少,大家比拼的是谁的估值更高、谁能更早上市,而不是谁的技术更先进。一位采访对象形容这如同打德州扑克时“比谁口袋深”(筹码多)。这种现象让李梓楠感觉不像在报道科技赛道,而是一个由融资驱动的领域。
李梓楠进一步解释,这种感觉源于对各公司实际研发投入的观察。他通过询问算力、数据供应商发现,整个行业在这两个最需要花钱的地方投入并不多。他引用文章中的信息:全行业拥有千卡以上算力集群的公司仅八家(主持人补充说,甚至有人认为八家都多了)。另一位二级市场信源透露,截至今年4月,行业里没有一家公司用超过10万小时的数据跑过一次模型。对于数据量,李梓楠通过采访数据供应商得知,一家自称行业前两名的公司,上半年累计生产了5万小时数据,签下的最大订单仅1万小时。
主持人程曼祺对此提出补充和修正。她认为,不能仅通过外部数据供应商的销量来判断全行业的总数据量,因为一些机器人本体公司会自建数据采集方案,甚至对外销售数据(如智元机器人)。她转而指出另一个核心问题:与大语言模型不同,具身智能的技术进展难以观测。大模型有公认的评测基准(benchmark),模型开放后,专业人士和普通用户都能方便地测试和感知其能力。而具身智能行业缺乏公认的评测标准,且由于硬件不一致性等问题,模型在不同机器人上的表现难以复现,普通人也无法轻易接触和评判产品。这种“进展难观测”的特性,导致行业估值容易在极度高估和低估间摇摆,为讲故事和吹泡沫创造了巨大空间。这也使得创业者的技术路线选择摇摆不定,看到同行通过某种方式获得资本认可,自己的“道心”也可能动摇。李梓楠补充了一个例子,有创始人将更换技术路线的失败行为,对外包装为“迭代”和“升级”。
港股 18C指港交所主板《上市规则》第18C章,是为“特专科技公司”设立的上市制度,于2023年3月生效。播客中主要讨论其对“已商业化公司”的收入要求,即最近一个经审计会计年度的特专科技业务收入须至少达到2.5亿港元。这个门槛被认为是机器人公司冲刺IPO、做大收入的重要驱动因素之一。
数采中心 (数据采集中心)在本段中,特指由地方政府、机器人公司和第三方运营商共同参与建立的,用于规模化采集机器人操作数据的场所。其运作机制为:地方政府出资采购机器人,以换取就业和税收;运营方雇佣人员通过遥操作等方式控制机器人产生数据;机器人公司则承诺回购这些数据用于模型训练。这构成了2023年许多机器人公司的主要收入来源。
SCARA 机器人Selective Compliance Assembly Robot Arm(选择顺应性装配机器手臂)的缩写。这是一种常用于工业自动化领域的机器人,特点是其在XY平面上具有高刚性,在Z轴方向具有一定柔性,适合高速取放、装配等任务。播客中提及它是为了与当前具身智能机器人的缓慢表现进行对比,说明成熟工业机器人的效率。
六轴机械臂指拥有六个旋转关节、能实现六个自由度运动的工业机器人。它能够灵活地控制末端执行器的位置和姿态,广泛应用于焊接、搬运、装配等复杂工业场景。播客中提及它是为了与当前具身智能机器人的表现进行对比。
话题推进:主持人总结,行业“不对劲”的核心在于融资多而研发投入少,资本竞赛取代了技术竞赛。李梓楠表示,他个人对技术进展也感到看不懂,由此引出下一个话题,即他亲身观察到的机器人实际表现与技术进展缓慢的例证。
00:08:51–00:17:38研发投入之谜:钱花在哪里?
- 你看到了哪些技术进展缓慢的具体表现?
- 你觉得行业不对劲的地方是什么?(问徐煜萌)
- 为什么公司融了很多钱却不投入研发?
