
雷军APEC发言称过去几年挣到钱的 AI 公司很少,认为具身智能产业想象力将超汽车产业,对此你怎么看?
2024年11月,小米集团创始人雷军在亚太经合组织(APEC)工商领导人峰会期间发表演讲,就人工智能产业发展现状与前景发表看法。雷军指出,尽管AI技术在过去几年取得显著突破,但真正实现可观盈利的AI公司数量极为有限,行业整体仍处于高投入、低回报的投入期。与此同时,
事件概述
2024年11月,小米集团创始人雷军在亚太经合组织(APEC)工商领导人峰会期间发表演讲,就人工智能产业发展现状与前景发表看法。雷军指出,尽管AI技术在过去几年取得显著突破,但真正实现可观盈利的AI公司数量极为有限,行业整体仍处于高投入、低回报的投入期。与此同时,他对具身智能(Embodied AI)产业表达了高度乐观的判断,认为该领域的长期想象空间将超越汽车产业。
此番言论迅速在科技圈引发广泛讨论,知乎平台相关话题热度攀升至918万。雷军作为兼具互联网与硬件制造背景的企业家,其判断既涉及AI商业化落地的现实困境,也指向具身智能这一前沿赛道的战略价值。事件的核心在于:一位深耕消费电子与智能硬件多年的行业领袖,如何在AI盈利难与具身智能前景广阔之间建立逻辑关联,以及这一判断对产业界和资本市场的参考意义。
背景解读
过去三年,全球AI产业经历了从资本狂热到理性回归的完整周期。据CB Insights数据,2023年全球AI领域融资总额约425亿美元,较2021年峰值下降逾40%,但资金明显向头部集中——OpenAI一家便吸纳了约130亿美元。与此同时,绝大多数AI初创企业仍处于亏损状态,商业化路径集中于API调用、企业服务与广告变现,规模化盈利者屈指可数。
中国AI产业同样呈现“冰火两重天”格局。一方面,大模型数量已超200个,备案上线产品持续增加;另一方面,据行业调研,2023年国内AI公司中实现正向现金流的不足15%,多数依赖融资维持研发投入。算力成本高企、同质化竞争加剧、付费意愿不足构成三重挤压。
具身智能则被视为AI与物理世界结合的下一站。与纯软件AI不同,具身智能强调感知、决策与行动的闭环,应用场景覆盖人形机器人、自动驾驶、智能制造等。中国“十四五”机器人产业发展规划明确将智能机器人列为重点方向,北京、上海、深圳等地已出台专项政策支持具身智能研发与产业化。雷军的判断,正是在这一政策与产业交汇点上作出的。
深度分析

对AI行业的影响:分化加速与路径修正
雷军“挣钱少”的论断,实质上揭示了纯软件AI商业模式的脆弱性。以计算机视觉为例,商汤、旷视等头部企业虽营收增长,但持续亏损局面未根本扭转,2023年商汤经调整亏损仍超50亿元。这促使行业从“技术叙事”转向“场景付费”,医疗AI、工业质检等垂直领域因付费方明确而率先跑通闭环。另一方面,具身智能的提出为AI公司提供了“软硬结合”的新叙事——将算法能力嵌入机器人本体,以硬件销售+服务订阅构建收入结构,这与纯API调用相比更具定价权和客户粘性。
对硬件与制造产业链的拉动
具身智能的产业化将直接拉动传感器、伺服电机、精密减速器、边缘计算芯片等上游需求。以人形机器人为例,单台设备涉及关节模组数十个,其成本结构中硬件占比超过60%。这与汽车产业高度相似——智能汽车的单车芯片与传感器价值量持续攀升,带动了整条供应链的升级。雷军将具身智能与汽车产业对比,逻辑在于两者均具备“万亿级终端+长供应链+高研发壁垒”的特征。小米自身在汽车制造中积累的电机、电池、智能座舱能力,存在向机器人领域迁移的可能性。
对资本市场与政策走向的暗示
雷军的表态可能影响一级市场对具身智能的估值逻辑。2024年以来,国内具身智能赛道融资事件已超60起,但多数集中于天使轮与A轮,估值体系尚未成熟。若产业领袖公开背书,或将加速资本向该领域配置。政策层面,具身智能有望进入更多地方政府的产业规划目录,尤其是在制造业转型升级和老龄化服务机器人需求叠加的背景下。但需注意,雷军同时强调“挣钱少”,这实际上是对短期盈利预期的降温,有助于避免资本泡沫的过度膨胀。
延伸阅读: 中国AI产业落地跑出加速度
类似案例
案例一:2015-2018年智能音箱大战

亚马逊Echo引爆智能音箱市场后,国内阿里、小米、百度等迅速跟进,以补贴换市场份额。高峰时期天猫精灵、小爱同学等产品售价低于成本,行业出货量激增但盈利者寥寥。最终市场集中于少数巨头,中小玩家退出,语音交互技术沉淀为智能家居入口。这一案例的启示在于:硬件入口的争夺往往需要经历“烧钱换规模”的阶段,但最终胜出者需具备生态协同能力。具身智能若重演此路径,则需警惕重复投资与价格战。
案例二:2016-2020年自动驾驶融资潮
Waymo、Cruise等引发的自动驾驶投资热,在2018年后因商业化落地缓慢而降温,多家初创公司被收购或关停。但沉淀下来的激光雷达、感知算法能力,反而成为智能汽车产业的基础设施。对比来看,具身智能当前所处阶段类似自动驾驶早期——技术可行性已验证,但成本、可靠性与法规仍是规模化瓶颈。雷军的表态既是对前景的肯定,也隐含对“长期投入”的提醒。
延伸阅读
具身智能的技术架构与产业图谱
具身智能的核心在于“感知-决策-执行”闭环。感知层依赖多模态传感器(视觉、力觉、触觉),决策层依托大模型进行任务规划与运动控制,执行层则涉及关节模组、灵巧手等硬件。当前技术路线分为端到端学习与模块化分层两种,前者以特斯拉Optimus为代表,后者多见于国内初创企业。
产业链上游包括芯片(英伟达Jetson、地平线)、传感器(奥比中光、禾赛)、伺服系统(汇川技术);中游为机器人本体制造(优必选、宇树科技);下游应用覆盖工业搬运、商业服务、家庭陪护等。成本方面,当前人形机器人单台成本约30-50万元,较2022年下降约40%,但距离大规模商用仍需降至10万元以内。
人才结构上,具身智能需要交叉学科背景,算法工程师与机械工程师的配比约为1:2,国内相关人才缺口据估算超10万人。地域分布集中于北京、深圳、上海、杭州四地,与AI产业整体分布高度重合。
未来展望

可能性一:具身智能成为资本新风口,但分化迅速
若头部企业能在3年内实现特定场景(如工厂搬运、危险作业)的规模化交付,资本将加速涌入,但多数缺乏硬件量产能力的AI公司将面临转型或出局。
可能性二:AI盈利困境持续,行业进入整合期
若大模型API价格战延续,中小AI公司现金流压力加剧,并购与关停案例增多,行业集中度进一步提升,具备自我造血能力的公司方能穿越周期。
可能性三:政策加码推动具身智能试点落地
地方政府可能以产业基金、应用场景开放等方式扶持具身智能,制造业大省或率先在物流、巡检等领域开展示范项目,但大规模商用仍需等待成本下降与标准建立。
读者应关注的关键节点包括:小米机器人业务进展、具身智能领域季度融资数据、以及工信部相关产业政策的细化落地情况。

