人形機器人的十萬小時瓶頸

結論就在一個有效小時里

人形機器人行業積累的真實世界訓練資料，可能只有約 10 萬小時。比起又一次病毒式後空翻，這個估算更值得投資人盯住。

中國可以迅速製造機器人身體、降低零部件成本，讓數千台機器進入公眾視野。商業瓶頸已經轉到看不見的一層：是否擁有足夠多樣的資料訓練具身模型；是否擁有足夠可靠的自主能力完成有效工作；是否擁有足夠扎實的運營證據，讓客戶願意續約。

投資單位也應該跟著瓶頸改變。Physical AI 的主要估值單位，不應繼續停在機器人出貨量，而應改為 經過驗證的自主有效工時。旁邊再放四個數字：任務成功率、人工干預率、每個有效小時的完全成本，以及客戶續約率。

ACE Robotics 董事長王曉剛向 Reuters 表示，行業迄今大約只積累了 10 萬小時真實世界資料。ACE 計劃讓產線工人佩戴輕量傳感器，在兩年內收集數千萬小時資料。王曉剛預計，機器人“大腦”將在 2027 年末出現突破，之後還需四至五年才能廣泛商業化。這些是公司估計和預測。它們構成一份有用的研究議程，卻不代表部署已經實現。

宇樹創始人王興興在公司上市後，也給出了同樣冷靜的時間表。Reuters 報道，他認為未來一台放進陌生家庭的機器人，應該可以完成用戶要求的大約 80%。這項未來門檻，比一段編舞影片更能說明市場。客戶購買的是完成的工作；投資人需要看見分母、例外，以及漂亮表現背後藏了多少人工救援。

我的決定是 WATCH: MEASURE_THE_HOURS。硬體領先值得肯定，基準成績值得關注。當機器在真實條件下反復創造經濟產出，人工干預持續下降，客戶又願意再次付錢，生產級估值倍數才真正到來。

中國已經贏得運行這場實驗的資格

中國的優勢來自密集的工業技術棧。電機、減速器、電池、傳感器、代工廠與系統集成人才彼此靠得足夠近，可以大幅壓縮迭代週期。同一項實驗在許多西方市場需要更長時間、更高成本，而中國的機器人可以更快從圖紙走上工廠地面。每次進步都以一個可見身體出現，公眾關注自然隨之而來。

宇樹在自己的出貨量澄清中表示，2025 年向終端客戶銷售並交付了超過 5,500 台純人形機器人，產量超過 6,500 台。公司同時提醒，不能把不同機器人形態簡單相加。輪式雙臂平台、科研人形機器人與付費生產單元承擔不同任務，必須放在不同分母里。

製造規模產生三項復利優勢：身體越多，單位成本越低；部署越多，暴露的邊緣情形越多；邊緣情形越多，能夠形成的訓練資料越好。當資料回流模型，並改善整個裝機基礎的表現，這個循環才真正強大。

循環仍然缺一條關鍵連接。出貨不等於擁有資料權；部署不等於得到乾淨標籤；一台與人共同工作的機器，可能依賴遠程操控，外面看上去卻像自主完成；商店裡的安裝也可能一直是供應商出錢的試點。基準成績可以證明模型進步，卻不會自動回答安全、開機率、工作流集成與客戶經濟性。

中國已經贏得運行全球最大 Physical AI 實驗的資格。投資人仍然需要一本實驗日誌。

機器人沒有免費的物理世界互聯網

大語言模型學習時，人類已經留下了巨量數字尾跡：文本、代碼、圖像和對話都早於模型公司存在。具身系統面對的是更昂貴的資料問題。機器人必須親身遇見摩擦、重量、遮擋、柔性物體、彆扭的貨架、不完美光線、磨損工具、沒耐心的客戶，以及物理失敗無窮無盡的創意。

一小時影片，並不會自動變成一小時有效機器人訓練。傳感器必須捕捉相關狀態，動作需要標籤或可恢復軌跡，資料集既要包含成功，也要包含失敗、恢復與上下文，還要有足夠多變化，防止模型只記住一條產線。資料權利、隱私、員工同意、保留期限與客戶保密要求，也會一路跟來。

