Part 9: Industry Reality · The truth behind shiny demos
Chapter 25
中国 vs 全球的机器人生态差异
假设你在旧金山，想做一个人形机器人的原型。你需要一个定制的谐波减速器，一块定制的传感器融合板，三个不同规格的无框力矩电机，外加一个碳纤维结构件。你联系了供应商，最快的报价周期两周，打样周期六到八周，总花费大几千美金。物流从各个州甚至各个国家汇集到你的实验室，再等一两周。
现在你在深圳。你坐地铁到华强北，花一个下午走几栋楼，减速器、电机、驱动板、结构件的供应商全部面谈完毕。需要改个规格？隔壁就是 CNC 加工厂，三天出样。总花费可能是硅谷的三分之一。
这不是段子，这是两个机器人生态的现实差距。你在哪里做机器人，决定了你能多快试错、多便宜试错、以及你的团队长什么样。这一章不是要分个高下 - 两边各有各的结构性优势和结构性短板。但如果你要进入这个行业，你需要知道这张地图长什么样。
供应链：深圳的“一条街效应”
机器人是硬件产品，硬件产品的迭代速度被供应链决定。这一点上，中国 - 尤其是珠三角 - 的优势是碾压级的。
一台人形机器人的 BOM（Bill of Materials）涉及几十个品类：无框力矩电机、谐波/行星减速器、编码器、IMU、深度相机、力矩传感器、电池模组、散热方案、结构件、PCB、线束。在深圳及周边（东莞、惠州、佛山），这些品类的供应商密度高到荒谬 - 你可以在一个工业园区里走完整条供应链。
这带来几个直接后果：
迭代速度碾压。 改一个关节设计，从改 CAD 到拿到新零件，深圳团队可能一周搞定，硅谷团队可能要两个月。宇树能用不到两年时间从 G1 迭代到 G1 Pro，这个速度在北美几乎不可能。
成本结构完全不同。 同样规格的谐波减速器，国产（绿的谐波、来福谐波）和日本进口（Harmonic Drive）的价差可以到三到五倍。宇树的 Go2 机器狗零售价不到 1600 美元，Unitree G1 人形机器人起价不到 16000 美元 - 这个定价在北美是不可想象的。低成本不是靠偷工减料，是靠供应链密度带来的规模效应和竞争。
快速响应非标需求。 机器人开发的早期阶段充满非标零件。你需要一个特殊尺寸的法兰盘、一个定制的线束、一块异形散热片 - 在深圳，这些需求通过微信群就能解决，最快隔天取货。在北美，这种需求走采购流程可能要几周。
但供应链优势有边界。精度最高的那一档器件 - 比如 Harmonic Drive 的 CSG 系列减速器、某些高端编码器 - 国产替代的性能还没完全追平。在对精度要求极致的场景（比如手术机器人），顶级元器件仍然依赖日本和德国。不过在商用服务机器人和大部分人形机器人场景，国产供应链已经完全够用。
人才结构：硬件人才 vs 软件人才
如果你在深圳招一个机器人团队，会发现一个有趣的现象：机械工程师、电气工程师、嵌入式工程师相对好招，薪资也比硅谷低很多；但顶尖的机器人算法工程师 - 做 SLAM 优化的、做运动规划的、做 RL policy 训练的 - 非常稀缺，而且一旦冒头就会被几家大厂疯抢。
在硅谷/波士顿情况正好反过来。做 perception、做 planning、做 learning 的算法人才池深得多 - MIT、CMU、Stanford、Berkeley 每年输出大量相关 PhD。但你想找一个懂电机选型、懂结构强度分析、能跟工厂对接打样的硬件工程师，难度和成本都远高于中国。
这个差异有历史原因。中国过去二十年的制造业升级培养了海量的机电一体化人才，但机器人软件（尤其是 ROS 生态、运动规划、状态估计这些偏学术的方向）在国内高校的教学体系里长期缺位。很多中国的机器人公司在算法层面是靠海归撑起来的 - 从 CMU、ETH Zurich、Georgia Tech 回来的 PhD 是核心算法团队的骨干。
反过来，美国的优势在基础研究和算法创新。Google DeepMind、NVIDIA Research、Toyota Research Institute、Boston Dynamics 的 AI 实验室 - 全球最前沿的机器人学习论文大部分出自这些地方。中国在应用层面追得很快（银河通用的 GraspVLA、宇树的步态控制 RL），但在基础方法论上仍然更多是 fast follower 而不是 first mover。
对你 - 一个想进入机器人行业的 AI 开发者 - 这意味着什么？
如果你有扎实的 ML/AI 背景，在中国市场你会非常抢手。中国不缺能把硬件做出来的人，缺的是能把软件和算法做到位的人。而如果你同时懂中英文、了解两边的技术生态，你的稀缺性会更高 - 因为很多技术文档、开源项目、学术论文的一手信息都是英文的，能无障碍获取这些信息的人在国内团队里是宝贵资源。
