物理AI与自动织布的梭子

人人都在为智能定价。真正的稀缺，在于那条磨砺的流水线。

在《政治学》第一卷中，亚里士多德在讨论奴隶制时突然中断，设想了一条出路。假设工具能自行工作。如果 “梭子能自行织布，琴拨能自行弹奏竖琴”，无需人手引导，他写道，那么工匠大师便不再需要工人。

他提出这一设想，是为了将其否定。这段文字是为奴隶制辩护的。既然工具显然无法自行工作，亚里士多德推论道，一个家庭需要有人类的工具，他由此得出结论：有些人天生就是工具。

令人不安的并非结论本身，而是其下潜藏的结构——这一结构是正确的。亚里士多德已经认识到，自动工具与被强制的奴隶劳动互为替代品，是解决同一问题的两种方式，而一个社会只能选择其一。马克思在《资本论》中论及机器时引用了同一段话。诺伯特·维纳在1950年再次引用它，并毫不掩饰地陈述了这种等价关系：自动机器 “在精确的经济意义上等同于奴隶劳动。”

三位作者，相隔两千年，用同一意象表达了同一种结构性主张。对廉价、易驾驭劳动力的需求与对自主机器的需求，本质上是同一种需求。它从来只能以一种方式被满足，而亚里士多德用大约四十个字点明了决定选择何种方式的条件：某些工作无法与从事它的人分离。

二十三个世纪之后，迈克尔·波兰尼解释了为何梭子保持沉默。他的表述只有六个词，却堪称产业经济学中最重要的一句话：“我们知道的，比能说出来的更多。” 一个人能认出面孔、骑自行车，或判断焊接是否到位，却无法完全言明其法。这种知识真实可感、可证可验，却无法诉诸语言。而无法言说的，便无法书写；无法书写的，便无法复制。

这正是工厂聚集的原因。并非工资——那是人人都在衡量的指标——而是那些已然掌握技艺之人的常驻储备，这种储备只能以学徒制的速度缓慢增长。各国耗费数十年与巨额资金试图引进这种储备，大多以失败告终。隐性知识是物理性的约束，而非经济性的。

1988年，汉斯·莫拉维克从机器的角度重述了波兰尼的观点。他发现，让计算机在推理任务上达到成人水平轻而易举，而“在感知与运动方面赋予它们一岁孩童的技能却困难甚至不可能”。六年后，史蒂芬·平克进一步精炼了这一洞见：难的问题容易，易的问题却难。十亿年的自然选择投入了抓握与感知，而抽象思维或许只经历了十万年。那古老的代码密实而隐晦，我们难以窥见。我们低估了自己最擅长之事。

如今的变化在于，一类隐性技能正被首次书写下来，这使问题变得鲜活而紧迫。基于示范训练的机器人基础模型，正将感觉运动能力转化为权重。Open X-Embodiment汇集了跨越二十二种不同机器人形态的逾百万条真实轨迹，并展示了技能在它们之间的迁移。亚里士多德的条件，在二十三个世纪后首次面临检验。

但波兰尼悖论并未被废除，它只是被重新定位了。

离开装配线的隐性知识并不会蒸发。它会在链条的其他地方重新出现……在磨削线上，那在十比一的孔径上保持三微米精度的地方；在钢杯的冶金工艺中，那能弯曲一亿次而不破裂的材质里；在供应商三十年学来、同样无法写下的流程中。那无法复制的东西已经转移了位置，却并未消失。

正是在这里，最古老的理念变得最为实用。1817年，大卫·李嘉图追问地租为何存在，并回答说是为“土壤原始且不可摧毁的力量”而支付。地租并不归于具有生产力的东西，而是归于稀缺且无法复制之物。有生产力的东西获得资本回报；不可复制之物则获得剩余价值。

将李嘉图的问题应用于人形机器人，答案并非模型本身。模型权重是现代经济中最易复制的资产——Physical Intelligence在发布四个月后便开源了π0，OpenVLA和RDT-1B已公开，Google DeepMind向任何打造实体的人提供Gemini Robotics。这是一种生产性投入，却并非不可摧毁之物。

这个行业中不可摧毁的力量，是一根约前臂长的螺纹钢杆，称为行星滚柱丝杠，而地球上大约只有四家公司能按规格制造它。

望远镜：两个永不闭合的问题

1944年，埃尔温·薛定谔从热力学角度追问生物究竟在做什么，并给出了一个至今未被超越的答案。生物体将自己维持在一个不可能的排列状态中，对抗着不断将其拆解的宇宙。他写道，生物之所以存活，是因为“它汲取负熵”。秩序并非免费。它必须被持续购买，否则便会衰败。

工程与医学，尽含于此一言之中，故两界永无终章。其他行业所解之题，原则上皆可解。娱乐可满足，交通可足用。然熵增与死亡，不可满足，亦难足用。二者恒久、复利且普适，凡有文明，皆耗其盈余于斯，而账单永不清偿。

由此，一种比行业标签更有用的分类法浮现：存在两种基底——身体与系统。维系身体存活，维持系统运转。金融、文化、商业等皆为衍生，乃社会为这两者组织支付的方式。工程与医疗并非与诸行业并列，而是承载其他一切的平台。

二十一世纪，是首个握有足够锋利工具，得以系统性地攻克两者的时代。于是，资本、人才，乃至最终的地缘政治分量，皆流向那些打造透视身体与系统内部之最佳仪器者，以及拥有这些仪器所依托之基础设施者。

物理AI，正是针对第二基底的工具。黄仁勋对变化本质的阐述，于主题演讲中尤为精准：“AI如今开始理解物理定律。”仅凭阅读的模型，无法维护任何事物。而能预测螺栓如何就位、焊缝如何冷却、重物被提起时质量如何转移的模型，则可直指熵增。

