软银洽谈收购1X：人形机器人与具身智能产业卡位解析

软银正在洽谈收购人形机器人公司1X的多数股权。消息一出很多人把这条新闻理解为“孙正义又回来做人形机器人了”。这个判断方向没错但背后的产业逻辑需要拆开看1X不是一家刚起步的PPT公司它有自己的商业机器人产品、OpenAI的早期投资、以及一套比较务实的技术路线软银也不是第一次做人形机器人投资它卖过波士顿动力也卖过Pepper相关业务现在重新回到牌桌时间点正好卡在大模型和具身智能交汇的窗口期。本文不讨论单个模型部署而是从技术视角拆解这笔潜在交易的价值1X的产品到底做到什么程度软银在赌什么人形机器人赛道目前的技术瓶颈在哪里以及这笔交易如果落地会带来什么变化。文章末尾会给出交易观察点与风险对照清单方便大家持续跟踪。1. 事件基本面软银拟拿下1X多数股权先看交易背景。据外媒报道软银集团正与挪威人形机器人公司1X Technologies洽谈收购多数股权。所谓多数股权意味着软银可能获得对董事会、战略方向、业务组合的控制权而不是单纯财务投资。截至本文写作时交易尚未官宣金额、估值和交割条件都没有完整披露所以关键判断都需要加一句“以公司公告为准”。为什么这笔交易值得关注有两层原因。第一层是公司层面1X目前拥有成熟度相对较高的轮式人形机器人EVE以及2024年才公开的双足人形机器人NEO它与OpenAI有早期战略合作是少数同时具备“产品落地、模型合作、海外量产潜力”的具身智能创业公司。第二层是资本层面孙正义与软银过去在机器人领域反复进出既有成功案例也有交学费的地方这次出手的时间点正好卡在大模型让机器人“大脑”能力明显提升资本市场对人形机器人重估的周期。1.1 交易核心信息项目说明交易主体软银集团买方与1X Technologies目标公司交易状态洽谈中尚未官宣最终条款需以公告为准交易方案拟收购多数股权意味着取得控制权目标公司1X Technologies原名为Halodi Robotics总部位于挪威核心产品轮式人形机器人EVE双足人形机器人NEO重要背景OpenAI曾参与早期阶段投资1X在探索生成式世界模型在机器人中的应用历史参考软银曾持有Boston Dynamics多数股权后出售给现代汽车1.2 为什么“多数股权”是关键多数股权这个表述要重点理解。参考软银之前的操作如果它把机器人公司作为战略布局通常不会满足于小额参股。软银对Boston Dynamics的控制一度让它能参与产品策略和融资结构后来出售给现代汽车本质上也是从集团现金流角度做的战略退出。现在如果对1X拿多数股权意味着软银不仅要赚钱还想在“具身智能”这个方向上拥有主动权。从1X的角度看接受软银的控制权意味着公司会从一个创业公司变成一个大型集团体系内的具身智能实体。好处是资金、渠道和基础设施都不缺坏处是独立性和团队激励结构可能发生改变。这类交易在科技行业很常见但机器人公司的研发周期特别长资本方能不能保持耐心会直接影响下一代产品能不能做出来。2. 1X是谁产品、技术与融资背景要评估这笔交易先得搞清楚1X到底在做什么样的产品。2.1 EVE已经商业部署的轮式人形机器人先看已经商业化的产品。EVE是1X的轮式底盘人形机器人上半身有人形躯干和双臂下半身是两轮或四轮底座整体设计偏实用不追求完全仿人步行。EVE最典型的应用是安保巡逻、楼宇巡检和基础搬运。与双足人形机器人相比轮式底盘的稳定性和续航优势很明显这也是1X能在真实商业环境中先落地的重要原因。从技术路线看EVE解决的不是“像人一样走路”而是“先在真实场景里跑通任务”。这个策略和很多强调动态性能的双足机器人不同它更看重任务完成率、运行成本和维护便捷性。真实商业场景对机器人最核心的考核永远是稳定性和ROI而不是运动姿态是否优美。EVE的部署价值就在于此它让人形机器人第一次有机会在安保、物业、仓储这些相对可控的场景里积累真实运营数据。2.2 NEO面向家庭场景的双足机器人再看出圈的双足人形机器人NEO。