韩峰涛 - 决策备忘录

[parallelarc]

具身智能的黎明时刻

---

时机判断：2026年类似2023年大模型

• 具身智能正处在"黎明前的黑暗"时刻，数据卡点已经被解决
• 2026年的具身会非常像2023年的大模型——拿不到足够多的钱，模型性能跑不到头部，就没有上牌桌的机会
• 行业认知迅速收敛到投具身大脑，资本大量涌入
• 观察行业公司的关键指标是获得有效数据的加速度
• 中国第一次在硬科技领域与美国站在同一起跑线，优势在人才、数据采集和系统成本

---

数据采集是核心护城河

• 仿真数据行不通，sim-to-real的gap很难弥补
• 真实数据的三个来源：视频、遥操作、可穿戴设备
• "全身的UMI"方案：UMI+外骨骼+动捕组合，让人一边干活一边采数据
• 可穿戴设备成本只有遥操作的1/10，可用性从30%提升到95%
• 目标：2026年采集100万小时有效数据（过去最好开源模型只用1万小时）
• 80%以上的精力投入在突破数据瓶颈上，这是核心卡点

---

2026年战略：模型优先于落地

• 首要目标是将具身模型性能提升到全球Top 3
• 模型没到临界点时强行落地没有意义，zero-shot达到70%-80%成功率时机器人才能快速放量
• 26年主题是数据量级和模型性能突破，不是落地和收入竞争
• 真正大规模落地应该在27年下半年到28年
• 营收目标1个亿相对保守，核心目标是100万小时数据

---

竞争节奏：大厂28-29年才入场

• 大公司真正把具身当成重要战略要等到28年到29年
• 速度是唯一优势，必须在大厂下场之前把自己变成中厂
• 中厂标准：一年卖10万台机器人，计划2030年实现
• 避免重蹈新能源车企价格战覆辙的关键是差异化——卖硬件只是开始，数据和服务价值才是核心
• 华为、小米、理想这些软硬都做的企业更有可能做好

---

场景选择：先工业后家庭

• 整体路径是先工业，再商业，最后进家庭
• 工业机器人全球年销售额约100亿美元，具身大脑能替代30%人工将带来一个数量级提升
• 动力电池、物流、酒店、零售是当前重点场景
• 打螺丝是最难场景，电池插拔检测是合适的落地场景（容错率高、节拍慢）
• 家庭场景的安全、隐私、价格、电池问题是主要制约因素，但欧美专用机器人（如洗衣机器人）可能先爆发