Pantera 深圳考察启示录:中国具身智能的硬件统治、数据困局与区域竞合
2026 年 11 月,美国头部加密 VC Pantera Capital 合伙人亲赴深圳考察中国机器人产业链。他们的核心发现:硬件中国领先,软件美国领先,数据质量比数量重要。但更深层的问题是:中国的资本生态和区域布局,正在塑造一条与美国截然不同的具身智能路径。
一、考察背景:加密 VC 为何闯入机器人赛道
Pantera Capital 是美国最早、最知名的机构级加密投资机构之一,2003 年创立,2013 年推出美国首个机构比特币基金。近年来,这家基金的触角明显伸向 AI 与机器人赛道。
2026 年 11 月,合伙人 Cosmo Jiang 和投资人 Cody Poh 专程飞赴深圳,实地调研中国机器人产业链,走访了从人形机器人整机厂、模型团队到灵巧手与数据采集设备商的各个环节。
他们的核心发现可以浓缩为一句话:硬件中国领先,软件美国领先,而在中间的数据环节,质量远比数量重要。
二、硬件:中国制造的结构性护城河
在整个考察行程中,有一点毋庸置疑:中国在机器人硬件竞赛中处于绝对领先地位,背后是无与伦比的制造规模与供应链整合能力。
深圳的极致效率
作为全球制造业核心枢纽数十年,深圳建立了壁垒极深的基础生态:随处可得的原材料、极具成本效益的物流网络、成熟的大规模量产产线,以及规模庞大且精通精密制造的熟练劳动力大军。
这种供应链优势不仅直接转化为极致的成本竞争力,更带来了惊人的创新迭代速度。在深圳,一家人形机器人初创公司可以在早晨冒出一个新想法,随即通知上游供应商,中午新定制的零部件就能直接送到办公室。
从灵巧手到数据采集设备
以无极科技(Wuji Tech)制造的灵巧手为例,该产品在接近人类手掌尺寸的紧凑体积内集成了超过 1800 个零部件,其性能优于 Pantera 在美国见过的任何机械手。不出所料,他们正是许多美国科技巨头背后默默无闻的核心供应商。
其每个手指均支持反向弯折,大幅增强了耐用性以及应对意外碰撞的抗冲击能力。在现场,他们观摩了机械手(通过遥操作)从一整副扑克牌中精准剥离出单张纸牌——这对人类看似轻而易举,但对机器人手部操作而言却是巨大的考验,因为它需要对力度和摩擦力实现微米级的精准控制。
内卷竞争的双刃剑
中国市场的另一个显著特征是极度激烈的内卷竞争,这种竞争不断压低产品售价,将行业利润率压缩至趋近于零。
有一家初创公司花了整整一个小时向他们介绍下一代执行器取得的各项技术突破。然而,当询问他们最终靠什么在市场竞争中突围时,他们脱口而出:「当然,价格才是最重要的。」
中国文化中有着根深蒂固的「吃苦」精神。这种愿意长期咬牙忍受艰辛的韧性,固然抑制了单个企业获取超额商业利润的能力,让每家公司的生存都变得异常艰难,但从宏观层面看,却让整个国家的供应链产业集群获得了惊人的整体竞争力。
三、数据采集:行业瓶颈,而非竞争壁垒
几乎每家机器人公司都告诉 Pantera,中国正在推行规模庞大的数据采集工程,并将这些数据广泛输出给全球客户。
地方政策驱动的数据农场
多位业内人士透露,中国各级地方政府其实是推动这一波数据采集浪潮的核心主力。在中央出台扶持机器人产业发展和促进就业的激励政策后,地方政府敏锐地意识到,对数据采集环节进行财政补贴,是短期内创造机器人相关新增就业岗位的捷径。