NEO主打家庭服务场景比如叠衣服、整理桌面、开关电器、清洁等。外观上采用了软质材料覆盖减少与人接触时的碰撞风险移动方式偏向自然步态同时具备一定的拟人上半身操作能力。NEO在2024年公开后其策略并不是叠加一堆昂贵传感器而是强调更低成本、更低噪音、更安全。从商业策略上看NEO的定位有意避开工业场景的极致负载需求先把高频、低强度、服务型任务做扎实。这个选择比较务实因为家庭场景对人形机器人的容忍度更低一旦出现误操作或安全风险口碑很难挽回。NEO能不能走通核心指标不是发布会参数而是能否在真实家庭中连续运行几百小时不出事故、不卡壳、不把用户耐心耗尽。关于NEO的定价目前官方并未给出一个确定数字外界只知道它会努力把整机成本拉到普通家庭相对可接受的范围而不是像工业机器人那样动辄数十万美元。这个信息需要注意从产品定义看NEO未来的目标大概率是中高端家庭市场和轻商用场景。2.3 与OpenAI的生态关系1X还有一层特殊背景OpenAI参与了1X的早期融资并与1X保持着模型层的深度交流。具体到技术协作上1X尝试用大模型补全机器人的语言理解、任务规划和常识推理同时也在训练自己的世界模型来判断机器人动作的未来结果。这个组合与许多“机器人大脑”公司的思路一致小模型负责低延迟的动作控制大模型负责语义理解与长程任务规划。好处是模型能力可以快速迭代坏处是部署在大模型上会带来推理成本和延迟的问题。家庭机器人不会像数据中心那样有充足算力端侧模型和云端模型的协同设计是NEO这类产品能否在真实场景里保持流畅响应的重要变量。2.4 数据采集遥操作与行为学习在数据侧1X主要采用遥操作与行为克隆真人通过VR、数据服或操纵机械臂远程示教让机器人记录关节角度、速度、图像、操作指令形成一批带时间戳的轨迹数据。数据积累得越多末端执行器的泛化能力就越强。这种数据格式和自动驾驶训练数据集的逻辑类似只是动作空间从方向盘变成了机械臂和灵巧手。下面是一段示意性的遥操作数据格式展示机器人在记录一次“抓取水杯”任务时的数据组织方式。注意这只是为了说明数据结构并不是1X官方真实数据的格式{ episode_id: ep_000123, task_label: 将水杯放在桌角, timestamp_ms: 0, camera: { rgb_path: frames/ep_000123/0000.jpg, depth_path: depth/ep_000123/0000.npy }, joint_state: { left_arm: [0.12, 0.45, -0.32, 0.05, 0.18, -0.02], right_arm: [-0.11, 0.42, -0.30, 0.08, 0.15, 0.01], waist_yaw: [-0.03] }, operator_command: { type: grasp, target: cup, grasp_force: soft } }这段数据如果累计到几百万条就能支撑机器人执行常见的家庭任务。数据规模、数据质量和数据标注成本会成为未来人形机器人公司估值差异的重要来源。3. 孙正义为什么在这个时间点回头孙正义对机器人的执念不是今天才有。软银早年投资过Aldebaran Robotics后来推出情感机器人Pepper2017年软银从谷歌手中买下Boston Dynamics2021年前后软银又将Boston Dynamics控制权让给现代汽车。算起来软银在人形机器人赛道已经进出过一轮。过去很多年机器人产业的问题不在硬件有多炫而在“大脑”不够聪明不会泛化任务、换一个场景就要重新编程、机器人很难自主处理长链条任务。因此早期投资很难兑现商业化收入。Boston Dynamics的Atlas虽然运动能力极强但让它做具体有用的事情难度反而比很多专用机器还大。这种情况决定了软银早期的机器人投资更像“技术收藏”而不是能够持续产生现金流的商业模式。3.1 大模型改变了“机器人大脑”大模型爆发之后情况变了。