编者按
每当一项技术取得突破，人们总会追问同一个问题：“它的ChatGPT时刻到了吗？”对于炙手可热的机器人行业而言，这个问题的答案或许令人失望。一位在英伟达深耕机器人业务七年的内部人士，如今以投资人的视角给出了她的判断：还早。
从英伟达到风投：一个“圈内人”的转身
Amulya Vishwanath曾在英伟达工作七年，负责机器人平台的产品营销。这段经历让她得以近距离观察，全球最重要的机器人计算平台究竟是如何一块砖一块砖搭建起来的。如今她以风险投资人的身份重新审视这个赛道，视角也从“如何把产品卖出去”变成了“什么才真正值得投”。
在TechCrunch的访谈中，Vishwanath提出了一个颇具画面感的判断：机器人行业目前正处于“乐高时代”（Lego era）。
“我们还在拼乐高。执行器、机械手、软件、安全标准——这些基础积木都还在被重新设计和重建。”——Amulya Vishwanath
“乐高时代”到底意味着什么？
所谓“乐高时代”，指的是行业仍在搭建最底层的通用模块，而非用现成的积木快速拼装出成品。Vishwanath列举的几块“积木”值得逐一细看。
执行器（Actuators）：这是机器人的“肌肉”。它决定了机器人能否以足够低的成本、足够高的精度和寿命完成物理动作。目前的主流方案，在成本、能效与可靠性之间仍难以兼顾。
机械手（Robotic Hands）：这是公认的难题。人手拥有超过20个自由度，触觉反馈极其精细，而现有的灵巧手在成本、耐用性和感知能力上，距离“通用”仍相去甚远。
软件与安全标准：如果说大模型解决了“大脑”的部分问题，那么从感知到控制、从仿真到真机迁移的整条软件链路，以及人机协作时的安全规范，都还没有形成行业共识。
为什么“通用基础模型”不能一键解决问题
过去两年，一批创业公司和投资人相信：只要拥有足够强大的通用基础模型，机器人就能像聊天机器人一样迎来爆发式增长。Vishwanath的观点与此相左。
原因在于，语言模型处理的是信息，而机器人处理的是物理世界。一个能在仿真环境中完美完成任务的策略，迁移到真机上可能因为几毫米的装配公差、几毫秒的延迟而彻底失效。也就是说，机器人的“智能”不仅取决于模型的参数量，还取决于硬件的精度、成本与一致性——而这些恰恰是当前最不成熟的部分。
更重要的是，机器人是一个典型的系统工程。它不像纯软件那样可以快速迭代、灰度发布。每一次硬件改动都意味着重新验证、重新标定，周期往往以月甚至年计算。这决定了机器人行业的进步曲线，天然比软件行业更加平缓。
乐观派的理由也并非没有道理
当然，市场并不缺乏乐观的声音。支持者认为，随着视觉-语言-动作（VLA）模型的快速演进，机器人正在从“编程执行”走向“理解指令”，泛化能力出现了质变。特斯拉Optimus、Figure等公司的进展，也让人们对人形机器人的量产充满期待。
但Vishwanath的提醒是：即便“大脑”变聪明了，“身体”还没有准备好。这就像一个智商超群的运动员，如果骨骼和肌肉还没长好，依然跑不快。
投资人究竟应该看什么？
从投资角度看，Vishwanath的判断隐含着一个重要指向：在“乐高时代”，机会或许不在最终形态的整机，而在那些正在被重新定义的底层积木——更好的执行器、更便宜的灵巧手、更可靠的“仿真到现实”迁移工具链，以及尚未建立的安全标准。
换句话说，当所有人都在追逐“机器人界的ChatGPT”时，真正稳健的回报，可能恰恰来自那些卖“乐高积木”的公司。
本文编译自TechCrunch
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接