在人工智能从虚拟世界向现实世界渗透的浪潮中，机器人产业被视为下一个爆发点。然而，刚刚落幕的旧金山机器人大会Actuate却呈现出一幅耐人寻味的画面：1500名投资者、创业者和工程师挤满了会场，但真正能跑的机器人却屈指可数。这一科技动态背后，折射出行业从资本狂热到产业落地之间的巨大鸿沟。当硅谷大佬们高谈阔论“Physical AI”时，中国机器人企业宇树科技却意外成为现场最受关注的硬件明星。
资本热捧下的“硬件缺口”：一场没有机器人的机器人大会
Actuate大会由机器人软件公司Foxglove主办，今年参会人数较2025年增长约3倍，门票若非场地限制本可超过2000张。资本市场对机器人的热情可见一斑——据Crunchbase数据，全球机器人初创企业2025年融资规模达150亿美元，2026年至今已突破188亿美元。然而，大会展厅内最显眼的不是机器人本体，而是各类数据标注、仿真训练的服务商，如Uber AI Solutions、Instawork等，它们展示着如何采集和标注现实世界数据。
这种“数据企业多于硬件企业”的奇特现象，揭示了机器人行业当前最核心的痛点：硬件供应严重不足。与ChatGPT这类依靠互联网海量文本训练的AI不同，机器人需要理解真实环境中的动作、空间和物体交互，但目前并不存在类似规模的现实世界数据资源。Foxglove CEO Adrian Macneil坦言，行业正在围绕机器人训练数据展开大量投入，包括数据生产和数据采购。
更令人深思的是，大会现场唯一引发关注的硬件厂商竟然来自中国——宇树科技的两台人形机器人参与了机器人格斗活动，虽然动作略显笨拙，攻击落空频频，但依然吸引了全场目光。这一科技动态让与会者不得不正视一个事实：全球人形机器人出货量中，中国企业去年占比约90%。
数据饥渴：物理AI的“石油”为何如此难采？
如果说算力是AI的引擎，数据就是AI的燃料。对于大语言模型，互联网上数以万亿计的文本已经是现成的矿藏。但对于机器人，尤其是人形机器人，数据获取的难度呈指数级上升。机器人需要感知三维空间、理解物体物理属性、学习精细操作，这些数据无法通过爬虫获得，必须通过真实环境中的传感器采集或人工标注。
在Actuate大会上，多家公司展示了机器人训练数据解决方案。例如，Instawork通过众包方式让工人佩戴传感器完成日常任务，从而采集动作数据；Uber AI Solutions则利用自动驾驶积累的感知数据迁移到机器人场景。然而，这些方法成本高昂且难以规模化。一位参会工程师指出：“训练一个机器人抓取不同形状的杯子，可能需要数十万次成功和失败的记录，这远远超出当前数据生产的效率。”
这种数据饥渴恰恰催生了新的创业机会。一些专注于数据标注和仿真环境的初创公司开始获得资本青睐。例如，AI工具导航上涌现出大量针对机器人训练的数据标注平台，它们通过合成数据、增强现实等技术降低数据获取成本。与此同时，大模型训练中积累的迁移学习经验也被引入机器人领域，试图用少量真实数据配合大量仿真数据来训练模型。
然而，数据瓶颈只是冰山一角。更根本的问题在于，机器人硬件本身尚未形成标准化的供应链，这使得大规模数据采集缺乏统一的硬件平台。正如Foxglove CEO所言：“我们不可能用100种不同的机器人手臂去采集100种不同的数据，然后期望模型能泛化。”
中国机器人企业的意外突围：宇树科技凭什么成为焦点？
在硅谷主导的机器人大会上，中国公司宇树科技成为少数被反复提及的硬件厂商，这本身就是一个值得深挖的科技动态。宇树科技成立于2016年，最初以四足机器人（类似波士顿动力的Spot）切入市场，凭借高性价比迅速打开全球爱好者市场。2023年，宇树推出人形机器人H1，定价仅9万美元，远低于特斯拉Optimus和波士顿动力Atlas的预估成本。
大会现场，两台宇树人形机器人参与了机器人格斗活动。虽然媒体报道称“碰撞场景较少，出现攻击落空或动作失误”，但这一活动本身已经具有象征意义——它证明中国制造的机器人已经具备基本的运动能力和交互能力，并且进入了硅谷核心技术圈的视线。
宇树科技的成功并非偶然。中国在机器人硬件制造方面拥有完整的产业链优势，从电机、减速器到传感器，成本控制能力令美国同行望尘莫及。谷歌自动驾驶项目Waymo创始人Sebastian Thrun在大会上明确指出，美国联邦通信委员会（FCC）对“先进机器人设备”的限制措施“存在问题”。Multiply Labs CEO Fred Parietti更是直言：“我们目前依赖中国制造的人形机器人完成部分生产环节，现在没有替代方案。”
