Jiayun's Blog

引子：同一周，两份相反的"通用机器人"答卷

2026 年 5 月 12 日，Hello Robot 发布 Stretch 4——售价 29,950 美元，开源、单臂、轮式底盘，能连续工作 8 小时，已经卖给 30 多个研究机构。

2026 年 5 月 14 日，Mind Robotics 宣布新一轮 4 亿美元融资，累计融资突破 10 亿美元，由 Kleiner Perkins 领投，Andreessen Horowitz、Accel、Meritech 跟投。这家公司由 Rivian 联合创始人 RJ Scaringe 在 2025 年 11 月成立，第一个客户是 Rivian 自己。Mind Robotics 没有发布任何机器人照片，他们的官网上只有一行字：

“We are not building single-task machines. By leveraging modern progress in physical AI, we are developing a platform that generalizes across core tasks and scales across manufacturing domains.”

同一周内、同一个市场（“通用机器人”）、同一个目标（在工厂落地），两家公司给出的策略却几乎完全相反。这种分叉非常罕见——它意味着行业还没有形成共识，资本却已经下了两边的注。

本文要回答的核心问题：

1. 这两条路线在技术、商业模式、单位经济上的本质区别是什么？
2. 为什么 2026 年是"通用机器人"路线必须分叉的年份？
3. 5 年后哪一边会赢——还是它们根本不在一个赛道？

一、两份产品规格的直接对比

先把数字摆上桌：

这不是两个产品的对比，是两套商业逻辑的对比。

二、路线 A：Hello Robot 的"研究者基础设施"

Hello Robot 创立于 2017 年，CEO Aaron Edsinger 出身 MIT Humanoid Robotics Group。这家公司过去 9 年的核心战略可以一句话总结：做研究者愿意用、应用开发者愿意改的"通用机器人 Linux 盒子"。

Stretch 系列的形态选择体现了这种哲学：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

┌─────────────────────────────────────────────────────────┐
│              Stretch 4 形态决策树                       │
├─────────────────────────────────────────────────────────┤
│                                                         │
│  形态: 伸缩立柱 + 单臂                                  │
│   └─ 拒绝了双足/人形（成本×10、不稳定）                 │
│   └─ 拒绝了双臂（大多数家务/桌面任务单臂够用）          │
│                                                         │
│  传感: 2× 半球 3D LiDAR + 3× 高分辨率相机 + 6× 激光线   │
│   └─ "Waymo-style sensor-rich"——多冗余、可解释          │
│   └─ 拒绝了"纯视觉 + 大模型"路线（成本太高）            │
│                                                         │
│  软件: ROS 2 + Stretch AI Body + 开源 SDK              │
│   └─ 完全开源，鼓励 fork                                │
│   └─ Hello Robot 不卖 SaaS、不卖模型                    │
│                                                         │
│  续航: 8h + 自动充电桩                                  │
│   └─ 研究场景"白天工作晚上充电"足够                     │
│   └─ 不追求"24×7 工业级"                                │
│                                                         │
└─────────────────────────────────────────────────────────┘

这条路线的关键叙事是 Stanford 的 Mobile ALOHA、CMU 的 OK-Robot、Princeton 的 USA-VLA 等学术成果几乎都跑在 Stretch 上。Hello Robot 实际上在做 NVIDIA 在 GPU 市场早期做的事——让学术界先用上你的硬件，等你的硬件成为 paper benchmark 之后，工业界自动跟进。

它的单位经济非常清晰：

• 硬件 BOM 估算：~$15,000
• 售价：$29,950
• 毛利率：~50%
• 每台不需要后续 SaaS 订阅（虽然 Hello Robot 也卖服务）
• 一次性现金流，无 churn 风险

这是教科书级的 “硬件产品公司” 模式。它的天花板是大学和企业 R&D 部门——市场规模大概 $5-10 亿/年。

三、路线 B：Mind Robotics 的"垂直闭环平台"

RJ Scaringe 在 Rivian 创业的关键经验是什么？是 垂直整合——Rivian 自己造电池、自己造电机、自己造车机软件、自己开零售店。这套打法在汽车行业被 Tesla 验证过，但极重资本，也极难。

Mind Robotics 显然在复制这套打法到机器人：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

┌──────────────────────────────────────────────────────────┐
│           Mind Robotics 垂直整合栈                       │
├──────────────────────────────────────────────────────────┤
│                                                          │
│  Layer 4: 客户与场景                                     │
│   └─ Rivian 工厂（first customer）→ 其他大型制造商      │
│   └─ 单一客户深度部署，制造高质量数据                    │
│                                                          │
│  Layer 3: 部署基础设施（"deployment infrastructure"）     │
│   └─ Fleet management、远程运维、OTA                     │
│   └─ 类比 Tesla 的"机器人售后体系"                       │
│                                                          │
│  Layer 2: 自研 Foundation Model                          │
│   └─ Rivian 工厂遥操数据 → VLA 训练                     │
│   └─ Data Flywheel：用得越多，模型越好                  │
│                                                          │
│  Layer 1: 自研硬件                                       │
│   └─ "purpose-built robotics"（专用硬件，非通用人形）   │
│   └─ 推测：多臂固定式 + 移动单元混合编队                 │
│                                                          │
└──────────────────────────────────────────────────────────┘

