對話梅卡曼德創始人兼CEO邵天蘭：當 AI 進入物理世界，部署能力成為真正的護城河

新浪財經 康路 發自瑞士達沃斯

在第 56 屆世界經濟論壇年會（達沃斯）上，關於 AI 的討論正在發生一個清晰的轉向。相比過去兩年圍繞大模型參數、算力規模和生成能力的討論，今年越來越多的共識指向一個更現實的問題：AI 如何真正進入物理世界，並形成可規模化的產業能力。

在這一背景下，“物理 AI（Physical AI）”“具身智能（Embodied AI）”等概念被頻繁提及。與單一形態的人形機器人相比，這些概念更強調 AI 在真實環境中的感知、理解和執行能力。

參會的梅卡曼德機器人（Mech-Mind Robotics）創始人兼 CEO 邵天蘭對新浪財經表示，物理AI 的提法之所以準確，在於它描述的不是外形，而是能力結構。在他看來，真正決定機器人是否具備產業價值的，不是是否“像人”，而是能否快速適應複雜多變的物理環境，能否完成真實任務，以及能否以足夠低的成本實現快速部署。

“如果從這個角度看，物理AI 並不指向某一種具體形態，而是一套通用能力。”邵天蘭說。這也是梅卡曼德長期以來的技術出發點。

理論上，製造業和物流行業對機器人的需求一直存在，但現實中，大規模部署始終推進緩慢。邵天蘭認為，行業長期以來誤判了真正的瓶頸。

“問題不在硬件。”他說，無論是速度、精度、負載能力還是單體成本，今天的機器人都已經具備可用性。真正限制規模化的，是部署難度。

在真實工業環境中，一個機器人系統要穩定運行，往往需要大量跨學科工程師參與，包括機械、電氣、方案設計、調試、軟件以及 AI 等多個環節。這種高度工程化的部署方式，很難複製，也很難攤薄成本，最終結果就是“算不過賬”。

梅卡曼德所聚焦的，正是這一長期存在卻被忽視的問題。通過提升機器人在真實環境中的感知、理解和自主決策能力，減少對人工工程調試的依賴，部署速度和經濟性才有可能真正成立。

正是基於對部署問題的長期觀察，梅卡曼德在公司定位上選擇了一條相對克製的路徑。

邵天蘭介紹，梅卡曼德從一開始就明確自身邊界。只做機器人的“眼睛、大腦和手”，不做整機，不做整條生產線解決方案，也不試圖覆蓋所有應用場景。

在他看來，機器人涉及機械、電氣、控製、算法以及大量行業細節，沒有任何一家公司能夠在所有層級做到最優。如果試圖“全棧”，資源必然被稀釋，反而會削弱核心競爭力。

“長期成功的企業，往往不是‘什麼都做’，而是在關鍵能力上形成不可替代性。”他說。

目前，梅卡曼德的客戶已經橫跨汽車、電池、光伏、3C 和物流等多個行業。邵天蘭認為，不同行業的差異往往被高估，而機器人在感知、識別、定位和安全執行等方面的共性需求，反而被低估。

“就像人學習新技能一樣，我們不是從零開始，而是在已有世界模型的基礎上快速遷移。”他說。梅卡曼德的路徑，正是先構建通用的基礎能力，再用相對少量的數據完成對新場景的適配。

在一些被市場高度關注的方向上，邵天蘭的判斷同樣保持克製。例如在“靈巧手”問題上，他並不認同完全複刻人類雙手的複雜度是當前階段的合理目標。

在他看來，機器人設計的核心目標不是模仿人類，而是完成任務。只要能夠滿足製造、物流等真實場景的需求，就不必為了形式複雜而增加系統成本和不確定性。

談及未來，邵天蘭將梅卡曼德的發展路徑劃分為三個階段。短期內，製造和物流場景結合成熟機器人形態，已經進入高速增長階段。中期，更多機器人形態將進入服務業。更遠的未來，機器人能力進一步成熟後，才可能向更複雜的場景延展，比如家用。

“我們的節奏很簡單。”他說，“銷售一代、改進一代、研發一代。”

在一個充滿技術想像和敘事張力的賽道里，邵天蘭更願意強調工程現實與邊界意識。在他看來，正是這種克製、聚焦和可複製性，決定了物理AI 是否真的能夠走出實驗室，進入產業深水區。

附部分對話實錄：

1．新浪財經：今年，英偉達CEO黃仁勳的演講提到2025年AI模型的三大突破，其中一點就是物理AI。我之前去 CES （美國消費電子展）的時候也看到，很多中國廠商，尤其是做人形機器人的企業，展示了很多新的技術和應用場景。你其實在機器人領域已經做了很多年了，你怎麼看現在這個階段整個賽道的機遇和挑戰？以及梅卡曼德是怎麼定位的？

