炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

　　文|新浪財經上海站 陳秀穎

　　十年前，中國的移動式特種機器人還只是化工廠、煉化基地裏的一小撮「試驗品」，常常被夾在管廊、罐區、高壓電網之間小心翼翼地試用。

　　如今，天創機器人把一臺臺防爆人形機器人開進了這些場景裏，從移動特種巡檢機器人，到具身智能、防爆人形機器人，天創花了將近十年時間。這些機器人在化工廠、電力站、煤礦、鍋爐房裏巡檢、看錶計、聽異響，常常出現在最危險、最不適合人類久留的地方。

　　真正讓劉爽下定決心「轉身」的，是兩件事：AI大模型帶來的推理和交互能力躍遷，以及馬斯克把Optimus推到臺前之後，全行業對人形機器人產業可能性的重新想象。

　　在他眼裏，2015年之前是傳統工業機器人的一代；2015–2023年，是「協作、服務、搬運和巡檢」四大品類構成的第二代；而2023年之後，行業共識開始收斂到兩個詞：具身智能和人形/類人形。

　　天創機器人對於時代的回答，則是在一個高度危險、對可靠性近乎偏執的場景裏，做出一臺能真正「幹活」的防爆人形機器人——而不是先去卷價格、卷量產。

　　許多新興機器人公司的故事起於展臺、起於孖展、起於Demo，那麼天創機器人的故事起於——一個化工廠的夜班、一個煤礦井下的風道、一個70℃的油氣裝置間、一個必須讓機器人代替人的危險任務。

　　這是天創機器人與整個行業之間最獨特、最根深蒂固的差異。以機器智慧，入無人之境。這是這家公司最本質的價值觀。

　　直到具身智能這個詞出現，直到人形機器人被推上春晚舞臺、被特斯拉和馬斯克反覆舉起，行業開始重新打量這些曾經只被稱作特種機器人的傢伙。

　　在這次與新浪財經的對話裏，他試圖把這場從特種機器人到具身智能的戰略轉向講清楚：

　　為什麼他們堅持從工業場景出發，而不是跟着消費級熱點做雙足人形？

　　為什麼在全行業談量產、降本的時候，他要反覆給同行潑冷水？

　　以及，在這條被反覆拿來類比新能源車的賽道上，他怎麼看中國和世界的長期博弈。

　　兩次拐點：從GPT到Optimus，具身智能被按下開始鍵

　　新浪財經：你們做移動式特種機器人已經十幾年了，從什麼契機開始覺得，具身智能和人形機器人，可能是下一輪機器人革命的大機會？

　　劉爽：如果把這一波做機器人的企業拉成一條時間線，你會發現，大家真正集體意識到具身智能這件事，大概有兩個同步的拐點。第一個拐點，是掐着GPT出來的那一刻。ChatGPT把大家對AI的認知，直接從‘做分類、做識別’跳到了‘能推理、能對話、能決策’。對我們這些一直做機器人控制的人來說，這件事的震撼在於——連接主義這套東西，終於有了一個可以和實體世界結合的抓手。

　　以前我們講機器人更多是控制論、自動化、結構可靠性，都是比較硬的東西。GPT出來之後，大家第一次真正相信：AI的交互能力、推理能力、決策能力可以大幅提升，天然有機會和現有機器人結合。

　　第二個拐點，則和馬斯克搞的Optimus密切相關。馬斯克在這個時代的角色，有點像科技教主。他歷史上想幹的大事，基本都幹成了——電動車、火箭、可回收、星鏈，現在輪到人形機器人。他在這件事情上的戰略堅定性和激進程度，讓整個行業不得不重新評估：人形機器人不是科幻，而是一個產業級的可能性。這兩個拐點疊在一起，才真正把具身智能、人形機器人變成行業共識。

