江波龙上半年净赚105亿，利润同比暴涨七万多倍，这数据看得我直拍大腿。底层卖水人吃到了AI数据中心建设的红利，赚得盆满钵满，可你再看看具身智能这边，完全是另一个极端。 前阵子跟圈内朋友喝酒，聊起理想前智驾一号位郎咸朋出来搞的昆仑行。90天连融三轮，几十亿砸进去，直接堆出一个独角兽。听着挺唬人对吧？但我跟你说，这背后根本不是什么资本狂欢，而是一个深不见底的吸金黑洞。 郎咸朋自己交底了，训一个具身大模型，几亿十亿根本打不住，得几十亿甚至上百亿。他原话说得很透，只靠融资，谁都撑不到具身实现的那一天。这帮搞硬件和物理交互的兄弟，现在面临的局面就是疯狂烧钱，而且短期内根本看不到回头钱。 这就引出一个很现实的现象，当前AI赚钱的逻辑已经彻底劈叉了。底层搞算力、搞存储的，业绩直接起飞。而具身智能这种应用层，还在泥坑里挣扎。以前做个大模型套个壳，弄个API接口就能忽悠投资人，现在这套在具身领域彻底玩不转了。机器人不能靠模仿人类动作来蒙混过关，上万个场景你根本模仿不过来。 想熬过这个烧钱期，必须抛弃那种照猫画虎的模仿思维，去死磕物理因果。你得让机器人真正理解重力、摩擦力这些物理规律，而不是单纯学个动作分布。而且，别整天想着怎么进家庭客厅给大妈端茶倒水，那太复杂也太危险。老老实实去工厂打螺丝、搞物流上下料，先扎根toB场景把商业闭环跑通，才是正经事。 这场百机大战最后肯定会像新能源车一样大浪淘沙。靠融资续命只能爽一阵，能把物理因果啃下来并在工厂里真正落地干活的，才能活到见真章的那一天。 既然应用层这么烧钱，那现在AI圈子里到底谁在真赚钱？你翻开几家底层硬件公司的财报看看就知道了，人家都在开香槟。 就拿江波龙来说，今年上半年归母净利润直接干到了105.77亿，同比暴涨了七万多倍。营收也突破了240亿，毛利率飙到了59%。这数据看着都眼晕。他们凭啥赚这么多？还不是因为AI数据中心建设加速，企业级存储需求彻底爆了。这就是最典型的AI“卖水人”狂欢，不管上面淘金的人能不能挖到金子，卖铲子和卖水的早就赚翻了。 你再对比一下郎咸朋他们搞具身智能的处境。老郎自己交底，训一个具身大模型，几亿十亿根本打不住，得几十亿甚至上百亿。底层卖水的一年净赚一百多亿，应用层搞物理交互的90天融几十亿还天天愁钱。这种赚钱逻辑的严重分化，其实给所有创业者敲了个警钟。 以前咱们总觉得，做应用、套个大模型的壳、弄个API接口就能轻松搞钱。现在这套彻底玩不转了。没有底层算力和存储的支撑，应用层连跑个像样的Demo都费劲。江波龙能把利润做这么高，是因为人家把芯片设计、固件算法这些核心能力全捏在自己手里，吃透了AI硬件爆发的红利。这种底层基础设施的壁垒和长周期，根本不是靠几页PPT和几轮融资就能砸出来的。 所以，别眼红“卖水人”的狂欢，这钱你真学不来。底层吃肉，应用层如果还想靠模仿和套壳喝汤，迟早得饿死。搞具身智能的兄弟，认清现实，抛弃那些不切实际的C端幻想，老老实实去工厂打螺丝、死磕物理因果，把toB的商业闭环跑通，才是活下去的唯一出路。 底层硬件赚翻了，那搞具身智能这些前沿应用的，难道只能靠融资续命？ 前阵子跟圈内朋友复盘，提到理想前智驾一号位郎咸朋透了个底：搞一个具身大模型，几十亿甚至上百亿都填不满。这钱到底烧在哪了？其实全砸在模仿这两个字上了。以前咱们搞大语言模型，靠狂吸互联网数据，那是吃获取效率的红利，成本极低。现在搞具身智能，很多团队还在沿用老思路，让机器人靠模仿学习去死磕上万个场景。说实话，这根本行不通。物理世界的因果律，靠像素级的动作分布是学不会的。 你看江波龙半年净赚105亿，人家是把芯片设计和固件算法这些硬核底子捏在手里，吃透了底层红利。反观具身智能这边，如果还在玩照猫画虎的模仿游戏，几轮融资连个水花都打不起来。郎咸朋说得很直白，光指望融资根本熬不到具身落地那天。 想回本，得先戒掉模仿思维。机器人不能只学动作，得去理解重力、摩擦力这些物理规律。把物理量和机制编译进训练样本里，让数据自带物理因果。这套逻辑跑通了，才能实现一个大脑驱动多种形态，而不是换个硬件就得重新训。 