邵天蘭：我覺得現在有一個非常明顯的趨勢，而且我覺得這個趨勢是非常準確、也非常有意思的一個轉變。這次在達沃斯，包括英偉達、黃仁勳，包括微軟，還有很多創業公司，尤其是一些非常明星的獨角獸公司，大家在討論的時候，其實都非常重視 B端的 AI，也非常重視物理AI（Physical AI）。

你會發現一個很明顯的變化，就是大家討論的時候，更多會用 物理AI的概念，而不是直接說“人形機器人”。

我覺得這是一個非常準確的轉變。因為以前大家一說機器人，最直觀想到的就是人形機器人，覺得這是一個非常自然的方向。但如果你仔細去聽這次很多人的表達，比如納德拉（微軟CEO），比如黃仁勳（英偉達CEO），他們其實更多用的是 Physical AI（物理AI） 這個詞。

我為什麼說這個詞更準確？因為它不僅僅可以用於人形機器人，其實也可以用於各種各樣的機器人形態。

比如說移動機器人、工業機器人、協作機器人等等。最重要的並不是這個機器人長得像不像人，而是它能不能快速適應新的環境，能不能完成複雜、變化的任務，以及能不能降低部署成本。

在我看來，對環境的適應、對任務的適應，以及快速部署，這三點才是物理AI真正帶來的改變。

現在，有很多公司非常需要機器人。理論上，我們完全可以把機器人用在很多地方，比如工廠里幹活，比如物流搬運。但現實是，為什麼沒有大規模用起來？並不是因為今天的機器人硬件不夠好，速度不夠快，精度不夠高，負載不夠大，也不是因為成本不夠低。而是因為它不能夠快速適應環境，也不能夠低成本、非常快速地部署。

現實中往往是這樣。你需要很多工程師，而且是跨學科的工程師。機械、電氣、方案設計、調試、軟件，甚至還要 AI 工程師。很多這樣的人，要花很長時間去部署一套系統。

這樣帶來的結果非常簡單：算不過賬。

所以我們通過引入物理AI，讓機器人能夠感知環境、理解環境，更好地做出規劃和決策。讓機器人儘量不依賴工程師大量的人工工作，不依賴人的專業經驗，就可以快速、簡單地部署。

這次我在達沃斯參加了很多活動，既有超級巨頭的領導人，也有很多創業公司的創始人。大家普遍對具身智能與各種機器人形態結合、並在真實場景中落地這件事，是非常樂觀的。除了機器人公司，我還在一些活動里遇到了很多傳統工業巨頭。他們是需求方。他們非常明確地表達了，在很多非常具體的應用場景里，他們是真的需要機器人的，而且需求非常迫切。

這讓我更堅定地認為，相比“人形機器人”，物理AI 是一個更加確定、也更加有價值的方向。

2．新浪財經：那 Embodied AI 一般怎麼翻譯？定義和邊界是什麼？

邵天蘭：一般會翻成“具身智能”，但這裏有一個非常大的誤區。

很多人一想到具身智能，腦子裡立刻浮現的就是人形機器人。但這其實是被“形態”綁架了。舉個很簡單的例子：狗形機器人是不是具身智能？是的。機械臂是不是具身智能？也是。

具身智能並不等於人形。它的本質是，它的輸入和輸出來自物理世界。

比如你跟 ChatGPT、豆包、DeepSeek 聊天，或者讓它生成圖片、分析文本，這些輸入和輸出大多還是在數字世界里。但如果一個系統通過任何形態的機器人，能夠感知、理解並操作物理世界，那它就是具身智能。

3．新浪財經：所以大家一開始對“具身”這個詞的想像，是比較局限的。

邵天蘭：對。人形機器人對很多人來說是最直觀的想像，但並不意味著它是唯一答案。

4．新浪財經：我在 CES （美國消費電子展）看到像 Boston Dynamics 的 Atlas，它可以 360 度旋轉，號稱可以在工廠里幹活，但它其實也不是一個“很像人”的機器人。這是不是說明，雙足並不一定是在工廠幹活的必要條件？

邵天蘭：我覺得這個問題要回到第一性原理。

為什麼要用雙足？一個很重要的原因是，有些環境是為人設計的。在這種環境下，雙足是一個非常自然、也非常簡單的解決方案。但反過來，如果這個環境本身並不是為人設計的，那就沒有必要為了“像人”而去堅持雙足。

