Bezos、Arnault 和 Premji 正在押注同一种人形机器人

尽管目前几乎没有证据表明人形机器人已能大规模带来可靠回报，Jeff Bezos、Bernard Arnault 和 Azim Premji 仍分别投资了不同的机器人项目。

这些投资覆盖了市场中三个不同层面。Bezos 支持机器人制造商和通用机器人模型。Arnault 的家族投资网络近期参与了一家欧洲人形机器人制造商的融资。Premji 的投资机构则领投了一轮大额融资，支持利用在线视频训练工业机器人的软件。

这种共同押注的重要性超过任何一笔单独的融资公告。家族办公室可以多年持有流动性较低的投资，为相互竞争的技术路线提供资金，并容忍传统风投基金难以承受的失败。

当估值上涨速度快于商业部署数据的积累速度时，这类耐心资本正涌入机器人领域。Tesla、Figure AI、Apptronik、Agility Robotics 以及多家中国制造商，都在追逐同一机遇的不同部分。

如今的核心较量，是耐心资本与商业验证之间的较量。富裕投资者可以资助多年的研发，但资金无法消除电池、执行器、安全系统和真实世界训练所带来的物理限制。

三笔财富，三条进入物理 AI 的路径

这些投资构成了覆盖机器人本体、控制系统和训练方法的投资组合，而非围绕某一种人形机器人设计展开的统一押注。

在这三位投资者中，Bezos 建立了最广为人知、也最广泛的机器人投资组合。通过 Bezos Expeditions 和个人投资，他支持了 Figure AI、Skild AI 和 Physical Intelligence。

Figure 开发完整的人形机器人。Skild AI 和 Physical Intelligence 则更专注于可在不同机器上运行的通用控制模型。

这一区别至关重要。机器人制造商必须同时解决硬件、制造、安全和软件问题。模型公司则可以向多种机器人设计提供智能能力，而无需自行生产每一个组件。

Bezos 与 Microsoft、Nvidia、Intel、OpenAI 及其他投资者一道参与了 Figure 在 2024 年的融资。根据其融资公告，该公司以 26 亿美元估值融资 6.75 亿美元。

Figure 从一开始就提出了雄心勃勃的愿景：为制造业、物流业，并最终为家庭环境提供自主运行的人形机器人劳动力。

该公司随后于 2025 年又融资 10 亿美元，报道称其估值达到 390 亿美元。这一大幅跃升反映的是投资者预期，并不对应机器人部署数量或收入的同等公开增长。

Bernard Arnault 的路径则经过 Aglaé Ventures，该机构隶属于其家族投资网络。Aglaé 与 Bosch、Schaeffler 及其他投资者共同参与了 Humanoid 在 2026 年 7 月进行的 A 轮融资。

这家总部位于伦敦的公司以 13.5 亿美元投后估值融资 1.52 亿美元。该公司称，这笔融资使其总融资额达到 2.7 亿美元。

Humanoid 正在开发其 HMND 01 平台的轮式和双足版本。公司计划在 2026 年第四季度开始将 beta 机器人部署到客户设施中。

这一时间表仍只是公司的目标，不应与已经验证的大规模部署或持续商业运营混为一谈。

Azim Premji 的投资机构则选择了技术栈中的另一个环节。Premji Invest 在 2026 年 3 月领投了总部位于 Palo Alto 的 Rhoda AI 的 4.5 亿美元 A 轮融资。

这轮融资包括新注入的资本在内，对 Rhoda 的估值为 17 亿美元。这家初创公司在隐身运营 18 个月后，带着名为 FutureVision 的系统亮相。

Rhoda 的主营方向并非销售人形机器人。它正在开发视频预测控制技术，即通过研究视频来训练软件预测动作，并将这些预测与机器人运动关联起来。

该公司表示，传统机器人训练过度依赖遥操作。遥操作是指人类远程控制机器人，同时系统将这些操作记录为训练数据。

遥操作能够产生精确样本，但收集这些样本成本高、速度慢。而且，与开放互联网所包含的内容相比，它捕捉到的变化情形也更少。

Rhoda 提议先从公开可得的视频中学习更广泛的视觉模式，再用较少量的机器人数据将这些知识落地。Premji Invest 将这一方法描述为传统视觉—语言—动作模型的替代方案。