规模论断源于底层基础，而非一时热情。全球汽车年产量约一亿辆，对应八十亿人口，它解决的是出行问题，而这个问题已基本解决。通用型机器维护系统则面对一个尚未解决的问题。这是关于人形机器人将超越汽车产业的诚实论证——并非销量更多，而是底层问题永无终结之日。

不可复制之物去向何方

瑞士的Rollvis与GSA，德国的Bosch Rexroth，瑞典的Ewellix（2022年被Schaeffler收购，这足以说明Schaeffler对其价值的判断）。它们合计占据全球市场约70%至80%的份额。中国制造了全球过半的工业机器人，却仍进口约80%的滚柱丝杠。

原因并非保密。螺母的长径比接近十比一，传动误差须在整个长度内保持在±0.003毫米以内，实现这一精度需要纳米级研磨，随后进行表面渗氮处理，整条产线历经数十年调校。波兰尼会立刻认出这种情境。企业无法完全言明其工艺，只能持续践行。

一个人形机器人需要多个此类部件。在加装任何其他组件之前，丝杠总成本已高达约28,000元人民币。

将此与它所替代的劳动力对比。一个能从人类示范及其他机器人处学习的机器人，打破了复制约束。技能成为文件。一旦技能成为文件，其传播速度便以网络而非学徒制来衡量，商品生产的准入门槛随之降至资本成本与机器成本之水平。J曲线并非渐进式自动化，而是将隐性输入转化为可复制输入的过程。

瓦西里·列昂惕夫曾给出一个令人不安的版本。马匹并非因缺乏再培训而被拖拉机淘汰；它们在经济上变得多余，马群数量随之崩溃。他在1983年将此作为关于劳动力的严肃问题提出，而非玩笑。这能否适用于人类，取决于人类能力是否存在机器无法触及的底线——这正是莫拉维克留下的问题，也正是灵巧性论证之所以是经济论证而非技术论证的原因。

其余后果随之机械地展开。单位成本下降。制造业去集中化并回流，因为靠近劳动力池不再是选址建厂的决定性理由。生产率上升，常规体力工作岗位减少，商品价格通缩。购买力上升，即便受影响类别的工资下降。这一形态并不陌生——这正是1995年后信息商品所经历的一切，如今应用于原子世界。

如果技能不再稀缺，其他东西便会变得稀缺。运动硬件中的知识产权。驱动整个机群的能源。原材料的获取渠道，以及将其加工为可用形态的能力。瓶颈从人转向物理，过去归于拥有劳动者之人的租金，如今归于握有新约束之人。这是李嘉图的结构，未曾改变，只是土壤不同。

黄仁勋将这一机遇框定为“科技行业首次触及50万亿美元产业的机会。”对待这个数字需谨慎——它指的是被触及的实体经济的规模，而非机器人市场，且这是由销售算力的公司提出的框架。但方向是对的，关键问题不在于饼有多大，而在于哪一块仍然难以制造。

跟随一个执行器深入膝关节

关于物理AI的抽象概念并不稀奇。不如我们沿着一个部件走一遍整个链条。

人形机器人需要在负重下伸展腿部。旋转运动并不适合这一场景——膝关节在深蹲时承受体重，需要的是高刚度、低背隙的直线力。因此，该关节被设计为线性执行器：一个无框力矩电机通过预紧推力轴承驱动行星滚柱丝杠，绝对编码器读取位置，力-力矩传感器闭环控制。特斯拉在Optimus中采用了行星滚柱丝杠。

上述五个部件，每一个都是独立的工业难题。无框电机需要在极小体积内实现高扭矩密度，这意味着需要钕铁硼磁体，而这又意味着依赖中国供应。滚柱丝杠则是前文所述的“瑞士难题”，其成本比它所替代的滚珠丝杠高出最多一个数量级。推力轴承采用交叉滚子或薄截面设计，来自THK、NSK、舍弗勒或铁姆肯。编码器必须是绝对式的，而非增量式，因为机器人在断电重启后丢失关节位置，就意味着它会摔倒。而力传感器则是几乎无人能低成本解决的部件。

再看旋转关节——肩、髋、肘。这些部位需要应变波减速器，通常称为谐波减速器：一个柔性钢杯在刚性环内变形，产生巨大的减速比，且背隙近乎为零，整体尺寸只有冰球大小。日本的谐波传动系统公司数十年来占据全球约一半市场份额，靠的不仅是专利，更是柔性花键的冶金工艺和磨削技术。一台关节型工业机器人使用四到六个谐波减速器，而人形机器人则更多。

舍弗勒的数字值得记住：“人形机器人中约有一半的部件”是执行器，每台机器上有25到30个。再加上手部——按美国银行的估算占物料清单的百分之十九，也是产品中最难攻克的子系统——在购买任何一块芯片之前，成本就已接近百分之七十。这百分之七十是上限，且取决于是否将手部算作运动部件；我认为这样算是对的，但并非每份拆解报告都如此。而百分之五十是我可以毫无保留坚持的数字。

让一切一目了然的指标

大约百分之五十——执行器在物料清单中的占比，与其说是一个统计数字，不如说是一种分类方式。它告诉你，人形机器人是一种运动产品，恰好内含一台计算机，而不是一台恰好会动的计算机。而运动产品遵循运动产品的经济规律：漫长的认证周期、工艺知识的护城河、以十年计的老牌企业存续期，以及利润沉淀在部件而非整机组装环节。

你可能会套用到这个行业的每一个分析框架，都会因你接受哪种分类而改变结论。把它当作软件业务，你会得出结论：赢家是模型最好的人，行业迅速商品化，回报归于平台。把它当作精密运动业务，你会得出结论：赢家是掌控某个需要七年认证周期的部件的人，行业商品化缓慢且不均衡，回报归于掌握工艺的人。