在讨论完行业“不对劲”的宏观感受后,主持人追问李梓楠亲眼所见的具体案例。李梓楠提到,他曾多次探访机器人公司,但感觉不到明显的进步。他举了一个具体的例子:在一家成立不到一年的创业公司,他看到机器人用70秒才完成“抓取一个轴承并放入塑料盒”的简单任务。他将此视频发给主编,用以说明该机器人远无法替代人类工人(如快递分拣员可能2秒内完成类似动作)。主持人补充,即使不与人比,这类任务也远慢于成熟的工业机器人(如SCARA或六轴机械臂)。
李梓楠认为,技术进展缓慢与投入不足直接相关,他甚至通过追踪特斯拉的Optimus项目来反推。他指出,根据马斯克最初的计划,Optimus三代本应在去年一季度定型,但实际上推迟了至少18个月,并且降低了部分要求。这表明即便是马斯克也高估了技术进步的斜率。
主持人转向另一位嘉宾徐煜萌,询问她作为更多接触投资人的记者,看到了哪些“不对劲”的现象。徐煜萌指出,投资圈在评估项目时缺乏精确的估值支撑,甚至出现了“价格报太低,反而显得公司不行”的怪象。她提到,一个有好的学术背景的团队,匹配一些人后,估值很快就能到5亿或10亿人民币,而5亿人民币已成为初创公司的“基础门槛”。李梓楠对此表示惊讶,认为他接触到的项目起步估值至少是20亿人民币,甚至10亿美元,5亿的估值更像是消费硬件领域的水平。
对话再次回到“融资多,研发少”的核心矛盾。李梓楠分享了一个办公室的“笑话”:一家估值头部的机器人公司,去年研发投入约3000万人民币,而它至今已融资超过50亿人民币。他计算道,仅这笔融资款存入余额宝,一年的利息(约5000万)就超过了其研发投入。作为对比,他列举了其他公司的公开数据:宇树去年研发投入1.45亿元,而蜜雪冰城的研发投入为1.05亿元;智元机器人去年研发投入更高,约5亿元,但这与其1300人的团队规模(人力成本高)有关。
主持人程曼祺分析,研发投入少的核心原因可能在于,一些公司缺乏明确的技术方向判断力(Technical Bet),不知道钱该投向何处。而像智元那样多方向同时尝试,也是一种资源型打法。李梓楠则补充,投资人对研发投入少感到不满,还因为他们看到这些公司在别处(如市场营销)花费巨大。例如,多家公司为“上春晚”各花费了至少6000万,这笔钱足够前述那家公司再研发两年。徐煜萌转述投资人的观点:“第一个上春晚是有效广告,大家一起上就没效了。”李梓楠总结为:“上春晚没问题,都要上春晚就有问题。”
最后,主持人追问为何不把钱花在研发上,李梓楠认为,公司可以不拿那么多钱,因为融资有成本,通常附带回购协议,创始人需要考虑自己能否承担潜在的风险。
话题推进:李梓楠提到,公司融了巨资就必须给投资人一个交代,这自然引向了下一个话题:在技术尚不成熟的情况下,公司如何“做大”收入以满足上市要求。
00:17:38–00:28:47收入“做大术”:数采中心与科研市场的虚与实
- 公司如何实现上市所需的收入体量?
- 卖给数采中心的机器人单价和订单规模如何?
- 这些数采中心实际运转情况如何?
主持人指出,既然许多公司已经融了巨资,就必须奔着“做大”和IPO去。她提到,除了已上市的宇树,还有至少10家公司在排队。这引出了本段的核心问题:在技术应用尚不成熟的背景下,这些公司如何创造出满足上市要求的大体量收入?