视觉—语言—动作模型会将图像和语言指令连接到物理动作。它可以处理摄像头画面和一项指令，然后生成拾取物体所需的动作。

因此，每位投资者都在为同一个问题的不同答案提供资金。这个问题是：AI 能否让机器人具备足够的适应性，从而证明其在受控演示之外部署的合理性。

为什么家族办公室适合人形机器人的发展周期

家族办公室拥有发展人形机器人所需的长期性、灵活性和集中风险承受能力。

传统风投基金通常在明确的生命周期内运作。其管理者必须在这一结构中完成投资、支持被投企业，并向有限合伙人返还资本。

家族办公室投资的是单一家族所拥有的财富。它可以采取更长的持有周期，迅速调整资产配置，并接受不寻常的交易结构。

这种自由度在机器人领域尤为重要，因为研发周期很少遵循软件行业的时间表。软件公司可以立即发布更新，而机器人制造商必须采购零部件、制造机器，并在有人类活动的环境中测试它们。

硬件问题还会相互叠加。更强的电机可能增加重量和能耗；更大的电池可能降低移动性；更灵巧的手则可能增加成本和机械故障点。

人形机器人初创公司必须在 AI 系统学习应对不可预测环境的同时，解决这些相互作用。每一次部署都会带来工程、保险和运营方面的问题。

家族办公室也无需向外部基金投资者承诺固定退出日期。这使它们可以等待并购、上市或持续性的工业合同。

这种方式类似于战略性试验。Bezos 可以持有 Figure、Skild AI 和 Physical Intelligence 的股份，而无需预先决定哪一个技术层将捕获最大价值。

如果一体化人形机器人制造商占据主导地位，Figure 将提供相应敞口；如果通用机器人模型成为更具防御性的层级，Skild AI 或 Physical Intelligence 可能受益。

Arnault 的投资让其家族得以接触一家欧洲硬件公司，而无需让 LVMH 自身成为机器人开发商。Bosch 和 Schaeffler 则带来了制造经验以及潜在的工业应用场景。

Premji Invest 对 Rhoda 的投资瞄准了数据瓶颈。如果视频成为可扩展的机器人训练来源，Rhoda 就可能为不同机器和行业提供智能能力。

这些投资组合也反映了各笔财富背后的经历。Bezos 在扩展至其他领域之前，围绕物流、仓储和自动化打造了 Amazon。

Premji 将一家家族企业发展为 Wipro——印度最知名的科技公司之一。他的投资机构已建立起专业化运营能力，并积累了企业技术领域的经验。

Arnault 通过品牌、制造控制和长期持有打造了 LVMH。此后，Aglaé Ventures 将该家族对科技公司的投资敞口扩展到了奢侈品以外。

这些经历都不能保证机器人投资会取得成功。但它们有助于解释，为何这些投资者能够以不同于公开市场股东的方式评估漫长的开发周期。

他们还能提供的不只是资金。其网络可以将初创公司与制造商、云服务商、物流运营商和后期投资者连接起来。

工业客户很少因为实验室演示看上去令人印象深刻就购买机器人。他们需要集成计划、安全流程、维护支持和可量化的生产率。

人脉广泛的家族办公室可以帮助初创公司接触这些客户。如果部署所需时间长于预期，它也可以支持下一轮融资。

这种优势给传统风投公司带来了压力。它们必须与能够开出大额支票、却不必遵循相同投资组合构建规则的投资者竞争。

它同样给企业投资者带来压力。Nvidia、Microsoft、Alphabet、Amazon、Bosch 和 Schaeffler 等公司必须决定，是支持多个平台，还是偏向选定的合作伙伴。