地方官员在量化考核指标的驱动下,往往倾向于追求易于统计的短期考核结果,而这种追求有时会以牺牲更高维度的长期产业战略为代价。
数百万美元的资金正被持续砸向一些价值存疑的训练数据上。在中国各地,涌现出了许多所谓的「数据农场」,工人们日复一日机械地重复同一种动作,以此堆砌出成千上万个小时的「机器人训练数据」。
中国数据采集建设项目的隐忧
值得注意的是,这些「数据农场」并非纯粹的市场行为,而是带有明显的政策驱动特征:
| 层级 | 推动方式 | 典型表现 |
|---|---|---|
| 中央 | 出台机器人产业发展与就业促进激励政策 | 将具身智能列为新质生产力重点方向 |
| 省级 | 设立专项基金、产业园区 | 上海、北京、广东分别出台机器人产业专项政策 |
| 市/区级 | 直接补贴数据采集环节 | 深圳、杭州等地对数据采集企业给予场地、人力补贴 |
然而,这类高度重复、同质化的数据集,在最初几份之后,对于提升模型的泛化能力几乎无法带来任何实质性的增量价值。
尽管数据质量堪忧,这些数据依然能够源源不断地卖给海外客户。这反衬出一个更深层次的行业严峻现实:数据的稀缺性依然是当前机器人模型研发面临的最大瓶颈。不同于大语言模型可以直接抓取互联网上海量现成的文本语料,机器人领域根本没有对应现成的现货数据池。
真正的壁垒:数据智能,而非数据采集
真正的核心壁垒从来不是数据采集本身,而是将原始数据转化为高价值训练信号的能力。
令人鼓舞的是,越来越多的前沿迹象表明,扩展律(Scaling Laws)同样适用于机器人模型,即随着训练数据规模的提升,模型性能会呈现确定性的增强。这意味着市场对高质量、多样化的异构机器人训练数据将保持持续旺盛的需求。
在「高质量数据」定义不断发生动态变化的行业环境中,最具防御力的竞争壁垒,在于能否成为全球顶尖前沿实验室不可替代、深受信任的科研合作伙伴。
赢得这种行业声誉的关键,在于在数据标注、清洗筛选和模型评测上拥有极高的专业品味,而非单纯依赖堆人头的采集产能。
四、软件:房间里的大象
机器人自动化技术在工业界其实已经存在了数十年。例如亚马逊自 2012 年收购 Kiva 以来,便在仓储物流体系中大规模引入自动化机器人,并于 2025 年突破了 100 万台部署规模。因此,制造出愈发先进的硬件不过是工业进化的自然延伸。
机器人领域真正的范式革命在于具身智能。它彻底打破了机器人只能针对特定任务进行窄域预编程的局限,从根本上拓展了机器人的泛化认知与执行边界。
而在 Pantera 深圳的所有参访中,AI 软件始终是一头谁都不愿主动挑明的「房间里的大象」。他们在现场看到的大多数人形机器人和设备,其自主决策与泛化能力极其有限,绝大部分严重依赖人工遥操作(Teleoperation)或预设的固定程序动作。
多位企业高管坦言,自家机器人目前缺乏高阶 AI 能力,底层软件算法至少落后海外头部竞对 1 到 2 年。而在基层年轻员工口中,往往能听到少一些官方客套、多一些残酷真实的现状。他们开玩笑承认,自己的软件系统目前根本无法在复杂场景中正常运转。
这部分原因在于本次考察集中在重硬件的深圳,而非更侧重软件算法的杭州或上海。但这背后确实折射出更普遍的行业底层事实。
五、中国具身智能的区域竞合格局