这条路线的核心赌注是：通用机器人的胜负不在硬件本身，而在数据+部署的反馈循环。Mind Robotics 的护城河不是某个机械臂多灵巧，而是：

1. Rivian 一年生产数十万辆车，每个工位每天产生数百小时遥操数据
2. 这些数据完全归属 Mind Robotics
3. 反过来这些数据训出来的模型只服务于 Mind Robotics 的硬件
4. 客户黏性极高（不是买一台，是买一整套部署）

这是 “数据飞轮 + 垂直 RaaS” 模式。它的单位经济长期是 ARR，而不是一次性硬件销售：

• 每台年合同价：$50k-150k（推测）
• 毛利率（成熟期）：60-75%
• 客户终身价值（10 年）：$500k-1.5M/台
• Net Revenue Retention：>120%（部署越多越多）

天花板是制造业自动化总市场——全球 ~$5000 亿/年（按 IFR 数据），可寻址市场（SAM）几十亿到上百亿美元。

四、为什么 2026 年是分叉点？

过去 5 年的具身智能创业，大致都在"低空赛"——所有公司都在做 demo、所有 demo 都在 YouTube 上看起来惊艳、但实际部署的极少。2026 年发生了三件事让"路线"问题不可回避：

事件 1：VLA 模型门槛快速下降

DeepMind 的 Gemini Robotics-ER 1.6（5 月发布，参见 DeepMind Blog）、Figure 的 Helix、Physical Intelligence 的 π₀.₅、Boston Dynamics × DeepMind 的 Spot Reasoning——2026 上半年至少 5 个团队公开了能跑在"任意机器人"上的 VLA foundation model。这意味着 Hello Robot 这种"开源平台"得以低成本接入 SOTA 智能。做硬件平台，不需要自研大模型，依然能让用户跑出 SOTA 结果——这是路线 A 成立的前提。

事件 2：1X NEO、Figure 02 量产受挫

2025-2026 这轮人形机器人热潮，最大叙事是 1X NEO 在挪威工厂启动量产（参见 6 天前发表的相关分析）。但接下来 6 个月行业内的真实情况是：量产远比想象中难。机械臂的可靠性、电池续航、维护周期、安全认证，每一项都是"硬件公司的难题"，不是 AI 公司用模型就能解的。这个现实让 Mind Robotics 的"垂直整合"路线获得 LP 青睐——做模型的人需要也学会做硬件、做部署、做服务。

事件 3：政策杠杆向"制造业自动化"倾斜

美国 CHIPS Act 之后，针对制造业回流的政策红利极多。Rivian 这类电动车厂、SpaceX 的 Terafab（参见 6 天前发表的分析）、Apple-Intel Foundry 的潜在协议……所有这些"美国本土制造"的故事都需要一个共同前提：美国劳动力短缺，必须靠机器人填补。这给 Mind Robotics 这种"专攻制造业"的路线带来了独有的政策窗口。

五、两条路线的真实风险

路线 A（Hello Robot）的风险：

路线 B（Mind Robotics）的风险：

第一行风险特别值得展开。**Mind Robotics 第一个客户是 Rivian——但 Rivian 自己在 2025 年 Q4 损失了 9 亿美元，年产能利用率不到 50%。**如果 Rivian 短期不能站稳，Mind Robotics 的"data flywheel"在物理上转不起来。

这是一个有趣的对比：Tesla 用 Tesla 工厂训练 Optimus、Rivian 用 Rivian 工厂训练 Mind Robotics，但 Tesla 工厂的运转质量是 Rivian 的 5x。资本市场显然在押注 Scaringe 能把 Rivian 翻盘，反过来支撑 Mind Robotics。这是双重赌注。

六、跨领域类比：这像极了 2014 年的"自动驾驶"

对比 2014 年自动驾驶赛道的两条路线：

历史给出的答案是：平台路线先盈利、规模化更快；垂直路线天花板更高但需要 10+ 年。

如果机器人赛道走同样的曲线，Hello Robot 在 2030 年前会更赚钱，Mind Robotics 在 2035 年才可能见到真正的拐点。

但这个类比有个不成立的地方：Mobileye 的 EyeQ 是一颗芯片，可以快速复制到几亿辆车。Hello Robot 的 Stretch 是一台 30,000 美元的金属设备，复制速度的物理上限是装配产线。这让"平台路线在机器人里"的天花板比"平台路线在自动驾驶里"低一个数量级。

