聚光灯下，一台造型科幻的中国人形机器人优雅地踱步上前。

它伸出带有轻微金属质感的手指，极其顺滑地捏起一枚生鸡蛋，“啪”地一声打入平底锅，紧接着捏起铲子、翻面、盛盘——动作行云流水，引得台下老外长枪短炮一阵猛拍。

然而，就在国产具身智能（Embodied AI）迅猛发展的时候，摩根士丹利和多家海外投资机构在最新的产业报告中，开始冷嘲热讽：

“在展台上表演做俯卧撑、煎鸡蛋的机器人，绝大多数处于‘大脑极度匮乏’状态。后台真正工作的是个穿戴着动捕设备的打工人，正顶着毫秒级延迟在远程遥控。”

报告甚至给出了一个杀伤力极强的定论：

中国具身智能陷入了“机械躯壳内卷，算力与自主 AI 极度贫瘠”的怪圈。展示精细手部操作的演示中，高达 80% 到 90% 依赖远程人工操控（Teleoperation）。

台前是赛博朋克的自主未来，幕后是月薪五千的打工人穿戴设备玩“真人大乱斗”？这到底是华尔街剥开华丽外衣的真相揭露，还是一场精心策划的资本唱衰？

抓包现场：你在看未来世界，华尔街在看数据延迟

在懂行的人眼里，华尔街这次发难的刀法极其刁钻——他们没去质疑机器人的硬件，而是直接拿着 Wi-Fi 抓包工具去抓演示现场的数据流。

分析师们抓包发现，那些在台上表演“穿针引线”和“拿杯子接水”的机器人，视角的视频回传与手部控制数据包，频繁维持在 30–60Hz 的特定通信频段上。伴随着数十毫秒的微小抖动，数据流直奔展台幕后的暗室。

这根本不是机器人在本地芯片里完成了“视觉感知--运动规划--关节控制”的神经网络闭环，而是在给后台的遥控员传输画面。

这里有一个连科技圈内部都经常混淆的“硬核盲区”：后空翻容易，切豆腐难。

翻滚做俯卧撑：依靠的是全身控制算法（WBC）和强化学习（RL）。这是纯粹的经典物理力学计算，属于硬编码或规则引擎，中国厂商早已玩得炉火纯青。所以机器人能在台面上屹立不倒、翻跟头，这是真功夫。

拿杯子、打鸡蛋、拧螺丝：这需要端到端具身大模型（VLA，视觉-语言-动作模型）进行非结构化环境下的泛化决策。

但华尔街打假的正是后者。当下的绝大多数国产机器人，躯壳性能直逼超跑，但本地算力板卡上跑的只是低功耗边缘芯片。它们缺乏像 OpenAI 或 Google 那样的原生通用物理基础大模型支撑。

这就导致了一个戏剧性的现场：一台造价几十万的机器人在台前走秀，它的“大脑”却其实是一个站在几米开外、戴着 VR 头显、穿戴动捕外骨骼手套的打工人。

西方空头借此狠狠扎心：中国造出了极其便宜的钢铁躯壳，但它本质上只是一件高价遥控玩具。

被嘲讽的遥控器：物理世界数据荒里的“人工采矿”

然而，如果沿着华尔街“伪科学、假自主”的逻辑往下看，你就很容易落入西方资本预设的叙事陷阱。

遥操作（Teleoperation）真的是在作弊吗？

如果把时间线拉长，你会发现遥操作并不是什么不可告人的黑科技。

早在数十年前，著名的“达芬奇手术机器人”就是靠医生在操作台遥控完成微创手术的。而在具身智能领域，遥操作不仅不是“作弊”，它恰恰是目前全球顶尖实验室在破解的终极难题——物理数据荒（Physical Data Scarcity）。

大语言模型（LLM）之所以能爆发，是因为人类把几十年互联网的文字、图片、代码无偿喂给了它。但机器人不一样，互联网上没有“捏住生鸡蛋指尖需要几牛顿摩擦力”的数据，也没有“机械臂碰撞到桌面时阻尼如何反馈”的数据。