　　三代中國機器人公司：從場景出發，到‘人形+具身智能’共識

　　新浪財經：你提到這一代做機器人的人，在不同階段有不同理解。你會怎麼分這幾代中國機器人企業？

　　劉爽：我個人的劃分，是三代。第一代，是2015年之前，以傳統工業機器人為主。這撥企業裏已經有很多上市公司，比如做伺服、做控制、做六軸機器人的。第二代，大概是2015年到2023年前後，主要是這些品類：

　　l 協作機器人（輕量化的7軸機械臂那一類）

　　l 服務類機器人（傳菜、迎賓、酒店送外賣）

　　l 搬運機器人（AGV、AMR）

　　l 巡檢機器人（特種巡檢、安防巡檢）

　　這一代的特點，是強場景導向：我從需求側出發，找到一個具體場景，然後提供成本和效率最優解的機器人解決方案。大家並不是按具身智能、人形這些概念去定義自己，而是按照垂直場景去分工。第三代，也就是現在這一波，基本上是以通用人形機器人本體+具身大腦這兩個邏輯作為目標的。

　　2023年之後，行業共識開始向這兩個關鍵詞收攏。一方面是大模型帶來的認知變化，另一方面是Optimus這種標誌性事件把人形拉到了一個新的敘事高度。

　　新浪財經：所以你會認為，這個行業一直在做，只不過每一次高潮，往往都得等一個‘全球性的事件’來重新點燃？

　　劉爽：是的。你可以理解為，一直有人在默默幹活，但是真正能把敘事推到臺前的，一定是那種改變所有人預期的節點。GPT和Optimus就是這樣的節點。

　　天創機器人的起點：從特種巡檢，到防爆人形機器人天魁一號

　　新浪財經：在這波浪潮裏，天創機器人的真正入局點是什麼？有沒有哪個時間點，你會認為是一個標誌性事件？

　　劉爽：我們自己真正深入介入具身和人形這兩個方向，是在2025年1月——那時候，我們正式發佈了全球首款防爆人形機器人——天魁一號。

　　這個產品有兩個含義：

　　1． 對外：它代表天創正式在人形機器人這個邏輯上入局；

　　2． 對內：它標誌着，我們在具身智能上的技術路線，從特種巡檢+小模型升級到人形+大模型，從只看不動手的巡檢機器人到即可看也要乾的巡檢、操作一體機器人進化。

　　其實在這之前，具身智能這件事對我們來說並不是突然出現。

　　我們做巡檢機器人起家，場景都在工業一線。像化工廠、油氣、電力、煤化工，這些地方的機器人，對於現場感知+決策的要求，比很多服務機器人要早得多、也高得多。我們在AI應用上的起步，其實比許多餐飲、酒店機器人更早。只是早期更多是基於小模型在做——做缺陷判斷、做模式識別，幫助機器人理解設備狀態。

　　天魁一號，是我們在這個認知基礎上做出的一個形態上的決定：如果你要在工業領域代表行業，做一款滿足真實用戶需求的人形機器人，它應該長什麼樣？

　　為什麼我們不搶着做雙足：工業世界裏，腳不是剛需，手纔是本質

　　新浪財經：你們在外形上一直堅持做輪式/履帶式，而不是雙足，這在這一波人形熱裏算是一個比較逆潮流的決定。這裏面有什麼核心判斷？

　　劉爽：足式行走，有它的邏輯，也有實際意義。但如果你冷靜地把工業場景攤開來看，會發現幾個事實：

　　1． 工業現場的可達性問題，用輪式、履帶式、軌道式這幾種基礎行走結構，已經可以覆蓋絕大部分需求；

　　2． 用戶真正關心的，不是它怎麼走，而是末端能做什麼——能不能擰閥門、拉閘、搬重物、操作設備；

　　3． 工業場景對機器人有幾個很強的約束：

　　高防護：防塵、防水、防爆，耐腐蝕；

　　高負載：擰閥門、搬重物需要很大的力矩；

　　上半身作業能力遠比下半身行走更關鍵。

　　在這樣的前提下，足就不再是剛需，反而是一個會顯著增加複雜度和風險的選項。

　　我們後來給自己下的判斷是：在工業現場決定機器人產業成長性的，一定是上半身的可塑性能力，而不是行走。

　　行走是一個幾何問題，是一個相對可控的工程問題；真正難的是讓一個機器人在上半身完成多樣的、有力的、安全的操作——拉、擰、搬、抓、推、插拔……你會看到，現在行業裏做輪式底盤支撐人形上半身的方案越來越多，海外也是這樣。我們某種意義上只是把這個判斷提得更早一點。

