整理：Felix, PANews
Andrew Kang 是一位資深的加密貨幣投資者，也是專注於機器人產業的公開交易封閉式基金RoboStrategy（納斯達克股票代碼：BOT）的執行長。本次對話將深入探討Andrew 為何將資金從加密貨幣轉向人形機器人，以及他為何認為機器人市場足以與人類勞動市場相提並論。此外，還將討論中美機器人競賽、機器人產業可能帶來的就業流失。
PANews 就對話精華進行了整理。
主持人：為什麼會將注意力和資本轉向一個可能大多數人目前還不太理解的市場？
Andrew：原因有很多，但最重要的是我們終於要真正擁有機器人了。這曾經只是科幻小說裡的夢想，但我們終於到了它成為現實的階段。這不是一個需要50 年或20 年才能實現的事情，這大概只需要3 到5 年，你就會在日常生活中看到人形機器人。
主持人：在你的願景中，人形機器人究竟會如何融入我們的未來？
Andrew：我認為在未來，所有場景幾乎都是可能的。人形機器人將以與人類相同的方式參與並承擔工作。它們中的一些可能會專注於特定工作，例如成為餐廳的服務員；有些可能會在特定的工廠崗位上工作；有些可能會成為你家中的私人助理。我認為人形機器人的美妙之處在於它們對日常世界的適應性。它們可以和我們一樣在相同的建築物裡上下走動，使用和我們一樣的工具。總的來說，它們非常多功能且適應性極強。這就是人形機器人與那些特定應用機器人之間的差異。
你可以看看日常生活中類似概念的普及，例如你的智慧型手機。它是非常通用的，可以用它放音樂，當大地圖導航，也可以用它打電話。同理，人形機器人擁有如此巨大的通用多功能性，因此它滲透到日常生活的方方面面是完全合乎邏輯的。
主持人：你認為人形機器人的市場規模有多大？
Andrew：要理解這一點，你必須看看人類勞動市場的總規模。人類勞動力約佔了全球GDP 的50%，有人將其定在40 兆到60 兆美元之間。這是一個天文數字。我的思考方式是，人形機器人在未來可以做人類能做的一切事情，但它不需要休息，不需要喝咖啡偷懶，不需要去度假，也不會對你撂挑子不干。所以你不需要為了離職率而不斷招募和重新訓練新員工。工廠裡的許多工作都很枯燥、很辛苦，員工流失率極高，這給實體勞動力帶來了高昂的間接管理成本，而機器人完全沒有這些問題。因此，一個機器人理論上可以承擔大約三個人的工作（假設它能夠支援多班倒連續工作）。
如果從這個角度來看，即機器人將取代大部分體力勞動，那麼你也可以做一個「由下而上」的分析：假設一台機器人賣5 萬美元。相較之下，人類員工你每年都要付薪水，而機器人是一次性費用，後續可能只需要付一點電費和少許維護費。當把它折算到每小時的成本上，並預期這台機器人可以支援使用數年時，這個數學公式算下來大約是每小時2 美元。而在美國，算上一般工人的全部綜合成本、年終獎金、保險以及所有相關福利，大約需要35 到40 美元/小時。因此，在成本結構上，選擇機器人是毋庸置疑的。即便你把它與印度、菲律賓或印尼等低收入國家相比，每小時2 美元在那些地方同樣很難被超越，尤其是考慮到剛才討論的所有附加優勢。
由此可以得到一個認知：未來的機器人數量會非常龐大。每年能賣出數十億支手機、數億台PC 和汽車，因此未來可能也會賣出類似數量的機器人。就算退一步，假設只賣出10 萬台機器人，每台5 萬美元，那就是大約50 億美元的營收。如果你能創造這麼多營收，假設利潤率不錯，你可能已經是一家價值千億美元以上的公司了。
那如果賣出100 萬台呢？那就是500 億美元的營收，已經逼近了一些全球最大公司的規模。但100 萬台機器人其實根本不算什麼，因為光是亞馬遜就有數百萬名員工，沃爾瑪也有數百萬名員工。而如果賣出數千萬台呢？那就是5000 億美元的營收。你可以看到一條非常清晰的路徑，讓我們如何有可能實現數萬億美元的營收，而這對應著數十萬億美元的市值。
這甚至還沒有考慮到「傑文斯悖論」：當你降低某種產品的勞動成本時，你實際上是在擴大市場總規模。因為現在，那些以前因為太昂貴而無法進行的事情，在經濟上變得可行了。這種「自上而下」的市場規模推演可以讓人豁然開朗。就像蘋果公司一樣，如果在2006 年iPhone 出來之前，你告訴別人這是一家市值3 兆美元的公司，大家會覺得你瘋了。因為當時它好像也就是個500 億美元的公司，3 兆美元在當時比大多數巨頭加起來還要大。所以，人們往往嚴重低估了真正具有變革性的科技飛躍所能帶來的價值創造。