2024年初，斯坦福团队开源的 Mobile ALOHA 机器人曾轰动一时。

那个能炒虾、打扫卫生、开电梯的机械臂，其核心逻辑就是：

先由人类通过动捕装备遥控示范 50 次，采集到模仿学习的数据（Imitation Learning），再把数据喂给 AI，让它学会自主操作。

发现这背后的逻辑闭环了吗？

华尔街嘲讽中国企业“幕后全是打工人遥控”，但事实的另一面是：

中国正凭借低成本的硬件和雄厚的人口红利，把“人工遥控”做成了一座全球最大的物理世界“数据采矿场”。

硅谷的科学家们试图在 Nvidia Isaac 仿真软件（Sim-to-Real）的虚拟世界里逼真地拟合物理定律；

而中国企业选择了一种极其接地气的物理暴力美学——雇人穿戴设备直接去真实世界里“打工”，用成千上万小时的人工遥控示范，硬生生砸出一个物理世界的真机数据集。

西方看到的是“遥控作秀”，中国产业链在做的，却是“用打工人给未来 AI 补课”。

华尔街的叙事毒计：脑子归西方，躯壳归代工？

华尔街为什么偏偏在这个节点集体掏出抓包报告唱衰？

因为这是跨国资本在具身智能这个未来万亿赛道上，争夺“定价权”的叙事战争。

在资本市场的估值模型里，软件大模型是享有 30–50 倍市盈率（P/E）的高毛利“科技故事”；而硬件制造，一不小心就会被打入 10–15 倍市盈率的低毛利“工厂故事”。

美国投资逻辑：扶持 Figure AI、Skild AI、Physical Intelligence 等算法与大模型公司，把“大脑”捧上神坛，从而占据资本产业链的最顶端。

Figure AI

中国产业现实：在关节电机、谐波减速器、行星滚柱丝杠、灵巧手等硬件供应链上，中国凭借电动汽车产业链的溢出效应，把整机 BOM（零部件）成本卷到了 1.5 万至 4.6 万美元，而欧美同类产品的成本依然悬在 7.5 万至 13 万美元的高空。

于是，华尔街急了。报告里大肆鼓吹“中国机器人大脑约等于零”，本质上是想重新复制当年智能手机与电动车的控制权逻辑：

“让美国公司掌握大脑（iOS/Android/大模型），中国公司去干低毛利的躯壳组装（富士康/代工厂）。”

这一幕何其相似？当年特斯拉凭借 FSD 软件算法坐拥高估值，而电池供应链却在亚洲；当年苹果拿走了 iPhone 超过 80% 的利润，长三角和珠三角的零部件工厂只分到了微薄的加工费。

华尔街试图用“大脑脱节”这个命题，一脚把中国机器人的硬件优势踹进低利润的代工泥潭。

终极豪赌：算法可以空中升级，躯壳没法一夜练成

但这套西方资本的冷笑话，忽略了一个最基本的工业铁律：软件的壁垒是水，硬件的壁垒是山。

一个大模型，只要算法突破、算力到位，通过云端 OTA（空中下载技术），机器人一夜之间就可以完成脑力的“智商跃迁”；

但一个耐用度达到上千万次折叠的精密减速机、一个在几十克重量下能输出几牛米扭矩的灵巧手电机、一套将整体 BOM 成本压低 70% 的供应链集群，西方就算投再多钱，也绝不可能在实验室里凭空跑出来。

这就是两条不同的底层发展路线对赌：

西方选择的是“自顶向下”——在实验室里烧几百亿美元做 VLA 绝世大模型，幻想着有一天模型成了，随便找个硬件装上就能拯救世界。但现实是，他们的硬件成本高昂，根本无法规模化落地跑通商业闭环。

中国选择的是“自底向上”——先把躯壳的成本卷到极致，用极具性价比的硬件铺满工厂、展台甚至家庭。哪怕初期智商不够“打工人来凑”，利用遥控采集真实海量数据，再反向倒逼“大脑”在物理世界中迭代成长。

大脑可以后天移植，但躯壳无法一夜练成。

当华尔街的分析师们洋洋得意地在报告里写下“他们后台坐着月薪五千的遥控打工人”时，他们或许没有意识到：

当年在智能手机时代，被嘲笑“只会组装”的中国工厂，最终诞生了全球半壁江山的终端品牌；在电动汽车时代，被嘲笑“没有发动机技术”的中国供应链，最终构筑了全球最坚固的产业护城河。

下一次，当你看到展台上的机器人又在流畅地煎鸡蛋时，不妨离近一点看看——它后台也许确实连接着 Wi-Fi 信号，但那个遥控器所上传的每一帧数据，都在成为中国具身智能踢开通用 AI 大门的关键砝码。

至于华尔街的报告？让他们继续唱衰好了。毕竟，在机器人的钢铁骨骼彻底撑起工业未来之前，资本市场从来不缺投降者，也从来不缺被打脸的预言家。