第一代机器人创业者，揭穿当下具身智能“假商业化”

他的公司死了，教训还活着。 「一手判断」栏目，是虎嗅访谈 AI 从业者，给出的一线独家见解，首发于小程序“虎嗅嗅”的“AI 100” 本期受访者：孙鹏飞｜臻效智能 CEO、清华 AIRIC 工业智能专家 近期，在世界机器人大会热闹谢幕下，一场关于“真订单”的业内清算，也正在开始。 内行都在交流同一个问题：这些机器人的订单里，到底多少是真的？ 这个问题，孙鹏飞十二年前就回答过。用的是 一家公司的死亡。 十二年前，他把一家机器人公司开死了 2013年，二十出头的孙鹏飞开始做人形机器人——只比优必选晚一年。 那个年代的人形机器人是什么样子？ 17个自由度，程序提前编好，能按固定动作走两步。这已经是当时最好的本体。 他们的打法，今天听起来依然耳熟：对标优必选，研发更强的本体。 第一代产品做出来，定价3000块， 他们拿着它融到了400万。 然后，现实来了。定位是儿童陪伴，但“孩子玩不到半个小时就腻了”。 团队没有放弃，做了第二代：把手机和机器人的系统打通，机器人加了摄像头，能视频通话——这是国内首创。定价提到四五千。 结果是，“绝大多数家庭无法接受”。 2015年，他们转向当时火起来的商用服务机器人， 把已有技术重新包装成商业故事，又融了1600万。 再往后，是每一轮周期里都一样的结局：PMF始终没有出现，资本冷下来，钱不再进来。 他们的公司没有活下来。 “我们当时的商业逻辑，仅仅停留在‘有人在做，所以我们也能做’。” 十多年后复盘，孙鹏飞说最大的教训是顺序错了：不是先看别人做了什么，再用技术降本提效。 而是先看行业和客户的需求，再决定技术值不值得做。 “年轻时我总想先把东西做出来，现在我更关注这件事到底值不值得做。” 退潮的第一个信号，藏在客户现场 今天的行业，技术在天上，订单在纸上，融资在账上。 什么时候可能会退潮？ 多数人盯着融资。但孙鹏飞完整经历过上一轮周期。他的答案有点反常识： 融资断档不是退潮的起点，而是商业化失速之后的结果。 真正的退潮，按这个顺序发生： 最先出问题的是客户侧：POC结束后没有复购；一个标杆客户始终扩不到同类客户；机器人被摆进了现场，开机时间和作业时间却少得可怜。 然后，公司开始频繁更换场景，用同一套技术讲不同的故事。——这一幕，今天是不是很眼熟？ 再往后，投资人才发现商业化迟迟没有进展，下一轮融资变难；媒体转向下一个热点；核心人才和供应链陆续离开。行业进入更长的收缩期。 也就是说，当行业在公共叙事里依然热闹的时候，商业化可能已经开始冷却了。 融资起伏只是新闻。 订单能否复制，才是根本。 B端的“假PMF”：5个标杆项目，谁都能拿 现在的行业不缺订单新闻。千台订单、亿元合同、战略合作、联合实验室，几乎每天一条。 孙鹏飞提了一个概念：“5个标杆项目”。 5不是精确数字，而是一个典型状态——创始人的行业关系、投资人的产业资源、地方政府的示范项目、股东或关联方的采购，加在一起—— 一家B端创业公司完成从0到1并不难，甚至每年都能拿到几个项目。 这些项目当然有价值：验证技术、锻炼团队、带来第一批收入。 但它们未必验证市场。 怎么识别“假PMF”？ 他的方法是依次追问四个问题，一个比一个扎心： 第一，订单从哪里来？ 靠已有资源拿到的首单，要和陌生客户订单分开记。关系能带你到1，带不到10。 第二，到底谁在付钱？ 政府专项、企业创新预算，都能让一个项目“发生”。 但真正使用产品的业务部门，愿不愿意拿自己的预算持续采购，是另一回事。 第三，客户对验收较真吗？ 真正花自己钱的客户，一定会追问效果、稳定性和责任边界：出了问题谁负责？