文章核心观点 - 具身智能成为当前风险投资追逐的新风口，吸引了大量资本和拥有智能驾驶背景的创业者涌入，但行业同时存在明显的噪音、泡沫以及技术与商业化落地的巨大挑战[4][5][12] 行业投资热潮与资本动态 - 2024年具身智能领域投资活跃，中国活跃在AI和具身智能领域的投资机构至少有上百家，早期投资资金总和超过百亿美元[5] - 投资机构对创业团队背景的偏好从海外名校背景，转向更广泛接纳拥有规模产品化经验的智能驾驶产业高管[6][7] - 一级市场数百万美元级别的小额投资常见，但单笔超过2000万美元的大额投资并不多见，后者是决定创业公司能否长期发展的关键[13][14] 创业者背景变迁与典型案例 - 新涌入的创业者大多拥有华为、理想、小鹏、地平线等公司的智能驾驶产业背景[4][7] - 智能驾驶背景的团队被认为具备调用海量算力进行大模型训练和调动庞大资源的经验，这是纯学院派团队难以企及的[7] - 多家由智驾背景高管创立的公司在短时间内获得大额融资，例如：它石智航融资超10亿元人民币，至简动力获得约5000万美元天使轮投资，无界动力完成首轮3亿元天使融资[7][8] 技术路径与经验迁移 - 智能驾驶的技术发展路径（从规则工程转向Transformer架构、端到端训练）被认为可以迁移到具身智能领域[9] - 智能驾驶领域积累了庞大的算力资源，例如特斯拉用于FSD训练的计算集群规模等效于约11万张英伟达H100显卡，国内头部车企或供应商各自拥有数千至上万张高性能GPU，头部车企每年用于自动驾驶模型训练的支出保守估计超过10亿元[8] - 具身智能主流技术路线是VLA模型，但创业团队的训练算力有限[9] 行业面临的挑战与瓶颈 - 高质量的真实交互数据极度匮乏，技术路径在现实中缺乏验证[11] - 成本是现实问题，例如某公司研发的用于汽车总装的机器人目前售价约60万元/台，预计2027年量产后能降至35万至40万元，与两名工人18个月的薪酬及社保支出相当，但未计入使用寿命和故障损耗成本[11] - 核心部件如灵巧手使用寿命短，以特斯拉Optimus为例，其灵巧手使用寿命不超过2个月，规模量产难以接受这种损耗[11] - 算法路线尚未成熟，基于规则的小模型泛化能力差，主流的VLA模型效果相对不可控[11] - 量产问题是行业普遍忽视但存在的关键挑战，敢在现场稳定演示核心功能的团队屈指可数[10] 市场情绪与政策风向 - 二级市场已流露出悲观情绪，有观点认为具身智能最好的行情已经结束[12] - 国家发改委指出国内人形机器人企业已超过150家，并首次对具身智能产业发出风险提示，强调需防范产品高度重复扎堆上市、研发空间被挤压等风险，需平衡“速度”与“泡沫”[12] - 全球领头玩家如美国Figure AI公司在2024年9月以390亿美元估值完成超10亿美元C轮融资，成为全球最贵的具身智能公司[12] 人才市场竞争 - 针对智能驾驶背景的工程师，各家公司开出的薪资涨幅普遍在50%左右[10] - 有公司创业初期未设产品经理岗，但今年已急招具有产品思维的人才[10] 投资逻辑与产业共识 - 投资机构的投资逻辑高度相似，优先关注具身智能大脑、小脑、机器人本体，然后是触觉传感器、机械臂/灵巧手等[13] - 投资人坦言95%的时间都在投共识，拿着相似度95%甚至100%的产业图谱去寻找项目[13]