语言模型可以提供常识推理、指令理解、任务拆解视觉模型可以让机器人识别物体和场景强化学习与仿真可以让技能在虚拟环境里快速试错。具身智能也随之成为AI投资的明确新方向。对于孙正义来说之前卖掉Boston Dynamics不代表退出机器人而是等待更合适的时机和更匹配的技术栈。现在洽购1X多数股权更像是他在AI基础设施之外重新补上“物理世界的AI入口”。从公开表态看孙正义一直强调AI会在十年内改变世界而人形机器人恰好是AI从数字世界进入物理世界的最直观载体。3.2 从AI投资到具身智能的路线选择从软银集团整体投资节奏看孙正义近年把大部分精力放在人工智能基础设施和半导体上Arm作为底层算力核心、数据中心和能源项目作为算力供给。人形机器人正好处在“AI大脑物理硬件云端算力”的交界点。如果软银拿下1X等于在自己AI版图上增加一个具身智能载体也能把Arm的芯片、云端的模型、电信网络的低时延通信都串联到同一个产业故事里。这个逻辑是通的但能不能落地取决于机器人的量产能力与真实需求。资本市场愿意相信这个故事至少说明人形机器人的预期已经从“实验室展示”走向“可交付产品”。4. 技术视角人形机器人真正的门槛在哪里从技术工程角度看人形机器人赛道的核心门槛集中在硬件、数据、算法和安全四个方面。4.1 硬件执行器、灵巧手与成本人形机器人的硬件不是简单把电机拼起来。关节执行器要同时满足高扭矩、高精度、低发热、低噪音还要控制成本。很多团队只有在实验室做原型的能力一到量产就面临供应链和良率问题。1X在NEO上选择类肌肉外形和软质外壳试图避开刚体机器人与人接触时的危险性这个思路降低了交互风险却对结构轻量化和抗冲击设计提出了更高要求。灵巧手则更难需要集成触觉、力控、微型电机和柔性材料同时保证足够的使用寿命。硬件寿命是外界最容易忽视的指标实验室演示可以跑通一次量产机器人在用户家里连续运行3000小时不出故障是完全不同的工程问题。4.2 数据规模、质量与成本数据是具身智能竞争的下一个分水岭。大模型可以靠互联网文本和图片数据训练机器人动作数据却很难从网络直接获取。主流方式有几种一是真人遥操作数据真实但成本很高二是机器人自身运行日志数据量少且噪声大三是仿真合成数据量大但存在仿真到现实的差距四是自动生成技能库但泛化能力有限。1X已经把前三种方式结合起来了。对软银来说如果交易成功它能提供的不仅是资金还包括日本、欧洲等地的楼宇、仓储、办公和养老场景数据采集渠道是现成的。这笔隐性资产的价值可能比账面估值更值得关注。当然真实场景数据采集会碰到隐私和合规问题特别是家庭场景摄像头、麦克风、动作传感器采集到的数据非常敏感必须在产品设计阶段就考虑清楚。4.3 算法VLA模型、世界模型与任务规划在算法层面人形机器人的核心逐渐从“写死的技能库”转向视觉-语言-动作模型和世界模型。视觉-语言-动作模型把图像、文本指令和机器人动作输出连接在一起让机器人根据自然语言完成操作世界模型则让机器人在执行前预测动作的未来结果相当于一种“想象能力”。下面是一段示意性的机器人任务规划结构展示大模型如何把一句自然语言指令拆解成机器人可执行的步骤。这里只是算法接口设计的示例不代表1X官方数据格式{ task: 将桌面上的水杯放到厨房台面上, scene_objects: [水杯, 桌面, 厨房台面], constraints: [ 水杯内有液体移动时保持平稳, 不允许推倒附近物品 ], plan: [ {step: 1, action: navigate_to, target: 桌面, radius_m: 0.3}, {step: 2, action: grasp, object: 水杯, grasp_type: wrap, force: soft}, {step: 3, action: lift, object: 水杯, height_m: 0.25, speed_mps: 0.05}, {step: 4, action: carry, object: 水杯, destination: 厨房台面}, {step: 5, action: place, object: 水杯, position: 台面边缘0.2m处} ], success_criteria: [ 水杯未倾覆, 全程无碰撞, 任务完成时间小于60秒 ] }这种“语言指令 → 场景理解 → 长程规划 → 动作执行”的链路是人形机器人从演示走向实用的关键。