李梓楠解释,许多公司瞄准港股18C规则上市,该规则要求已商业化公司年收入至少达到2.5亿港元。他认为这只是一个最低门槛,为了在排队中胜出,公司有动力把收入做得更高、增长数据做得更漂亮。他引用一位机器人公司CEO的说法,去年整个行业最大的客户是各地的“数据采集中心”(数采中心)。
李梓楠详细拆解了数采中心的运作模式:
1. 参与方:通常由地方政府、机器人公司及第三方运营商(如当地有实力的商人)合资成立一个运营公司。
2. 分工:地方政府出钱或出地,采购机器人;合资公司负责实际运营,雇佣年轻人(如大学生)担任遥操作员进行数据采集。
3. 地方政府的收益:这个模式对地方政府极具吸引力。它无污染、不占地(可利用现有产业园),能创造明确的就业岗位(如100台机器人可创造约200个岗位),投资规模相对可控(一个百台规模的中心约需5000万),收益(就业、税收)清晰可见。
4. 商业闭环:机器人公司会与政府约定,优先回购数采中心生产的数据,为这笔投资提供了价值回报的预期,从而形成一个看似完整的商业闭环。
李梓楠透露,截至去年底,公开可查的数采中心约有80多个,分布在自贡、攀枝花等让人意想不到的城市。他估计,这部分收入在机器人公司总收入中占比至少达到30-40%。
除了数采中心,李梓楠提到第二大收入来源是宇树招股书中披露的科研和教育市场,以及迎宾、导览、表演等场景。他认为,这是目前质疑最少的收入来源,因为需求真实明确。他特别强调,向顶尖科研机构销售硬件,不仅是创造收入,更重要的是可能让自己的硬件成为未来行业的技术标准,这是一个重要的长期价值。
然而,主持人追问这些看似完美的数采中心实际运转如何。李梓楠承认存在问题:
1. 开工率不足:由于采集的数据卖不出去,一些中心为控制人力成本而选择停工。
2. 投资回报不及预期:实际运营中发现回本周期过长或存在不确定性。
3. 资产处置:有数采中心散伙后,将原作为生产资料的机器人折价卖给周边院校,当作“教具”处理。他举例,某中部省会城市的一个数采中心,在投入8000万采购机器人后最终散伙,并将机器人转卖给了学校。
4. 技术路线变化:随着EGO数据和UMI数据等新数据采集方式的兴起,对真机遥操作采集数据的需求正在减少。一些机器人公司也主动降低了这部分收入的比例,寻找更可持续的商业场景。主持人补充,这类似于早期智算中心投资的GPU很快被技术迭代所淘汰的风险。
最后,李梓楠总结,技术路线的不确定性是具身智能行业的核心风险之一,但也正因技术未收敛,新公司才有不断涌现的窗口期。
话题推进:在讨论了数采中心和科研市场这两种主要的收入模式后,对话自然地转向了另一种更复杂的收入构建方式,即机器人公司与制造业供应链企业之间通过交叉持股、互为客户等方式共同做大收入和估值的“生态”玩法。
00:28:47–00:57:32连续对话 2
00:28:47–00:36:41供应商也是客户:制造业公司如何参与具身智能的收入游戏
- 主持人了解到有具身智能创业公司近四成收入来自制造业,但当前人形机器人技术在产线上能做的事有限,因此询问这类收入是如何实现的。
- 主持人追问,既然是多家供应商凑量购买,这些机器人买来具体是做什么用的。
- 主持人询问,中国供应链上的制造企业与具身智能行业之间相互需要的程度有多强烈,以及是否有其他有趣的现象或例子。
主持人程曼祺首先提出一个观察:去年某家收入体量较大的具身智能创业公司,有近四成收入来自制造业场景,她对此感到吃惊,因为现阶段人形机器人的技术能力还很有限,无法直接在产线上大规模应用。她询问嘉宾李梓楠,这种收入是如何产生的。
李梓楠解释,这是一种机器人公司与制造业零部件公司之间“互为客户与供应商”的合作模式。具体来说,机器人公司向零部件公司采购零件,同时又将自己的机器人卖给这些零部件公司。这种交易对双方都有利:
1. 对机器人公司:获得了收入,满足了融资和后续上市对业绩的要求。
2. 对制造业公司:通过投资或采购机器人,可以顺势进入机器人这个新领域,成立机器人事业部,不仅能将自己的零部件卖给投资的机器人公司,还能拓展到其他机器人客户,从而转型为机器人供应链的一环。李梓楠指出,这种转型对公司短期收入结构影响不大,但对资本市场的估值影响巨大。他用“价格歧视”来形容,传统汽车行业的市盈率可能只有15倍,而一旦贴上“机器人”标签,估值可能达到30倍。这对任何想在资本市场融资或储备现金的制造业公司都极具吸引力。
