机器人租金崩了，好戏才刚开始

国庆假期，几千台机器人在景区排班上岗、卖货收款，而同一天，闲鱼上宇树科技人形机器人的日租起步价已经跌到289元。一边是王兴兴说具身智能临界点快则一两年内到来，一边是刘爽提醒别指望什么"ChatGPT时刻"。租金崩盘和临界点叙事同时出现，恰恰说明这个行业正在换挡：从给人看，到替人干活。

📉 租金雪崩：万元日薪到289元

会跳舞的机器人，正在变得不值钱。

这个国庆，景区里除了"人人人人"，多了一批机器人"员工"。它们不再只是台上翻跟头的表演嘉宾，而是真的在排班上岗、卖货收款、巡检安防、夜间演出。综合行业媒体公开报道的粗略统计，已有近30家具身智能及机器人企业进入文旅、零售和消费服务场景，国庆期间在岗规模达到数千台。

与在岗规模膨胀同步发生的，是租金的雪崩。

从万元到289元，名义跌幅超过95%。需要说明的是，289元是挂牌起步价而非实际成交价，且不同型号、不含/含操作员服务的报价差异极大，这里反映的是趋势而非精确水位。

价格暴跌的深层原因，不只是赛道拥挤，而是"机器人表演"这件事出现了严重同质化。当每个景区都能租到一台会跳舞、会握手的机器人，新鲜感就不再是稀缺资源。表演经济的天花板，本质上是注意力经济的天花板。

但反过来读这组数据，结论并不悲观，这里有三层独立于价格本身的信号：

第一，租赁出清是硬件可及性的测谎仪。租金暴跌的前提是供给放量——这意味着本体成本、交付能力、运维体系都已经跑通到可以批量铺货的程度。过去租一台机器人是营销事件，现在是常规采购，这一步在两年前还不可想象。

第二，价格崩的是"人形"溢价，不是"机器人"价值。亏本清库存的租赁商卖的是"会跳舞的 novelty"；真正在景区巡检、卖货收款的岗位型应用，客单逻辑完全不同——客户买的是替代人工的成本账，不是朋友圈素材。同样的本体，换了任务定义，定价体系就从娱乐业换成了服务业。

第三，出清逼着产业链换商业模式。按天出租的边际收益趋零后，整机厂商和运营方只剩一条路：从流量生意转向岗位生意，按任务、按效果收费。这恰恰是从Demo走向生产力的第一声发令枪——收不到效果费的生意，本来就不该叫生产力。

🏭 工厂实习：两道绕不过去的坎

在工厂里，机器人目前还是实习生，不是正式工。

10月12日，第二十六届中国国际工业博览会在上海开幕。宇树科技董事长兼CTO王兴兴在开幕式上给出判断：具身智能的技术临界点可能比预期来得更快，快的话一两年内出现。他的依据是对GPT-6的多轮机器人任务测试，效果"非常不错"，并预判GPT-7可能"直接把问题打穿"。

但同一场演讲里，他也承认：无论泛化性还是效率，要大规模应用都还要继续提高。翻译成车间语言，就是两道具体的坎：

第一道坎是泛化。换个产线、换个工件、换个光照，机器人可能就不会干了。这不是"多见几个场景"就能自然解决的问题——工业现场的任务长尾极长，任何一个新夹具、新节拍都可能让已训练的策略失效。

第二道坎是效率。就算会干，节拍也追不上人类熟练工。工业场景对可靠性、节拍、良率的苛求远高于景区里跳一支舞——景区容错率以"不出事故"计，工厂容错率以"千件不良数"计。试点案例再多，只要泛化和效率不过关，就还停留在"实训阶段"。

把王兴兴的乐观和他自己承认的短板放在一起看，能读出一个更真实的图景：他的乐观是关于模型的，他的保留是关于系统的。"过去十几年我犯的最大的错误，就是对AI相信得还不太够"这句话，说明整机厂商把最大筹码押在了模型能力的指数增长上——本体是躯壳，模型才是变量。但模型能力提升不自动等于工厂可用：从模型能力到产线可用，中间隔着数据回流、安全认证、产线改造、与MES系统对接等一整套工程化链条，每一环都不靠Scaling Law解决。

临界点会不会一两年内到来可以争论，但路线图已经清晰：机器人公司等模型，模型公司等数据，工厂就是那个交汇点。真正值得跟踪的指标不是发布会，而是单台机器人在同一产线上无人工干预的连续运行时长——这个数字什么时候从小时级跳到周级，临界点才算真的到了。

🧠 大脑共识：100亿怎么分

终点大家很有信心，路径大家其实在模糊化。

虎嗅"一手判断"栏目访谈的天创机器人董事长刘爽，给出了一个很锋利的资产配置答案：如果给你100亿元投资具身智能产业链，60亿投大脑，30亿投零部件，10亿投应用。他坚持认为，未来真正头部的具身大脑公司，可能不超过5家。