三十八年过去

莫拉维克悖论依然成立，考虑到此后人工智能领域发生的种种变化，这一点尤为显著。大型语言模型让容易的那一半几乎变得不费吹灰之力，而困难的那一半仍然悬而未决。一只手在从未到过的房间里，以恰到好处的力道，握住一件陌生的物体。罗德尼·布鲁克斯去年九月直言不讳地指出：“没有任何类人机器人手在灵巧性方面展现出多少实质进展”，在任何普遍意义上皆是如此。

这里有一个合理的反驳。阿尔温德·纳拉亚南认为，这一悖论描述的是人工智能领域认为值得投入研究的方向，而非本质上困难之事，因此它并不具备预测力。这一提醒是公允的，将莫拉维克视为物理定律将是错误的。此处起决定作用的是产业证据，而非哲学思辨：资金依然未能买到灵巧性，而它已经获得了大量资金。

莫拉维克通常被解读为关于认知的论断。它同样可以解读为关于价值链的论断。困难之处正是稀缺所在，而李嘉图早已告诉我们，当一种要素稀缺且无法复制时，谁将获得回报。

谁拿走了钱

从瓶颈处说起，瓶颈是指无法绕开、一旦缺失便会导致整个链条失效的节点，而精密运动部件在每项测试中都符合这一标准。没有减速器、螺丝、力矩电机和轴承，人形机器人便无从谈起。在所需的扭矩密度下，没有替代技术。软件也无法绕过这一环节。而且供应商群体确实很小：谐波减速器市场大约一半掌握在一家日本企业手中，滚柱丝杠的70%至80%则集中在四家欧洲公司手里。

挑战一下这个观点。大型OEM能否通过垂直整合绕过瓶颈？特斯拉正在尝试——自行设计执行器、电机和控制电子设备。Figure也在做同样的事。宇树科技已经做到了，其成果显而易见：SemiAnalysis估算宇树G1的物料成本为8,976美元，而教育版售价为27,300美元，隐含毛利率接近67%，这得益于宇树自研的无刷电机成本仅为西方同类产品的30%至40%。

这是反对瓶颈论的最有力论据，但它只对了一半。垂直整合并不能消除瓶颈，而是将瓶颈转移到了OEM内部，在那里仍需花费数年时间进行制造、调试和验证，并且消耗了本可通过外部供应商模式避免的资本。特斯拉自身的资本支出说明了问题：2026财年承诺投入约250亿美元，约为历史水平的三倍，而六月季度的自由现金流为负11亿美元。马斯克对Optimus的描述是诚实的——“这是特斯拉迄今制造过的最难规模化生产的产品。” 这种难度正是瓶颈被付出代价而非被规避的体现。

现在来看剩余索取者——当销量不及预期时，承受冲击的节点。它就是集成商。人形机器人OEM在每台设备上承担着25至30个执行器的库存风险、预先承诺的产能、品牌承诺，以及一个可以随时推迟购买的客户群。零部件供应商因终端市场多元化，可以通过调整产线来消化人形机器人需求骤降带来的冲击。谐波减速器供应商面向半导体行业，舍弗勒面向汽车行业，THK面向机床行业。而组装商却无法如此。当调整到来——它必然会来——首先且最沉重地落在组装商身上。

这条产业链中的印度扭曲并非多出一层，那通常是印度的典型模式。而是一种缺失节点。印度在机加工件和子组件方面拥有真实能力，在磁体领域通过政策推动展现出新兴潜力，但在精密运动知识产权方面几乎一片空白。印度没有规模化的谐波减速器，没有规模化的无框力矩电机，也没有批量生产的行星滚柱丝杠。

在人形机器人领域，精密运动供应商攫取了结构性租金，因为他们的认证周期以年计，而客户产品的上市周期则只有数月而已。随着原始设备制造商之间的竞争日益激烈，这种差距反而越来越大了。

发展弧线，以及无人提及的虚假曙光

这不是第一波机器人浪潮，而上一波已经解决了一个当前这波正在重新追问的问题。

拐点一：关节臂遇上汽车，1961–1985年。 通用汽车的Unimate，随后发那科和安川将其工业化。那段时期埋藏的教训在于钱流向了哪里。不是集成商。发那科凭借运动控制建立了持续数十年的30%以上营业利润率；基恩士凭借传感实现了50%以上的营业利润率；Harmonic Drive凭借柔轮占据了全球市场的一半。而那些将这些部件组装成工作站的人只赚到了个位数的利润。

拐点二：中国决定自主掌控，2015–2024年。 《中国制造2025》将机器人列为优先领域，国家随后投入资金。到2024年，中国安装了29.5万台工业机器人，占全球总量的54%，创下历史新高，且国产厂商首次在国内市场销量超过外资品牌。运营存量突破200万台，约为日本的四倍半。国产替代向上游推进：中国谐波减速器厂商如今可能占据全球营收的12%至15%，而绿的谐波一家就占据了中国市场的30%至40%。

拐点三：模型层到来，2023–2026年。 RT-2展示了视觉语言模型可以将机器人动作作为标记输出。Open X-Embodiment汇集了来自34个实验室、22种机器人本体、超过一百万条真实轨迹，并证明了它们之间的迁移能力。Physical Intelligence的π0.5表明，在约一百个环境上训练的效果接近直接在测试环境上训练的模型。泛化不再只是研究愿景，而成了工程变量。

虚假曙光

Rethink Robotics。罗德尼·布鲁克斯于2008年创立了这家公司，正是这位布鲁克斯，如今主张人形机器人无法学会灵巧操作，他当时的目标是打造一款普通工厂工人能通过演示来教导的协作机器人。Baxter和Sawyer在技术上令人钦佩，在商业上却致命失败。公司于2018年出售了其资产。原因至关重要：这些机器人足以进行演示，却不足以让人依赖，而这两者之间的鸿沟正是机器人公司消亡之处。据报道，一台Sawyer单元在俄勒冈州一家工厂运行了35236小时才退役，这证明了硬件是可靠的，也证明了可靠的硬件并非制约因素。