结果形成了一种异常混合的资本结构。如今的机器人融资同时汇集了亿万富翁、风投机构、技术供应商、制造商和主权投资者。

这些群体并不总是追求同一种结果。芯片公司希望看到更多算力需求；制造商希望获得高生产率的机器；家族办公室则可以等待任一层级的资本增值。

这种一致性足以在融资期间维系合作。但当公司必须选择硬件供应商、软件合作伙伴和排他性商业关系时，维持这种一致性会变得更困难。

耐心资本正跑在商业验证之前

在人形机器人行业建立可重复的单位经济效益或可靠的大规模运营之前，它已吸引了长期资本。

这一投资逻辑始于一个合理的观察：人类工作场所是围绕人类身体设计的。

门、楼梯、货架、工具和工作站，都假定使用者是一个拥有两条手臂、两条腿和双手的人。人形机器可以进入这些空间，而不必迫使企业重新设计每一处设施。

这种理论上的兼容性，使人形机器人比许多固定式工业机器人拥有更广泛的潜在任务范围。但这并不意味着人形机器人是完成每项任务成本最低的机器。

一个只搬运标准化容器的仓库，可能更适合使用传送带、自主移动机器人或专用机械臂。这些系统已能在定义明确的环境中运行。

当灵活性超过专业化的价值时，人形机器人才会变得有价值。它们必须能处理多样化任务、在不断变化的空间中工作，并在无需昂贵重新配置的情况下切换任务。

这一标准仍然难以达到。机器人可以在精心策划的演示中完成令人印象深刻的动作序列，却可能在光照、物体摆放或表面条件发生变化时陷入困难。

Figure 通过与 BMW 的合作，提供了业内最引人注目的工业案例之一。两家公司展示了机器人处理汽车生产任务的场景。

然而，两家公司均未公开足够的运营或财务数据，无法确立其广泛的经济表现。未知因素包括正常运行时间、人工干预率、维护成本以及实际高效运转的机器数量。

人工干预是指人类必须出手救援或重新引导机器人。频繁干预可能会削弱部署机器人原本旨在实现的人工成本节省。

Humanoid 同样表示，它拥有商业项目储备，并与工业公司建立了合作关系。其计划中的 beta 部署应能产生比受控演示更有价值的证据。

该公司仍需证明，其机器能够在人类周围长时间轮班运行。它还必须将原型转化为可重复的制造产出。

Rhoda 面临不同的验证负担。其论点取决于互联网视频是否包含可被转化为机器人动作的有用信息。

视频能够呈现外观和运动，但通常缺乏对力、深度和关节位置的直接测量。机器人需要这些信号才能安全操控物体。

Rhoda 表示，其系统通过将基于视频的学习与机器人数据相结合来弥补这一缺口。该公司在其公开亮相中介绍了工业试点项目和持续进行的工程工作，而非已完成跨行业验证。

视觉理解与物理执行之间的鸿沟，是机器人智能仍然困难的原因之一。预测下一帧画面，并不等同于施加正确的抓握力。

训练数据同样引发了关于来源和质量的问题。公开视频包含剪辑、缺失的上下文，以及从不同于机器人摄像头的视角记录的动作。

初创公司必须证明，大型数据集能够提升系统在陌生环境中的表现。它们还必须记录模型何时会失效。

Skild AI 和 Physical Intelligence 通过各自的架构和数据集，追求类似的泛化目标。这些公司之间的竞争应会带来有价值的技术比较。

然而，私募估值可能掩盖这种竞争。更高的融资估值衡量的是投资者对股权的需求，而非机器人的可靠性。

当估值在产品实现大规模商业应用之前就发生变化时，这一差距尤为明显。Figure 的估值从 2024 年的 26 亿美元升至 2025 年据报的 390 亿美元。

这一上涨对制造规模和软件进展寄予了极高期望，也为竞争对手的融资叙事提供了基准。

与 Google DeepMind 及工业合作伙伴开展合作的 Apptronik，为其 Apollo 人形机器人平台筹集了大额融资。其方案结合了机器人硬件、基于 Gemini 的智能能力以及工厂合作关系。