程曼祺追问,这些被采购的机器人具体用途是什么。李梓楠澄清,四成的收入并非来自单一公司,而是由众多供应商“人多力量大”凑成的。一个机器人公司可能有几百个供应商,假设需要卖出2000台机器人,只要100家供应商各买20台即可。这20台机器人对于一家想认真布局机器人业务的制造业公司来说数量不多,主要用于研发人员拆解、测试,或在产线上进行小规模试用。他认为,这种需求类似于科研教育场景,但制造业公司的支付能力要强得多。
程曼祺补充,这种模式对已上市的制造业公司还有一个潜在好处,即短期内能提振市值。李梓楠表示赞同,资本市场看重预期,哪怕机器人业务只占公司收入的一小部分(如5000万),但只要市场预期其未来能持续增长,就会给予更高的估值。他提到,曾有公司董秘在向机器人公司出售零部件后,明确要求分析师按机器人供应商的估值倍率来评估公司。不过,李梓楠也认为,只要交易能创造真实价值,这种模式不失为一种盘活闲置资源的方式。例如,汽车零部件厂商在车市不景气时,可以通过转型机器人业务,利用闲置产能,避免裁员。
在销量统计方面,李梓楠指出机器人行业不像汽车业有精确的周度销量数据。他曾与一位外资分析师交流,对方通过询问80多家买方公司,估算出去年底国内人形机器人真实销量约8000台。其中,宇树科技销量第一,智元机器人第二,且与第三名优必选及之后的公司拉开了“断崖式”的差距,后者销量多为百台级别。李梓楠强调这是“真实销量”,而非可能包含渠道库存的“出货量”。他对比称,去年特斯拉Optimus的产量也仅几百台,中国头部公司的产销速度已远超特斯拉。
VAP (Value-Added Partner)在本段中,这是智元机器人为其销售渠道合作伙伴设定的最高级别称号,即“增值代理合作伙伴”。要达到这一级别,合作伙伴需要帮助智元完成每年2000万元的销售业绩。作为回报,VAP可以获得优先的货源和更多的技术、市场支持。
果链/特链“果链”指为苹果公司(Apple)提供零部件或代工服务的供应链企业。“特链”指为特斯拉(Tesla)提供零部件或服务的供应链企业。播客中用这两个词指代中国制造业在过去十几年中,跟随全球科技巨头不断升级和迁移的产业路径,并指出其中一部分企业正再次转型,进入机器人供应链。
Club Deal在本段中,指多家投资机构(通常是顶级VC和产业投资方)共同参与同一轮融资的“组局”投资模式。其输入是多家机构的资金和背书,输出是一个“豪华”的股东阵营,旨在降低单笔投资风险,并为项目后续融资和估值上涨提供强力保障。这种模式在具身智能领域尤为普遍。
T0级产投/VC“T0”在这里指代“Tier 0”,即金字塔尖、最顶级的层次。T0级VC指红杉、高瓴等最头部的风险投资机构。特别的是,“T0级产投”在本段语境下,并非指传统意义上的大型实业公司,而是指智元、逐际动力等自身还处于创业阶段的头部具身智能公司,它们已经开始作为产业资本去投资更早期的创业项目。
话题推进:在讨论了制造业公司与机器人创业公司之间复杂的利益绑定后,话题自然转向了这些制造业公司,特别是“二代”接班现象,以及它们如何从“果链”、“特链”逐步转型为“机器人链”。
00:36:41–00:41:13“二代”接班与产业链迁徙:从“果链”、“特链”到机器人链
在讨论制造业与机器人公司的相互需求时,李梓楠分享了一个他在机器人发布会上的见闻。他在电梯里听到两位参会者谈论,一家“果链”(苹果供应链)公司的机器人业务由老板的女婿负责;另一家汽车零部件公司的老板,则准备让刚从卡内基梅隆大学机器人专业毕业的儿子接管公司的机器人业务。李梓楠发现,在浙江等地,许多制造业大公司将机器人业务交给“二代”打理已成为普遍现象。这些公司原本为汽车制造金属件(如悬架)的能力,可以平滑地复用到机器人关节、腿、手等部件的生产上。
程曼祺总结道,这揭示了一条清晰的产业脉络:过去十几年,中国的上游供应链企业经历了从3C(如苹果手机供应链“果链”)到电动车(如特斯拉供应链“特链”),再到如今的机器人供应链的演变。她认为,这是行业中比较“实”的一部分,上游供应链的发展被下游新兴的机器人公司所牵动,这对整个行业生态是明确的利好。