那个鸿沟恰恰是人形机器人今天所处的位置。演示令人印象深刻，可靠性却未经验证。市场反复犯下这个错误，因为演示清晰可见，而平均故障间隔时间却不可见。

阶段诊断。 全球范围内，人形机器人技术正处于Utterback所称的流动阶段：没有主导设计，每个关节都有相互竞争的架构，进入和退出成本都很低，竞争聚焦于产品而非工艺。其下的组件层则处于特定阶段，标准化、规模驱动、工艺竞争、成熟。这种分裂并不寻常，是本入门指南中最具实用价值的结构性事实。流动的产品层叠加在特定的组件层之上，意味着产品层将剧烈洗牌，而组件层则从每个竞争者那里获利。

经济引擎

决定这里谁赚多少的有三股力量，而它们在不同节点指向不同方向。

定价权。 在精密运动知识产权领域，定价权是真实存在的，且建立在物理性而非契约性的转换成本之上：重新认证减速器意味着重新测试关节、重新调校控制器并重新认证整机。而在集成商层面，定价权几乎为零且持续下滑。据伍德麦肯齐估计，2020年至2025年间，人形机器人平均售价下降约93%，至约5.8万美元；宇树科技随后将G1降至约1.35万美元，R1研究平台定价4900美元。这一轨迹丝毫看不出组装商握有定价权。

成本结构。 人形机器人组装属于高固定成本、但产量极不确定的业务，这是工业经济学中最糟糕的组合。零部件供应商同样面临高固定成本，但面对的是多元化的需求，这使同样的固定成本杠杆从负担转变为一种期权。

资本密集度。 在这里，天真的软件思维造成的损害最大。模型公司资本轻，可依托人才实现复利增长。精密零部件产线资本重，其回报来自基于合格订单簿的产能利用率，而非单纯的增长。哈默纳科2026年6月当季就是活生生的例子：订单同比增长55.7%至241.3亿日元，业绩指引上调至85亿日元营业利润，增长231%，而管理层仍将11.4%的利润率描述为“按历史标准，这仍不能令人满意。”先看构成，再看标题。这些订单中约30亿日元为一次性医疗器械业务，增长主要由北美手术辅助机器人和生成式AI半导体设备驱动。人形机器人尚未真正进入这一数字。这就是固定成本杠杆从低谷回升时的样子，也是一家有长远记忆的公司会发出的声音。

那个季度浓缩了整个周期的缩影，而其中大部分内容并非标题所示。订单增长55.7%，但其中约八分之一来自一次性医疗业务，其余则由手术机器人和半导体设备推动。中国子公司下滑17.9%，原因是当地机器人制造商转而采购Leaderdrive，导致需求回落。Harmonic自身的人形机器人业务量仍然较小，管理层预计到2027财年才会实现显著放量。订单簿正在拐点。但拐点尚未体现在人形机器人上，任何引用这份报告作为人形机器人需求证据的人，恐怕只读了第一行。

成本下降曲线是另一台引擎，且坡度确实陡峭。高盛发现制造成本已降至3万至15万美元区间，同比降幅约40%，而此前其自身预测为15%至20%。美银模型显示，2025年中国制造的物料清单成本接近3.5万美元，到2030年将降至1.7万美元以下。贝恩预计到2035年将降至1万至2万美元。

但整个成本文献中最具揭示性的数字是一个反事实。麦肯锡引用的分析发现，若完全排除中国供应商，特斯拉Optimus Gen 2的制造成本将从约4.6万美元飙升至约13.1万美元。接近三倍。这根本不是成本曲线。这是披着成本曲线外衣的地缘政治依赖。

阿尔伯特·赫希曼在1945年就阐明了这一机制，他研究德国如何将巴尔干贸易转化为控制工具。他认为，国家间权力的来源在于“中断商业或金融关系的能力”，而非贸易规模。关键在于可信的断供威胁。依赖只有在被依赖方无法迅速寻找替代来源时才成为武器，这正是炼油产能能构成胁迫而采矿产能不能的原因。

2025年4月的管控措施覆盖了七种中重稀土及磁体，其影响立竿见影，出口骤降，美国、欧洲及日本的汽车工厂纷纷削减产能利用率。马斯克在特斯拉财报电话会议中花费部分时间，实际上是在公开谈判，解释这些磁体将用于人形机器人，并强调“这不是武器”。一位首席执行官通过分析师电话会议向外交部游说，这最清晰地表明了这条供应链中权力真正所在的位置。

2025年10月的升级措施更进一步，对任何含有中国原产稀土的外国产品适用0.1%的最低限度规则，这与美国在半导体上采用的域外逻辑如出一辙。根据停战协议，该升级措施暂停至2026年11月。4月的管控措施仍然有效。这一杠杆已被展示，随后又收回，这对中国而言比直接动用更为有利。

对立观点：数据才是真正的瓶颈

克劳德·香农在其1948年的论文开篇定义了任务：“在一点重现另一点选择的消息。”他描述的是电报技术，但无意中也描述了跨实体迁移——一种机器人身体习得的技能在另一种不同身体中的重现。而香农的核心结论在此处至关重要。信息即意外。一条本可预测的消息几乎不携带任何内容；昂贵的比特是那些不太可能出现的。