难点在于每个环节都有可能出错视觉识别错了规划就错了规划对了执行器控制不准任务还是会失败。全链路成功率才是衡量机器人大脑能力的核心指标。4.4 安全、可靠性与监管安全是比算法更硬的门槛。机器人在家庭场景里随时可能遇到宠物、小孩、老人任何误判都可能造成伤害。从工程角度看需要有多层安全干预传感器限位、力控限制、视觉识别安全区、一键急停、云端远程接管。从监管角度看人形机器人如果大规模进入公共和家庭场景责任边界、隐私采集、数据存储、事故定责都会成为监管问题。这些不是技术本身能单独解决的但会直接影响产品上市时间和销售区域。软银如果拿下1X在推进商业化时必须同步搭建合规体系否则任何一个国家和地区的数据保护要求都可能让产品延后交付。5. 如果交易落地软银与1X怎么协同如果交易落地软银给1X带来的不只是钱而是三样东西。5.1 资金与量产人形机器人产品要达到消费级可靠性需要规模化生产否则单台成本永远压不下来。软银的资本能帮1X把产能提前跑起来也可以让1X在供应链上拥有更强的议价能力。量产规模上去了BOM成本才能降下来NEO才能真正进入家庭市场。不过资金不能解决所有问题。机器人量产不仅涉及产线投资还涉及供应链成熟度、品控体系、售后维修网络。这些能力不是一家AI公司天然具备的需要长期磨合。软银在这个阶段介入相当于用一个更长的周期来赌1X的工程化能力。5.2 渠道与场景软银在电信、零售、物业、物流等领域的布局可以为机器人提供“第一批客户”和真实数据采集场景。机器人公司最缺的不是概念而是愿意付费、忍受初期Bug、给产品迭代机会的首批客户。软银的生态网络可以解决这个问题。尤其在日本市场少子化、老龄化带来的服务需求非常明确物业服务、夜间巡逻、陪伴服务、轻量搬运都是人形机器人可以切入的方向。如果1X能在这些场景里积累三年以上真实运行数据它的数据壁垒会快速提高。这些场景的客户付费能力也相对较强比纯家庭市场更容易形成正循环。5.3 云、算力与基础设施软银旗下有Arm的芯片生态、自有云和AI数据中心。机器人模型训练和推理算力可以形成内部闭环。Arm架构在机器人端侧芯片上的优势也很明显低功耗、低成本、生态成熟非常适合人形机器人的端侧部署需求。如果1X的机器人大脑能在云端训练、在端侧推理并把关键数据回流到数据中心整个闭环就打通了。这种协同会显著降低长期运营成本也是软银相比其他财务投资人更适合做机器人公司控股股东的原因。6. 人形机器人赛道的竞争格局人形机器人赛道在过去两年里迅速升温玩家数量多、技术路线分散、估值水涨船高。下表对比了几家主要公司当前的产品定位和技术特点信息来自公开资料整理进度会随时间变化公司代表产品技术路线当前进度主要背景特斯拉Optimus纯视觉端到端神经网络自研执行器原型迭代规划小批量部署特斯拉汽车供应链与工厂场景Figure AIFigure 02与OpenAI合作大模型驱动多模态交互已在工业物流场景测试高额融资多投资人参与波士顿动力Atlas电动版动捕强化学习强调动态运动能力进入现代汽车体系探索工业场景现代汽车软银曾持股1X TechnologiesEVE、NEO轮式/双足并行遥操作数据世界模型EVE已商业部署NEO量产推进中OpenAI早期投资拟获软银多数股权宇树科技H1、G1、Go系列电驱动高动态运动主打运动性能机器人已对外销售并展示应用案例资本关注度较高智元机器人远征系列视觉语言动作模型整机自研数据工厂多款产品发布面向工业与泛场景快速扩张的创业团队6.1 特斯拉Optimus特斯拉Optimus优先复用汽车产线的视觉和电池技术适合统一供应链。