人工智慧已成為科技投資領域的核心主題，但在機器人領域，部分投資人認為，業界可能正在從大語言模型和生成式AI的最新突破中得出錯誤的結論。
TDK Ventures投資總監Ankur Saxena便是持這一觀點的代表人物。TDK Ventures是TDK株式會社旗下的企業風險投資部門。
TDK如今以電子元器件、傳感器、電源系統和先進材料供應商的身份廣為人知，但許多人更記得它作為磁帶時代全球最知名品牌之一的輝煌歲月。TDK標誌性的logo在整個1970年代、1980年代和1990年代出現在數以億計的音頻與影片磁帶上，此後公司逐步轉型為面向汽車、工業自動化、消費電子和能源系統等多個行業的重要科技供應商。
如今，TDK通過TDK Ventures布局下一代機器人、人工智慧、能源和先進制造領域的初創企業。其投資組合涵蓋為工業設施開發自主巡檢機器人的ANYbotics，以及專注於機器人和邊緣應用節能AI計算的EdgeCortix等公司。
在本次專訪中，Saxena著重探討了他認為機器人領域最大的誤區：認為基礎模型和生成式AI的進步能夠自動轉化為有實際能力的物理機器。他指出，機器人領域的成功遠不止依賴軟體智能，並提出了一套他稱之為"物理AI四要素"的框架，即感知、規劃、性能與平台。
對話還深入探討了當前人形機器人投資熱潮是否合理，近期最具吸引力的投資機會在哪裡，為何傳感器、電力電子、運動控制和邊緣計算等使能技術仍被低估，以及哪些機器人細分領域最有可能在本十年內創造最大價值。
對於希望了解機器人下一步發展方向的投資者、工程師和技術領導者，Saxena從工業實踐與風險投資經驗出發，提供了一個務實的視角。
機器人與自動化新聞：投資者和機器人公司對AI與物理世界自動化仍存在哪些誤解？
Ankur Saxena：市場上的主流敘事將AI能力與物理世界的實用性混為一談。基礎模型本質上是在人類表達——語言、圖像、代碼——上訓練出來的概率機器，而物理世界遵循的是力學規律，而非統計規律。
機器人技術要求確定性：亞毫秒級響應、容錯能力，以及在真實環境變化下的可靠感知。許多投資者想當然地認為，規模化應用於語言領域的成果可以自動遷移到機械系統上。事實並非如此。
機器人公司則犯了相反的錯誤。很多公司將生成式AI當作營銷噱頭疊加到現有硬體架構上，而沒有針對真正的核心挑戰進行重新設計，也就是如何將語言和推理模型落地到真實世界的傳感器與執行器反饋中。
機會並不在於生成式AI取代機器人工程，而在於物理AI——即在傳感器融合、運動學和閉環反饋上訓練的模型，去增強機器人工程能力。
機器人與自動化新聞：在感知、規劃、性能、平台這"四要素"中，哪個是最薄弱的環節？
AS：感知是大多數人低估的瓶頸。規劃領域隨著基礎模型和仿真到真實遷移技術的進步已相當成熟；性能持續跟隨硬體曲線提升；但感知——即在非結構化、動態環境中可靠地解讀傳感器數據——至今仍十分脆弱。
工業機器人在世界具有確定性的受控環境中表現出色，但一旦引入環境光線變化、物體遮擋或表面異常，精度就會迅速下降。目前該行業仍嚴重依賴昂貴的傳感器組合和定製化標定方案。在感知能力無法以低計算開銷可靠泛化至新場景之前，大規模自主化將持續受限。
機器人與自動化新聞：人形機器人投資是否合理，還是我們正在製造一個泡沫？
AS：兩者可以同時成立。人形機器人的長期邏輯是成立的——如果你希望機器人能在為人類設計的環境中運作而無需對現有空間進行改造，雙足形態在架構上確實合理。已將Digit機器人部署於商業物流環境的Agility Robotics，證明這一品類並非純粹的概念炒作。
但目前廣泛的投資定價所預設的商業化時間線，樂觀估計也提前了至少十年。人形機器人面臨多重疊加的硬核難題：靈巧操作、能效、負載下的實時平衡，以及製造規模下的單位成本。
能夠存活下來的企業，必然是在機械和AI層面建立了真正差異化能力的企業，而不是靠令人印象深刻的演示和薄弱的實際部署來蹭熱度的企業。
機器人與自動化新聞：近期最具潛力的機器人投資機會究竟在哪裡？
AS：場景受限、高價值、任務重複且ROI可量化的領域。物流和倉儲中的自主移動機器人，以及能源基礎設施、礦業和工業設施的巡檢與監測機器人——ANYbotics等初創公司已在此有所建樹。
空中自主是另一個被低估的細分領域：AutoFlight的eVTOL
平台正在開闢空中貨運物流和基礎設施巡檢市場，這一方向具有真實的近期商業牽引力。