这恰恰解释了为何机器人数据成本如此之高。在整洁实验室中的演示是一条低意外性的消息；在机器从未进入过的厨房中的演示则是高意外性的，而只有后者才能教会我们东西。

组件虽难，却是已被解决、又在被重新解决的问题——物理原理已知，只要有足够的时间和资本，流程便可复制，而中国已经证明，举国之力能压缩时间线。真正未被解决的，或许单靠资本也无法解决的，是教会机器在从未见过的物理环境中胜任行动。稀缺资产不是螺丝钉，而是教会螺丝钉该做什么的轨迹数据。

肯·戈德堡曾指出，机器人技术面临的数据缺口，相对于训练语言模型的语料库，约有十万年之遥，而他对显而易见变通之法的评价毫不留情：他指出，模拟“在机器人操作方面以不可靠著称”。它适用于飞行或行走之物，那里物理平滑；却在接触密集的操作中失效，那里物理并不平滑。

于是剩下的，便是由人类以工业成本收集的真实世界数据。远程操作如今已成为一个价格曲线清晰可见的劳动力市场。全负荷高质量远程操作数据，从2024年初的每小时约340美元，降至2025年第四季度的约136美元，再到2026年3月的118美元基准。请对这些数字持保留态度：它们由供应商发布、未经审计，我也未能独立核实。这些数值在看似无共同来源的多个渠道中反复出现，这是我使用它们的唯一理由。印度、菲律宾和东欧的操作员时薪为22至55美元，而美国具备领域专长的操作员则为65至120美元。一名熟练操作员每小时可产出五至五十个片段；一个五万片段的数据集，在质量保证前的采集人工成本约为67,000美元；而一个五千次演示的全身项目，则需25万至75万美元。

这就是为什么 Figure 和 1X 要自建数据管道，也是为什么业内最尖锐的战略分歧在于方法而非重要性。Brett Adcock 已让 Figure 承诺在实地作业中实现无远程操作的自主性。Bernt Børnich 则走了相反路线：1X 将 NEO 送入家庭，背后有人类操作员支持，其明确逻辑是 “如果我们没有你的数据，就无法让产品变得更好。” 双方都认同数据是护城河，但在如何挖掘数据上却完全对立。

为何它看起来比实际更弱

原因有三。首先，该领域正在公开化。Open X-Embodiment 汇集了超过一百万条真实轨迹，覆盖 22 种机器人本体，并公之于众。π0 在发布四个月后即开源。OpenVLA 和 RDT-1B 也可免费获取。相比之下，Harmonic Drive 的柔轮工艺已专有保密五十年，且毫无泄露迹象。

其次，经济规律反着来。数据采集是一条每年约下降 30% 的成本曲线，即上文所述从 340 美元降至 118 美元的路径。建立在越来越便宜事物上的护城河并非真正的护城河。精密部件能力则是一条几乎不动的成本曲线，因为其约束性投入是加工时间而非劳动力成本。

第三点，也是最致命的一点，数据飞轮归属于真正干活的一方，而非构建模型的一方。Physical Intelligence 的 π0.6 搭配 RECAP 能从部署经验中改进，报告吞吐量提升高达 130%。这是真正的进步，意味着复利资产归于那些让机器人在实地创收的参与者，而非拥有顶尖研究团队的参与者。模型开发者正以假设相反的估值融资。据报道，Physical Intelligence 估值接近 110 亿美元，大约是四个月前的两倍。

数据在 能力 层面是真正的瓶颈，但在 经济 层面却是薄弱环节。它决定了人形机器人能否正常工作，却不决定谁能从中获利。

谁买单，又为什么买单

罗纳德·科斯在1937年提出疑问：既然市场本应高效配置一切资源，企业为何还会存在。他的答案是，“市场的运作是有成本的”——搜寻、谈判、签约，而企业之所以存在，是因为内部完成某件事比通过市场交易更划算。人形机器人领域的每一个商业模式问题，都是这一问题的变体。客户是购买机器本身，还是租用机器所完成的工作？

行业尚未就此达成共识，而不同模式的回报差异巨大。

科斯的检验标准在此处清晰适用。当人形机器人的工作足够可预测、能事先明确界定时，值得购买；反之，则值得租赁——这正是迄今为止所有严肃部署都采用租赁方式进入仓库的原因，因为那里的任务清晰可辨，失败模式不过是掉落一个周转箱。没有人将人形机器人销售到非结构化工作中，因为目前还没有人能写出描述这种工作的合同。

这又将讨论带回了起点。需要灵巧操作的模型没有收入；有收入的模型则无需灵巧操作。而向上述六列全部供应执行器的供应商，对哪一方胜出并不在意。

各参与方，按其所在节点排序

阅读此表格的有效方式并非依据公司质量，而是依据节点。位于节点02的一家平庸公司，其结构性经济性优于组装环节的卓越公司，上一轮机器人周期已证明了这一点。

Harmonic Drive是该行业的温度计。 它向西方几乎所有严肃的人形机器人项目供货，并按季度发布报告，这使其成为衡量该行业是否在真正建设产品的唯一公开、实时且无炒作的数据来源。正确使用这一数据，应关注其业务板块构成，而非订单总额。与人形机器人相关的订单每季度约为13亿日元，而合并订单总额为240亿日元，真实、已披露，约占5%。管理层指引该比例在2027财年逐步提升。当一家拥有五十年周期记忆的公司，在利润上调231%之后仍称11.4%的利润率不尽如人意时，它是在告诉你：它认为人形机器人周期尚未真正到来。

Schaeffler是该行业最具启示性的战略押注。 它在2022年收购了Ewellix，彼时人形机器人尚不成其为市场。它已披露约45次人形机器人客户沟通及五份已签署合同。关键在于，它将机会规模定位于执行器可寻址市场约10%的份额，而非押上整个公司。一个认识到这是一项期权的Tier-1供应商，其行为方式正是如此。尽早购入能力，保守定价，让汽车业务为等待期提供资金。Hyundai Mobis正采取相同策略，在2026年CES上同意为Boston Dynamics的下一代Atlas供应执行器。从汽车零部件到人形机器人执行器的迁移，是本周期标志性的企业动作，而尚无任何印度Tier-1供应商迈出这一步。