我覺得最後一定要從需求出發，而不是從技術或者象徵意義出發。

有些時候，大家可能出於資本市場、敘事或者展示的需要，會做一些“長得很像人”的機器人。但真正落地的時候，還是要因地製宜。沒有任何一種機器人形態，可以適應所有場景。天上飛的、水裡遊的、地上跑的，都會有各自最合適的形態。

5．新浪財經：你剛才提到機器人“快速部署”的能力，這其實是你們公司一直在做的事情。你們是怎麼做到的？這個能力是怎麼演進出來的？

邵天蘭：我們公司成立到現在大概九年時間。前四年，我們一共賣了大概一千台。後面四年，我們一共賣了大概一萬台；而現在，我們已經進入了單年部署過萬台的階段。

我們認為，有幾個點非常關鍵。

第一，我們對自己的邊界定義得非常清楚，什麼能做，什麼不能做。第二，我們做的是標準化產品，而不是定製化解決方案。第三，我們通過大量真實數據的積累，包括真實世界的數據、仿真數據，以及互聯網數據，讓模型具備非常強的能力。

我認為，清晰的邊界、標準化產品，以及大量現實數據反哺 AI 能力，是最重要的三件事。

6．新浪財經：所以你們的核心競爭力，其實就是“眼、腦、手”。

邵天蘭：對。我們可以結合各種形態的機器人，不管是工業機器人、協作機器人，還是人形機器人。

我們讓機器人通過高精度相機，快速、準確地感知三維環境。我們的算法不僅讓機器人“看見”，還讓它能夠做出決策、完成動作。我們已經能讓機器人完成非常多類型的任務，比如搬運、裝配、切割、銲接、塗膠、打螺絲等等。通過標準化產品，結合各種設備，在大量應用場景中完成具體任務。

7．新浪財經：已經和很多大公司都有合作，比如車企？

邵天蘭：我們現在在汽車、電池、鋰電、光伏、3C 家電，以及物流領域，都有非常多的合作。我們也是一家全球化公司。除了中國，我們在歐美日韓、東南亞，都有非常成熟的業務。

8．新浪財經：怎麼做到橫跨這麼多行業的？單一行業的數據和場景就很難啃。

邵天蘭：因為我們解決的是共性問題。不管在哪個行業，機器人都需要通過高精度相機感知環境，識別物體，定位位置，並在不發生碰撞的情況下完成動作。

當然，每個行業、每個應用都有它的特殊性，但共性的部分其實更多。這就像人一樣。我們修水管也好，組裝傢俱也好，並不是從零開始學，而是在已有世界模型的基礎上，用比較少的學習成本掌握新技能。我們在機器人眼睛和大腦上做的事情，本質也是如此。

9．新浪財經：現在很多中國廠商強調“全棧 AI”能力，你們為什麼不這麼做？

邵天蘭：我們是完全不信“全棧”的。

我們只做我們擅長的事情。機器人涉及機械、電氣、控製、算法和大量應用場景，沒有任何一家公司能夠真正做到全棧。如果一家公司試圖全棧，我認為會出現三個問題：第一，資源被稀釋，每個部分都很難做到最好。第二，通用性會被嚴重限制。第三，很難長期持續。曆史上，不管是科技巨頭還是製造巨頭，其實都不是全棧。

10．新浪財經：你對“靈巧手”的階段判斷也很不一樣。

邵天蘭：如果目標是做一個和人手一樣複雜的靈巧手，那我認為太早了，也不現實。但如果目標是完成製造、物流，甚至一部分家用場景，其實不需要那麼複雜。

我自己做過實驗，只用三個手指，只做簡單動作，除了用筷子，生活幾乎不受影響。機器人不是為了模仿人，而是為了完成任務。

11．新浪財經：那麼，如果你去評估人形機器人公司的護城河，最重要看什麼？

邵天蘭：有沒有一技之長。可以是算法、材料、電機、減速機、結構設計，任何關鍵點都可以，但一定要有不可替代性。但如果只是把東西攢起來，市場早期可能有價值，但成熟之後很難生存。

12：新浪財經：最後一個問題，你們怎麼佈局未來？短期和中長期的目標是什麼？

邵天蘭：短期，從製造、物流以及結合現有已經成熟的機器人形態，我認為已經會有一個相當可觀的市場。此時此刻已經在高速增長了。不遠將來，我們在一部分的服務業裡面也可以結合更多形態來進行很多的探索。當然更遠的未來，就是人形機器人要進入家用。

我們自己的說法很簡單：就是銷售一代，改進一代，研發一代。