主持人：據我所知，你在過去幾年投入了巨額個人資本，甚至開出了8 位數的個人支票投資這些私人公司。是什麼讓你確信這些人形機器人真的會如此普及？
Andrew：這很有趣，因為我在2023 年底開始投資人形機器人特別是Figure AI 時，這絕對不是市場共識。當時ChatGPT 剛出來，很明顯AI 的發展將急劇加速，我們不僅會獲得數位AGI（通用人工智慧），還會獲得實體AGI，而智慧一直是製造機器人的瓶頸，現在這個問題即將被解決。我去找了我傳統的VC 網絡，他們都叫我不要投資，因為歷史上硬體和機器人產業的迭代周期長、成本高、部署混亂，很少產生巨大的創投回報。但我認為，物理智能的發展將改變這一切，許多投資者沒有意識到這一點。一開始我是透過四個SPV（特殊目的實體）投資的，我甚至懷疑自己是不是被坑了，為什麼世界頂級的VC 都不投？ 深入研究後我發現，他們只是不願意偏離自己舒適的投資論點。我非常確信這有產品市場契合度，所以我把初始投資從100 萬美元增加到500 萬，最終加到了1900 萬美元。儘管當時我還沒和創辦人Brett（Figure AI 創辦人）直接談過，但研究了他的背景和組建的世界級團隊後，我知道他們非常有可能成功。
主持人：多談談Figure AI 吧，他們有什麼不同之處，或者說護城河是什麼？
Andrew：實在太多了。首先是Brett 組成的這支團隊的含金量。在Figure 成立時，雖然已經有一些人形機器人公司存在了更長時間，但Figure 的迭代效率和執行速度是無與倫比的，無論是月復一月還是季度復季度，你都能看到顯著的進展。
如果你退一步思考眼前的挑戰：如何解決通用機器人問題？這是世界上最難的挑戰之一。你需要電腦視覺方面的博士，需要機器人行為學的博士，需要手部工程的專家，需要開發機隊編排軟體的專家。你有這麼多不同的專業領域，在每個特定領域裡，全球可能只有幾百個真正稱得上精通的人才，而你需要把他們全部吸引到同一家公司裡。這極為困難。
因此，你需要一位有這種號召力的創辦人，而且他還要能募集到讓公司走向成功所需的數十億美元資金。 Brett 是我當時發現的極少數有能力做到這一點的創辦人之一。在當時，除了特斯拉之外，人形機器人賽道沒有任何公司能與他們相提並論。
主持人：這讓我想起了無人機產業，有些技術團隊能做出創新的硬件，但很難圍繞它建立業務。而現在的人形機器人團隊似乎不只懂技術，還有建構商業業務的經驗？
Andrew：是的，技術經驗固然重要，但投資人有時會過度重視教授型人才。看看Brett 的背景，他的第一家公司Veter 專注於招聘，所以他非常懂得如何吸引頂尖人才；第二家公司Archer 透過SPAC 上市，市值幾十億，他創新了商業上從未有過的新型複雜機械。美國因為長期將硬體設計和製造外包給中國，這種能創造階梯式改變的技能組合在美國極為罕見。
主持人：提到中國，中國在硬體製造方面非常出色，甚至舉辦了機器人跑半馬和奧運。你覺得美國公司能在這領域擊敗中國嗎？
Andrew：這是一個大話題。首先，中國在製造業上無疑是最強的，我認為他們會繼續保持這一優勢。但我會從三個核心能力來評估一家機器人公司：第一，執行高效大規模製造的能力；第二，硬體設計；第三，AI 能力。
製造端我們談過了，中國非常強勢。而在美國，像特斯拉和Figure 這樣的公司也在製造端變得非常強大。在硬體設計方面，我認為美國的Figure 和特斯拉處於最頂端。而在中國，可能擁有超過100 家不同的機器人公司，它們的硬體設計處於不同程度的卓越水平。如果你看看宇樹，他們的五金用來做研究和娛樂是非常棒的，你能看到它們做後空翻、跳舞。但你不能直接把同一台G1 機器人放進工廠裡，讓它去搬運30 磅的重物，它會散開。這並不是說宇樹設計不出更耐用的機器人，只是這目前不是他們首選切入的市場。
儘管如此，我認為真正被低估、且美國正處於領先地位的是AI 部分，也就是物理智能。美國頂尖的物理AI 實驗室相比中國擁有技術優勢。而如果沒有機器人的“大腦”，機器人基本上是沒用的。如果這個趨勢持續下去，我們或許真的會看到中國機器人公司在物理智慧上對美國產生某種依賴。