　　行業裏的噪音：人人都在談量產，但需求側還沒真正出現

　　新浪財經：現在行業內對人形機器人的期待很高。你也說過，想給行業‘潑潑冷水’。你覺得當下最大的噪音是什麼？

　　劉爽：我個人最想潑的那盆冷水就是——大家太早在拼命喊量產了。

　　量產的邏輯，應該來自於需求側。但我們現在看到的是什麼？是機器人廠家自己在講：我一年能做多少臺、我的產線產能多大。我們沒有在需求側看到真正規模化的應用。

　　就拿大家最看好的汽車主機廠來說。如果你實地去工廠參觀，會發現：人形機器人基本不在主生產線上，而是被安排在一條試驗線上做實驗。原因很簡單：汽車生產線的節奏和效率非常高，人形機器人現在的作業效率，會拖慢整體產線產出。所以在我看來，現在這種激進談降本、激進談量產的討論，是有點喧賓奪主的。

　　我們更應該做的是：在更多可能的場景裏，不計成本地先跑通幾個真正能閉環的商業化應用；等這些場景跑順了，再回頭做降本、做複製、做橫向擴展；而不是一開始就只拿着錘子到處找釘子。

　　真機vs仿真：工業場景裏的world model，沒那麼容易畫出來

　　新浪財經：你們做的是工業場景，又強調具身智能，這種場景下的數據和大模型怎麼結合？還以真機+仿真那套二分法去看嗎？

　　劉爽：今天這個行業從數據來源角度，大致有兩個學派：仿真派、真機派。真機派的問題大家都知道：場景複雜、成本高。民用場景還好，你要訓練一個端茶倒水的機器人，搭一個小房子就夠了。但工業場景完全不是這樣——鍋爐、壓力容器、電機、風機、長距離管廊、立體管線……這些東西的幾何形態、物理特性太複雜了。你要在仿真環境裏畫對這些東西都很難，更別說疊加聲、光、熱、力這些一維物理量。這會直接導致一個問題：你用仿真生成的數據，在真實工業場景下的可用性非常有限。

　　所以在工業領域，我們更傾向於：把機器人投到一個相對真實的仿真環境裏；或者乾脆直接上現場，一邊幹活、一邊積累數據——我們叫幹中學、學中幹。

　　但工業又對可靠性、安全性有很高要求，所以我們必須結合遙操作技術來做：在遙操作的過程中，一邊讓機器人立刻可作業，一邊把這一切當成數據採集和素材積累過程。這其實就是從SD到自動駕駛的那套邏輯在工業機器人上的翻版：目前是遙操作+自主的階段，而不是直接跳到全自主。

　　大腦的戰爭：world model+大語言模型+強化學習，多技術混合分層架構

　　新浪財經：現在很多玩家在外形、運控上競爭得很兇，但你反覆在講大腦。你覺得接下來幾年，機器人的大腦競速會發生什麼？

　　劉爽：做本體、做運控，有它非常明確的商業邏輯。像某些本體公司，把外形+小腦做到極致，然後和下游有一定開發能力的科研院所、企業合作，去補大腦，這條路徑是說得通的。但如果你問我：在未來3~5年裏，如果具身智能要真正跑出一些能力拐點，它會發生在哪裏？我會毫不猶豫地說，在大腦。

　　這個大腦不是一個單一模型，而是一個混合架構：world model幫助機器人理解物理世界，做場景分割，為疊加更多物理狀態量（力、溫度、摩擦）打基礎；大語言模型（或者說任務模型）負責任務分解、流程規劃，把複雜任務切片成一段段可執行的動作鏈；末端執行，則更多依賴強化學習出來的動作專家庫，保證動作執行的精度和安全性。

