大模型的成功，让很多人形成了一个直觉：AI 从文字到图像到视频，一路被规模律碾平，那么从数字世界跨进物理世界——机器人——也不过是”再堆一次算力和数据”的事。

这个类比，是这轮人形叙事最贵的错觉。具身智能不是 AI 的下一步，它撞上了数字 AI 从未面对的四道墙。

四道墙：只有一道，规模碾得动

把机器人走向大规模落地的障碍拆开，是四堵性质完全不同的墙：

• 数据墙：机器人需要真实世界的物理交互数据，而这种数据不像文本可以从互联网无限抓取——它得靠真机、真场景一次次采集。这堵墙，规模和资本确实能慢慢碾动。
• 安全墙：一个 200 斤的机器在人身边移动，一次失误就是人身伤害。这不是准确率问题，是责任和法律问题——你没法用”再多训练一轮”消除一个法律责任。
• 可靠性墙：聊天机器人答错可以重来，物理动作错了就是碎掉的杯子、停摆的产线。工业场景要求的是 99.9%+ 的稳定性，这是物理世界的确定性要求，规模律给不了保证。
• 经济性墙：一台机器人要在商业上成立，它的全生命周期成本必须低于它替代的人力。这是一道会计题——BOM、维护、利用率、折旧——再强的模型也改不了算术。

看清楚这四堵墙的性质差异，你就明白问题在哪：大模型的经验只对第一堵墙（数据）有效，而安全、可靠、经济这三堵，是物理、责任和会计问题，不是”再堆一次规模”能推平的。

莫拉维克悖论：对人越简单，对机器越难

还有一个反直觉的底层规律——莫拉维克悖论：对人类越”本能”的事，对机器越难。

下棋、写代码、做数学，对人很难，机器早就超越了；而叠一件衣服、拧一个不规则的瓶盖、在杂乱厨房里拿起一个鸡蛋——这些三岁小孩的动作，恰恰是机器人今天最过不去的坎。人形机器人要卖的，恰恰是后面这类”对人简单、对机器极难”的能力。

这不是说人形没有未来。这是说：给这条赛道定价时，你面对的不是一个”再等两年就规模化”的软件问题，而是四道性质各异、时间不可压缩的硬墙。 谁把它当成”下一个大模型”来线性外推，谁就会为一个被高估的时间表买单。

下一次听到”规模律会解决一切”，先问一句：你说的是四道墙里的哪一道？

你觉得这四堵墙里，哪一堵会最先被推平、哪一堵会拖最久？评论区聊聊。

（本文为独立产业研究与教育内容，非投资建议；文中具名公司仅为分析举例，非推荐。数据来自公开来源、可能随时间变化。作者及关联方可能持有相关头寸。）

——本文改写自《具身智能投资》第 5 章〈四道墙：数据、安全、可靠性、经济性〉

#具身智能 #人形机器人 #物理AI