來源 | 融中財經(jīng)

作者 | 呂敬之

人形機器人賽道上又出現(xiàn)了一筆創(chuàng)紀錄的資金。

近日，總部在慕尼黑的人形機器人公司Neura正式宣布完成了C輪的融資，融資額為14億美元，約合人民幣94.9億。融資到位之后，Neura的估值達到了大約70億美元，進入了全球人形機器人的第一梯隊。

這不僅僅是因為數(shù)字上創(chuàng)造了新的記錄，而且是意義所在。值得重視的是誰在給予以及為什么給予。懂制造的人開始用產(chǎn)業(yè)資本下注，說明這個賽道的邏輯正在發(fā)生根本性的改變，由原來的技術(shù)展示轉(zhuǎn)向工廠落地，由資本的故事轉(zhuǎn)向真正的商業(yè)體系。人形機器人下一場戰(zhàn)爭已經(jīng)悄然在工廠的地面上打響。

1

不只是金錢上的問題

這一次砸給人形機器人賽道的資金又達到了一個新的高度。

根據(jù)Neura官方披露的信息，公司已經(jīng)完成了C輪的融資，融資金額為14億美金，約合94.9億人民幣。投資方名單上出現(xiàn)了一些科技圈的老面孔：英偉達、亞馬遜、高通等。但是使這次融資在業(yè)內(nèi)引起關(guān)注的是另外兩個名字——舍弗勒和博世。

這兩家都是歷史悠久的老牌德國工業(yè)零部件公司，并不是新崛起的科技公司。舍弗勒專注于軸承和傳動系統(tǒng)，博世則深入到汽車零部件和工業(yè)設(shè)備領(lǐng)域，他們所服務(wù)的是全球制造業(yè)中最苛刻的一群客戶。這樣的公司做戰(zhàn)略投資，并不是為了追逐風口，而是因為看到了可以落地、可以量產(chǎn)、可以裝進真正的工廠里的東西。它們都押注了Neura，背后的邏輯只有一個：人形機器人這件事已經(jīng)走過了實驗室階段，正要進入可以認真做生意的時候。

Neura 的總部位于慕尼黑，其創(chuàng)始人 Armin Zeher 在工業(yè)機器人領(lǐng)域深耕多年，從一開始團隊的基因就不是學術(shù)派，而是工廠派。公司的問題意識非常明確：人形機器人怎樣才能在工業(yè)環(huán)境中長期工作，而不僅僅是在發(fā)布會上走幾步、做幾個抓取動作之后就被掌聲送走了。因此，在眾多的人形機器人公司中，Neura 早早地就拿到了一張別人還沒有的入場券——寶馬已經(jīng)成為了它的客戶，產(chǎn)品也在真實的生產(chǎn)線上經(jīng)過了檢驗。來自真實的制造場景的背書，比任何一份漂亮的路線圖都更能夠說服像舍弗勒和博世這樣的公司在工廠里打磨零件的公司。

隨著本輪融資落地，行業(yè)人士測算Neura的估值已經(jīng)提升到了大約70億美元，在全球人形機器人公司中僅次于Figure AI，二者之間的差距也在迅速縮小。該數(shù)據(jù)本身不重要，但是這筆錢的去向所體現(xiàn)出來的邏輯變化才是我們應(yīng)當關(guān)注的。過去兩年來，人形機器人的大額融資主要集中在美西地區(qū)，如Figure AI、Physical Intelligence、1X等公司，它們背后有OpenAI、微軟、貝索斯個人基金等支持，講的是通用機器人和AI具身智能的宏大敘事。Neura這一次不同了，英偉達帶來了算力基礎(chǔ)設(shè)施的角度，亞馬遜帶來了倉儲物流場景的需求判斷，而舍弗勒和博世帶來的，則是真正懂工業(yè)體系怎么做的產(chǎn)業(yè)眼光。三個角度加在一起，使這次融資的價值不僅僅體現(xiàn)在規(guī)模上。