李梓楠补充,行业内普遍认为中国制造业基础雄厚,因此在机器人硬件上有绝对领先优势。他通过接触这些公司,获得了更具体的印象,认为它们在精密加工和组装方面的能力确实非常强。
当程曼祺问及哪家公司将这种“生态”玩得最好时,李梓楠先提出了一个观察:这种通过转型提升估值的操作,更适合市值约300亿左右的中型成长企业。对于宁德时代、比亚迪这类巨头,即使投入机器人业务,其庞大的主业也决定了市场不会因此改变对它们的估值逻辑,它们的布局更多是长线的产业战略。而对于中型公司,机器人业务不仅能贡献业绩,也更容易实现市值的翻倍。他以三花智控为例,该公司在与特斯拉Optimus合作前市值约1000亿出头,合作后最高接近2500亿,清晰地展示了机器人业务对公司市值的巨大影响。
最后,程曼祺引出,在创业公司中,智元机器人的生态构建被认为非常系统化,并请李梓楠展开介绍。
话题推进:在指出智元机器人拥有体系化的生态打法后,对话深入探讨了智元具体的分级销售体系及其背后的多方共赢逻辑。
00:41:13–00:48:19智元的VAP体系:一种“To B生意想卖多少就卖多少”的闭环?
- 智元机器人有一个分级的生态体系,具体是怎样的?
- 对于VAP(增值代理合作伙伴)来说,2000万的门槛是必须帮智元卖出去,还是自己采购也算?
- 如果作为投资人,如何看待这种复杂的交易结构?会长期持有相关公司股票吗?
- 国产产业链的从业者是否认为智元创始人邓泰华提出的1.6万台销量指引是靠谱的?
李梓楠详细介绍了智元机器人的分级销售体系。该体系根据合作伙伴每年帮助智元完成的销售业绩进行分级:
- VAP (Value-Added Partner):年销售额2000万元
- 金牌:年销售额1000万元
- 银牌:年销售额500万元
- 认证:年销售额200万元
级别越高的合作伙伴,能获得更优先的货源,以及智元提供的更多知识支持,包括销售策略、客户开拓和后续维护等。李梓楠提到,最高级别的VAP中,包括了均胜电子、宁波华翔、卧龙电驱等A股上市公司,这些公司在去年的机器人板块中股价表现优异。这些合作伙伴不仅帮助智元完成业绩,还会主动为其开拓新的应用场景,例如在电池工厂搬运电池。
程曼祺追问2000万的VAP门槛是否包含合作伙伴自身的采购。李梓楠认为,自己购买也算作业绩,因为最终都为智元创造了销售额。他进一步解释了这种模式下的多方共赢逻辑:
1. 合作伙伴(如均胜电子):它们本身就是智元的零部件供应商,同时也是智元的投资方。通过购买智元的机器人,它们帮助智元提升了销售额。
2. 机器人公司(智元):销售额的增长使其估值提升,离IPO更近。
3. 利益回流:合作伙伴作为投资方,其持有的智元股权价值也随之增长。李梓楠形容,可能“买机器人花了5000万,投它的那笔钱又涨了5000万”,资金以另一种形式回流。
当被问及作为投资人如何看待这种模式时,李梓楠坦言会选择“做波段”,因为机器人行业的预期在不断调整,基本面尚未爆发,股价波动性大。他认为,今年机器人概念股表现不及预期,主要“责任”在马斯克,因为他曾给出2026年产10万台Optimus的过高预期,而实际到8月份月产量仅300台,年化产量约3600台,与预期相差近30倍,导致市场失望。相比之下,智元创始人邓泰华给出的1.6万台销量指引,虽然也很大,但比马斯克的承诺显得更“靠谱”。
李梓楠表示,邓泰华的信用记录目前比马斯克好,且1.6万台相对于去年的产量(约四五千台)并非一个无法企及的增长。他引用一位二级市场朋友的“恐怖”言论:“to be生意就是你想卖多少就卖多少”,并表示从第一性原理看,只要交易双方谈妥,理论上确实如此。最后他指出,创业公司与特斯拉、小米等巨头不同,后者已上市,现金流充裕,做机器人是研发投入,没有短期销售压力;而创业公司为了生存和发展,必须创造收入。
话题推进:讨论了创业公司为创造收入而构建的复杂生态后,话题转向了更宏观的资本游戏,即一级市场的融资热潮为何仍在继续,以及投资机构是如何“组局”参与这场游戏的。
00:48:19–00:57:32金钱游戏的延续:从“组局”投资到寻找可验证指标
- 我们讨论收入的起点是,当前环境下创业公司必须奔着做大和IPO去,这是否是行业现象的根结?