　　你不能指望一個純粹的VLM或者純語言模型，既能理解世界，又能把末端執行做到微米級的精度。機牀加工可以做到微米級，是控制論的強項，而不是大模型天生擅長的領域。所以我們天創機器人在實際落地時，用的是一個多技術融合的方案：用world model做前置感知和物理世界理解；用語言模型做任務級的推理和拆解；用強化學習動作庫，保障每一個動作片段的執行質量。

　　這也是為什麼我一直說：如果你只是面對無人駕駛這種單任務系統，可能單一技術範式還能撐一下；但一旦到了具身智能機器人，這種多任務、複雜系統就不可能只靠一種技術。

　　中國的優勢與短板：除了基礎模型，硬件鏈上我們是全面領先

　　新浪財經：如果把鏈條拆開，從整機到執行器、傳感器、模型、供應鏈，你覺得中國在哪些環節已經具備全球級優勢？

　　劉爽：如果我們把顆粒度切到模組及以上這個層面——在整機、核心零部件、傳感器、執行器這些環節上，我會判斷：我們在產業鏈上的整體能力，是全面超越的。國外在大部分硬件模塊上，已經沒有太多可以碾壓我們的地方了。當然，大腦模型、基礎模型能力上，我們和國外還存在差距。我們也看到，國內很多從清北、交大、浙大出來的科學家，在這一塊持續發力、做長期研究，這條路不會短。但如果你拉長時間軸，把這件事當成類似電動車、光伏的產業過程來看，你就會得到一個比較確定性的結論：當具身智能機器人真正找到某個可大規模複製的、天花板足夠高的應用場景時，從科研產品變成製造業產品的那一刻，這個主場一定是在中國。

　　新能源車也是類似邏輯——特斯拉領跑十年二十年，但從某個節點開始，中國車企在規模和供應鏈上接過了接力棒。

　　天魁一號：全球首款防爆人形機器人背後的場景反推

　　新浪財經：回到天魁一號，它被稱為全球首款防爆人形機器人。你們當時是怎麼反推出這個需求的？

　　劉爽：這個產品本質上是場景倒逼形態。我們做了很多年工業巡檢運維機器人，跑過大量危化場景、電力場景、煤礦場景。我們很清楚，在這些場景中，工人要具備什麼樣的能力和資格，才能合法上崗——比如防爆等級要求、作業高度、負載能力、操作動作類型。

　　於是我們給自己出了一個題：如果在中國要做一臺真正能幫工人幹活的人形機器人，在化工、電力、煤礦這種高危場景裏，它應該長什麼樣？幾個關鍵約束就出來了：

　　防爆能力：必須滿足防爆標準，能進危險區域；

　　重負載能力：雙臂負載加起來要能達到幾十公斤級別，才能擰大閥門、搬重物；

　　身高和體態：既要適應工業現場設備的高度，又要兼顧穩定性和可達性。

　　天魁一號的身形、重量、防爆等級、負載能力，其實都是從這些具體場景和工人的日常工作中倒推出來的。

　　另外一塊，是我們過去在硬件結構化設計上的積累。我們從做特種巡檢開始，就在防護、防爆結構設計上做了大量工程化工作——所以後來很多做無人駕駛、做工業設備的企業，會來找我們幫他們設計防爆結構。最近還有一個新任務，是幫一家做無人配送的企業設計防爆電池pack。這些能力加在一起，才讓我們做出全球第一個防爆人形機器人。

　　電池與熱管理：防爆不是套個鐵殼子那麼簡單

　　新浪財經：防爆對機器人的密封材質要求本來就很高，再疊加頻繁操作，你們在電池冷卻、散熱上做了哪些改進？

　　劉爽：防爆這件事，說簡單也簡單——你只要把東西做得足夠笨重、殼子足夠厚，用個很重的鐵皮把所有東西包住，理論上就能防爆。但對機器人來說，這是不可接受的。我們需要的是輕量化+高防爆等級並存。在電池上，我們現在做的是隔爆，而不是本安防爆。這與鋰電池的天然特性有關。

