估值730億、交付不足400台 人形機器人估值遠超基本面

作者：Vaidik Mandloi 來源：Token Dispatch 翻譯：善歐巴，金色財經

2017年，一家名為Kiwi的公司開始在加州大學伯克利分校校園部署配送機器人。你可以通過應用下單購買墨西哥卷餅，一台小型機器人會自行沿人行道行駛，把餐送到門口。學生們很喜歡，Kiwi將其稱為「並行自主」，因為整套系統確實讓人看到了未來。

但事實是，每台機器人都由哥倫比亞波哥大的一名大學生用Xbox手柄操控，時薪只有2美元。他們必須每5秒給機器人下達一次新方向，否則機器人就會停止運行。

那是2017年。此後幾乎沒有任何改變，唯一的區別是，投資者如今開始按照下一個偉大SaaS的標準為這些公司定價。下面深入看看。

離岸外包的自主化

日本面臨發達國家中最嚴重的勞動力短缺。日本三分之一的人口超過65歲，勞動年齡人口在2017年達到峰值。預計到2040年，日本的勞動力缺口將達到1100萬人。

照此看來，到2040年，每個男人將對應3家人形機器人初創公司。

日本各地的便利店根本招不到足夠多願意補貨的人。如果地球上真有一個地方適合全面自主機器人工作，人口和經濟壓力也都迫使機器人發揮作用，那就是日本。

頗具諷刺意味的是，日本確實正在快速朝這個方向前進。馬尼拉一棟辦公樓里的工科畢業生戴着VR頭顯，遠程為東京300多家全家和羅森門店補貨。機器人由東京初創公司Telexistence製造。操作員來自菲律賓勞務承包商Astro Robotics，月薪為250至315美元。每名員工同時監控約50台機器人，等待其中某台掉落罐頭，或錯誤判斷濕瓶表面的摩擦力。

發生這種情況時，操作員會戴上頭顯，手動控制機械夾爪，把商品調整到位。一個8小時班次內，這種操作大約會發生50次。不斷進出VR甚至導致員工頭暈和視力模糊。

好在機器人能獨立完成約96%的任務。AI負責掃描、規劃路線和基本的抓取放置。但剩餘4%的任務，正是必須讓真人坐在馬尼拉辦公室里的原因。4%聽上去很小，卻承載着整個行業的經濟賬。

想想每個班次50次人工干預究竟在處理什麼。機器人可以從標準化貨架上抓取乾燥瓶子上千次而不出問題，因為AI正是針對這種情景訓練的。但如果瓶身出現冷凝水，濕塑料與干塑料的摩擦力不同，模型無法應對，夾爪就會打滑。也可能出現變形罐頭，無法按照訓練數據預測的方式卡進夾爪。或者來了系統從未見過的新品，機器人根本沒有抓取模板。現實世界會向機器人拋出一條幾乎無窮無盡的異常情況長尾。

每一種情況都要求機器人讀懂陌生的物理環境，並當場判斷雙手該如何反應。人類會下意識完成這些動作，機器人卻做不到。遇到這類情況時，機器人會自動停止，並把故障上報給馬尼拉的真人。後者通過VR頭顯遠程接管，以機器人的攝影機為眼、夾爪為手來解決問題。操作員隨後釋放控制權，機器人繼續自主工作，直到下一次故障。

這種由數千公里外的真人遠程介入、彌補AI盲區的設置，業內稱為遙操作。它是當下維持整個機器人業務運轉的操作層。這個領域的每家公司都在不同程度上依賴它，無論是否公開承認。

另一種方案是讓機器人足夠聰明，再也不需要呼叫馬尼拉。為此，機器人必須同時完成三件事：

• 通過攝影機看清眼前的事物。

• 判斷該如何處理，比如加大夾力、換一個角度或再次嘗試。

• 實際執行動作，並讓整個循環足夠快，跟得上現實世界。

這相當於要賦予機器兩歲兒童已經具備的手眼協調能力。事實證明，這需要直接在機器人自身硬體上運行非常龐大的AI模型。業內稱之為視覺語言動作模型，即VLA。VLA需要在毫秒內處理攝影機畫面、理解場景，例如瓶子是濕的、貨架傾斜或商品陌生，隨後決定物理響應並向夾爪發送指令。如果模型僅僅花半秒來判斷夾濕瓶子該用多大力量，瓶子已經掉在地上。

在機器人上運行VLA，意味著要在機器內部安裝一塊能就地承擔全部計算的晶片，而不是把數據發往雲服務器後等待響應。

因此，東京便利店裡的機器人每次判斷如何抓取罐頭時，不可能把影音串流到弗吉尼亞州的服務器集群。處理必須在機器人本地實時完成。目前占主導地位的晶片是英偉達Jetson AGX Thor。它是當前唯一能以現實物理操作所需速度和性能運行VLA模型的商用處理器。機器人對夾持壓力和接近角度的判斷必須低於100毫秒，硬體選擇實際上就只剩一家公司。所有邁向自主化的主要機器人初創公司都在採用英偉達晶片，這賦予英偉達唯一供應商才擁有的定價權。

英偉達也據此定價。截至2026年8月，Jetson Thor開發套件售價5499美元，較英偉達最初發布晶片時給出的3499美元上漲57%。價格持續上升，一方面是每一代VLA模型都在變大，更高的操控精度需要更多參數和算力；另一方面是沒有任何廠商提供有競爭力的替代方案。