- 金钱游戏往下会如何发展?一级市场的投资人心态是怎样的?有哪些延续的模式?
- 最近一个月有什么变化吗?泡沫之后,第五步是什么?
主持人程曼祺总结,具身智能行业当前现象的根源在于技术进展缓慢且不确定。创业公司即使融了很多钱,也未必知道研发的正确方向,此时,“做大收入、冲击IPO”就成了一条清晰可见的路径,抢先上市者能获得竞争优势。
李梓楠补充了上市的紧迫感来源:资本市场的“牛市窗口期”。他认为,自2024年9月起算的这轮科技股牛市已持续较长时间,大家担心错过窗口后,再上市时估值会大打折扣甚至无法上市。
接着,话题转向一级市场的“金钱游戏”如何延续。程曼祺(此处应为徐煜萌,但转录未区分,根据上下文和官方简介,此部分内容由徐煜萌主导,李梓楠补充)介绍了一种“组局”投资模式(Club Deal)。这种模式不再是传统VC的独立判断、高风险高回报打法,而是由“组局人”(如FA或活跃投资人)从早期轮次就开始构建一个“豪华阵营”。这个阵营通常是“T0级产投”和“T0级VC”的排列组合:
- T0级产投:约6-8家,令人意外的是,这里指的是智元、逐际动力(节目中为“乐居”)、质变(节目中为“自变”)和银河通用等头部机器人创业公司,它们已经开始作为产业投资方投资更早期的公司。
- T0级VC:约10-15家,包括红杉、高瓴、顺为等知名机构。
热门项目往往采用“3家产投+3家VC”之类的结构。这种豪华阵容能为后续融资强力背书,吸引更多机构入局,确保估值一路上涨。产投代表了确定性订单,VC则代表了技术认可。
李梓楠(此处应为徐煜萌)指出,这种Club Deal现象在具身智能领域比大模型时期更普遍,例如红杉和高瓴这两家竞争对手,在踏实、无界、理清智能等多个项目上进行了同轮投资。投资人的逻辑是“一起赚钱有什么好排斥的”,只要投得够早,在当前预期下,公司估值必然快速上升。此外,有创业公司甚至会要求投资方“承诺连续多轮领投”,作为投资条件。
在讨论泡沫的下一步时,李梓楠认为,二级市场的投资人并没有幸灾乐祸,而是在主动寻找“在泡沫中值得下注”的标的。由于他们入场价格高,决策非常谨慎,开始寻找可验证、可量化的指标,如ROI、研发投入转化效率、在手订单、复购率等。程曼祺质疑,能清晰回答这些问题的公司,其核心业务可能已偏离前沿的具身智能技术探索。李梓楠则认为,投资人能通过回答的细节来区分真伪,无法回答或回答空泛的公司反而会被筛掉。
最后,李梓楠引用宇树科技联合创始人王兴兴的公开表态来管理市场预期。王兴兴认为行业应用落地可能需要2-3年,这个预期比许多投资人定价时所依据的预期要保守,但也更可靠。因此,他判断宇树、智元等公司可能会在2-3年尺度内实现较明确的商业化。而对于其他公司,能否赶上当前的上市窗口,则充满不确定性。
话题推进:本段详细剖析了具身智能领域独特的“做收入”模式和“组局”投资现象,揭示了在技术成熟前,资本、创业公司和供应链如何通过复杂的利益绑定共同推动行业热潮。下一段将继续探讨泡沫的未来,以及市场将如何寻找真正的价值验证信号。
00:57:32–01:02:48连续对话 3
00:57:32–01:02:48未来验证:数据规模与上市后定价
- 投了这些(具身智能)公司的人他们怎么想的?他们现在是会有点担心了,还是他觉得其实没什么问题,比较乐观?