　　具體工程上，我們做了幾件事：

　　1． 低溫場景：用鈉離子電池，解決低溫段性能、冷啓動問題；在電池倉裏做預加熱機制，貼片式加熱條，實現主動熱管理。

　　2． 高溫場景：做主動散熱裝置；研究電池微液冷系統，保證在高溫工況下的匹配。比如中東有項目要求適應70℃環境，如果不做主動熱管理，只靠被動散熱是撐不住的。

　　3． 結構級防爆：通過局部強化、結構加強、變密度加工工藝等手段，在儘量不增加重量的情況下，滿足隔爆標準；目前我們坦誠說，只做到T4級，還沒有到T6級，這也是未來要攻的關。所以防爆不是簡單加厚一個殼，而是一整套系統工程，要在能量密度、熱管理、防爆結構、重量之間找到平衡點。

　　成本、付費與玩具人形：真正的短板，不在成本，而在可作業能力

　　新浪財經：天魁一號這種產品成本很高，聽起來距離大規模應用很遠。對你們來說，最大的阻力是什麼？是成本，還是客戶認知？

　　劉爽：今天最大的阻力，本質上還是技術——機器人可作業能力。我們的下游客戶大量是央企和國企，他們客觀來說付費能力並不弱：在一些前瞻性場景，他們願意拿科研經費、立項預算，來先試先行。真正的關鍵問題是：你能不能在這個場景跑得通？能不能做到真正可作業，而不是隻會走個過場？

　　我一直在跟同行講一個觀點：成本不會成為中國具身智能機器人產業的bug。我們的工業能力足夠強，把一個1000塊錢的總成做成幾十塊錢，這不是難事。關鍵在規模，在量。你去看光伏、電池這些行業，十年把成本打到原來的1/10，是通過產業化的規模實現的。我相信機器人賽道大概率也會複製類似的曲線。所以今天這麼早就把成本當成競爭邏輯，是邏輯不通的。

　　更有趣的是用戶認知——很多用戶對機器人的認知，其實是超預期的，我們反而要管控他們的預期。今年上半年，人形機器人火得一塌糊塗，各種唱歌跳舞的視頻刷屏之後，很多業主以為：機器人馬上就可以進家庭，陪你聊天、幹家務；馬上就可以大規模進工業現場，穩定爬樓、開門、按按鈕。但當他們真的把機器人請進現場，就會發現現實差距非常大：連穩定爬樓梯這件事情，要做到通過率超過50%，對現階段的雙足人形機器人來說都不是一件容易的事。

　　所以我經常說：如果機器人真的能幫你幹家務，10萬、20萬都會有人買；如果只是一個玩具，你賣到1000塊錢，很多人都覺得貴。

　　人才與產學研：想不踏空，就得提前十步去高校看方向

　　新浪財經：你多次提到基礎研究的重要性，現在天創在招人時會更看重哪類人才？

　　劉爽：我們現在招人有個挺有意思的現象——非常願意招數學、統計學、應用數學出身的同學，特別是做數據統計、建模的。原因很簡單：2013~2015年之前那一波機器人公司，做的是工程化問題——把成熟的底層技術摘下來，做應用層創新和場景方案；2023年之後這一波，做具身智能的公司，更多是在看基礎學科的研究能力，和底層技術的研發能力。

　　現在我們看一個新成立的具身智能機器人公司，會看三點：

　　1． 有沒有首席科學家？他是什麼教育背景、科研高度？

　　2． 團隊過去發了哪些論文、做過哪些project？

　　3． 產業定位是什麼，是做大腦，還是做本體，還是做關鍵零部件？

　　對於我們這些已經走到工程化批量應用階段的企業來說，如果不想在具身智能階段踏空，就必須回頭去做一些基礎理論研究和產學研結合。

　　我自己去年也回清華讀了自動化系的博士。今年11月清華成立具身智能與機器人研究院，我的導師是這個研究院的副院長，學院依託自動化系建設，整合了計算機、機械、電子幾個專業。我覺得這是一個很強的信號：在做產業應用、做工程創新的同時，我們必須同步跟蹤基礎理論，在基礎研究上找到自己可以單點突破的抓手，構成企業長期的核心競爭力。你剛纔提到產學研融合，確實，高校教授往往不懂商業，企業又不一定能深入基礎科研，中間有一道鴻溝。