60/30/10这个比例的价值不在数字本身，而在于它回答了一个关键问题：价值会沉淀在哪一层。刘爽的判断隐含了一个假设——大脑层会呈现类似操作系统的寡头格局，而应用层会被大脑的规模效应和零部件的工程壁垒双向挤压。这个假设成立与否，取决于一件事：具身智能的数据护城河到底属于模型厂商，还是属于场景方。

这恰是刘爽履历有意思的地方。进入机器人行业前，他在中国广东核电集团做设备管理和可靠性工作，天创机器人长期深耕电力、石化等工业现场，从巡检机器人一路走到VLA、世界模型和工业具身。他同时站在两条产业路径上：一边是靠可靠性、工程和交付成长起来的机器人公司，一边是靠大模型、算力和资本崛起的新一代具身企业。

天创机器人没有选择从零训练通用基础模型，而是把已有的工业数据、场景和交付经验，与新一代具身大脑结合。这代表了相当一批场景公司的务实选择：不去赌架构收敛，用数据和场景换船票。这个策略的合理性有一个前提——工业数据是难被公开数据集替代的稀缺资产。电力、石化现场的巡检数据带有安全等级、设备指纹和异常样本，这些在互联网上不存在，只能靠现场积累。谁握着这些数据，谁就在大脑厂商的采购清单上。

宏观背景是英伟达创始人黄仁勋2025年初的判断：物理AI有望变革规模达50万亿美元的制造业和物流业（注：指物理AI可能影响的现有产业规模，非机器人市场直接收入）。刘爽认可长期方向，但不认同"ChatGPT时刻"的必然性——VLA、世界模型、World-Action Model都在演进，但最终承担认知、空间理解、动作决策和物理执行的架构，仍没有收敛。

两位产业头部人物的观点看似对立，实则指向同一个空白地带：王兴兴赌的是模型能力继续指数增长，刘爽怀疑的是增长能否穿透架构未收敛的不确定性。用一个简化框架判断谁更可能对——如果具身智能的数据瓶颈在"通用互联网级数据"（王兴兴的赌注成立），模型厂商赢；如果瓶颈在"稀缺现场数据"（刘爽的策略成立），场景方赢。目前看，两条数据管道都在扩张，胜负未分，但后者正在被更早定价。

把当下的玩家放进坐标系（作者根据公开信息的推测性定位，仅作讨论框架）：

基于这个格局（作者推测），下一轮洗牌的方向比较明确：没有场景数据、没有交付能力、只靠融资讲故事的整机公司，估值会最先被戳破；而手握工业数据闭环的公司，反而成了大脑厂商争抢的合作对象。大脑终局不超5家，意味着百亿估值俱乐部迟早要清场——但也要保留一个反例可能：如果架构快速收敛、开源模型能力外溢，"用数据换船票"的场景方可能反过来被通用大脑降维，护城河没有想象中深。

🗺️ 场景排位：商业服务跑得比工厂快

场景落地的排序，本质是容错率的排序。

王兴兴在工博会上有一条被忽略的判断：商业服务场景的应用进展可能比工业更快，居家场景相对靠后。这个排序和今年国庆的文旅现场形成互证：数千台机器人在景区上岗卖货、巡检、演出，说明商业服务场景的宽容度高得多——任务碎片化、容错率高、只要不砸到人就及格。工厂正好相反，节拍和良率一票否决。居家则最难：非结构化环境、安全红线、成本敏感度三重叠加。

按这个容错率框架推演（作者推测的节奏判断）：

值得推敲的是这个排序背后的经济学，而不仅是技术难度：

• 商业服务的真实门槛不是技术，是单位经济模型。一台机器人替代0.5-1个人工岗位，回本周期两年内，商业模型就成立——这与技术先进度无关，与租金成本直接挂钩。租金雪崩反而是这个场景的催化剂。
• 工业的价值不在速度而在深度。单位场景的数据密度和付费能力都更高，是打磨大脑的最好道场。王兴兴说商业服务落地更快，与天创机器人押注工业并不矛盾：一个要广度和传播效应，一个要深度和数据密度，两条腿走路缺一不可。
• 居家的真正瓶颈是安全冗余的定价问题。技术上让机器人在家里不撞到孩子，可能比让它在工厂拧螺丝更贵——家庭场景愿意为安全付的溢价，目前远低于安全所需的成本。这不是2028年能否解的问题，而是成本曲线何时走到交叉点的问题。

从Demo到真实生产力，中间的技术与商业问题没有一步可以省：

🔚 小结

租金从万元跌到289元，不是行业的葬礼，而是入场券降价。当表演经济出清、工厂试点铺开、大脑格局开始收敛，具身智能正在完成从流量叙事到生产力叙事的惊险一跃。王兴兴赌一两年内的临界点，刘爽赌不超5家的终局大脑，赌注不同，方向一致。2026-2027年，看谁先把"能上岗"变成"能挣钱"——那才是真正的ChatGPT时刻，如果它存在的话。