另外同樣被低估的一點是：科技的發展並不總是與創造的商業價值1:1 等同。中國可以誕生非常驚豔的機器人技術，整個產業可以很繁榮，但這並不總是意味著它能轉化為最大的市值或為股東帶來最大的勝利。你在汽車、電動車和手機產業已經看過了類似的先例。
中國製造了極為出色的手機，也製造了極為出色的電動車。看看比亞迪，我認為很多人對他們的車讚不絕口，他們的汽車銷量超過了特斯拉，但他們的市值可能只有特斯拉的1/10 或1/20，而且他們的利潤率要明顯低得多。這是所有中國硬體公司普遍面臨的問題：它們處於一個極致內捲、競爭極為激烈的環境中。這在一定程度上是受到政府鼓勵的，政府發放這些補貼並給這些公司提供支持，他們希望市場上存在廣泛的玩家進行競爭。
但這樣做的最終結果，我認為更多是造福了社會和國家內的消費者，而不是公司企業本身。顯然，這些公司必須成功，必須成長經濟價值。但同時，這並不意味著它們能成長得像美國最大的公司那樣巨大。例如，儘管華為和小米做出了偉大的手機，但蘋果仍然是美國最大的手機公司。
主持人：除了資本市場，監理環境也很有趣。美國社會對這些技術有各種爭議和審查，而中國公司似乎得到了大量政府補貼。沒有補貼的美國公司在自由市場中競爭，長遠來看是否反而是優勢？
Andrew：有一點道理，但我還是認為有政府支持對產業是非常正面的，美國也應該有更多的政府支持。中國存在公司與地方政府成立合資企業收集訓練資料並採購機器人的情況，雖然這會壓低利潤率並導致IP 技術外流，但也促進了創新。對美國來說，重新工業化和擺脫供應鏈依賴是一個大推力。就像拜登政府對中國電動車徵收100% 關稅，以及FTC 因為電信設備和軟體安全問題封鎖特定國家的車輛一樣，機器人也是充滿了視聽和電信設備的，很難想像美國政府會讓外國機器人在美國佔據主導地位。現在也正在推動一些法案，禁止聯邦資金購買特定國家的機器人，並可能擴展到日常生活中。
主持人：這些法案是出於保護主義還是國家安全考量？
Andrew：兩者兼具。就像TikTok 的經驗一樣，當機器人進入人們的家庭或五角大廈時，潛在的監控風險是一個巨大的國家安全問題。同時，美國政府也應該像投資英特爾一樣，透過直接投資、優惠貸款和教育計畫來大力激勵本土機器人產業，我們在政策上其實稍微落後了。這也是我們創辦Robo Strategy 的原因，美國需要在這個未來最重要的產業投入數十億美元。
主持人：在軟體AI 中，我們看到通用模型和專用工作流程都在成功。在機器人領域，既有Figure 這樣的通用應用，也有像Physical Intelligence 這樣可能更專注於特定應用的公司。你如何看待通用與專用？
Andrew：這在歷史上發生過很多次，就像智慧型手機取代了GPS 和MP3，但手錶產業依然存在；GPU 和ASIC 晶片也都有數兆美元的市場。很多人認為完美的世界應該是一切都專門訂製的，但事實並非如此。通用機器人的優勢在於規模經濟：它可以在驚人的規模下製造，這能帶來你無法在單一應用上獲得的龐大單位經濟效益，可能會讓生產成本降低80%。當然，專門的機器人（如我們投資的用於焊接的Path Robotics，或家庭建築機器人）也會存在，並且都會是龐大的市場。但在一個不斷變化的世界裡，工廠的生產流程隨時都可能改變，你需要一個最大程度上具備適應性的通用設備（例如人形或輪式雙臂機器人）來處理各種工作。
主持人：紐約有一家新創公司提供免費打掃公寓的服務，條件是工作人員戴上攝影機收集訓練資料。這會變成一場尋找最佳訓練資料的全球尋寶遊戲嗎？
Andrew：數據問題很有趣。以前人們覺得我們需要像大語言模型（LLM）那樣從頭收集所有的實體環境數據，這將非常耗時且耗力。但最近的發展改變了我的看法：基於網路視訊資料訓練的視訊生成模型（世界模型），如Sora 或中國的Kling（可靈），已經學會了對世界、物理學和流體力學的理解。當你推倒一個玻璃杯，水會怎麼流，這些數據在網路影片中已經有了，它們被證明是非常有用的機器人基礎模型骨幹。當然，我們仍然需要收集那些網路上不存在的特定環境資料（例如在工廠製造某種書籍），但所需的規模比以前人們認為的要少得多。