Pantera 的考察集中在深圳,但中国具身智能产业的布局远不止于此。事实上,北京、上海、深圳、杭州四大城市正在形成差异化的区域竞合格局。
深圳:硬件制造的绝对中心
| 维度 | 内容 |
|---|---|
| 定位 | 全球机器人硬件制造中心 |
| 核心优势 | 供应链整合能力、极致迭代速度、成本竞争力 |
| 代表企业 | 优必选(UBTECH)、无极科技(Wuji Tech)、大疆(DJI) |
| 政策导向 | 侧重硬件制造、数据采集补贴 |
| 短板 | 软件算法相对薄弱,资本偏向短期变现 |
深圳的优势在于数十年制造业积淀形成的结构性护城河。但正如 Pantera 观察到的,这种硬件统治力并未自然转化为软件算法上的领跑地位。
上海:金融资本与国际化窗口
| 维度 | 内容 |
|---|---|
| 定位 | 机器人产业金融中心、国际化窗口 |
| 核心优势 | 资本密集、国际化程度高、高校资源(上海交大、同济) |
| 代表企业 | 傅利叶智能(Fourier Intelligence)、达闼科技(CloudMinds) |
| 政策导向 | 2024 年出台《上海市促进机器人产业高质量发展行动方案》,重点发展高端制造、医疗康复、服务机器人等应用场景 |
| 特色 | 侧重医疗康复、服务机器人等高端应用场景 |
上海的优势在于资本密集和国际化程度。傅利叶智能等企业在医疗康复机器人领域已经建立了全球影响力。
北京:政策高地与软件研发
| 维度 | 内容 |
|---|---|
| 定位 | 政策高地、软件研发中心 |
| 核心优势 | 政策资源集中、高校与科研院所密集(清华、北大、中科院) |
| 代表企业 | 小米(CyberOne)、智源研究院(BAAI) |
| 政策导向 | 2023 年成立北京具身智能机器人创新中心,发布「天工」具身智能大模型 |
| 特色 | 侧重基础模型研发、政策试点 |
北京的优势在于政策资源和软件研发能力。智源研究院等机构在具身智能大模型研发上投入较大,但与深圳的硬件制造存在地理上的割裂。
杭州:软件算法与电商场景
| 维度 | 内容 |
|---|---|
| 定位 | 软件算法中心、电商物流场景 |
| 核心优势 | 互联网基因强、电商物流场景丰富(阿里、菜鸟) |
| 代表企业 | 阿里达摩院、菜鸟机器人 |
| 政策导向 | 侧重 AI 算法、电商物流自动化 |
| 特色 | 场景驱动,侧重仓储物流、服务机器人 |
杭州的优势在于互联网基因和电商物流场景。阿里达摩院在 AI 算法上的积累,结合菜鸟的物流场景,形成了独特的「场景驱动」路径。
区域竞合的深层逻辑
四大城市的差异化布局,折射出中国具身智能产业的结构性矛盾:
- 硬件与软件的割裂:深圳的硬件制造能力与北京/杭州的软件研发能力之间存在地理和生态上的割裂
- 资本与研发的错配:上海/深圳的资本偏向短期变现,而北京的基础研发需要长周期投入
- 政策与市场的张力:中央政策强调自主可控,但地方执行时往往偏向易于统计的短期指标(如数据采集小时数)
这种区域竞合格局,既是中国具身智能产业的特色,也是其面临的深层挑战。
六、商业规则的深层分野
在一个仅用当代高管一辈子的时间就彻底脱离贫困的国家,物质记忆留下的深刻印记清晰可见。中国社会弥漫着强烈的拼搏与追赶文化,这在新兴财富快速崛起的地区非常普遍:人们渴望尽快赚取确定性的商业利润,生怕跌回后视镜中记忆犹新的贫困岁月。