按3年使用壽命和合理利用率攤銷5499美元，每機器人小時僅硬體成本就達到0.2至0.4美元。這還沒有計入軟體棧、系統集成和維持模型穩定的工程團隊。

現在再看看人工成本：

最有意思的是，兩者成本差距正朝着錯誤的方向擴大。隨著操作員同時監控更多機器人，人工端越來越便宜。2017年的Kiwi需要一人控制一台機器人，2026年的Astro則是一人監控50台。

隨著監控工具改善和延遲下降，這一比例還會繼續提高。與此同時，晶片端卻越來越昂貴，因為每一代VLA模型都需要更多算力，而英偉達又沒有競爭對手推動降價。5年前，你至少還能主張算力成本最終會低於人工成本。今天，那個交叉點卻比以往任何時候都更遙遠。

一家公司的最便宜、最可靠投入要素每機器人小時僅需3美分，而替代它的技術貴10倍，仍無法處理困難情況。任何理性資金都會繼續投入，以進一步壓低這項廉價投入的成本。

省下的利潤可以用來打造更好的監控面板、延遲更低的頭顯連接和更快的操作員入職計劃。沒有公司會把這筆錢用於徹底完成自主技術棧。最近成立的Adamo正是遵循這套邏輯。Adamo自稱「通往機器人自主化的橋樑」，以每小時13美元的價格向美國機器人公司出售託管式遙操作服務。

Adamo自己的銷售材料稱，企業自建遙操作團隊的成本高於外包給Adamo。這意味著它正在積極推銷一個主張：人類應繼續留在閉環中，而客戶應付錢讓Adamo管理這些人。Adamo在操作員培訓或輪班安排上取得的每一點效率提升，都會讓價差利潤更高，也讓全面自主化在經濟上更沒有必要。

事情還不止於此。在300多家全家門店運行機器人的Telexistence又增加了更黑暗的一層。每當馬尼拉操作員手動接管並糾正機器人的抓取動作，這個動作都會被記錄為具身遙操作數據。公司隨後把數據直接提供給舊金山AI實驗室Physical Intelligence。後者正在開發VLA模型，目標正是最終讓遙操作變得多餘。

因此，這些員工同時做着三件事：完成維持門店補貨的體力勞動；讓單位經濟足夠有吸引力，以便投資者繼續注資；生成理論上最終會淘汰自己工作的訓練數據。

這些員工正在打造最終會取代自己的工具。由於經濟賬如此有利，他們仍會繼續工作，被困在一個讓鏈條上所有參與者獲益、唯獨不利於頭顯佩戴者的循環中。

2026年2月，Markey參議員辦公室致函Aurora、特斯拉、Waymo和Zoox等7家自動駕駛汽車公司，詢問遠程操作員介入的頻率。所有公司都拒絕回答。Cruise在被通用汽車關閉前，大約每15至20輛車配備一名遠程助理，車輛每行駛約4至5英里就會觸發一次人工幫助。

每台價值1200萬美元的機器人

遙操作員每小時成本為3美分，替代他們的晶片成本高出10倍，仍不能妥善完成工作。機器人公司也有充分動機讓人繼續留在閉環中。按理說，市場應該據此定價吧？祝你好運。

人形機器人初創公司Figure AI今年早些時候以390億美元估值融資。該公司大約交付了150台機器人。更令人驚訝的是，西方前五大人形機器人初創公司的合計估值達到730億美元，累計部署卻不足400台。換算下來，現實世界中每台實際存在的機器人對應約1200萬美元投入資本。

即便採用15倍收入倍數，Figure的估值要成立，其年度經常性收入也需要達到約26億美元。按行業逐漸形成的標準機器人即服務價格，即每台機器人每月1000美元計算，公司需要部署約21.5萬台機器人。

即使明天就能製造並部署21.5萬台人形機器人，單位經濟仍然無法成立。製造一台人形機器人的成本至少為6萬美元。按3年使用壽命計算，僅硬體折舊每年就要2萬美元。再加上每年4000美元維護和維修成本，包括每半年保養、運輸、技術人員工時和停機期間的收入損失，以及2000美元遠程監督費用，每台機器人每年的總營運成本將達到2.6萬美元。

從價值端看，一台機器人每周工作6個班次，替代時薪30美元的倉庫工人，每年可節省約7.5萬美元人工成本。這個利潤空間聽起來很可觀，但還要考慮兩件事。機器人目前完成相同任務的速度比人類慢2至4倍。現實工作也不是單一任務，而是數十種任務。接受過揀選訓練的機器人，在工作轉為庫存盤點或包裝時只能閒置。

採用保守的3倍生產率折扣和15%的靈活性折扣後，7.5萬美元價值會降至約2.1萬美元。扣除2.6萬美元成本，這台機器人每年虧損5000美元。

投資回報率為負18%。

這項技術在演示中確實令人印象深刻。融資演示文稿中的潛在市場規模假定可以實現全面滲透；估值則計入了所有技術和經濟障礙同時得到解決的未來；而當下的單位經濟仍處於虧損狀態。

敘事跑在基本面前面。基本面的兌現時間又比任何人的預測都更長。一旦修正到來，所有偏差會被一次性計入價格。

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。