Agility Robotics 则通过 Digit 走出了另一条路线：这是一款专为物流工作设计的双足机器。该公司于 2026 年 6 月同意通过一项交易寻求上市，该交易对其估值约为 25 亿美元。

这项拟议上市可能会披露比私营竞争对手目前所公开的更多财务和运营信息，从而为投资者提供更清晰的基准。

Tesla 通过 Optimus 进一步施压。它可以内部资助机器人业务，将自己的工厂作为测试环境，并利用其在电池、制造和计算机视觉方面的专业能力。

包括 Unitree 和 AgiBot 在内的中国公司则带来了另一种压力。它们的本土供应链和制造能力能够支持更快的生产以及更低的零部件成本。

因此，这场竞争并不只是初创公司之间的较量。它让资本密集型的美国和欧洲企业，与一体化制造商和快速扩张的中国供应商正面竞争。

家族办公室可以在这场竞争中延长初创公司的资金续航期，但无法保证其硬件能在成本、可靠性或生产速度上匹敌竞争对手。

真正的风险在于缺失的部署数据

决定性证据将来自非脚本化的实际工作时长，而非融资总额、估值或精心制作的演示。

机器人公司经常发布视频，因为实体运动很容易通过视觉方式传达。一段短片可以展示令人印象深刻的任务，却不会透露其背后的条件。

镜头可能不会展示人工监督、此前的尝试，或施加在机器人身上的边界限制。它也很少展示机器需要维护的频率。

商业买家需要不同的衡量指标，包括任务成功完成率、每小时人工干预次数、正常运行时间、能耗和安全事故。

买家还需要知道，机器人能否在一个班次内完成足够多的高价值工作。一台机器即使能很好地完成一项任务，也可能在两次任务之间闲置。

人形机器人带来了额外的安全问题，因为它们在人类建造的空间中运行。当控制软件失效时，机器的重量和活动关节可能造成伤害。

开发者可以限制速度和力量，增加紧急停止装置，并设置限制区域。每一项保护措施也可能降低生产率，或要求对工作场所作出调整。

该行业尚未形成一项可跨机器捕捉这些权衡的统一公开基准。实验室测试通常衡量特定的操控或移动能力。

商业部署则将所有这些能力与排程、维护和人机协作结合在一起。工具被移动、表面发生变化或有人进入机器人路径后，机器人仍必须持续工作。

软件层面也存在自身的不确定性。通用模型承诺可将学习能力迁移至不同任务和不同机器人机体。

迁移只有在性能依然可靠时才有价值。一种能在许多机器上运行、却会不可预测地失效的模型，可能不如专用自动化系统有用。

Rhoda 的视频优先方案使这种不确定性尤为重要。该公司必须证明，广泛的视觉经验能够减少陌生情境下的失误。

它还必须展示，当物理环境与在线示例不同时，其方法不会引入新的错误。

Humanoid 必须证明，其 KinetIQ 软件和机器人平台在客户使用期间保持稳定。其第四季度的 Beta 推出将提供一次早期检验。

Figure 面临着披露更多持续工厂表现信息的压力。其估值如今意味着它需要迈向一家规模极大的商业企业。

这些都是新兴技术面临的正常问题。当投资者在公司发布可比运营结果之前就赋予数十亿美元估值时，这些问题会变得更加紧迫。

劳动相关假设同样值得审视。人形机器人倡导者经常将劳动力短缺和不受欢迎的工作作为采用理由。

这些情况因地点、职业和经济周期而异。一款适合高成本汽车工厂的机器人，未必适合较小型仓库。

部署也可能转移工作，而非消除工作。企业可能需要技术人员、远程操作员、安全管理人员和集成专家。

这种结果仍会创造价值，但不同于用一台自主机器替代完整的人类班次。

岗位替代仍是另一个悬而未决的问题。可靠的人形机器人可能减少对部分重复性岗位的需求，同时增加对技术支持的需求。

这种变化的速度取决于性能和成本，而不是风险投资融资的速度。劳动者和政策制定者应谨慎看待预期的部署时间表。