这听起来似乎合情合理,但真正让 Pantera 震惊的,是这种心态对整个创业与创投生态产生的深远塑造。
中国创投的短周期压力
在走访中国初创公司的过程中,他们反复听到一句带着艳羡的感慨:「美国的初创公司根本不用为短期赚钱发愁。」这直指中国团队承受的来自投资人的严苛商业化压力。
这种分歧源自中国风险投资生态中普遍偏短的投资回报周期预期。许多初创公司在成立 2 到 3 年内就被要求产生可观的业务营收;一旦稍有起色,投资人便会急不可耐地推动其冲刺上市。
中国风投机构之所以缺乏对长期投资周期的耐心,主要有以下几重原因:
- 缺乏高回报的替代性资产(过去十年在窄幅震荡的股票市场、一线城市仅有 1% 左右回报率的住宅租金,再加上资本管制的限制)
- 缺乏类似海外大学捐赠基金那类能够承受超长周期的长线机构出资人(LP)
这倒逼创业团队将重心严重倾斜向硬件代工和数据采集外包服务,因为这类业务回款更快、资金回流周期短;而对于商业化路径漫长且充满不确定性的底层软件研发,则敬而远之。
知识产权保护的悖论
此外,两地在知识产权保护的态度上也截然不同。尽管走访中他们在很多公司的走廊墙上看到挂满了自豪展示的专利证书,但实质性的知识产权保护相对薄弱在业内却是不争的事实。
这迫使企业必须以最快速度将每一项微小创新进行商业变现,否则很快就会被同行以更低成本模仿抄袭并率先抢占市场。
其最终导致了激励机制上的结构性错配:中国在机器人物理层构建起了极其强大的壁垒,但现有的资本环境与考核导向,却在客观上抑制了将这些物理优势跃升为软件领导地位所需的超长期耐心资本投入。
七、Pantera 的六大核心研判
离开深圳时,Pantera 对全球机器人产业所处的发展阶段,以及未来演进中所蕴含的关键差距与破局点,有了远比以往更加清晰和立体的认知。
研判一:机器人产业仍处于极早期,中国扮演不可替代的关键支柱
中国在全球机器人产业链中的分量比以往任何时候都更加举足轻重。中国制造企业不仅是数据采集设备的核心制造者,也是机器人关键零部件的主要供应方。
数据依然是释放模型泛化能力的核心瓶颈;只要扩展律持续生效,采集更多样化、高质量的数据就是提升性能的必经之路。中国的制造生态在规模化量产数据采集硬件,以及向全球市场稳定输出灵巧手、执行器等核心关键部件上,拥有独一无二的产业地位。
研判二:中国本土使用机器人的经济性诉求尚未完全显现
目前中国市场的人形机器人出货量虽然十分亮眼,但几乎没有被投入到任何具有实质性经济产出的生产场景中。眼下中国的人形机器人主要被部署在低商业附加值的展示和娱乐场景,例如在展厅、博览会中向参观者进行简单指引,或进行跳舞、打功夫表演。
这与美国市场形成了鲜明反差。在美国,机器人正加速渗透进高价值的工业制造与物流仓储场景,部分企业已经锁定了数千万美元规模的长期商业采购大单。
造成这一根本分歧的关键,在于两地劳动力成本与供给结构的巨大落差:西方高昂的人力成本叠加年轻一代对蓝领体力劳动的排斥,形成了极强的自动化降本经济驱动力。
研判三:通用人形机器人终将成为未来成本最低的劳动力形态
行业内一直在激烈探讨一个核心问题:既然专用机器人处理特定任务时更加高效稳定,世界为何还需要通用人形机器人?