七、我的判断：5 年后的格局

放上我的明确预测：

5 年后（2031 年）的通用机器人市场分布：

为什么 RaaS 路线只有 25%？因为这个市场天然不允许出现"赢家通吃"。Tesla 不会买 Mind 的服务，BMW 不会买，丰田不会买——大型制造商最终都会自研。RaaS 只能服务中型制造商。

为什么 Hello Robot 这条路线 15%？因为研究者市场太小，真正大的是中小型应用集成商，而这些集成商的体量决定了他们倾向用"成熟、便宜、可改"的硬件——这正是 Stretch 的位置。

最有意思的判断是 35% 的"大公司自研"。Mind Robotics 的真正风险是它的目标客户中最有钱的那些（Tesla、苹果、亚马逊）都会自研。这是为什么 Mind 紧紧抱住 Rivian——一个不够大、不会自研、又有真实工厂的客户。

八、给读者的实操建议

如果你是机器人/具身智能方向的研究者或工程师：

1. 现在就买一台 Stretch 4 或类似平台。$29,950 听起来贵，但相比写论文用的 GPU 集群价格亲民得多。学术能力的护城河越来越在"你的实验能上真实机器人"而不是"你的模型在 sim 跑得快"。
2. 不要在简历上写"做过 VLA 模型"——这已经是标配。要写"我把 X 模型部署在 Y 真实硬件上跑过 Z 真实任务"。
3. 关注 Stretch 5 / Mobile ALOHA 2 等"中型通用机器人"。这是未来 5 年发表论文性价比最高的赛道。

如果你是投资人或创业者：

1. 避免再投"通用人形+VLA"的新公司。这个赛道已经过度拥挤，1X、Figure、Apptronik、Mind Robotics 五家已经吸走 90% 资本。
2. 看好"垂直应用 + 已有平台"。比如：用 Stretch + 自己的微调模型做药房、做实验室、做养老——这种创业团队 6 个月就能 demo，1 年能签首单。
3. 谨慎"大客户绑定"型公司。Mind Robotics 是个高质押注：如果 Rivian 稳，它赢；如果 Rivian 倒，它倒。这种二元结果不适合大多数 LP。

如果你是制造业 IT / OT 决策者：

1. 2026-2027 年是"通用机器人 PoC"的最佳窗口。供应商竞争激烈、价格让步空间大、政策补贴足。
2. POC 要选"有现存可比工艺"的工位——而不是"未来的理想化场景"。这是决定 ROI 能否兑现的关键。
3. 数据所有权写进合同——RaaS 合作中最大的坑是"你的工厂数据被供应商拿去训别人"。

九、结语：通用机器人不止一种通用

这个标题想说的最后一件事是：“通用"这个词在 2026 年不再有单一定义。

Hello Robot 的"通用"是 形态通用 ——同一台机器人，可以做养老、做实验室、做接待、做家务。它的"通用"在硬件层。

Mind Robotics 的"通用"是 任务通用 ——同一个 foundation model，可以做拧螺丝、可以做装配、可以做质检，但都在制造业语境下。它的"通用"在数据和模型层。

Tesla Optimus 想做的"通用"是 场景通用 ——同一种人形机器人，工厂能用、办公能用、家庭能用。它的"通用"在终极形态。

这三种"通用"不是竞争关系，是不同的市场切面。2026 年我们终于看到这种切面被同一周两家旗帜公司清晰地标注出来——这才是 Mind Robotics × Hello Robot 这场对比真正的历史价值。

未来 18 个月，建议你密切关注三件事：

• Mind Robotics 第一个非 Rivian 客户签约（决定 RaaS 路线是否可外推）
• Hello Robot 的"Stretch in Industry"项目（决定平台是否能跨出研究边界）
• Tesla Optimus 的"Bot-on-Bot"装配示范（决定垂直整合是否能完成自循环）

哪一个先发生，哪一条路线就率先证伪——或证实。

参考来源

• The Robot Report — Mind Robotics raises $400M to scale AI-powered robots in manufacturing (Brianna Wessling, 2026-05-14)
• The Robot Report — Hello Robot’s latest Stretch 4 is bigger, faster, and stronger than previous versions (Brianna Wessling, 2026-05-12)
• IEEE Spectrum — Hello Robot Sets the Standard for Practical, Safe Home Robots (IEEE Robotics)
• DeepMind Blog — Gemini Robotics-ER 1.6: Powering real-world robotics tasks through enhanced embodied reasoning
• Mind Robotics 官网 — Company description（撰文时尚无产品页）
• International Federation of Robotics — World Robotics 2025 Report (IFR 2025 年度报告)
• Rivian Q4 2025 Earnings Report（背景：Rivian 自身经营状况）
• Stanford Mobile ALOHA paper (背景：Stretch 在学术界的应用)