開放研究社群已經展示了合併機器人經驗的價值。Open X-Embodiment 專案匯集多家機構、多種機器人與多類任務的資料，研究跨身體學習。它的重要性在於拓撲：分散的物理經驗經過跨硬體、跨環境標準化後，會變得更有用。商業運營者面對同一問題，只是規模更大、運營限制更嚴格。

ACE 的 Kairos 公告稱，其 40 億參數世界模型在四項全球基準中取得強勁成績。我們應把它當作公司披露。它支持“模型架構正在進步”這項判斷，同時留下幾個商業問題：部署後的機器多常完成客戶任務？結果背後有多少遙操作？離開訓練環境後表現怎樣？試點結束後，誰會繼續付錢？

所以，10 萬小時是一條有用標題，也是一個不完整分母。行業需要披露這些小時究竟裝了什麼。

先定義單位，再獎勵估值倍數

一個 經過驗證的自主有效工時，指機器人在有文件記錄的運行邊界內，用六十分鐘完成客戶約定工作流；期間沒有計劃外人工控制，同時達到規定的質量與安全門檻。

每個詞都有意義。

經過驗證：記錄來自可審計系統日誌，或者客戶確認的運營報告。營銷估計應當放在另一個字段。

自主：機器在沒有操作員接管的情況下執行。計劃內監督可以繼續作為工作流的一部分，但必須明確標注並計入成本。遠程救援時間要進入干預帳本。

有效：產出推動了客戶工作。走過舞台可以展示運動能力；把合格貨品送過倉庫流程、在服務時限內完成酒店任務，或在公差範圍內完成製造工序，才是在創造有效工作。

工時：只計算交付上述產出的時間。空閒、充電、計劃維護、校准、演示與純資料採集，分別放進可見的其他桶。

這個指標可以阻止一種熟悉的資本市場錯誤。兩家供應商都宣佈部署 1,000 台機器人。A 的機器每月完成 300 個付費小時，人工干預率 2%，續約率 95%；B 的機器只做 40 個試點小時，人工干預率 35%，且沒有披露續約。出貨量讓兩家公司看起來相似，有效工時則揭示兩種完全不同的生意。

四種狀態，讓證據保持誠實

Physical AI 的證據應該依次經過四種明確狀態。

基準。 模型在定義清楚的評估集上運行。記錄任務、資料集、指標、硬體、對比模型，以及結果是否經過獨立復現。

演示。 機器人在準備好的條件下完成可見任務。記錄嘗試次數、剪輯、重置、遠程干預、環境控制和安全人員。

試點。 客戶在真實環境測試系統。記錄誰出錢、運行多久、工作流範圍、有效工時、干預率、事故和轉化標準。

付費生產。 客戶為持續產出付費，並在合同下承擔運營責任。記錄已激活單元、有效工時、開機率、成本、續約、擴張與服務抵扣。

這些狀態可以描述進步，無須強行給出二元結論。優秀的基準可以證明模型改善，戰略性試點也可以非常重要。只有當市場悄悄把它們重新貼成“付費自主生產”，證據才開始誤導。

International Federation of Robotics 已在服務機器人報告中區分銷量、機隊、應用與 Robotics-as-a-Service 活動。公司級披露還可以再走一步，把已部署單元連接到客戶工作與人工支持。

商業化評分卡

投資人的評分卡需要八個字段。

1. 已激活付費單元。 分開記錄已交付硬體、已安裝硬體、已激活系統，以及進入付費經常性合同的單元。
2. 每月自主有效工時。 同時披露總量與每個已激活單元的平均值。
3. 任務成功率。 定義任務與分母，保留部分完成和安全停止。
4. 人工干預率。 統計遠程控制、現場救援、重置與異常處理；既報告每個有效小時的干預次數，也報告處於干預狀態的時間。
5. 每個有效小時的完全成本。 包含折舊或租賃成本、能源、連接、模型推理、現場服務、計劃維護、操作人員和遠程支持。
6. 客戶時間窗內的開機率。 工作流在中午需要機器人時，機器只在午夜可用，創造不了多少價值。
7. 客戶續約與擴張。 第二張訂單或新場地擴張，比宣佈第一個試點的新聞稿更有證明力。
8. 安全與質量事件。 以有效工時為分母，記錄事故、未遂事故、不合格產出、損壞與服務抵扣。

