估值730亿、交付不足400台 人形机器人估值远超基本面

作者：Vaidik Mandloi 来源：Token Dispatch 翻译：善欧巴，金色财经

2017年，一家名为Kiwi的公司开始在加州大学伯克利分校校园部署配送机器人。你可以通过应用下单购买墨西哥卷饼，一台小型机器人会自行沿人行道行驶，把餐送到门口。学生们很喜欢，Kiwi将其称为“并行自主”，因为整套系统确实让人看到了未来。

但事实是，每台机器人都由哥伦比亚波哥大的一名大学生用Xbox手柄操控，时薪只有2美元。他们必须每5秒给机器人下达一次新方向，否则机器人就会停止运行。

那是2017年。此后几乎没有任何改变，唯一的区别是，投资者如今开始按照下一个伟大SaaS的标准为这些公司定价。下面深入看看。

离岸外包的自主化

日本面临发达国家中最严重的劳动力短缺。日本三分之一的人口超过65岁，劳动年龄人口在2017年达到峰值。预计到2040年，日本的劳动力缺口将达到1100万人。

照此看来，到2040年，每个男人将对应3家人形机器人初创公司。

日本各地的便利店根本招不到足够多愿意补货的人。如果地球上真有一个地方适合全面自主机器人工作，人口和经济压力也都迫使机器人发挥作用，那就是日本。

颇具讽刺意味的是，日本确实正在快速朝这个方向前进。马尼拉一栋办公楼里的工科毕业生戴着VR头显，远程为东京300多家全家和罗森门店补货。机器人由东京初创公司Telexistence制造。操作员来自菲律宾劳务承包商Astro Robotics，月薪为250至315美元。每名员工同时监控约50台机器人，等待其中某台掉落罐头，或错误判断湿瓶表面的摩擦力。

发生这种情况时，操作员会戴上头显，手动控制机械夹爪，把商品调整到位。一个8小时班次内，这种操作大约会发生50次。不断进出VR甚至导致员工头晕和视力模糊。

好在机器人能独立完成约96%的任务。AI负责扫描、规划路线和基本的抓取放置。但剩余4%的任务，正是必须让真人坐在马尼拉办公室里的原因。4%听上去很小，却承载着整个行业的经济账。

想想每个班次50次人工干预究竟在处理什么。机器人可以从标准化货架上抓取干燥瓶子上千次而不出问题，因为AI正是针对这种情景训练的。但如果瓶身出现冷凝水，湿塑料与干塑料的摩擦力不同，模型无法应对，夹爪就会打滑。也可能出现变形罐头，无法按照训练数据预测的方式卡进夹爪。或者来了系统从未见过的新品，机器人根本没有抓取模板。现实世界会向机器人抛出一条几乎无穷无尽的异常情况长尾。

每一种情况都要求机器人读懂陌生的物理环境，并当场判断双手该如何反应。人类会下意识完成这些动作，机器人却做不到。遇到这类情况时，机器人会自动停止，并把故障上报给马尼拉的真人。后者通过VR头显远程接管，以机器人的摄像头为眼、夹爪为手来解决问题。操作员随后释放控制权，机器人继续自主工作，直到下一次故障。

这种由数千公里外的真人远程介入、弥补AI盲区的设置，业内称为遥操作。它是当下维持整个机器人业务运转的操作层。这个领域的每家公司都在不同程度上依赖它，无论是否公开承认。

另一种方案是让机器人足够聪明，再也不需要呼叫马尼拉。为此，机器人必须同时完成三件事：

• 通过摄像头看清眼前的事物。

• 判断该如何处理，比如加大夹力、换一个角度或再次尝试。

• 实际执行动作，并让整个循环足够快，跟得上现实世界。

这相当于要赋予机器两岁儿童已经具备的手眼协调能力。事实证明，这需要直接在机器人自身硬件上运行非常庞大的AI模型。业内称之为视觉语言动作模型，即VLA。VLA需要在毫秒内处理摄像头画面、理解场景，例如瓶子是湿的、货架倾斜或商品陌生，随后决定物理响应并向夹爪发送指令。如果模型仅仅花半秒来判断夹湿瓶子该用多大力量，瓶子已经掉在地上。

在机器人上运行VLA，意味着要在机器内部安装一块能就地承担全部计算的芯片，而不是把数据发往云服务器后等待响应。

因此，东京便利店里的机器人每次判断如何抓取罐头时，不可能把视频串流到弗吉尼亚州的服务器集群。处理必须在机器人本地实时完成。目前占主导地位的芯片是英伟达Jetson AGX Thor。它是当前唯一能以现实物理操作所需速度和性能运行VLA模型的商用处理器。机器人对夹持压力和接近角度的判断必须低于100毫秒，硬件选择实际上就只剩一家公司。所有迈向自主化的主要机器人初创公司都在采用英伟达芯片，这赋予英伟达唯一供应商才拥有的定价权。

英伟达也据此定价。截至2026年8月，Jetson Thor开发套件售价5499美元，较英伟达最初发布芯片时给出的3499美元上涨57%。价格持续上升，一方面是每一代VLA模型都在变大，更高的操控精度需要更多参数和算力；另一方面是没有任何厂商提供有竞争力的替代方案。

