具身智能与人形机器人发展现状与争议 - 2025年具身智能领域关注度持续攀升 但在应用普及、路线分化和场景落地方面仍存在进展与争议[6] - 人形机器人能力提升突飞猛进 已能完成跑酷、跳舞等复杂动作 但与大规模进入服务岗位的现实存在不协调[6] - 工业场景对机器人的效率与精度要求极高 例如快递分拣效率需达1800件每小时 汽车工厂失误率要求达万分之一乃至十万分之一 目前人形机器人仍难以企及[6] - 尽管人形机器人公司数量与融资额攀升 行业对其能否快速在市场上扎根仍持高度怀疑态度[6] - 摩根士丹利研究部估计 到2050年人形机器人数量可能超过10亿台 对应市场价值达5万亿美元[7] - 实现规模化应用的关键挑战在于需求端 目前缺乏需要每个工厂部署数千台人形机器人的明确应用场景[7] - 行业中长期发展方向更倾向于部署数百台机器人 且每台能完成约10项任务[8] 2025年具身智能关键技术进展 - 在精细操作、长程任务和持续工作三个方面 技术能力刷新了SOTA（State-of-the-Art）水平[8] - 精细操作方面 年初的DexterityGen证明强化学习（RL）可将机械手握持物体的稳定时间提升10至100倍 使机器人能使用笔、注射器等工具[9] - 年末的Generalist AI Gen0模型预训练时长达到27万小时 集成了多场景海量操作技能 可实现从削土豆皮到组装相机套件等广泛操作 并能跨机械臂和人形平台通用[9]

软件属性从“辅助工具”向“数字劳动力”的范式转移 - 本轮技术周期的核心是软件商业属性正经历从“辅助工具”向“执行主体”的范式转移 [4] - 过去软件是依附于人类员工的辅助工具，其价值必须通过人的操作才能释放，人是业务流程的绝对核心 [4] - 在人工智能时代，软件本身性质发生质变，进化为能够独立执行任务的数字劳动力，可以替代人类完成端到端的劳动环节 [3][7] - 例如，软件可以直接与客户进行多语言通话催收，或自动完成法律文书的起草，而不再像传统CRM或Excel那样依赖人工输入 [6] 商业价值对标与市场空间的重构 - 软件作为工具时，企业的采购决策基于有限的IT维护预算，这部分预算占比小且增长乏力 [7] - 当软件被定义为数字劳动力时，其商业对标对象转变为高昂的人力薪酬成本，直接与企业运营支出竞价 [8] - 这种逻辑激活了大量过去因流程刚性、碎片化且依赖人工判断而缺乏软件化价值的边缘领域 [9] - 例如法律索赔处理或牙科诊所前台等场景，在AI时代因人力替代价值而成为利润丰厚的核心市场 [10][11] - 数字劳动力能够以极低的边际成本接管这些劳动密集型的刚性流程任务 [11] 定价模式的根本性变革：寻找“Goldilocks Zone” - 传统的按席位订阅（SaaS）模式对数字劳动力已失效，因为其核心价值在于通过自动化减少对人类员工的需求 [12][13] - 若沿用旧模式，产品越成功，客户所需席位越少，软件公司收入反而会萎缩 [14] - 创业者需采用“Goldilocks Zone”定价策略，在软件成本与人力成本之间寻找最优套利空间 [15] - 定价平衡点必须显著低于雇佣真人的综合成本，以巨大的降本优势驱动购买决策 [16] - 同时，定价又要远高于传统工具软件的订阅费用，以匹配其交付的实际劳动成果 [17] 竞争格局变化与创业公司的突围策略 - AI技术已成为巨头共识，过往依靠在位者认知偏差获取的时间窗口红利期已经过去 [18] - 初创企业需运用“金砖理论”，寻找巨头因机会成本而战略性放弃的“结构性缝隙”以突围 [1][18] - 真正的护城河需建立在对特定行业上下文的深度掌控之上，而非短期的模型差异化红利 [1] - 创业者应将核心壁垒从同质化的底层模型能力，转移至对特定行业“上下文”的深度理解与工作流嵌入 [18]