撰文 | 青竹 編輯｜周長賢

2026年伊始，關于AI有幾件大事發(fā)生。

其一：

2月12日，AI視頻生成模型Seedance 2.0發(fā)布，馬斯克轉發(fā)評論：發(fā)展得太快了！好萊塢多位導演用后表示：不可思議。

對于創(chuàng)意崗來說，大事很妙；對于影視民工來說，大事不妙。

2天之后，日本高官稱有意調查Seedance 2.0，因為使用和生成了日本動漫角色。這么急把版權問題提升到政治層面，背后是日本2025年3.84兆日元的動漫產(chǎn)值。

這已然不是效率、產(chǎn)值、產(chǎn)能和就業(yè)問題，而是行業(yè)模式重塑。

其二：

桌面AI智能體OpenClaw，橫空出世。又是開源，又是現(xiàn)象級。

OpenClaw們接管你的電腦，接管你的賬戶，接管你的工作。

前特斯拉AI總監(jiān)、OpenAI聯(lián)合創(chuàng)始人Andrej Karpathy將OpenClaw驅動的AI Agent盛況，視為?“最接近科幻起飛臨界點的事物”?。

跟風產(chǎn)品齊上線，比白領崗位先失守的，是某些公司的股價。2月初，軟件股遭遇“末日拋售”，市值蒸發(fā)近萬億美元。

按人頭和人類時間付費服務的商業(yè)模式破裂。法律數(shù)據(jù)服務公司湯森路透2月3日股價暴跌近16%，競爭對手勵訊集團也重挫14%。其他還有甲骨文、Salesforce、Adobe等軟件巨頭。

“賣出一切軟件”背后，是資本對「軟件即服務」商業(yè)邏輯的不再相信。

其三：

阿里千問教科書級再現(xiàn)「薅羊毛」商業(yè)裂變。

1月上旬，據(jù)Hugging Face數(shù)據(jù)，阿里千問累計下載超7億次，到了1月21日，同口徑數(shù)字變成了10億人次。

30億「薅羊毛」營銷費用砸下去，3億增量砸出來。千問穩(wěn)居全球開源大模型第一。

10億人次中，中國境內占了大部分。畢竟深度整合了本土生態(tài)，又有中文語境理解的優(yōu)勢。

大市場、大人口帶來足夠的需求，是互聯(lián)和移動互聯(lián)時代的核心紅利，在AI時代依然是底層邏輯。

規(guī)模夠，還意味著燒得起。

2025年2月，阿里宣布未來三年投資AI和云計算3800億人民幣。硅谷那邊披露的巨大資本支出，更是讓資本害怕。例如，微軟新財報公布后，股價大跌。

新財季報告顯示，微軟Azure及其他云服務業(yè)績增長39%，低于預期，但是資本支出增速卻嚇死人。單季達創(chuàng)紀錄的375億美元，同比增長66%。

風頭更好的谷歌，2026年資本支出計劃為1750億至1850億美元，幾乎是2025年的兩倍；亞馬遜2026年投入高達2000億美元，在幾個科技巨頭里排在首位。

供給端的錢主要流向了三個地方：AI芯片、數(shù)據(jù)中心，以及電力。

從需求到投資，再到資源，再加上產(chǎn)業(yè)結構和商業(yè)文化，所以日本沒有也不可能有第一梯隊的基座大模型和云計算。

沒有意味著什么？不能聊天、點奶茶、做AI小視頻嗎？

大模型和云計算，是AI時代的基礎設施，會對「AI+」的每個產(chǎn)業(yè)形成實質性制約，包括跟硬件深度結合的具身智能、智能汽車。

以上是在理解智能機器人發(fā)展時，不能忽略的維度，AI+的任何賦能，都不是單純的產(chǎn)品和技術進步，而是危險的流程改寫和商業(yè)模式重塑。

一些日本產(chǎn)業(yè)觀察者提供了兩個有關機器人的行業(yè)觀點：

一種認為，人形機器人是博眼球的資本泡沫，都是日本玩剩下不玩的。另一種認為，日本機器人走務實路線，注重場景應用，尤其在工業(yè)機器人領域還是很強，有足夠的積累優(yōu)勢。