按3年使用寿命和合理利用率摊销5499美元，每机器人小时仅硬件成本就达到0.2至0.4美元。这还没有计入软件栈、系统集成和维持模型稳定的工程团队。

现在再看看人工成本：

最有意思的是，两者成本差距正朝着错误的方向扩大。随着操作员同时监控更多机器人，人工端越来越便宜。2017年的Kiwi需要一人控制一台机器人，2026年的Astro则是一人监控50台。

随着监控工具改善和延迟下降，这一比例还会继续提高。与此同时，芯片端却越来越昂贵，因为每一代VLA模型都需要更多算力，而英伟达又没有竞争对手推动降价。5年前，你至少还能主张算力成本最终会低于人工成本。今天，那个交叉点却比以往任何时候都更遥远。

一家公司的最便宜、最可靠投入要素每机器人小时仅需3美分，而替代它的技术贵10倍，仍无法处理困难情况。任何理性资金都会继续投入，以进一步压低这项廉价投入的成本。

省下的利润可以用来打造更好的监控面板、延迟更低的头显连接和更快的操作员入职计划。没有公司会把这笔钱用于彻底完成自主技术栈。最近成立的Adamo正是遵循这套逻辑。Adamo自称“通往机器人自主化的桥梁”，以每小时13美元的价格向美国机器人公司出售托管式遥操作服务。

Adamo自己的销售材料称，企业自建遥操作团队的成本高于外包给Adamo。这意味着它正在积极推销一个主张：人类应继续留在闭环中，而客户应付钱让Adamo管理这些人。Adamo在操作员培训或轮班安排上取得的每一点效率提升，都会让价差利润更高，也让全面自主化在经济上更没有必要。

事情还不止于此。在300多家全家门店运行机器人的Telexistence又增加了更黑暗的一层。每当马尼拉操作员手动接管并纠正机器人的抓取动作，这个动作都会被记录为具身遥操作数据。公司随后把数据直接提供给旧金山AI实验室Physical Intelligence。后者正在开发VLA模型，目标正是最终让遥操作变得多余。

因此，这些员工同时做着三件事：完成维持门店补货的体力劳动；让单位经济足够有吸引力，以便投资者继续注资；生成理论上最终会淘汰自己工作的训练数据。

这些员工正在打造最终会取代自己的工具。由于经济账如此有利，他们仍会继续工作，被困在一个让链条上所有参与者获益、唯独不利于头显佩戴者的循环中。

2026年2月，Markey参议员办公室致函Aurora、特斯拉、Waymo和Zoox等7家自动驾驶汽车公司，询问远程操作员介入的频率。所有公司都拒绝回答。Cruise在被通用汽车关闭前，大约每15至20辆车配备一名远程助理，车辆每行驶约4至5英里就会触发一次人工帮助。

每台价值1200万美元的机器人

遥操作员每小时成本为3美分，替代他们的芯片成本高出10倍，仍不能妥善完成工作。机器人公司也有充分动机让人继续留在闭环中。按理说，市场应该据此定价吧？祝你好运。

人形机器人初创公司Figure AI今年早些时候以390亿美元估值融资。该公司大约交付了150台机器人。更令人惊讶的是，西方前五大人形机器人初创公司的合计估值达到730亿美元，累计部署却不足400台。换算下来，现实世界中每台实际存在的机器人对应约1200万美元投入资本。

即便采用15倍收入倍数，Figure的估值要成立，其年度经常性收入也需要达到约26亿美元。按行业逐渐形成的标准机器人即服务价格，即每台机器人每月1000美元计算，公司需要部署约21.5万台机器人。

即使明天就能制造并部署21.5万台人形机器人，单位经济仍然无法成立。制造一台人形机器人的成本至少为6万美元。按3年使用寿命计算，仅硬件折旧每年就要2万美元。再加上每年4000美元维护和维修成本，包括每半年保养、运输、技术人员工时和停机期间的收入损失，以及2000美元远程监督费用，每台机器人每年的总运营成本将达到2.6万美元。

从价值端看，一台机器人每周工作6个班次，替代时薪30美元的仓库工人，每年可节省约7.5万美元人工成本。这个利润空间听起来很可观，但还要考虑两件事。机器人目前完成相同任务的速度比人类慢2至4倍。现实工作也不是单一任务，而是数十种任务。接受过拣选训练的机器人，在工作转为库存盘点或包装时只能闲置。

采用保守的3倍生产率折扣和15%的灵活性折扣后，7.5万美元价值会降至约2.1万美元。扣除2.6万美元成本，这台机器人每年亏损5000美元。

投资回报率为负18%。

这项技术在演示中确实令人印象深刻。融资演示文稿中的潜在市场规模假定可以实现全面渗透；估值则计入了所有技术和经济障碍同时得到解决的未来；而当下的单位经济仍处于亏损状态。

叙事跑在基本面前面。基本面的兑现时间又比任何人的预测都更长。一旦修正到来，所有偏差会被一次性计入价格。