Pantera 的实地调研也印证了这一现状:在当前阶段,专用机器人的实际作业能力确实远胜通用机器人。通过聚焦于边界明确、可量化的细分任务,专用机器人能够实现更快的商业化闭环。
然而,在横向规模化扩张方面,专用机器人有着天然的上限。一家企业不可能在日常运营中针对每一种不同工序各采购一套专门的机器人;同样,一个普通家庭也绝不可能同时购买一台洗碗机器人、一台擦桌机器人、一台洗衣机器人和一台叠衣机器人。
通用人形机器人的终极经济学壁垒,并不在于单点作业能力的极致化,而在于单台设备能够覆盖的任务种类数量的最大化。
研判四:数据采集市场体量巨大,核心价值向「数据智能」沉淀
伴随扩展律成功延伸至物理世界 AI 领域的更多确凿证据,机器人数据采集必将成长为一个极其庞大的市场。Figure AI 近期发布的 Helix 2.5 模型给出了令人振奋的实测证明:随着训练数据量的成倍增长,机器人模型能力的提升展现出高度的可预测性。
然而,单纯增加数据规模并不等同于获得了更高质量的数据。Pantera 在中国的实地考察更加坚定了这一认知。尽管大型数据农场能够批量刷出成千上万个小时的实操录像,但这种同质化极强的数据对于提升模型泛化性能的边际增量价值微乎其微。
随着产业进入深水区,行业瓶颈将迅速从「采集更多小时的数据」转向「精准筛选出真正有价值的核心数据片段」。
研判五:模型层将逐步走向同质化,但美国将持续保持对中国的算法领先
在过去几个月中,包括 Physical Intelligence、Generalist、Dyna Robotics 以及 Figure AI 在内的多家美国顶尖团队,各自独立发布了在模型能力与泛化泛化上的重大突破。多家团队在极短时间内先后达成实质性突破这一事实表明,前沿具身智能大概率不会像大模型领域那样被 OpenAI 和 Anthropic 两家巨头垄断。
在可预见的未来,美国在软件算法上仍将保持对中国的领先身位。这很大程度上是因为中国机器人企业更倾向于追逐硬件销售与数据外包带来的即时现金流,而缺乏长期投注重资本研发的耐性。
研判六:机器人赛道具备显著的「后发优势」
目前有海量资金正在被投入到解答机器人领域的底层重大争议中(例如模型架构路线、机械构型设计、垂直一体化 vs 水平分工等),而很多早期的初创公司注定会在这场探索中走入死胡同。
今天新入局的创业团队完全可以站在先行者的肩膀上汲取经验教训,省去试错交学费的巨额资本消耗,直接基于行业最新的范式(Meta)打造最前沿的全新架构。
八、结语:现场现物的力量
行程最后一天的晚上八点,Pantera 团队坐上了同一辆汽车,踏上前往香港国际机场并飞回纽约的归途。在对深圳机器人核心产业带进行了全方位的深度考察后,他们对全球机器人产业的发展全景有了焕然一新的认知。
「现场现物」。这次实地考察再次坚定了他们的信念:在这个信息过载的时代,亲临一线、亲眼所见,依然是专注基本面的投资人构建独立思考与深度研判的最坚固基石。
中国无疑将在重塑全球机器人的未来版图中扮演举足轻重的角色。数十年的制造业积淀赋予了中国在硬件制造上极其巨大的、甚至难以逾越的壁垒。然而,短期量化目标驱动的数据采集弊端隐现,资本层面对即时回报的短视,也让本土企业在面对需要长周期攻坚的底层创新时相比美国企业受到更多掣肘。
有一点比以往任何时候都更加清晰:我们离开深圳时,对机器人赛道的未来前景充满了更加笃定的信心,并坚信当下正是重仓投资该产业的绝佳时机。
在底层软件真正具备足够的泛化能力、让人形机器人具备实质生产力之前,行业在数据采集、高维标注和数据智能领域依然存在巨大的结构性缺口。
信息来源与核实
| 内容 | 性质 | 来源 |
|---|---|---|
| Pantera 深圳考察见闻、六大研判 | 已核实 | Pantera Capital 原文(2026-11-13),深潮 TechFlow 编译 |
| 中国数据采集建设项目、区域发展格局 | 基于公开信息整理 | 综合政策文件、产业报告,非本次考察原文内容 |
| 区域竞合分析 | 作者分析 | 基于事实的推断,不构成投资建议 |
本文基于 Pantera Capital 考察报告改写,补充中国数据采集建设项目与区域发展格局,形成综合述评。仅供行业分析参考,不构成投资建议。