它们的竞争有多激烈？

每个环节情况各异。

在整机组装层面，这已经是一场价格战，而且才刚刚开始。五年内价格下跌了93%。宇树科技资金充裕，明确以抢占市场份额为定价策略。人形机器人本体之间的产品差异化正逐渐缩水为规格表上的比拼。中国地方政府将具身智能视为战略产业加以补贴，麦肯锡估计国家引导基金对人工智能和机器人的承诺投资接近1380亿美元。利润被侵蚀的条件一应俱全。

在零部件层面，市场结构是受到冲击的理性双头垄断。Harmonic Drive和Leaderdrive合计占据全球谐波减速器收入超过60%的份额。定价在西方市场保持稳定，在中国市场则持续下滑。新进入者活跃度高，但集中于中国且瞄准本土市场。值得关注的信号是中国减速器和丝杠制造商是否开始大举出口至西方人形机器人项目——那一刻，零部件护城河将开始表现得像太阳能价值链，而非机床价值链。

集成商环节的竞争强度是全面价格战；精密零部件环节则是理性寡头格局，且面临明显的中国挑战者。这一判断的风险在于认证周期压缩——如果中国减速器制造商能在三年而非七年内进入西方一线项目的认证流程，护城河论点将大打折扣。

印度问题，狭义解答

亚历山大·格申克龙毕生致力于解答一个印度反复自问的问题。1962年，他在论述德国与俄国如何在英国之后实现工业化时，提出了“经济落后的优势”这一概念——后来者能避开死胡同，引进成熟技术，实现代际跨越。但他在此附加了一个条件，而这一条件在每次引用此说法时都被忽略了。落后只有在替代性制度能弥补后来者所缺时，才能转化为优势：德国的投资银行做到了，俄国的国家机器做到了。若无此替代性制度，落后便始终是落后。

这使得印度的主张变得可检验，而非仅是一种爱国情怀。该主张是：与以往每一次技术浪潮不同，印度在此领域拥有真正的实力……凭借其具有竞争力的汽车和航空航天加工基础，印度能生产精密机械部件及子组件、壳体、齿轮毛坯、结构元件。

这一主张属实。但它比听起来要狭窄得多，而正是这种狭窄构成了可投资之处。格申克龙的条件在此处起决定作用：印度拥有加工基础，但对于其所缺的那部分，尚未建立起替代性制度。

先从印度真正拥有的说起。三十年来，为全球汽车和航空航天一级供应商供货，造就了真正具备工艺纪律的机械加工和锻造基础：巴拉特锻造、桑德拉姆紧固件、索纳康斯特、工匠精工、桑塞拉、快乐锻造，以及航空领域的专业企业如阿扎德工程、MTAR和帕拉斯防务。这些公司持有认证，运行统计过程控制，并通过了波音、空客、通用电气和西门子的客户审核。人形机器人的壳体、结构元件和齿轮毛坯，完全在其能力范围之内。这不是空想，而是现有能力指向新客户。

现在，国家层面的讨论忽略了这一部分。节点02（精密运动知识产权）——真正的利润池——基本上不存在。印度没有批量生产的谐波减速器，没有规模化生产的无框力矩电机，也没有大批量出货的行星滚柱丝杠。印度的机床基础，即制造这些部件所需的资本设备，薄弱且大多依赖进口。而且，除非稀土磁铁计划得以实施，否则印度制造的每台电机都将包含中国磁铁。

MTAR技术公司是这两方面最鲜明的例证。其年报指出，滚柱丝杠的首件产品已完成，“等待客户认证以开始批量生产”。管理层在财报电话会议上表示，滚珠丝杠现已获得跨国客户的认证。这两种部件正是执行器堆栈中的关键组件家族。

然而，该公司从未将此描述为机器人领域的机遇。每次电话会议的主题都是太空、国防和清洁能源的进口替代。MTAR电话会议中唯一提及人工智能的地方，是将数据中心视为电力客户。

轴承值得停下来思考，因为这是筛选出错的地方。在印度上市股票中搜索“轴承”，你会得到十几个名字，但其中大多数从事的是完全不同的业务。Menon轴承公司生产双金属发动机轴承、衬套和推力垫圈，年产量2800万件，专注于柴油发动机和压缩机。这些是滑动轴承：在流体动力油膜上运行的滑动表面。而机器人关节需要的是滚动体轴承，其中硬化滚子在规定的预紧力下通过点接触承载载荷。同一个词，不同的物理原理，不同的认证，不同的客户。Menon是一家优秀的公司，但它不在这条供应链中。

NRB轴承公司正是如此。它占据印度滚针轴承市场约六成份额，而滚针本身即是滚动元件——那些经过硬化处理的圆柱体，交叉滚子组件以交替角度将其排列。更关键的是，NRB正凭借自身主动性朝着正确方向迈进：与意大利Unitec集团成立合资企业（持股75%），生产工业圆柱滚子轴承并确保包销；同时收购班加罗尔的Mahant Toolroom，涉足精密航空航天加工领域。2026财年营收达133.5亿卢比，资本回报率为20%，并明确雄心目标——到2031年实现250亿卢比，覆盖六大增长方向，其中一项被管理层称为“关键任务摩擦解决方案”。