外科手術和康復機器人同樣值得關注——高精度要求支撐了溢價定價。這些領域並不需要解決開放式操作或通用導航問題，而是需要在明確的操作域內提供深度可靠性。
機器人與自動化新聞：在評估機器人初創公司時，您最看重什麼？
AS：令人印象深刻的技術只是最低門檻。幾乎每家機器人初創公司都能做出精彩的演示。真正的問題是團隊是否理解"部署鴻溝"——即從一個可運行的演示到一套企業願意信任其在真實設施中7×24小時無人值守運行的系統之間的距離。
我尋找的是那些對自身失敗模式保持高度關注的團隊，而不只是沉浸在成功中的團隊。他們是否在生產系統中建立了監測機制，並正視了哪些地方會出問題？他們是否圍繞有明確ROI的具體客戶在構建，還是只為追逐下一輪融資？
在TDK Ventures，我們還會追問一個更尖銳的問題：這家公司是否在硬體、數據或集成深度上擁有護城河，還是說只要出現一個資金充足的競爭對手就會面臨商品化風險？
機器人與自動化新聞：投資者是否低估了傳感器、運動控制、電力電子、計算等使能硬體的價值？
AS：嚴重低估。軟體層之所以吸引眼球，是因為它對於非專業投資者來說更易理解，也更容易製造令人信服的演示效果。但機器人是物理對象，其真正的約束是熱學、機械和電氣層面的。
功率密度限制、傳感器噪聲基底、執行器回差——這些問題是軟體工程無法繞過的。這正是TDK在物理AI領域具有獨特地位的原因：深厚的材料科學積累和在磁性材料、儲能、電源及傳感器領域的元器件技術傳承，為投資組合企業提供了真正難以複製的使能技術。
機器人領域下一批可防禦的護城河，將建立在硬體與軟體的交界面上，而不是凌駕於硬體之上。
機器人與自動化新聞：阻礙機器人在工業領域廣泛應用的最大障礙是什麼？
AS：三個相互關聯的問題。
第一，集成複雜性：大多數工業環境在設計之初並未為自主系統留有餘地，改造工作流程的成本往往被嚴重低估。
第二，可靠性預期：企業買家要求的正常運行時間和安全認證標準，是許多機器人公司目前無法在規模化部署中持續達到的。
第三，部署端的人才缺口——不是在研發機器人上，而是在跨分布式站點運營和維護機器人上。軟體公司通過SaaS和遠程更新解決了這一問題，機器人公司還沒有完全找到對應的解法。
未來能在規模化上勝出的企業，必然是那些將部署後的運營視為核心產品而非事後補丁的企業。
機器人與自動化新聞：到2030年，哪些機器人細分領域將創造最大價值？哪些趨勢被過度炒作？
AS：最大的價值將來自能源、基礎設施和供應鏈領域的工業與現場機器人——這些領域面臨嚴峻的勞動力短缺、高安全風險和可量化的生產率提升空間。
邊緣AI推理硬體，即支持設備端處理而無需依賴雲端的技術，將悄然成為整個行業的關鍵基礎設施。
被過度炒作的第一大趨勢：將通用人形機器人視為近期企業級解決方案。第二大趨勢：聲稱能夠完全抽象硬體層的"全棧"機器人軟體平台。
物理規律無法被抽象。尊重這一約束的企業，終將比那些無視它的企業走得更遠。
Q&A
Q1：Ankur Saxena提出的"物理AI四要素"是什麼？
A：Ankur Saxena提出的"物理AI四要素"分別是感知（Perception）、規劃（Planning）、性能（Performance）和平台（Platform）。他認為，感知是其中最薄弱的環節，也是最被低估的瓶頸。工業機器人在受控環境中表現良好，但一旦遇到光線變化、物體遮擋或表面異常，感知精度就會迅速下降。在感知能力無法以低計算開銷泛化到新環境之前，大規模自主化依然受限。
Q2：TDK Ventures看好哪些近期機器人投資機會？
A：TDK Ventures投資總監Saxena認為，近期最具潛力的機器人投資集中在幾個方向：物流和倉儲中的自主移動機器人、能源基礎設施和礦業的巡檢監測機器人，以及空中自主領域（如eVTOL平台）。此外，手術和康復機器人因高精度要求支撐溢價定價，也是重要方向。這些領域無需解決通用操作難題，只需在明確場景內提供高度可靠性。
Q3：人形機器人投資現在是泡沫嗎？
A：Saxena認為人形機器人的長期邏輯成立，但當前投資的商業化預期普遍過於樂觀，至少提前了十年。人形機器人面臨靈巧操作、能效、負載平衡和規模化製造成本等多重難題。已有Agility Robotics將Digit機器人實際部署在商業物流環境，證明這一方向並非純粹炒作，但大多數企業靠的是演示而非真實部署，能存活的將是擁有真正差異化能力的公司。
