从磁带到AI：专访TDK投资总监Ankur Saxena

人工智能无疑是当下科技投资领域最核心的主题之一。但在机器人这个具体方向，有一批投资人开始发出不同的声音——他们认为，业界可能正从大语言模型和生成式AI的最新突破中，得出一些过于乐观、甚至错误的结论。

持这一观点的代表人物，是TDK Ventures的投资总监Ankur Saxena。TDK Ventures是TDK株式会社旗下的企业风险投资部门。

说起TDK，很多人脑海里浮现的，可能还是那个曾出现在无数盒式磁带上的经典logo——从70年代到90年代，它几乎是全球范围内音像磁带的代名词。但如今的TDK，早已是一家面向汽车、工业自动化、消费电子和能源系统等领域的电子元器件、传感器、电源系统和先进材料核心供应商。通过TDK Ventures，它正在布局下一代机器人、人工智能、能源和先进制造方向的初创公司。其投资组合中包括了为工业设施开发自主巡检机器人的ANYbotics，以及专注于机器人及边缘应用节能AI计算的EdgeCortix。

这次专访里，Saxena着重讨论了一个被他视为机器人领域最大迷思的观点：基础模型和生成式AI的进步，并不能自动转化为能真正干活的物理机器。在他看来，机器人的成功远不止依赖软件智能。他提出了一套名为“物理AI四要素”的框架——感知、规划、性能与平台。

谈话中还深入探讨了当前人形机器人的投资热潮是否合理、近期哪些投资机会最值得关注、为何传感器、电力电子、运动控制和边缘计算这类使能技术仍被低估，以及哪些机器人细分领域最有可能在本十年内创造最大价值。

对于想看清机器人下一步走向的投资者、工程师和技术领导者来说，Saxena结合工业实践与风险投资经验提供的视角，相当务实。

---

最大的迷思：AI能力能自动迁移到物理世界吗？

目前投资者和机器人公司对AI与物理世界自动化之间仍存在哪些误解？

市场上一种主流叙事，是把AI的能力和物理世界的实用性混为一谈。基础模型本质上是在人类表达——语言、图像、代码——上训练出来的概率机器，但物理世界遵循的是力学规律，而不是统计规律。

机器人技术要求的是确定性：亚毫秒级的响应、容错能力，以及在真实环境变化下的可靠感知。很多投资者想当然地认为，在语言领域规模化应用出来的成果，可以直接迁移到机械系统上。事实并非如此。

机器人公司则犯了相反的错误。很多公司把生成式AI当营销噱头，往现有的硬件架构上叠罗汉，而不是针对真正的核心挑战去重新设计——也就是如何把语言和推理模型落地到真实的传感器和执行器反馈中去。

机会并不在生成式AI取代机器人工程，而在物理AI——即在传感器融合、运动学和闭环反馈上训练的模型——去增强机器人工程能力。

感知：被低估的瓶颈

在你提出的“感知、规划、性能、平台”这四要素里，哪个是最薄弱的环节？

感知是大多数人低估的瓶颈。规划领域随着基础模型和仿真到真实迁移技术的进步已经相当成熟；性能则一直跟着硬件曲线在走；但感知——在非结构化、动态环境中可靠地解读传感器数据——至今仍然很脆弱。

工业机器人在有确定性的受控环境里表现出色，但一旦遇到环境光线变化、物体遮挡或表面异常，精度就会迅速下降。目前行业仍严重依赖昂贵的传感器组合和定制化的标定方案。在感知能力能以低计算开销可靠泛化到新场景之前，大规模自主化将持续受限。

人形机器人：长期逻辑成立，短期定价过热

人形机器人投资现在合理吗？还是我们在制造一个泡沫？

两者可以同时成立。人形机器人的长期逻辑是对的——如果你希望机器人在为人类设计的环境里工作，又不想改造现有空间，那双足形态在架构上确实合理。Agility Robotics已经把Digit机器人部署到商业物流环境里，证明这方向并不纯粹是概念炒作。

但目前的投资定价所预设的商业化时间线，乐观估计也提前了至少十年。人形机器人面临着多重叠加的硬核难题：灵巧操作、能效、负载下的实时平衡，以及制造规模下的单位成本。

最终能活下来的企业，一定是在机械和AI层面建立了真正差异化能力的，而不是靠令人印象深刻的演示和薄弱的实际部署来蹭热度的。

近期的投资机会在哪里？

近期最具潜力的机器人投资机会到底在哪里？

集中在那些场景受限、高价值、任务重复且ROI可量化的领域。比如物流和仓储中的自主移动机器人，以及能源基础设施、矿业和工业设施的巡检与监测机器人——ANYbotics这类初创公司已经做出了成绩。