细看这份增长方向清单，机器人并不在其中。

然而，到了2026年7月，一家公司变得清晰可辨。在2027财年第一季度财报电话会议上，Sona Comstar将机器人与物理AI列为其第三增长引擎，并谨慎措辞：“我们宣布，Sona Comstar已经进入。” 这不是意向。三份已签署订单——一套先进机器人子系统、面向自主移动机器人的感知工程服务，以及为一家印度商用车制造商提供的完整短程雷达感知堆栈。这些合计带来60亿卢比，使机器人订单积压量达到80亿卢比，约占总额2400亿卢比的3%。首个项目的生产将于本季度启动。

值得读两遍的原因在于其论证管理方式，因为这是本入门指南从另一方向得出的论点。电动汽车中的减速器传动比接近九比一。而人形机器人关节中的同类减速器则在百比一到一百六十比一之间……体积更小、精度更高，且在他们看来本质上是同一产品。他们观察到，最终制造无框力矩电机的往往是电机公司。这就是Node 02由一位必须实际建造它的操作者所描述的情况，而这并非来自股票市场的任何推动。

Sona并非纯粹的单一业务公司，谁也不应假装如此。订单簿中的百分之三就是百分之三，机器人业务的收入今天仍微不足道，而且公司自身的历史表明，新垂直领域需要七到八年才能达到一亿美元，尽管管理层认为这次进展更快，并表示市场发展速度超出他们的预期。但让这个名字变得有趣的模糊性已经消失。它曾被定价为带有电动汽车附加属性的汽车零部件公司。如今，它已用数字向市场表明，它是另一种存在。

其余的模式依然成立。Tube Investments of India谈论的是半导体和医疗设备，而非机器人技术。Sansera和Craftsman讨论非汽车多元化时，并未提及这一终端市场。Bharat Forge与德国Agile Robots签署了谅解备忘录，合作开展AI驱动的工业自动化和自主工厂运营，但几周后举行的财报电话会议却完全未提及机器人技术。Azad Engineering制造精密执行部件，并将资质认证描述为需要“数年，有时甚至十年的工艺验证”——这是任何印度高管就这一行业说过的最相关的一句话，而它却是针对航空航天领域而说的。

真正意义上的印度本土人形机器人声音，却游离于上述市场之外。由信实集团控股的Addverb宣布了一项人形机器人计划，初期产量约为百台，其首席执行官对需求基础的表述直白得令人耳目一新：“信实是我们最大的机器人消费者。” 这是一种 captive-demand（内部需求）模式，韩国和日本的机器人产业正是由此起步。

国家正在缓慢地解决正确的瓶颈问题

政策制定机构理应得到应有的认可。2025年11月批准的稀土永磁计划承诺投入7280亿卢比，用于在五家受益企业中建设年产6000吨烧结磁体的产能，每家企业承担600至1200吨。全球招标于2026年3月启动，投标截止于5月。但关键数字却在该计划的上游，而非其内部。IREL的NdPr氧化物产能约为每年400吨，加上约500吨的库存，合计可支撑近1500吨成品磁体的生产。而该计划的目标是6000吨。印度正在补贴的磁体产能是其自身氧化物供应能力的四倍，差额部分不得不依赖进口——恰恰来自该计划旨在减少依赖的那个国家。相较于2025财年53748吨的进口量，6000吨仅占当前需求的约11%，这听起来微不足道，但别忘了机器人用磁体仅占总需求的一小部分，且战略价值在于选择权，而非自给自足。阿什维尼·瓦伊什纳夫关于进口依赖“实际上将降至零”的说法，是政治话语，而非工程现实。但方向是正确的，所选的瓶颈也切中要害。

精密运动领域则完全缺失相应的支撑。没有减速器专项任务，没有滚柱丝杠计划，也没有机床推广项目。2023年末，《国家机器人战略》草案征求意见后，似乎至今仍停留在草案阶段。印度在资助那些能靠资金买来的投入，却忽视了需要十年工艺积累的领域——这在政治上可以理解，在工业上却是倒退。

印度还有第二个立足点：数据。印度及印度关联企业已处于远程操作供应链的供给端——iMerit转向机器人数据采集，总部位于旧金山和班加罗尔的Human Archive、Neocambrian、Deccan AI等公司也在布局。截至2026年至今，印度物理AI初创企业通过31笔交易融资约1.55亿美元。这笔资金规模不大，却是一个实实在在的立足点，也是印度成本结构成为优势而非无关紧要之处的唯一节点。

周期与时钟

三个时钟在同时运转，且彼此不同步。

资本周期尚处早期，正在升温。 资金正涌入整机集成和模型领域：Physical Intelligence估值接近110亿美元，按路透Breakingviews的计算，宇树科技约为2026年预期盈利的857倍市盈率，而科创板平均市盈率约130倍，其他媒体根据不同的盈利基数将倍数推高至1000以上，散户申购部分超额认购约8000倍。产能公告超出实际需求一个数量级。从资本周期角度看，这属于建设阶段——恰恰是新产能回报在叙事上最高、在现实中最低的时期。相比之下，零部件层正从真正的低谷中走出：Harmonic的中国业务仍在下滑，西方订单才刚刚出现拐点。

技术时钟在顶层是流动的，在底层是具体的。目前尚无占主导地位的人形机器人设计。减速器、螺丝和轴承则是已定型的技术。这种分化将持续多年。

印度的正规化时钟尚未启动。 2023年，印度安装了约8500台工业机器人，同比增长59%，在全球排名约第七，而中国的安装量为29.5万台。印度的机器人密度仅为韩国的零头，后者每万名员工拥有1220台。按现行工资水平，印度在本十年内并非人形机器人的部署市场，若假装并非如此，便是最快误读机遇的方式。

因此，我们的定位是：在组装层调整期间掌控零部件层，因为调整首先冲击剩余索取者，而零部件供应商多元化的订单簿能吸收这一冲击。若出现中国精密运动供应商在四年内获得西方一级人形机器人项目认证的信号，则需改变这一策略。