这一现状也引发了关于全球机器人供应链的深层讨论。当企业数字化转型加速推进，机器人作为关键载体，其硬件来源的单一性可能成为风险点。但另一方面，中国企业的低价策略和质量提升，正在倒逼美国本土企业加快创新。
FCC监管困境：保护主义还是自我设限？
美国联邦通信委员会此前对新的外国制造“先进机器人设备”实施限制，意在保护本土机器人产业。然而，这一政策在Actuate大会上引发了激烈争议。支持者认为，限制廉价海外硬件可以防止关键技术外流，并为美国初创企业创造生存空间。但反对者——包括许多创业公司和研究人员——担忧，这种保护主义可能会切断美国机器人产业最重要的硬件供应链，反而阻碍发展。
事实上，美国机器人产业面临一个尴尬的现实：在高端人形机器人领域，本土企业尚未形成规模化生产能力。波士顿动力虽然技术领先，但商业化进展缓慢，且售价高昂；特斯拉Optimus仍处于原型阶段，预计2026年才能小批量生产。而中国企业已经将人形机器人价格拉低到10万美元以下，并开始向海外出货。
这种局面下，FCC的限制措施反而可能让美国企业陷入“用不起、造不出”的困境。Multiply Labs CEO Fred Parietti的发言颇具代表性：“我们需要的不是禁止进口，而是加速本土制造能力的建设。但现在，我们仍然需要中国的人形机器人来完成自己的生产任务。”
与此同时，一些美国企业开始尝试绕过限制，通过AI Agent技术实现硬件与软件的分离，即使用中国制造的硬件，但搭载自主研发的AI系统。这种“软硬解耦”的思路或许能成为短期内的折中方案。
从资本到落地：机器人行业跨越三座大山
回到Actuate大会的现场，资本的狂热与硬件的稀缺形成了鲜明对比。机器人行业要真正实现从“资本故事”到“产业落地”的跨越，必须翻越三座大山：
第一座：硬件供应链的成熟度。 目前人形机器人尚未形成像智能手机那样的标准化供应链，核心零部件如高精度关节、触觉传感器、轻量化材料等仍然依赖小批量定制，成本居高不下。中国企业在成本控制上有优势，但质量和一致性仍需提升。
第二座：训练数据的规模化获取。 如前所述，机器人数据采集的难度远高于文本数据。目前行业正在探索“仿真+真实”的数据混合模式，以及利用AI图片生成技术合成视觉数据，但距离真正解决数据饥渴还有很长的路。
第三座：场景落地的商业闭环。 当前机器人应用主要集中在工业场景（如仓储、物流、制造），而在服务、家庭、医疗等领域，技术成熟度和成本效益尚未达到大规模商用门槛。大会上的机器人格斗虽然吸引眼球，但实用性存疑。
值得注意的是，一些中国企业在解决这些挑战时显示出独特的思路。例如，宇树科技通过降低硬件成本，让更多开发者能够参与机器人应用开发，从而形成数据飞轮。这种模式类似于智能手机时代的安卓生态——通过开放低成本硬件，吸引全球开发者贡献应用和数据。
物理AI新风口：当机器人学会“感知”与“行动”
“Physical AI”成为大会高频词汇，它指的是能够感知并作用于现实世界的人工智能系统。与传统的工业机器人不同，Physical AI强调机器人与环境的动态交互，需要融合计算机视觉、自然语言处理、强化学习等多种技术。
这一趋势正在重塑整个AI产业链。从芯片到算法，从传感器到执行器，每个环节都面临新的需求。例如，英伟达推出的Isaac Sim仿真平台能够生成逼真的机器人训练环境；一些初创公司开始开发专用于机器人推理的边缘AI芯片。与此同时，文生图和抠图等图像处理技术也被用于机器人视觉感知中的目标检测和背景去除任务。
对于开发者而言，物理AI的兴起意味着新的创业机会。AI画图工具可以快速生成机器人操作场景的示意图，辅助设计；艺术签名和AI诗词等创意工具虽然与机器人无关，但体现了AI在多个维度的渗透能力。
展望未来，随着更多企业进入Physical AI赛道，如何规模化制造机器人并获取高质量训练数据，将成为下一阶段竞争的核心。而中国机器人企业凭借硬件制造优势，有望在这一进程中扮演关键角色——前提是它们能解决技术深度和品牌信任度的问题。
Actuate大会的冷热交织，正是全球机器人产业处于转折点的缩影。资本没有撤退，但务实者开始思考如何让机器人真正走进现实。