Fady Saad，Cybernetix Ventures 创始人兼普通合伙人——专访系列

Fady Saad是 Cybernetix Ventures 的创始人兼普通合伙人，投资于处于早期阶段的机器人、自动化和工业人工智能公司。他还共同创立了 MassRobotics，助力拓展其企业合作关系，并支持机器人初创企业走向商业化。他的经验贯通工程、业务拓展以及让机器在真实运营环境中投入使用所面临的实际挑战；其投资理念以客户需求和具备商业可行性的部署为核心。

Cybernetix Ventures是一家总部位于波士顿的风险投资公司，投资北美和欧洲的机器人、自动化及工业人工智能初创企业。其关注领域包括制造业、物流、医疗保健、建筑业，以及感知、自主运行、传感器和机器人网络安全等赋能技术。在这次专访中，Saad 谈到了具身人工智能的发展机遇与局限、专用机器人和人形机器人的经济性，以及将前景可观的技术转化为可规模化业务所需的可靠性、数据和基础设施。

你于 2014 年共同创立 MassRobotics，助力打造全球领先的机器人创新生态系统之一，并于 2021 年创立 Cybernetix Ventures。是什么促使你从支持机器人初创企业转向直接投资这些企业？你在 MassRobotics 的经历又如何影响了你的投资理念？

我原本没打算成为投资人。我通过 Vecna 踏入机器人领域，从事研发和商业化战略工作，很快就认识到，机器人行业并不遵循软件行业的那套模式。软件原型可以在六个月内推出，交到用户手中。机器人则需要制造能力、供应链、测试和安全保障，还需要有客户愿意让它进入自己的厂区。

这就是我们在 2014 年创办 MassRobotics 的原因。我们称它为初创企业加速器，因为难点不在于造出原型，而在于把可运行的原型变成有人愿意购买的产品。我负责企业合作；六年多来，我参加了 300 多场企业会议，并协助建立了 40 多项合作关系。我反复看到同样的局面：企业有实际问题，初创公司有真正的技术，却几乎没有投资人能同时理解双方。

到了 2018 年和 2019 年，情况已显而易见。风险投资机构要么扎堆投资软件即服务，要么聚焦生物技术，而机器人创业者则成了格格不入的一群：对软件投资人来说，硬件成分太重；对生物技术投资人来说，生物学成分又不够。优秀团队的发展停滞不前，因为市场上没有合适的资金。Mark Martin 是我在 2017 年结识的；当时我们将 Analog Devices 引入 MassRobotics。他从企业一侧也看到了同样的缺口。于是我们创立了 Cybernetix，成立一支将机器人视为独立资产类别的基金，并于 2021 年正式推出。

MassRobotics 以一种简单的方式影响了我们的投资方法：我们从客户的问题出发，而不是从技术出发。我们青睐至少有一位创始人来自其目标行业的团队。我们还会在每笔交易中调动企业人脉网络，因为在这个领域，为企业牵线搭桥，有时比投资本身更有价值。

具身人工智能正在成为人工智能领域最具变革性的方向之一，它让机器具备智能，能够与现实世界互动。哪些技术突破正在加速它的普及？你为什么认为这个行业正迎来重要的转折点？

两方面同时取得了进展：机器的“大脑”变得更强，机身则变得更便宜。

在软件方面，基础模型赋予机器人一种它们过去几乎不具备的能力：理解指令，并应对那些未经过专门编程的情况。借助仿真，团队可以在机器人接触真实工厂之前，训练并测试数千种情境。在硬件方面，传感器、边缘计算设备、执行器和电池不断降价、性能不断提升，因此初创公司也能打造全栈机器人，而不必是大型工业企业。

此外还有需求因素：制造业、物流、农业和建筑业面临劳动力短缺，劳动力队伍日益老龄化，同时各方也切实推动将生产转回本土。我常说，劳动力短缺是经济问题，不是工程问题；如今企业董事会也正是这样看待它的。

所以，没错，这是一个转折点，但我想准确说明转折发生在哪里：技术能力和资本投入已迎来拐点，大规模部署却还没有。ChatGPT 建立在 20 到 30 年来数字化的人类知识之上，而物理世界并没有与之相当的数据基础。没有任何数据集能告诉机器人，拿鸡蛋、纸张或布料时，手法需要有所不同。通过在真实环境中部署，并在每个班次中持续学习来弥合这一数据鸿沟的公司，将引领下一阶段的发展。

人工智能进步、劳动力短缺和自动化需求增长，推动机器人与具身人工智能领域的投资加速。投资者的热情由哪些因素驱动？这股势头在多大程度上反映了真正的商业机遇，又在多大程度上只是投机性热潮？

