94亿，机器人今年最大的一笔融资出现了

来源 | #融中财经

人形机器人赛道上又出现了一笔创纪录的资金。

近日，总部在慕尼黑的人形机器人公司Neura正式宣布完成了C轮的融资，融资额为14亿美元，约合人民币94.9亿。融资到位之后，Neura的估值达到了大约70亿美元，进入了全球人形机器人的第一梯队。

这不仅仅是因为数字上创造了新的记录，而且是意义所在。值得重视的是谁在给予以及为什么给予。懂制造的人开始用产业资本下注，说明这个赛道的逻辑正在发生根本性的改变，由原来的技术展示转向工厂落地，由资本的故事转向真正的商业体系。人形机器人下一场战争已经悄然在工厂的地面上打响。

不只是金钱上的问题

这一次砸给人形机器人赛道的资金又达到了一个新的高度。

根据Neura官方披露的信息，公司已经完成了C轮的融资，融资金额为14亿美金，约合94.9亿人民币。投资方名单上出现了一些科技圈的老面孔：英伟达、亚马逊、高通等。但是使这次融资在业内引起关注的是另外两个名字——舍弗勒和博世。

这两家都是历史悠久的老牌德国工业零部件公司，并不是新崛起的科技公司。舍弗勒专注于轴承和传动系统，博世则深入到汽车零部件和工业设备领域，他们所服务的是全球制造业中最苛刻的一群客户。这样的公司做战略投资，并不是为了追逐风口，而是因为看到了可以落地、可以量产、可以装进真正的工厂里的东西。它们都押注了Neura，背后的逻辑只有一个：人形机器人这件事已经走过了实验室阶段，正要进入可以认真做生意的时候。

Neura 的总部位于慕尼黑，其创始人 Armin Zeher 在工业机器人领域深耕多年，从一开始团队的基因就不是学术派，而是工厂派。公司的问题意识非常明确：人形机器人怎样才能在工业环境中长期工作，而不仅仅是在发布会上走几步、做几个抓取动作之后就被掌声送走了。因此，在众多的人形机器人公司中，Neura 早早地就拿到了一张别人还没有的入场券——宝马已经成为了它的客户，产品也在真实的生产线上经过了检验。来自真实的制造场景的背书，比任何一份漂亮的路线图都更能够说服像舍弗勒和博世这样的公司在工厂里打磨零件的公司。

随着本轮融资落地，行业人士测算Neura的估值已经提升到了大约70亿美元，在全球人形机器人公司中仅次于Figure AI，二者之间的差距也在迅速缩小。该数据本身不重要，但是这笔钱的去向所体现出来的逻辑变化才是我们应当关注的。过去两年来，人形机器人的大额融资主要集中在美西地区，如Figure AI、Physical Intelligence、1X等公司，它们背后有OpenAI、微软、贝索斯个人基金等支持，讲的是通用机器人和AI具身智能的宏大叙事。Neura这一次不同了，英伟达带来了算力基础设施的角度，亚马逊带来了仓储物流场景的需求判断，而舍弗勒和博世带来的，则是真正懂工业体系怎么做的产业眼光。三个角度加在一起，使这次融资的价值不仅仅体现在规模上。

这条赛道上也开始有融资了

人形机器人的赛道上，资金也从来没有像现在这样集中地涌入。

在这样的时间段里资金会集中进来，这其中有几方面的原因。

第一种是技术侧的临界点效应。近几年来大模型能力的迅速提高，也使得机器人的感知、决策能力的上限被打破。早期的工业机器人是程序控制的，在高度结构化的环境中可以重复执行固定的运动，稍微复杂的环境则需要大量的手工编程与调试。大模型出现之后，机器人第一次有了处理非结构化环境的能力——它能够理解自然语言指令，根据视觉信息判断怎样去抓取一个从未见过的物体，在任务执行过程中可以实时地调整自己的动作策略。人形机器人的能力提升使它不再局限于“只能在固定的流水线上工作”，而可以做到“理论上可以完成大部分的人类体力劳动”，整个赛道的市场想象空间也随之发生改变。

第二点就是需求端的压力。全世界主要的制造国家都面临着一个结构上的问题，即劳动力成本不断上升，一线工人的缺口越来越难以填补。日本制造业的人口老龄化问题已经很严重了，有些工厂的一线工人平均年龄都超过了50岁；德国高端制造业的技术工人短缺问题也已经持续了一段时间；就连劳动力成本比较低的东南亚地区，在经济发展的推动下，制造业用工成本也是一年比一年高。在这样的背景下，人形机器人出现了，并且不是一种选择，而是越来越成为一种必须的选择。舍弗勒和博世的介入，在某种意义上就是对这种需求侧压力的一种回应——它们不是只在投资一家机器人公司，而是在为自己的工厂未来的解决办法做准备。