政策与标准：决定你的产品能卖到哪里
标准这个东西，写代码的时候不会想到它，但它决定了你的机器人能不能进入某个市场。这是开发者最容易忽视、但最容易被坑的环节。
先说一个实际场景：你做了一个服务机器人，想卖给国内的医院或学校。你发现招标文件里写着”须符合 GB/T XXXX 标准”。这个标准可能半年前才发布，你的产品设计根本没考虑过它。改设计？重新过认证？这都是时间和钱。
中国的标准制定速度非常快 - 工信部在 2025 年底成立了人形机器人标准化委员会，几个月内就推出了国家标准体系框架。这种”先定框架、边跑边修”的模式对开发者的影响是：标准是个移动靶。你不能等标准稳定了再设计产品，你得在标准演化的过程中同步调整。实际操作中，跟标准委员会里的企业保持信息同步，比读最终文件更重要 - 因为等文件发布的时候，先知道消息的人已经改完设计了。
国际标准正好反过来 - 慢到你几乎可以忽略它的变化速度。ISO 的机器人安全标准十几年才修订一次。好处是稳定，坏处是跟不上新品类 - 人形机器人的标准化在国际层面才刚起步。
对你实际做产品来说，关键问题就一个：你要卖到哪里？
只做国内市场，盯紧国标（GB/T）和行业标准就够了，但要预留设计裕度应对标准的快速迭代。做出口，你得过目标市场的认证体系（欧盟 CE、美国 UL 等），而中国标准和国际标准目前没有互认 - 意味着可能要过两套认证，时间和成本都要翻倍。很多团队在产品设计初期没考虑这一点，到了要出海的时候才发现硬件和安全设计要大改，这是一个非常昂贵的教训。
融资环境：你能拿到什么样的钱
如果你想创业做机器人，或者在选择加入哪家公司，融资环境直接影响你的选择。两边的钱长得很不一样。
在中国融资做机器人硬件，门槛更低。 政府引导基金在机器人赛道上非常活跃 - 很多地方政府的产业基金逻辑很直接：你来当地建厂、创造就业，基金就给你钱。这对需要建产线的硬件公司是天然利好。宇树、智元、银河通用能在短时间内完成多轮大额融资，背后都有政府资本的身影。甚至零部件供应商都在需求明确之前就开始扩产 - 整个生态在”赌”人形机器人会起量。
在美国融资做机器人硬件，难得多。 美国 VC 习惯了软件的回报模型：轻资产、高毛利、5-7 年退出。机器人硬件在每一条上都踩雷 - 重资产、低毛利（至少早期）、长周期。K-Scale Labs 是个警示 - 一家想做低成本开源人形机器人的公司，最终在硬件量产的资金消耗面前倒下了。美国 VC 对”需要建工厂”这件事有本能的抗拒。能拿到大钱的（像 Figure AI），靠的是把自己包装成 AI 公司而不是硬件公司。
这对你意味着什么？
如果你想创业：在中国，拿到第一笔钱相对容易，但热钱也意味着泡沫 - 很多团队靠 demo 融资、靠论文讲故事，没有清晰的商业化路径。当潮水退去，没有真实收入的公司会批量倒下。在美国，融资更难但审视更严格，活下来的公司通常商业模式更健康。
如果你想加入一家公司：看它的资金来源结构。纯靠政府基金的公司，一旦政策风向变化，资金链可能突然收紧。有商业客户收入的公司，抗风险能力强得多。不管在哪边，问清楚公司的 runway 和商业化时间表 - 机器人公司烧钱速度比软件公司快得多。
一个 builder 的决策框架
前面讲了供应链、人才、标准、融资，信息量不小。如果要把它压缩成对你实际有用的决策依据，大概是这样几条：
选在哪里做原型？ 如果你的项目涉及定制硬件，深圳（或珠三角）几乎是唯一合理的选择 - 不管你是中国人还是外国人。越来越多的美国团队把硬件原型阶段放在中国，这不是什么秘密，只是很多人不好意思公开说。你能用硅谷三分之一的预算和五分之一的时间做出第一个原型。
选在哪里做算法？ 如果你的核心竞争力在感知、规划、学习这些算法层面，英文世界的开源生态、学术社区、技术文档仍然领先一个身位。在国内做算法开发，你会经常需要翻墙查资料、读英文论文、参与海外开源项目。这不是不能做，但要意识到这个摩擦成本。
选加入大公司还是创业？ 在中国，头部机器人公司（宇树、智元等）拿了大量融资，正在疯狂招人，给有 AI 背景的工程师开的薪资很有竞争力。但要判断一家公司是否靠谱，看它有没有真实的客户和收入，而不只是看融资额。在美国，能活下来的机器人公司通常商业模式更清晰，但数量少得多，竞争激烈。
最有价值的位置在哪里？ 两边都熟的人。懂中文能直接跟深圳的供应商沟通，懂英文能无障碍读论文和参与开源社区，理解两边的技术文化和商业逻辑。这样的人在哪边都极度稀缺 - 因为他们能当桥梁，而现在这个行业最需要的就是桥梁。
机器人行业还远没有到赢家通吃的阶段。供应链在中国，算法在全球，标准各自为政，资本两头下注。对于一个刚入场的 builder 来说，最重要的不是选边站，而是理解这张地图，然后找到自己能创造最大价值的那个位置。