不同市场的监管发展可能并不均衡。工作场所安全主管部门可以适用现有规则，而产品责任和 AI 治理还会带来额外义务。

因此，投资者必须同时为多种风险定价，包括技术失效、制造延误、客户采用速度放缓以及新的合规要求。

家族办公室或许比许多投资者更能容忍这些风险。如果持续融资掩盖了疲弱的商业需求，它们的耐心也可能推迟一次诚实的清算。

最强的初创公司将以可验证的运营数据作出回应。它们会公布机器人做什么、工作多久，以及人类介入的频率。

在此之前，每一项估值在一定程度上都仍是对客户尚未以足够规模测试过的能力所作的预测。

三个信号将决定这场押注是否奏效

下一阶段将由客户部署、可比的运营指标，以及制造能否超越小批量生产的证据来评判。

第一个信号是 Humanoid 计划于 2026 年第四季度开展的 Beta 推出。该公司表示，机器将进入物流、制造、零售及其他行业的客户设施。

关键问题不是机器人是否抵达，而是客户是否会在初步试用后扩大使用规模。

后续订单将表明，该机器能够在正常工业条件下完成有用工作。推迟推出或受到严格控制的试点，则会削弱这一结论。

Bosch 和 Schaeffler 尤其值得关注，因为它们同时兼具投资者和工业企业的角色。它们的参与带来了制造知识和真实的测试环境。

但这也在解读结果时产生了潜在冲突。战略投资者有理由支持公司的叙事，因此独立且可比的指标仍将至关重要。

第二个信号是 Figure、Agility、Apptronik、Rhoda 及其客户发布的运营数据质量。

投资者应关注工作时长、成功循环次数、人工干预次数和重复部署情况。仅看收入可能会包含对自主表现几乎没有说明力的开发协议。

Agility 拟议中的上市在这方面具有意义。上市公司面临的信息披露要求，能够提供比私营初创公司更多的财务可见度。

该交易不会自动披露每一项技术指标，但仍应让市场更清楚地了解支出、商业协议和运营风险。

这种透明度可能重塑私营机器人公司的预期。强劲的结果将支撑当前估值，而疲弱的需求则会对其构成挑战。

Rhoda 的工业试点应能检验视频预测控制。最有价值的证据，是在陌生任务上将其系统与经由远程操作训练的替代方案进行比较。

比较应使用相同的硬件和工作条件。否则，机器人设计上的差异可能掩盖模型本身的贡献。

第三个信号是制造规模。初创公司必须证明，它们能够生产一致的机器、确保零部件供应并提供现场支持。

原型机可以在专家密切关注下组装。数百或数千台设备则需要标准化流程、供应商管理和质量控制。

这正是 Tesla 和中国制造商带来最大压力的领域。它们已经了解大规模生产和零部件采购。

Figure、Humanoid 和 Apptronik 已通过合作伙伴关系、工厂投资和新融资作出回应。这些安排现在必须转化为客户能够实际操作的机器。

如果制造规模扩大，同时人工干预率下降，家族办公室的投资逻辑就会更有说服力。耐心的私营资本将跨越研究与部署之间的艰难时期。

如果试点项目仍然很小，运营细节依旧不公开，则会得出相反结论。资本将比商业验证更快地推高估值。

更广泛的启示不止于机器人领域。如今，巨额财富能够影响哪些 AI 架构、制造战略和劳动模式获得发展时间。

这种影响力可以资助上市公司避开的实验，也可能将有关工作场所自动化的决策集中在一小群私人投资者手中。

Bezos、Arnault 和 Premji 并未进行完全相同的押注。他们的投资覆盖机器人机体、通用控制模型和新的训练数据来源。

但总体而言，他们展示了家族办公室为何已成为实体 AI 的核心力量。它们能够在等待某一路线实现持久商业化的同时，为多条不确定的路径提供资金。

对于开发者、企业买家和 AI 用户而言，下一步很简单：忽略下一轮融资的规模，追踪客户设施内部实际发生的事情。哪家公司会发布足够多的真实世界运营数据，将人形机器人故事从一场资本竞赛转变为可衡量的业务？