但是筆者認為，傳統(tǒng)機器人到智能機器人之間是兩種技術范式，難以靠量變跨越，日本機器人的未來，可能不如日本汽車。

放棄在黎明前？還是刻舟求劍？

有人說日本機器人「起早了」。1973年，早稻田大學開發(fā)了WABOT-1，被視為世界第一個全尺寸人形機器人。（如果把阿童木算上，還可以早10年。）

本田從1980年代開始研發(fā)人形機器人，經(jīng)歷數(shù)次版本迭代，2000年推動可互動版本ASIMO。2014年第三代ASIMO曾與奧巴馬「踢足球」。

90年代初期，日本開始大規(guī)模探索養(yǎng)老機器人，此后幾十年推出了幾千款，無一能打。

2015年軟銀收購法國Aldebaran Robotics，推出了養(yǎng)老陪伴機器人Pepper。本質上就是個帶個iPad的大玩偶。2020年停產(chǎn)。

可以看出，WABOT-1到ASIMO，還有索尼QRIO，其實都是機械控制裝置。跟現(xiàn)在的通用智能機器人，在核心技術范式上沒太大關系。

日本傳統(tǒng)機器人積累的技術主要體現(xiàn)在機械結構、精度控制、運動協(xié)調?？梢岳斫鉃橹悄軝C器人的硬件部分，但是手和腳再好使，也無法直接進化出大腦。

就在本田ASIMO退役的2022年，特斯拉擎天柱Optimus原型機面世。智能機器人的「風口」拉開。假如，本田和索尼沒有放棄，就能趕上智能機器人的「大集」嗎？

答案，完全取決這些公司的AI能力。結果，可以參照當下本田/豐田汽車的智能化水平。

說日本“起大早”和“玩剩下”的另一個視角是投資向。前文提到軟銀曾經(jīng)收購Aldebaran Robotics，后來2017年軟銀還收購了波士頓動力。

三年后，2020年軟銀因為資金壓力，把波士頓動力60億人民幣折價賣給現(xiàn)代汽車，虧了1/3。

軟銀是一家風險投資公司，類似先鋒/貝萊德，跟谷歌/阿里這種互聯(lián)網(wǎng)巨頭不一樣，不能把軟銀投過的業(yè)務，當成做過。尤其是海外投資，產(chǎn)業(yè)整合意義非常薄弱。

與其說日本機器人「起早了」，不如說在上一個工業(yè)范式中積累了一定的優(yōu)勢，但是這些優(yōu)勢在新的范式中并不是“殺手锏”。

安川電機的社長小川昌寬說：“競爭才開始，硬件是我們的勝機。尤其是傳感器和電機，是我們取勝的殺手锏。”

實則不然。當一家企業(yè)強調過去的優(yōu)勢時，往往可能已經(jīng)落伍。辯解越多，越證明模式的惰性越強。

在傳統(tǒng)工業(yè)機器人范式中，被視為核心壁壘的靜態(tài)機械精度，在新的范式下，不會被“繞過”，但不需要同樣的「手搓」，反而會通過硬件-算法協(xié)同優(yōu)化設計，仿真和強化學習等，獲得指數(shù)級的加速迭代。

例如，谷歌的RT-2或Figure 01的模型，并不需要知道電機具體的減速比，而是通過端到端神經(jīng)網(wǎng)絡、視覺語言模型，結合海量視覺數(shù)據(jù)進行訓練，利用泛化能力直接輸出動作。