主持人：亞馬遜約有150 萬名人類員工，但他們報告說擁有75 萬台非人形機器人。在倉儲或自動駕駛汽車中，這種非人形的專用機器人會是某種“特洛伊木馬”，率先推動採用，最後再由人形機器人拿下最大市場嗎？
Andrew：是的，設計一個執行單一特定任務的機器人肯定比訓練它做50 種任務要容易，所以你會先看到特定應用機器人的普及。但人形機器人的發展是指數級的，很快我們就會看到人形機器人製造其他的人形機器人。特斯拉、Figure 和Apptronik 都已經暗示過這一點。就像AI 幫助研究AI 一樣，機器人將協助開發機器人，而最新的模型例如Claude 3.5 Sonnet (Opus 4.8) 等也能協助進行機器人AI 訓練。
主持人：在未來的十年裡，一般人的生活會是如何？我們會信任這些人形機器人去打掃、遛狗甚至照顧睡覺的孩子嗎？
Andrew：這牽涉到了遠端遙操作（Teleop）與完全自動化的爭論。遙操作意味著有人在遠端穿著外骨骼控制機器人，這常被用來收集資料。但我對這種方法進入家庭持懷疑態度，因為你不會希望有個陌生人透過機器人看到聽到你家裡的一切，這會失去私人空間。當這些機器人變得完全自動化時，情況就會像今天人們對待ChatGPT 或Claude 一樣，人們甚至會向它們傾訴連朋友都不會說的私人資訊。孩子從小和依賴的機器人一起長大，人機界限將會變得模糊，就像現在很多孩子對著Alexa 說話並把它當成人類的代理一樣，人形機器人在物理世界裡甚至可以因為被專門訓練過而做得比人類更好、更討人喜歡。
主持人：你怎麼看特斯拉在公開市場的表現以及他們的Optimus 機器人？他們能贏得這個市場嗎？
Andrew：毫無疑問，特斯拉將是人形機器人領域的大贏家，我絕對不會跟馬斯克對賭。雖然Optimus 計畫在過去一兩年遇到了一些阻礙，在AI 自動展示方面他們還沒有展現出像Figure 那樣連續9 天自動分揀包裹的驚人能力，但他們遲早會趕上。而且沒有人在美國能在製造能力上擊敗他。他們的五金品味和風格非常重要，能藉此賣出溢價。手部設計是機器人最複雜的部分，需要極其精確並經受常年的磨損，而特斯拉在這方面可能仍在重新設計以追求完美。
主持人：隨著這一切發展，人類是否應該開始擔心工作被負面影響了？
Andrew：絕對的。有些科技CEO 會用歷史美化這一點，說每次科技革命都會帶來新的工作。但這次不同，以前你只需要在認知堆疊上向上移動，去做需要更多思考和規劃的事；但現在，AI 正在徹底取代人類的認知能力和物理能力，你已經無處可退了。這會摧毀大量白領和藍領的工作，為了應對這個無法阻止的科技浪潮，我們需要像全民基本收入（UBI）這樣的政府安全網。
主持人：隨著人形機器人的崛起，為了適應它們，物理世界（例如工廠佈局）會改變嗎？
Andrew：數十年來，機器人（如各種咖啡機和協作機器人）其實一直和人類一起工作。協作機器人已經存在了20 年，但目前每年全球的安裝量只有大約50 萬台（大部分在中國，美國很少），原因是為它們編程並確保其全天候可靠運行的成本極其昂貴，往往超過機器人本身的成本。但當我們讓這些機器人變得智慧時，部署成本會大幅下降，它們在世界各地都會變得更經濟可行。
主持人：可以談談你們的作品集嗎，除了Figure，你們還投了誰？
Andrew：我們關注的範疇遠遠超過人形機器人本身，也包含了其他許多完全不造人形機器人的優秀機器人公司。其中一個典型的例子是Standard Bots；另一個例子是Dino Robotics 及其投資組合。 Dino 正在建造一些看起來像是帶輪子的人形硬件，同時他們也是整個行業中正在構建機器人「大腦」（演算法層）的最頂尖的研究團隊之一。
此外，這裡面還包含了供應鏈裡的巨大機會。雖然我堅信產業的大部分價值最終一定會沉澱到供應鏈的終端（整機品牌商），但在某些特定的供應鏈上，絕對會誕生一些生產核心零件的巨無霸企業。以執行器為例，目前它們佔據了一台人形機器人整機BOM（物料清單）成本的整整30% 到50%。而執行器這個細分技術領域，在過去整整50 年其實都沒有發生過任何重大的底層技術演進。因此，在某些特定環節上存在著大量的科技創新空間。