它的最大优势是制造能力和成本控制理论上可以利用特斯拉工厂先做内部验证再逐步外销。Optimus的挑战在于汽车产线是高度结构化环境家庭环境远比工厂复杂从结构化到非结构化的迁移难度被很多人低估了。6.2 Figure AIFigure AI的特点是把多模态大模型直接放到机器人上强调“能听、能看、能对话、能操作”。它与OpenAI保持合作在工业物流场景已经有过测试。Figure的路径非常依赖模型能力的进步如果大模型的任务规划能力短期内达不到高可靠性机器人在工业场景里就只能作为辅助工具而不是独立生产力。6.3 波士顿动力的Atlas波士顿动力转向电动Atlas之后放弃了液压方案但依然保留最强动态运动基因。它的优势是运动控制底子厚挑战是商业化路径一直不清晰。被现代汽车收购后波士顿动力开始尝试工业场景但距离大规模商业部署还有很长的路。孙正义当年卖掉波士顿动力现在回头买1X某种程度上也说明他更看重“能干活的机器人”而不是“会翻跟斗的机器人”。6.4 国内厂商国内厂商的特点是迭代速度快、供应链成熟、产品价格相对可接受特别是在运动控制组件和整机集成上已经有明显进展。这个赛道上暂时没有出现绝对垄断者谁能率先在“数据规模、量产成本、安全可靠性”三项同时达标谁就更有可能跑出长期优势。未来的竞争重点会从“发布原型”转向“交付数量真实任务成功率”。7. 估值逻辑与风险判断人形机器人公司目前大多没有形成规模营收传统PE估值方法很难直接用。一级市场愿意给出高估值更多是基于对远期市场的想象力。7.1 人形机器人估值框架下面这段Python代码演示一种简化版的人形机器人公司估值敏感性分析给定首年出货、单价、增长率、毛利率和折现率估算未来五年净现值。注意这只是方法演示不是对任何公司的真实估值def estimate_valuation(units_year1, unit_price, growth_rate, gross_margin, discount_rate, years5): 简化版人形机器人公司估值敏感性分析。 仅用于演示估算思路不构成投资建议。 npv 0.0 units units_year1 for t in range(years): if t 0: units units * (1 growth_rate) revenue units * unit_price cashflow revenue * gross_margin npv cashflow / ((1 discount_rate) ** (t 1)) return npv if __name__ __main__: for growth in [0.10, 0.20, 0.30]: npv estimate_valuation( units_year110000, unit_price30000, growth_rategrowth, gross_margin0.20, discount_rate0.15 ) print(fgrowth{growth:.0%}, 5年NPV约 {npv:,.0f} 美元)运行结果大致如下仅作为数值演示growth10%, 5年NPV约 239,000,000 美元 growth20%, 5年NPV约 282,000,000 美元 growth30%, 5年NPV约 335,000,000 美元这个模型把出货量、毛利和增长率直接转化为估值逻辑很直白。实际投资判断要比这复杂得多但至少说明一个道理人形机器人公司的估值高度依赖“未来出货量”这个假设。只要市场相信NEO能卖出几万台估值就能撑住如果量产受阻估值逻辑就会松动。7.2 风险清单风险项说明观察信号交易告吹风险洽购阶段存在价格、条款分歧交易不一定会完成官方公告、双方声明量产爬坡风险人形机器人产线良率和成本控制难度大实际交付数量、召回情况技术路线风险双