2

這條賽道上也開始有融資了

人形機器人的賽道上，資金也從來沒有像現(xiàn)在這樣集中地涌入。

在這樣的時間段里資金會集中進來，這其中有幾方面的原因。

第一種是技術(shù)側(cè)的臨界點效應(yīng)。近幾年來大模型能力的迅速提高，也使得機器人的感知、決策能力的上限被打破。早期的工業(yè)機器人是程序控制的，在高度結(jié)構(gòu)化的環(huán)境中可以重復執(zhí)行固定的運動，稍微復雜的環(huán)境則需要大量的手工編程與調(diào)試。大模型出現(xiàn)之后，機器人第一次有了處理非結(jié)構(gòu)化環(huán)境的能力——它能夠理解自然語言指令，根據(jù)視覺信息判斷怎樣去抓取一個從未見過的物體，在任務(wù)執(zhí)行過程中可以實時地調(diào)整自己的動作策略。人形機器人的能力提升使它不再局限于“只能在固定的流水線上工作”，而可以做到“理論上可以完成大部分的人類體力勞動”，整個賽道的市場想象空間也隨之發(fā)生改變。

第二點就是需求端的壓力。全世界主要的制造國家都面臨著一個結(jié)構(gòu)上的問題，即勞動力成本不斷上升，一線工人的缺口越來越難以填補。日本制造業(yè)的人口老齡化問題已經(jīng)很嚴重了，有些工廠的一線工人平均年齡都超過了50歲；德國高端制造業(yè)的技術(shù)工人短缺問題也已經(jīng)持續(xù)了一段時間；就連勞動力成本比較低的東南亞地區(qū)，在經(jīng)濟發(fā)展的推動下，制造業(yè)用工成本也是一年比一年高。在這樣的背景下，人形機器人出現(xiàn)了，并且不是一種選擇，而是越來越成為一種必須的選擇。舍弗勒和博世的介入，在某種意義上就是對這種需求側(cè)壓力的一種回應(yīng)——它們不是只在投資一家機器人公司，而是在為自己的工廠未來的解決辦法做準備。

但是這條賽道上已經(jīng)出現(xiàn)了越來越明顯的分界線。

一類公司的路線是“通用人形機器人”，目標是制造出可以像人一樣工作的機器，適應(yīng)各種各樣的場景，從倉儲、家政到零售都可以使用。這條路想象的空間最大，但是技術(shù)難度和商業(yè)化的周期也是最長的。人的身體動作非常復雜，“撿起一個隨意放置的物體”這一動作背后所涉及到的感知、判斷、運動控制的協(xié)同，至今仍然是機器人領(lǐng)域的一個核心難題。Figure AI和Physical Intelligence走的就是這樣的路線，它們拿到的資金很多，燒得也很快，商業(yè)化的時間表一直是外界關(guān)注的重點。

另一類公司則選擇了“垂直工業(yè)場景”的路徑，并不追求通用性，而是在少數(shù)幾個定義明確、重復度高、精度要求高的工業(yè)任務(wù)中集中機器人的能力，先把這幾個任務(wù)做好，在此基礎(chǔ)上再進行擴展。Neura 也是這樣做的。這條路的好處是商業(yè)化的路徑比較明確，客戶的驗證周期也相對可以控制，在一個頭部客戶生產(chǎn)線上跑通之后，復制到其他類似場景中的難度會大大降低。但是市場的天花板在最初的時候并不像前者那樣高，講出來的故事也沒有“通用人形機器人”那么有吸引力。

3

機器人的時代，門檻又是什么

人形機器人的真正戰(zhàn)場，并不是在發(fā)布會現(xiàn)場，而是在工廠的地面上。

最近兩年來，整個行業(yè)的最集中討論就是兩個問題：機器人能不能動起來，動起來之后能不能聽懂命令。隨著大模型能力不斷提升，這兩個問題也逐漸有了答案。但是越來越多的從業(yè)者發(fā)現(xiàn)，技術(shù)本身已經(jīng)不是最難的一道題了。真正決定人形機器人能否大規(guī)模落地的是它在真實的場景中是否能持續(xù)穩(wěn)定地創(chuàng)造出價值，圍繞著這個價值所形成的商業(yè)體系能否運轉(zhuǎn)起來。那么接下來幾年這條賽道要解決的核心問題是什么呢？