承诺的效率实现了吗？要几个人长期驻场？ 如果验收只是走流程，往往说明经济责任根本不在使用者身上。 第四，一个试点能不能扩成连续订单？ 一台机器人进入一个工位，不等于进入了一座工厂。 关键是：同一款产品能不能扩点或进入更多同类客户。 跨不过10到N，标杆越多，有时只意味着定制项目越多。 “客户是真的，合同也可能是真的，但它所代表的商业化，未必是真的。” 还有一条更少有人提的甲方逻辑： ToB产品一旦进了现场，服务周期是几年甚至十几年。核心团队不稳定、公司现金流紧张，都会折算成甲方心里的风险分。 在ToB市场里，“活得足够久”本身就是信用。 世界模型这么热，“大脑”公司会剩几家？ 话题落到今年最热的词：世界模型。 孙鹏飞讲了一个现象——一些具身研究团队现在的做法，朴素得有点扫兴： 在市场上分别买来通用本体和通用模型，回来分别在一些垂直场景里做训练。 这恰恰说明一件事： 通用“大脑”和行业落地，正在分成两层。 而他对独立机器人“大脑”公司的长期商业空间，也持谨慎态度。 原因有两个。 第一，通用模型的门槛太高了。 想用一个模型解决全部场景，难的不只是算法，更是数据——所有场景的数据，谁也喂不齐。 第二，中国制造业的链主，从来都倾向于把关键能力收回自己手里。 从手机到智能汽车，整机厂只要规模和利润允许，一定会逐步自研关键软件和控制能力。 机器人本体公司，大概率会走同一条路。 所以他判断，未来会是一个两层结构： 少数一两家通用“大脑”公司，提供基础能力； 更多的行业公司，采购通用或定制的本体和模型 ，再叠加自己的行业数据、工艺知识和交付团队， 做成面向具体场景的软硬一体方案。 钱会沉在哪一层？他的答案是后者。 后者未必拥有最通用的模型，却可能拿走大部分行业服务的价值—— 因为通用模型公司不可能给每个工厂、每个实验室、每个园区都配上足够懂行业的人，而B端的收入，最终来自场景开发、系统集成、交付、运维和持续优化。 这也解释了那句流传很广的判断： “软饭硬吃。” 在中国工业市场，纯软件很难单独卖出高价，软件的钱要放进硬件里、放进持续的服务里收。 机器人公司未来赚的，不一定是本体的钱，也不一定是模型授权费，更可能是软硬一体进入场景之后的长期服务费。 世界模型是不是真方向，他没有下结论。 但他确定的是：不管“大脑”长什么样、有多聪明，最后都要回答同一个问题—— 客户，为什么付钱？ 工厂里没有一笔预算，叫“具身智能” 公司死掉之后，孙鹏飞换了一个位置——去做甲方。 在运营商和自动化公司体系里，他坐在桌子的另一面，采购和评估机器人公司的方案。 这段经历给了他一个具身公司很少有的视角：工业客户买的是经营指标，而不是“具身”这个名字。 一家工厂想把OEE从92%提到94%，它会一层一层往下拆：瓶颈在哪个工位？停机是什么原因造成的？良品率被哪些变量影响？改造要新增多少设备？多久收回成本？ 至于最后用人形机器人、传统自动化、控制优化软件，还是干脆调整工艺流程——都只是手段。 这里有一个残酷的细节： 一条产线的效率，由最慢的瓶颈工位决定。如果机器人优化的不是瓶颈，哪怕它单点快一倍，全线节拍也一动不动。 于是行业里最常见的错位出现了： 具身公司在讲“机器人能完成什么动作”，工厂在问“它带来了什么确定的生产结果”。 中间缺的，是把动作能力变成经营收益的工程和商业能力。 “不要拿着锤子找钉子，先把客户的问题和收益边界讲清楚。” 那什么样的机器人公司，账算得通？ 他不看空的，是B端非人形机器人。 理由不是它们更像“终极机器人”，恰恰相反，是它们最初更像成熟的自动化公司：选一个边界清晰的场景，解决人工