一句话看懂：机器人开发者正陷入“数据荒”，行业普遍认为物理 AI 仍处于 GPT-2 时代。Unitree 上市后市值腰斩，凸显了“身体进步、大脑欠缺”的结构性矛盾，行业正在从盲目追求通用人形机器人转向更务实的垂直场景落地。
事件核心：发生了什么
中国机器人公司 Unitree 在登上国内“纳斯达克”后估值一度冲高至 660 亿美元，但本周市值蒸发近半。分析师普遍指出，机器人硬件能力在提升，但缺乏真正创造价值的“脑力”。在刚结束的 Actuate 大会上，1500 名开发者聚集讨论如何为机器人构建 AI 大脑，参会规模较 2023 年创办时增长两倍。然而，现场基础设施公司 Avala 的展台标语直指痛点——“解决机器人数据危机”。
目前行业缺乏高质量训练数据：通用型机器人的端到端学习远未成熟，特定任务的商业化可靠性也不足。模拟工具创业公司 Antioch 的创始人 Harry Mellsop 认为，物理 AI 正处于“GPT-2 时代”，需要更多数据和算力，尤其是用于高保真模拟的、针对光线追踪优化的 GPU。
为什么重要
这个行业正在经历一次路线修正。自动驾驶公司被认为是走得最远的玩家——部分因为它们能低成本获取真实驾驶数据，部分因为其核心任务是“避碰”而非“操纵环境”。如今，这些公司的积累开始外溢：特斯拉将自动驾驶经验用于 Optimus；英国自动驾驶公司 Wayve 和 Uber 都设立了人形机器人实验室。Foxglove 本身也由通用汽车旗下 Cruise 前员工创办，大量机器人模型工具链都源自自动驾驶领域。
围绕“通用还是专用”的路线之争，也在本次大会上被公开讨论。Wayve 的 CEO Alex Kendall 认为，应先在车辆场景积累能力，数据基础设施、仿真和 MLOps 平台可以共用，但不同形态的机器人需要不同的世界模型做后训练。Genesis AI 的 CEO Théophile Gervet 则持相反意见，他刚完成 1.05 亿美元种子轮，认为行业太早，押注单一“大脑”策略无效，硬件与 AI 协同设计的机会更多。Gervet 还直言：“没有客户在乎一个成功率为 80% 的通用机器人。”他强调，垂直场景的公司——如做光伏电站的 Gritt、工业场景的 Agility、自动驾驶挖掘机的 Bedrock——已经走出实验室，而通用人形机器人还在原地。他也警告：“在 GPT-2 之上做窄垂直会被用 GPT-4 的公司碾压。”
对用户/开发者/创作者的影响
对于机器人领域的开发者来说，这意味着工具链正在快速成熟，但选择比以往更难。目前公开信息显示，行业共识是：缺乏足量、多样、高质量的训练数据是最大瓶颈，而不是模型结构本身。开发者在选择仿真平台、数据管道和训练框架时，需要关注它是否支持多形态（embodiment）适配，以及是否能从自动驾驶场景迁移到机械臂、双足机器人等新形态。
对于企业采购方，这则新闻的提示是：目前市面上所谓“通用人形机器人”大多仍处于演示阶段，难以承担实际生产任务。如果预算有限，优先关注在特定垂直场景（如施工、光伏运维、仓储物流）中已有真实部署数据的厂商，它们在数据积累和商业化验证上更可靠。
值得关注的后续
第一，Unitree 市值腰斩之后，其后续融资、订单和定价策略是否会调整，将是观察行业估值泡沫是否消退的风向标。
第二，Wayve、Uber 新设立的机器人实验室在 6-12 个月内是否会发布基于自动驾驶数据栈的人形机器人原型，以及能否复制其在车辆场景的模拟训练效率。
第三，以 Bedrock CTO Kevin Peterson 为代表的“垂直切入、横向扩展”路径——从挖掘机起步，逐步构建覆盖多种工程机械的智能层——是否能积累出足够多样化的数据，从而打破“垂直数据不足以训练通用模型”的质疑。