什么会打破这一局面，以及该持有何种资产

空头论点

弗兰克·奈特在1921年提出的区分，被该行业大多数预测所忽视。他坚持认为，不确定性“与熟悉的风险概念截然不同”。风险具有可定价的分布。不确定性则不然，给它披上分布的外衣并不会凭空创造出一个分布。2027年之后的每个人形机器人数字，都是披着概率质量外衣的奈特式不确定性。在奈特的理论体系中，利润恰恰归属于承担第二种不确定性的人，这支持持有订单簿真实可见的零部件供应商，而非为一种情景叙事买单。

罗德尼·布鲁克斯并非疯子。他联合创立了iRobot，他所打造的协作机器人公司之所以失败，恰恰是因为人形机器人可能失败的相同原因，而他的论点基于机制而非情绪。基于视觉训练的模型无法学习灵巧操作，因为灵巧操作依赖于力和触觉，而触觉没有类似互联网图像库的对应物，也没有能编码人类手部一万七千个感受器在抓握过程中活动的数据集。罗伯特·普莱特——全球技术最成熟的人形机器人项目的负责人——表示，处理一千种不同部件所需的通用性尚未得到验证。两人都没有做空该行业。他们都在告诉你，难点依然困难。

再加上基础概率。2024年全球工业机器人安装量为54.2万台，是有史以来第二高的年份，但仍比2022年的峰值低2%，其中美国下降9%，日本下降4%，德国下降5%。现有、运转良好、已有三十年历史的机器人行业在中国以外并未增长。人形机器人被预测将为一个在发达经济体中目前根本无法增长的市场增加十亿台设备。

而维护费用方面：工业机器人的服务与维护通常每年占购买价格的10%至20%。按每台17,000美元计算，每年需花费2,000至3,400美元，而印度制造业的工资往往更低。劳动力套利在最便宜劳动力处恰恰最弱。印度是该行业的供应商，而非客户。

加速案例

值得尊重的看涨论点并非TAM数字，而是Physical Intelligence的发现：在约一百种环境中进行训练，其性能接近在测试环境本身训练的效果。Sergey Levine承认，目前尚无标准基准来验证这一点。但如果泛化能力确实随环境多样性超线性扩展，那么灵巧性壁垒便是一个数据问题，而非物理问题。数据问题可依靠资本解决。时间线的所有走向都取决于此。灵巧性最终属于哪类问题，是该领域所有预测背后的核心疑问。

二阶受益者

即使人形机器人到2035年扩展至高盛相对保守的140万台规模，制约因素并非机器人本身，而是中国以外经过认证的精密加工产能。每个西方和日本的人形机器人项目都需要外壳、结构件、齿轮毛坯及机加工子组件，这些必须来自经过审计、认证且明确非中国的供应商，因为自2025年4月后，任何严肃的工业买家都不会将单一来源的中国依赖纳入战略产品线。

印度已有大约两百家的此类供应商，已通过航空航天和汽车领域主要企业的认证。目前，它们被视为汽车零部件供应商和国防领域的周边企业。没有一家被视作物理AI供应商，因为没有任何一家自称如此。这种重新评级并不要求人形机器人理论在十亿台规模上正确，只需在几十万台规模上正确，且采购具有防御性。

投资视角：

结构性赢家是节点02的精密运动部件供应商，因为其认证周期为七至十二年，而客户的产品周期为六至十八个月，这种不对称性将每一位新进入的人形机器人厂商转化为客户而非竞争对手。

当前机遇在于节点03的印度精密加工和锻造企业群体，它们拥有经过认证的真实能力，却以汽车零部件行业的倍数进行交易，原因在于管理层尚未指明终端市场——这是叙事模糊性，而非能力差距。

理论失效的情形是，如果一家中国减速器或滚珠丝杠制造商在四年内获得西方一级人形机器人项目的认证，那将证明工艺知识壁垒是资本问题而非时间问题，零部件层将像太阳能行业那样商品化，而非像机床行业那样。

宏观视角： 制造业去集中化，商品价格下降，利润流向掌握知识和资源瓶颈的一方。根据现有证据，这指的是中国和美国。

微观视角： 印度现实的主张在于节点03：壳体、齿轮毛坯、结构子组件、锻件，以及成本下降曲线供应侧的远程操作劳动力。

视差视角： 印度正被讨论为人形机器人的需求市场，而那里的工资套利最弱。实际上，它是供应商。格尔申克隆条件决定了它将保持哪种角色。

亚里士多德的梭子终于动了起来。历经二十三个世纪，它之所以抵达，并非因为有人解决了波兰尼悖论，而是因为一类狭窄的隐性技能终究被证明是可记录的。他对这一后果的理解，会比大多数预测者更为透彻：他所描述的替代是单向逐次进行的，而那些一直依赖可处理劳动力竞争的国家，即将发现自己站在了哪一边。其余一切无法言传的部分，仍留在建筑之内，只是沿走廊移动了位置——从无法解释自己双手的工人，转移到无法解释其磨削线的供应商。

李嘉图若见此定价，定会感到困惑。市场为那个公开自身权重的模型层支付一百一十亿美元，并为那些能在十比一孔径中保持三微米精度的企业支付自动附属倍数。前者是原始且不可摧毁的力量，后者则是拥有公共仓库的生产性投入。

这便引出了整个问题所依托的核心。如果困难的部分正是我们天生不会注意的部分，那么当前我们还有什么被定价为零？

感谢阅读，下次再见！

Neel Chhabra，Resight Ventures

Resight 是一个独立的投资研究与出版平台。所有内容——文章、分析及笔记——仅供参考，不构成投资建议或任何证券买卖的邀约。作者未在 SEBI（2014年研究分析师条例）注册。所表达观点为个人意见，可能随时变更，且作者可能持有文中讨论证券的头寸。请自行研究，投资风险自负。