工業(yè)制造場景，是目前公認的最早可以實現(xiàn)規(guī)?；涞氐姆较?。原因不復雜：工廠環(huán)境比較結(jié)構(gòu)化，任務(wù)定義清楚，重復性高，對精度和穩(wěn)定性要求很高，但是邊界是可以量化的。另外，工廠場景需求很剛性。一條汽車裝配線每天要完成的操作次數(shù)是固定的，對節(jié)拍的要求是精確到秒的，這樣的場景對于機器人的容錯率要求很高，但是只要機器人能穩(wěn)定達標，它的替代價值就非常直接，采購決策也比較容易量化。因此，汽車制造、精密電子裝配、重型設(shè)備制造這三種方向成為了人形機器人最早開始真正應(yīng)用的地方。寶馬、大眾等大廠的工廠里已經(jīng)出現(xiàn)了人形機器人，雖然數(shù)量不多，但是早期部署的意義在于它提供了一個真實的環(huán)境下的壓力測試數(shù)據(jù)，這是任何實驗室都替代不了的。

危險作業(yè)場景是很容易被忽略但是潛力很大的一個方面。在化工、核能、深海作業(yè)、高溫冶煉等環(huán)境中，人的作業(yè)面臨很高的安全風險，長期用工的成本也很高。對于機器人的要求，并不是靈活性，而是耐久性和可靠性，在高溫、高壓、高輻射的環(huán)境下可以長時間工作而不會感到疲憊也不會出錯。人形機器人在這一領(lǐng)域中的滲透目前還處于初期階段，但是已經(jīng)有一些先導項目在進行中。這類應(yīng)用的商業(yè)邏輯非常清楚：事故造成的損失遠遠大于機器人的購買和維護費用，只要機器人的可靠性達到標準，采購決策就基本不需要過多的討論。

但是落地的難點，并不是找到需要機器人的場景，而是在把機器人真正裝到這些場景之后，如何讓它持續(xù)穩(wěn)定地工作。其中有一些問題會被人們忽略掉。第一種就是適配成本。每個工廠的生產(chǎn)線上都有一套屬于自己的節(jié)奏、布局和工藝邏輯，把一個通用的人形機器人放到里面去，要進行大量的場景定制和調(diào)試工作。這個過程不僅包括軟件層面的，還包括對工廠物理空間進行改造、安全防護體系重新設(shè)計以及工人與機器人協(xié)作流程重建等。工作所花費的成本和時間一般要比購買機器人本身的價格高很多，這也是目前限制大規(guī)模部署的一個重要因素。

第二個就是維護體系的形成。一臺工業(yè)機器人出現(xiàn)故障導致停產(chǎn)一小時所產(chǎn)生的損失，對于制造企業(yè)而言是一個很具體的數(shù)據(jù)。因此，機器人的供應(yīng)商不僅要銷售產(chǎn)品，在客戶所在地區(qū)也要建立起來足夠的服務(wù)與維修能力。該體系的形成要花費時間、需要當?shù)鼗娜瞬藕图夹g(shù)人員以及備件庫存的布置。對于一個剛開始規(guī)?；纳虡I(yè)化賽道而言，這是一筆很大的基礎(chǔ)設(shè)施投入，但是它是贏得客戶長期信任所必需的。

這些都是一些真實存在的難題，但是它們本質(zhì)上是工程上的問題和商業(yè)上的問題，有解決的辦法，需要時間。人形機器人賽道走到今天最大的變化并不是技術(shù)突破有多快，而是整個產(chǎn)業(yè)鏈的信心集體建立起來。百年工業(yè)巨頭開始用真金白銀來投票的時候，汽車廠的裝配線上出現(xiàn)了真實的機器人之后，整個行業(yè)就由“能不能做到”轉(zhuǎn)到了“怎么做得更好、更快、更穩(wěn)”。這才是本輪最大融資所要關(guān)注的信號。從實驗室到工廠地面，人形機器人正在完成它最重要的一次跨越。

*封面由AI生成

深藍財經(jīng)新媒體集群發(fā)源于深藍財經(jīng)記者社區(qū)，已有15年歷史，是國內(nèi)知名財經(jīng)新媒體，旗下賬號關(guān)注中國最具價值公司、前沿行業(yè)發(fā)展、新興區(qū)域經(jīng)濟，為投資者、上市公司高管、中產(chǎn)階級提供價值內(nèi)容，歡迎關(guān)注。