但是这条赛道上已经出现了越来越明显的分界线。

一类公司的路线是“通用人形机器人”，目标是制造出可以像人一样工作的机器，适应各种各样的场景，从仓储、家政到零售都可以使用。这条路想象的空间最大，但是技术难度和商业化的周期也是最长的。人的身体动作非常复杂，“捡起一个随意放置的物体”这一动作背后所涉及到的感知、判断、运动控制的协同，至今仍然是机器人领域的一个核心难题。Figure AI和Physical Intelligence走的就是这样的路线，它们拿到的资金很多，烧得也很快，商业化的时间表一直是外界关注的重点。

另一类公司则选择了“垂直工业场景”的路径，并不追求通用性，而是在少数几个定义明确、重复度高、精度要求高的工业任务中集中机器人的能力，先把这几个任务做好，在此基础上再进行扩展。Neura 也是这样做的。这条路的好处是商业化的路径比较明确，客户的验证周期也相对可以控制，在一个头部客户生产线上跑通之后，复制到其他类似场景中的难度会大大降低。但是市场的天花板在最初的时候并不像前者那样高，讲出来的故事也没有“通用人形机器人”那么有吸引力。

机器人的时代，门槛又是什么

人形机器人的真正战场，并不是在发布会现场，而是在工厂的地面上。

最近两年来，整个行业的最集中讨论就是两个问题：机器人能不能动起来，动起来之后能不能听懂命令。随着大模型能力不断提升，这两个问题也逐渐有了答案。但是越来越多的从业者发现，技术本身已经不是最难的一道题了。真正决定人形机器人能否大规模落地的是它在真实的场景中是否能持续稳定地创造出价值，围绕着这个价值所形成的商业体系能否运转起来。那么接下来几年这条赛道要解决的核心问题是什么呢？

工业制造场景，是目前公认的最早可以实现规模化落地的方向。原因不复杂：工厂环境比较结构化，任务定义清楚，重复性高，对精度和稳定性要求很高，但是边界是可以量化的。另外，工厂场景需求很刚性。一条汽车装配线每天要完成的操作次数是固定的，对节拍的要求是精确到秒的，这样的场景对于机器人的容错率要求很高，但是只要机器人能稳定达标，它的替代价值就非常直接，采购决策也比较容易量化。因此，汽车制造、精密电子装配、重型设备制造这三种方向成为了人形机器人最早开始真正应用的地方。宝马、大众等大厂的工厂里已经出现了人形机器人，虽然数量不多，但是早期部署的意义在于它提供了一个真实的环境下的压力测试数据，这是任何实验室都替代不了的。

危险作业场景是很容易被忽略但是潜力很大的一个方面。在化工、核能、深海作业、高温冶炼等环境中，人的作业面临很高的安全风险，长期用工的成本也很高。对于机器人的要求，并不是灵活性，而是耐久性和可靠性，在高温、高压、高辐射的环境下可以长时间工作而不会感到疲惫也不会出错。人形机器人在这一领域中的渗透目前还处于初期阶段，但是已经有一些先导项目在进行中。这类应用的商业逻辑非常清楚：事故造成的损失远远大于机器人的购买和维护费用，只要机器人的可靠性达到标准，采购决策就基本不需要过多的讨论。

但是落地的难点，并不是找到需要机器人的场景，而是在把机器人真正装到这些场景之后，如何让它持续稳定地工作。其中有一些问题会被人们忽略掉。第一种就是适配成本。每个工厂的生产线上都有一套属于自己的节奏、布局和工艺逻辑，把一个通用的人形机器人放到里面去，要进行大量的场景定制和调试工作。这个过程不仅包括软件层面的，还包括对工厂物理空间进行改造、安全防护体系重新设计以及工人与机器人协作流程重建等。工作所花费的成本和时间一般要比购买机器人本身的价格高很多，这也是目前限制大规模部署的一个重要因素。

第二个就是维护体系的形成。一台工业机器人出现故障导致停产一小时所产生的损失，对于制造企业而言是一个很具体的数据。因此，机器人的供应商不仅要销售产品，在客户所在地区也要建立起来足够的服务与维修能力。该体系的形成要花费时间、需要当地化的人才和技术人员以及备件库存的布置。对于一个刚开始规模化的商业化赛道而言，这是一笔很大的基础设施投入，但是它是赢得客户长期信任所必需的。

这些都是一些真实存在的难题，但是它们本质上是工程上的问题和商业上的问题，有解决的办法，需要时间。人形机器人赛道走到今天最大的变化并不是技术突破有多快，而是整个产业链的信心集体建立起来。百年工业巨头开始用真金白银来投票的时候，汽车厂的装配线上出现了真实的机器人之后，整个行业就由“能不能做到”转到了“怎么做得更好、更快、更稳”。这才是本轮最大融资所要关注的信号。从实验室到工厂地面，人形机器人正在完成它最重要的一次跨越。