人形机器人经济看起来很复杂。直到你深入到物料清单（BOM）。 BOM不仅仅是一个成本表。它是一个“战略地图”。 它揭示了成本隐藏的杠杆，复杂性隐藏的护城河，以及硬件和软件的交汇或冲突之处。 - 当你知道如何阅读它时，BOM告诉你： - 哪些子系统推动成本与差异化 - 整合复杂性在哪里创造或侵蚀利润 - 什么知识产权值得拥有（机械、模型或数据） - 地理位置如何影响迭代速度 - 为什么有些公司像SaaS一样扩展，而其他公司则陷入硬件困境 让我们通过BOM的视角来看看机器人堆栈🔍 ⚙️ 驱动装置推动成本和护城河 每个机器人的基础是驱动装置。几乎一半的BOM成本就在那里，也是今天大多数防御能力所在。 电机、齿轮箱、扭矩系统： - 具有复杂的供应链 - 需要高水平的整合 - 竞争非常激烈 但它们也是战略堡垒。 像LeaderDrive、Harmonic Drive和Beite这样的供应商曾经在这里占据主导地位，拥有难以复制的知识产权，基于： - 紧密的公差 - 数十年的迭代 - 端到端的垂直整合 如果你控制了驱动器设计，你就控制了机器人的核心物理特性。 然而，这些系统现在正被以AI为中心的系统所取代，这些系统更注重动态行为和成本，较少依赖知识产权，而更多依赖强大的制造能力和良好的整体产品设计。 🧠 关键点：高成本 + 高知识产权 = 硬件护城河 💻 软件吞噬利润 但在堆栈上升时，杠杆发生了翻转。 计算、传感和模型层可能各占BOM的约10%，但它们不成比例地定义： - 适应性 - 自主性 - 随时间的成本压缩 芯片便宜。扭矩则不然。但与正确的堆栈配对时，计算会迅速复合。 这就是为什么像NVIDIA这样的公司不止于硅。他们拥有： - Isaac → 仿真工具 - GR00T → 基础控制模型 - 舰队学习循环 → 随着使用而变得更智能的系统 这就是GR00T的游戏手册：拥有模型、数据和学习循环，突然间，你的10%的BOM控制了80%的产品差异化。 这是利润像代码一样扩展的地方： - 舰队级学习循环 - API风格的单位经济 - 随时间降低的每单位成本 使用 → 数据 → 模型 → 自主性 → 使用 → 利润 🧠 关键点：低成本 + 模型/数据知识产权 = 软件护城河 🧩 整合创造利润或扼杀利润 硬件利润非常残酷——除非你拥有精密复杂性。 问题是：你是在组装零件吗？还是在工程行为？ 如果一家公司： - 自制驱动器 - 针对特定行为调节扭矩曲线 - 端到端设计机电系统 那么它可能会承担高的销售成本。 但这不仅仅关乎防御能力，而是风险与利润的权衡。 拥有这一层意味着承担供应链复杂性、固件调优和精密控制。但如果做得对，可以将成本降低25%到50%，这对重硬件的参与者来说是一个严重的优势。 案例研究：Unitree的$16K人形机器人 Unitree的胜利不仅仅在于AI突破。他们通过工程化BOM赢得了胜利： - 本地采购驱动器（更便宜的电机）+ 自家制造（没有供应商利润） - 跳过多平面激光雷达（降低传感器成本） - 避免激进架构；仅对堆栈进行严格控制 - 共同定位供应链；90%的供应商在杭州几个小时内 以下是Unitree四足机器人的BOM的高层次分解： 西方公司通常无法匹配这一点——不是因为技术差距，而是因为他们缺乏供应链密度。 这减缓了迭代并膨胀了BOM。 🧠 关键点：低BOM + 紧密整合 = 速度 + 利润 💸 成本 ≠ 商品 低BOM并不保证利润。 高BOM并不意味着战略薄弱。 这取决于成本具体位于何处，以及是否有： - 模型/数据飞轮 - 机械知识产权 - 紧密的子系统整合 在商品化层面，成本节省往往只是传递给买方。 但在杠杆层面，它们解锁了复合优势。 🧠 关键点：成本只有在带来杠杆时才重要 🧬 看不见的BOM更重要 BOM中没有的东西往往定义了长期优势。 你不会找到舰队日志、ROS调优配置或仿真策略的列表，但这些层决定了： - 自主行为 - 边缘情况下的适应性 - 机器人之间的学习 - 随时间的利润扩展 这就是看不见的层： data → 模型 → 行为 → 更多数据 谁拥有这个循环，不仅降低成本，还能弯曲性能曲线。 🧠 关键点：BOM中没有的东西可能比有的东西更能定义长期防御能力。 🗺️ 如何像阅读战略地图一样阅读BOM BOM准确告诉你杠杆在哪里： - 驱动装置 → 高成本，高护城河，低利润 - 计算 → 低成本，高杠杆，高利润 - 通信/框架 → 低成本，低护城河，低利润 - 传感器 → 中等成本，日益商品化 因此，BOM成为利润特征的代理： - 高BOM + 高知识产权 → 硬件护城河（齿轮、驱动） - 低BOM + 模型/数据所有权 → 软件护城河（GR00T堆栈） - 高BOM + 低知识产权 → 两者的最坏情况（商品组装商） 随着机器人系统的发展，我觉得BOM将提供一个独特的视角来评估技术约束、经济结构和机器人堆栈的战略杠杆。 感谢@chynaqqq & @castorhat (PrismaX)，@karsenthil (Reborn)，@xmercury_one (Xmaquina DAO)，@ivailoj (Paper Ventures)，@BlueHors3Shoe (No Limit Holdings)，@shutterbugsid (Decentralised Co)对这篇文章的一些快速反馈和建议。