空中自主是另一个被低估的细分领域：AutoFlight的eVTOL平台正在开辟空中货运物流和基础设施巡检市场，这个方向有真实的近期商业牵引力。

外科手术和康复机器人同样值得关注——高精度要求支撑了溢价定价。这些领域不需要解决开放式操作或通用导航问题，只需要在明确的操作域内提供深度可靠性。

评估机器人初创公司：演示不是终点

在评估机器人初创公司时，你最看重什么？

令人印象深刻的技术只是最低门槛。几乎每家机器人初创公司都能做出精彩的演示。真正的问题是，团队是否理解“部署鸿沟”——即从一套可运行的演示，到企业愿意信任它在真实设施中7×24小时无人值守运行之间的距离。

我寻找的是那些对自身失败模式保持高度关注的团队，而不是只沉浸在成功里的团队。他们是否在生产系统中建立了监测机制，正视了哪些地方会出问题？他们是围绕有明确ROI的具体客户在构建，还是只为追逐下一轮融资？

在TDK Ventures，我们还会追问一个更尖锐的问题：这家公司是否在硬件、数据或集成深度上拥有护城河，还是只要出现一个资金充足的竞争对手就会立刻面临商品化风险？

使能硬件被严重低估

投资者是否低估了传感器、运动控制、电力电子、计算等使能硬件的价值？

严重低估。软件层之所以吸引眼球，是因为对非专业投资者来说它更容易理解，也更容易做出令人信服的演示。但机器人是物理对象，真正的约束在于热学、机械和电气层面。

功率密度限制、传感器噪声基底、执行器回差——这些问题软件工程绕不过去。这正是TDK在物理AI领域有独特地位的原因：深厚的材料科学积累，以及在磁性材料、储能、电源及传感器领域的元器件技术传承，为投资组合企业提供了真正难以复制的使能技术。

机器人领域下一批可防御的护城河，将建立在硬件与软件的交界面上，而不是凌驾于硬件之上。

工业应用的最大障碍

阻碍机器人在工业领域广泛应用的最大障碍是什么？

三个相互关联的问题。

第一，集成复杂性。大多数工业环境在设计之初并没为自主系统留出空间，改造工作流程的成本往往被严重低估。

第二，可靠性预期。企业买家要求的正常运行时间和安全认证标准，是很多机器人公司目前在规模化部署中难以持续达到的。

第三，部署端的人才缺口——不是研发机器人的，而是在跨分布式站点运营和维护机器人的人才。软件公司通过SaaS和远程更新解决了这个问题，机器人公司还没有完全找到对应解法。

未来能在规模化上胜出的企业，一定是那些把部署后的运营视为核心产品、而非事后补丁的企业。

到2030年：哪些细分领域创造最大价值？

到2030年，哪些机器人细分领域将创造最大价值？哪些趋势被过度炒作？

最大的价值将来自能源、基础设施和供应链领域的工业与现场机器人——这些领域面临严峻的劳动力短缺、高安全风险和可量化的生产率提升空间。

边缘AI推理硬件——也就是支持设备端处理而无需依赖云端的技术——将悄然成为整个行业的关键基础设施。

被过度炒作的第一大趋势：把通用人形机器人当成近期的企业级解决方案。第二大趋势：声称能够完全抽象硬件层的“全栈”机器人软件平台。

物理规律无法被抽象。尊重这一约束的企业，终将比那些无视它的企业走得更远。

---

Q&A 快问快答

Q1：Ankur Saxena提出的“物理AI四要素”是什么？

A：Ankur Saxena提出的“物理AI四要素”分别是感知（Perception）、规划（Planning）、性能（Performance）和平台（Platform）。他认为感知是其中最薄弱的环节，也是最被低估的瓶颈。工业机器人在受控环境中表现良好，但一旦遇到光线变化、物体遮挡或表面异常，感知精度就会迅速下降。在感知能力无法以低计算开销泛化到新环境之前，大规模自主化依然受限。

Q2：TDK Ventures看好哪些近期机器人投资机会？

A：TDK Ventures投资总监Saxena认为，近期最具潜力的机器人投资集中在几个方向：物流和仓储中的自主移动机器人、能源基础设施和矿业的巡检监测机器人，以及空中自主领域（如eVTOL平台）。此外，手术和康复机器人因高精度要求支撑溢价定价，也是重要方向。这些领域无需解决通用操作难题，只需在明确场景内提供高度可靠性。

Q3：人形机器人投资现在是泡沫吗？

A：Saxena认为人形机器人的长期逻辑成立，但当前投资的商业化预期普遍过于乐观，至少提前了十年。人形机器人面临灵巧操作、能效、负载平衡和规模化制造成本等多重难题。已有Agility Robotics将Digit机器人实际部署在商业物流环境，证明这一方向并非纯粹炒作，但大多数企业靠的是演示而非真实部署，能存活的将是拥有真正差异化能力的公司。