不能因為有些智能機器人在丟手絹、翻跟頭、走貓步，就認為具身智能全都是泡沫。

很多物理AI的前沿公司一致預判，具身智能、智能汽車等物理AI最后通用一套底層大模型。所以，丟手絹的能力，也能用來干正經(jīng)事。

在機器人到具身智能的范式轉移中，「機械精度」的優(yōu)勢，會隨時間逐漸讓位「智能泛化」，留給「機器人強國」日本騰挪的空間有限。

走自己的路？抱大腿做嫁接？聚焦場景的應用差異化？而事實比想象更復雜。

死磕生態(tài)位，局部勝利法？

一個不爭的事實是，不但具身智能領域日本榜上無名，即便在工業(yè)機器人領域，其市場份額也在逐年下降。

這個曾一度占據(jù)全球工業(yè)機器人市場70%的國家，2024年整機市占率已下滑至不到38%。

但是日本工業(yè)機器人核心部件還具有突出優(yōu)勢，比如伺服電機、諧波/RV減速器、高精度軸承等，部分甚至處于壟斷地位。這也是利潤最豐、技術壁壘最強的一部分。

中國國產(chǎn)工業(yè)機器人雖然整機增量第一，依舊依賴進口日美歐核心零部件。（2025年工業(yè)機器人國產(chǎn)市占率首次突破54%，埃斯頓以10.5%的份額登頂國內市場第一。）

有卡脖子，就有國產(chǎn)化替代的攻堅。目前伺服電機已經(jīng)接軌，諧波減速器單點突破，一致性尚待優(yōu)化；RV減速器和高端軸承還在攻堅。

縱觀全球，由于歐美的工業(yè)空心化暫時難以扭轉，日本工業(yè)機器人的最大對手肯定是中國，而中國又是工業(yè)機器人最大消費國。

在國產(chǎn)替代、AI大模型賦能的時代風口下，中國工業(yè)機器人的發(fā)展速度值得期待。

日本企業(yè)并非沒有危機感，發(fā)那科與英偉達合作開發(fā)開源機器人控制軟件，安川與軟銀合作開發(fā)商用服務機器人。

三菱電機宣布，將向建筑科技初創(chuàng)公司 Akari Inc.投資，在機器人實時動作校準技術領域展開深度合作。日本政府也設立了AI機器人戰(zhàn)略委員會和產(chǎn)業(yè)基金。

目前能夠看到的思路有幾條：放棄通用機器人，嫁接美歐的基座大模型，做日本本土的場景應用；死磕核心硬件，固守全球生態(tài)點位。

至于為什么說日本機器人，未來可能不如日本汽車？

未來的工業(yè)產(chǎn)品，要么高度標準化，要么高度定制化。所以智能機器人將分成涇渭分明的兩種產(chǎn)品：一種是工具，toB，追求極致效率和成本；一種toC，提供很高的智能和情緒價值。

例如豐田的汽車，是C端消費品，哪怕部分技術不先進了，還會有人買；但是生產(chǎn)工具的功能一旦實現(xiàn)相互替代，就只能看性價比了。

而且未來無論效率還是個性化，都非常依賴AI大模型，現(xiàn)在也許不明朗，但其他行業(yè)已經(jīng)證實范式轉換的威力。過去靠“工匠精神”手搓幾十年的課題，在AI時代都可能淪為低維度的問題。

埃斯頓與寧德時代的深度合作便印證了這一趨勢。

埃斯頓的伺服系統(tǒng)已廣泛應用于寧德時代鋰電制造的涂布、卷繞等核心工藝。依托其E-Noesis工業(yè)互聯(lián)網(wǎng)平臺實現(xiàn)的毫秒級數(shù)據(jù)采集能力，并提供生產(chǎn)數(shù)據(jù)分析和工藝優(yōu)化服務，這正是“場景數(shù)據(jù)反哺算法迭代”的雛形。

另外，產(chǎn)業(yè)的緩慢暗流亦不可忽視。當美國公司把蘋果手機等3C制造外包，最終間接失去了動力電池產(chǎn)業(yè)，后來也同理失去了芯片制造業(yè)。

當日本越來越多的中下游制造業(yè)流失，上游的高端制造還會跟以前一樣嗎？當下這些優(yōu)勢，正是靠著上個時代的制造業(yè)大爆發(fā)積累而來。而下一個時代，在人才、市場、資源和生態(tài)都逆行的宏觀氣候下，又如何做增量？

—THE END—

出行百人會 | AutocarMax

追蹤出行產(chǎn)業(yè)鏈進化，關注新產(chǎn)品、新科技、商業(yè)邏輯與人物，影響有影響力的人。