- 你们觉得接下来一段时间,行业里的这些人真正认为重要的议题是什么?
主持人程曼祺首先询问,投资了具身智能公司的投资人当前的心态是担忧还是乐观。
嘉宾李梓楠回应,投资人可分为两类。第一类是希望赚取“主题”热度的钱,追求尽快退出。第二类则是真正坚信具身智能行业长期价值的投资人,他们对于公司能否立即上市并不紧张,其核心关注点在于确认创始团队是否在认真、纯粹地推进技术。只要团队符合这一标准,这类投资人就会比较安心。李梓楠补充,一家公司能否上市,虽然有规则层面的要求,但这些公司通常有办法达成;本质上更取决于市场(即有多少人)是否愿意购买其股票,而这最终又依赖于产品和技术能否展现出明确的价值。
主持人程曼祺随后将话题转向行业未来的重要议题。李梓楠认为,首要议题是技术本身能否取得突破。他提到,像智元机器人等公司曾提出,如果能获得例如1000万小时的数据,或许就能验证模型是否存在“数据规模效应”(Scaling)。他透露,行业头部公司目前距离这个数据量目标已不遥远,因此一些悬而未决的技术问题可能在今年内会有答案。
主持人程曼祺则提出了另一个关键的验证指标:宇树科技上市后六个月内的股价走势。她认为,进入公开的二级市场意味着公司价值会被更充分地定价。早期炒高价格的投机者会逐渐退场,最终留下的市场价值将更趋近于公司的内在价值。因此,市场非常关心其股价最终会稳定在例如3000亿的高位,还是会低于当前水平。
接着,程曼祺补充了对投资人群体的观察。她指出,投资人进入具身智能领域的时间点不同,心态也各异。在2019至2023年行业共识形成前投资的人,更接近传统的风险投资逻辑,看重创始人的潜力和团队。而近一两年出现的“Club Deal”现象,则是由于共识过于集中所致。但她也观察到,一些顶尖(T0级)机构会拒绝某些Club Deal,他们最看重的标准是创始人在泡沫时期的“定力”,即是否仍专注于核心事业。这被认为是投资人对其被投项目最关注的一点。
最后,程曼祺对本期节目进行了总结。她指出,播客内容(及背后的文章《具身智能的金钱游戏》)所揭示的现象,对于从业者而言并非秘密,而是他们每天面对的现实。这些现实包括:技术进展本身充满波折,而这种波折又迫使公司不得不向其他方向“用力”,例如做大收入、追求更快上市,从而引发一系列连锁反应。她重申,具身智能是一个前景广阔的大方向,但通往未来的路径充满不确定性。本次讨论提供了一个区别于创始人视角的第三方观察,整合了行业内不同角色的信息与观点。
数据规模效应 (Scaling)在本段对话中,指一种技术假设:当提供给人工智能模型(尤其是大模型)的训练数据量达到某个巨大规模(如此处提到的1000万小时)时,模型的性能会随之产生非线性的、显著的提升,从而验证通过大规模数据投喂来提升机器人通用能力的路径是否可行。
Club Deal在本段对话中,指过去一两年在具身智能领域,由于行业共识高度集中,多家投资机构联合投资同一个明星项目的现象。这种安排有助于分摊风险,但也可能加剧泡沫。
话题推进:主持人进行节目总结,并播放结束语,本期播客结束。
以上是原对话的分段阅读。下面才开始提炼论证、解释机制并给出本文自己的判断。