　　大家其實有共識：能發高水平論文的成果，10年內通常不會大規模產業化。所以企業真正要做的是——提前半步。問題在於，要提前半步，你就得提前十步去高校看方向。在一個技術範式尚未收斂的時代，這件事非常難，但又非常必要。

　　遙操作只是過渡，危險作業是終極目標

　　新浪財經：你多次提到遙操作+自主是現在的技術狀態，你覺得遙操作會不會成為一種長期形態？

　　劉爽：我看得比較清楚：遙操作一定是一個過渡形態。它的價值有兩點：

　　1． 支撐當下機器人立刻可作業，讓機器人今天就能幹點活；

　　2． 在遙操作的過程中，為未來全自主階段，積累數據和作業經驗。

　　你可以把它理解為自動駕駛裏的輔助駕駛。今天我們叫它遙操作，某種程度上，它就是具身機器人時代的L2/L2+。

　　新浪財經：如果用一句話來概括，你最希望機器人替人類完成的事情是什麼？

　　劉爽：只要是存在人傷風險的作業，都不應該再由人去做，都應該交給機器人。這是我們做天創、做天魁一號這類產品最原始的動力。

　　三年戰略：圍繞工業智能運維，把可作業這件事閉環

　　新浪財經：如果用三個詞去概括天創未來三年的戰略，你會怎麼說？

　　劉爽：我們內部其實挺清晰的，一直都不是簡單地講人形機器人，而是講可作業機器人。從2017年我們給公司的定位就是：工業智能運維的全球領軍企業。

　　工業智能運維這件事，我們把它拆成了這幾個階段：

　　1． 可達：先把機器人送到現場；

　　2． 可感：把數據採回來，做分析、做故障診斷、做輔助決策；

　　3． 可作業：既能看，也能動手；

　　4． 後面還有更高階段，是全自主、全閉環的智能運維。

　　天創未來三年的戰略很簡單：在工業智能運維領域，依託人形機器人等技術，把可作業這件事真正閉環。

　　新浪財經：如果你要說天創機器人的護城河，是產業技術，還是場景覆蓋？

　　劉爽：我們現在是兩條腿走路：一條是產品研發的先發優勢；一條是在產業應用生態上的打造。人形機器人這件事情，一定要靠生態才能成長。從這個角度看，我非常認可一些類似公司的生態價值——它們早期最牛的地方，不只是品牌或者創始人的光環，而是軟硬一體化做得足夠早，並且在科研場景裏形成了生態：大量高校、科研機構的人才，是用它們的硬件和軟件做應用開發長大的；這些人走上工作崗位之後，有慣性，會繼續基於這套生態往下做。

　　這就像當年自動化行業裏的PLC：你在學校學的是三菱，畢業後十年可能都習慣用三菱。這種路徑依賴極強。我今天看人形機器人企業，也會用類似邏輯去看：誰有能力在研發端和應用端，同時形成一個穩定的生態網絡，誰就更有長期的確定性。

　　結語：這是一個又寬又長的賽道，我們還在前半程

　　最後一個問題，我問劉爽：有沒有哪個關鍵瞬間，讓你確信具身智能機器人一定會改變社會？

　　他的回答沒有給出一個具體時刻，而是對這幾年信息爆炸速度的一種感受：已經不是某一個瞬間了，而是持續處在一種興奮狀態。每年都有五六個事件，讓你看到機器人能力在往前走。從春晚舞臺上拋手絹的人形，到工業現場裏擰閥門的天魁一號；從科研實驗室裏精巧的靈巧手，到礦區、化工廠的巡檢機器人；從大模型驅動的世界模型，到強化學習出來的動作庫……這條從特種機器人到具身智能的路，還遠沒有走完。

　　在劉爽看來，這只是一個又寬又長賽道的前半程。

　　他沒有急着給出一個具體的時間表，而是反覆強調一句話：先別急着談量產和成本，先把機器人在真實場景裏的可作業能力，一點一點做紮實。

責任編輯：公司觀察