這張評分卡還會產生第二個指標：每個經過驗證的自主有效小時成本。針對同一工作流，它可以與人工、傳統自動化和競爭機器人平台比較。比較必須謹慎：人工包含靈活性、判斷、培訓、福利與監督；傳統自動化往往在狹窄穩定任務上勝出。只有當人形的通用外形減少場地改造，智能又能處理足夠多變化、足以覆蓋溢價時，它才真正贏得位置。

估值後果

硬體收入應接受硬體分析：物料清單、毛利率、保修、營運資本、渠道庫存與換代節奏。供應商若能以持續改善的經濟性，向客戶交付可衡量產出，經常性自主能力才可能支撐軟體或服務層。

有效工時是連接兩套估值體系的橋。

裝機量上升而有效工時持平，可能意味著庫存、科研需求或低利用率試點；每台有效工時上升、人工干預下降，則說明模型正在學習，服務組織也在擴展。續約把技術表現轉成客戶證據，擴張則證明經濟性能夠穿越第一個熱情場地。

資料所有權又增加一層。通過合同獲得多樣、合規授權運營資料的供應商，可能更快改進模型。當資料質量、任務多樣性與部署反饋一起改善有效工時經濟性時，優勢才具備防禦力。單純堆積原始 TB 數不會自動形成護城河；從工作到標注異常，再到模型更新與更好工作的閉環，才可能形成。

建設性的逆向角度是：更便宜的機器人身體，反而會加強領先模型公司的位置。硬體同質化擴大傳感器網絡，也降低經驗採集成本。價值池可能轉向掌握最高質量學習閉環、工作流集成和客戶關係的運營者。

什麼會改變判斷

三項披露會迅速提升整個行業的可信度。

第一，大型供應商開始披露一個有意義裝機基礎的月度有效工時、干預率與付費續約。第二，客戶確認資料，並披露與舊工作流之間的經濟比較。第三，新場地表現持續改善，而遠程操作員沒有按同一比例增加。

三種模式會削弱投資邏輯：出貨公告不斷加速，有效工時仍然很低；邊緣情形比模型擴張更快，導致干預隨部署增加；客戶試點反復無法轉成付費續約。

ACE 計劃一年內進入 1,000 家門店、兩年內進入 10,000 家門店，這仍然只是指引。後續問題很簡單：多少門店已上線，多少正在付費，每個場地獲得多少有效工時，人類介入了多少次？

宇樹的出貨披露仍然證明瞭製造覆蓋。下一步要把科研買家、集成商、試點、內部使用與付費生產分開。今天，兩家公司都不需要交出完美分數；如果開始報告同一個商業分母，它們都會創造一個更好的市場。

九十天運營計劃

Robin 的 Physical AI 追蹤器，應該從一份來源歸屬清晰的帳本開始，而不是急著做全行業排名。

前 30 天，定義指標字典，為 ACE、宇樹、智元、傅利葉和一小組西方對照公司建檔。所有缺失值一律保留為 UNKNOWN。公司指引放在已實現結果旁邊，永遠不許取代已實現結果。

到第 60 天，為每項部署附上證據：公開時記錄客戶名稱、地點、任務、階段、已激活單元、有效工時、干預、續約與來源日期。再為公司披露、客戶確認、監管申報、獨立觀察或分析師估計添加置信標籤。

到第 90 天，選擇兩種公開證據足夠的工作流，比較每個有效小時成本。目標是一套決策框架，不是一張用虛構精度填滿的排行榜。第一組完整比較成為基線，後續每一項主張都必須改善或挑戰它。

機器人行業正在進入最有意思的階段。身體開始走出實驗室，資本正在到來，模型也在學習預測物理世界。勝者會把這些運動變成客戶可以信任、購買並續約的小時。

數清這些小時。剩下的，都是編舞。

類別與關鍵詞

類別： 投資研究 · 金融科技 · 人工智能 · Physical AI · 機器人

關鍵詞： 人形機器人 · 有效工時 · 具身 AI 資料 · 干預率 · 機器人經濟學 · 中國機器人 · ACE Robotics · 宇樹 · 世界模型 · 客戶續約

標籤： #PhysicalAI #Robotics #HumanoidRobots #ArtificialIntelligence #ChinaTech #InvestmentResearch #FinTech #Automation