而且，别总盯着家庭客厅那个大饼。家里有老人小孩，对安全性要求极高，技术不成熟就冲进去，纯属给自己和行业挖坑。老老实实去工厂搞上下料、做物流分拣，先把toB的商业闭环跑通。靠融资续命只能爽一阵，能把物理因果啃下来并在工厂里真正落地干活的，才能活到见真章的那一天。 既然照猫画虎走不通，那机器人到底怎么才能长出干活的真本事？我最近跟郎咸朋团队聊完，算是摸到了点门道。他们搞了个叫数据编译的硬核玩法，步步都在死磕物理因果。 先要把场景里物体的物理量全扒出来。重力、摩擦力、受力情况，这些不能只靠传感器去瞎测，得让模型自己算明白。然后把牛顿第二定律这种底层物理机制沉淀下来。接着最关键的是，把这些物理量和机制直接编译进训练样本里，让数据天生就带着物理世界的因果律。最后再搞个数据回传机制，把机器人干活时拉胯的数据挖出来，重新打标签再编译。 你看，这跟以前互联网大模型狂吸零成本文本数据完全是两码事。以前搞大语言模型，拼的是数据获取效率，网上随便扒点文章就能训。现在搞具身智能，你总不能把机器人塞到用户家里让人手把手教两年吧？获取效率走不通，就只能死磕使用效率。 我算过一笔账，底层像江波龙那种卖存储的，靠硬核技术半年净赚105亿，那是吃透了物理世界的真需求。具身智能如果还在玩动作分布的模仿游戏，几十亿融资连个响都听不到。把物理因果编译进数据里，训出来的才是真能干活的大脑，而不是个只会做广播体操的玩具。 别再迷信那些花里胡哨的Demo了，能把这套数据编译跑通，把物理规律刻进模型骨子里，再去工厂里跟那些复杂的上下料场景死磕，才是具身智能熬过烧钱期、真正赚到钱的唯一解。 技术路线想明白了，接下来最现实的问题：产品做出来了，先卖给谁？听我一句劝，千万别急着把机器人送进家庭客厅。 现在不少团队一上来就搞家庭服务机器人，想着让机器给大妈端茶倒水、陪小孩玩耍。PPT上讲着挺性感，实则是个填不满的坑。家里环境太复杂了，猫狗乱跑，小孩乱动，到处都是非结构化场景。更要命的是，家里有老人小孩，对安全性要求极高。你技术还没完全成熟就冲进去，万一机器人失控伤到人，不仅自己得赔破产，整个具身智能行业都得跟着挨骂。郎咸朋做自动驾驶这么多年，太懂这里的利害了，他原话说得很透，家庭是终点，绝不是起点。 想活下来，就得去工厂打螺丝。去搞那些上下料、物流分拣的活儿。工厂环境相对封闭可控，虽然看着不够高大上，但容错率高，而且工厂老板是真愿意为降本增效掏钱的。 咱们对比一下底层卖水的江波龙，人家半年净赚105亿，靠的是什么？是企业级存储这种真刚需。具身智能想熬过烧钱期，也得去找这种真刚需。工厂里那些枯燥、重复、危险的体力劳动，就是最真实的商业闭环。 别去C端卷那些伪需求了，放下身段去车间里吃灰，把toB的账算平，才是这帮具身创业者眼下最该干的事。 看懂了巨头的烧钱逻辑和落地路径，咱们中小团队现在该怎么分一杯羹？听我一句劝，千万别去碰重资产。 郎咸朋他们90天融几十亿，训个具身大模型几十亿甚至上百亿打底，这是资本和巨头的游戏。中小团队要是头铁去搞通用大模型，或者自己砸钱造机器人硬件，纯属找死。江波龙半年净赚105亿，靠的是砸出来的芯片设计和存储壁垒，这种底层基础设施的狂欢，咱们连门槛都摸不到。 那中小团队怎么搞钱？去捡大厂漏掉的钢镚。什么是钢镚？就是大厂看不上、或者精力顾不过来的细分脏活累活。比如前文提到的数据编译，大厂要搞通用的物理因果，你就专攻某一个极度垂直的工厂场景。专门给某类精密零件的上下料做数据标注和编译，把特定场景里的受力情况算得明明白白。 再比如昆仑行提到的Agent工程框架，大厂都在卷底层模型，你就去给工厂老板做那套把软硬件拼起来的工程兜底。帮他们把现有的老旧设备改造成能听懂指令的半自动流水线。以前做个套壳API就能忽悠投资人，现在得真刀真枪去车间里吃灰，解决一个具体的物理痛点。 别总想着做下一个90天融几轮的独角兽。先想办法每个月从工厂老板手里抠出几万块钱的订阅费，把单点场景的账算平。活下去，熬死那些还在PPT里画大饼的同行，这市场最后总有你一口饭吃。