我认为两者兼而有之，投资者若假装并非如此，对任何人都没有帮助。

需求确实存在。德勤和制造业研究所预计，到 2033 年，美国制造业可能需要多达 380 万名工人，其中约 190 万个岗位面临空缺风险。这不是炒作，而是经济中的一个巨大缺口。

资本市场则是另一回事。Crunchbase 统计显示，2026 年上半年，机器人初创公司获得的投资达 188 亿美元，超过了 2025 年全年的总额。但 PitchBook 发现，第二季度交易数量下降，投资金额却创下纪录，这说明大部分资金都流向了少数几笔超大型融资。很多资金押注的是一种叙事：主要围绕人形机器人和通用机器人模型。

我刻意采用一套看起来很朴素的筛选标准：客户在试点项目结束后会不会再次购买？机器人能否达到工作所需的可靠性？在生产线上，这个标准是 99.99%，而不是 90%。大约一年内能否产生实际收入？如果这些问题的答案都是肯定的，那就是一门生意。如果宣传重点主要是机器人到 2030 年可能做到什么，那就是把投机按确定性来定价。机器人行业以前经历过这样的周期，而在行业洗牌后，拥有付费客户的公司会更加强大。

Cybernetix Ventures 正在募集第二支基金，以扩大对机器人和人工智能早期公司的投资。自首支基金成立以来，你们的投资理念有哪些变化？哪些新兴技术或行业最受机构投资者关注？

我们的核心信念没有改变。实体人工智能的价值，产生于软件与现实世界部署相结合之处；最好的机器人则是从具体问题出发，反向设计出来的。第二支基金将进一步加码这一方向。

变化的是投资版图。第一支基金聚焦制造业、物流、建筑和医疗保健。第二支基金保留这些领域，同时新增农业、能源与气候基础设施、航天、国防以及军民两用技术。投资组合仍大致由三分之二的全栈机器人公司和三分之一的赋能技术构成，后者包括人工智能模型、感知技术和机器间网络安全。我们对第二支基金的首批投资投向了一家航天机器人公司和一家感知模型公司，这也表明新一代技术的发展方向。

我们也会认真考察一些在 2021 年几乎没人提及的问题，例如零部件来自哪里、供应链受中国影响的程度，以及机器人接入网络后是否安全。

我从机构和企业投资者那里最常听到两个问题。首先，企业会问，如何了解一个无法在内部自行开拓的市场；这涉及市场搜寻、市场情报和共同投资。实体人工智能已成为许多企业首席执行官层面的优先事项。但家族办公室和机构会问得更直接：为什么不通过特殊目的载体（SPV）参与大型人形机器人或机器人模型公司的融资？我的回答是，这些投资已经非常拥挤、成本高昂，而且极其耗费资金。更大的非对称回报机会在更早期……在那些综合型投资者尚未发现的公司中。这正是专业投资者发挥价值的地方。

人形机器人吸引了大量关注和投资，Tesla 和 Figure AI 等公司正致力于实现越来越雄心勃勃的能力。你曾对它们的商业可行性表示怀疑。你认为投资者在哪些方面高估了人形机器人近期的潜力？专用机器人是否能提供更有吸引力的投资机会？

我怀疑的是时间表，而不是这项技术。我的原则是，形式应服从功能。如果任务是搬运零件或抓取放置，就要问问自己：是否真的需要一台非常复杂、非常昂贵的双足机器，还是一条机械臂，或者安装在移动底座上的两条机械臂就够了？在平坦的仓库或工厂地面上，双腿并没有太大优势。它们会增加成本、耗电，而且依赖一台可能会摔倒的机器人。

投资者高估人形机器人的地方，在于对其近期经济效益的判断。估值假设这类机器人很快就能广泛部署，但一些棘手问题仍未解决，例如灵巧的手部操作、触觉和力反馈、续航数小时的电池，以及可重复、可追溯的人工智能技术栈。聊天机器人有 10% 的错误率尚可接受；但在工厂里，一次错误动作就可能伤人，或让客户损失数百万美元。我预计，具有一定规模的出货要等 5 至 10 年，而不是明年。

在人类设计的环境中，若环境又无法重新设计，人形机器人就有用武之地。太空是我最看好的例子。NASA 向商业用户收取的费用约为每小时 13 万美元的宇航员工作时间，因此，能够在为人类设计的空间站内作业的机器人很快就能收回成本。核设施、灾害应对和部分国防工作也符合这一逻辑。

所以，就近期而言，没错，专用机器人的风险调整后投资价值更高。它们如今已经在出货，也已经获得收入。

尽管人形机器人占据了新闻头条，Cybernetix Ventures 仍专注于制造业、医疗保健、物流和建筑领域的实际应用。哪些行业能在近期从实体人工智能中获得最大的经济效益？你们已经在哪些领域看到自动化投资带来了可衡量的回报？

当三个条件汇聚在一起时，影响最快显现：问题代价高昂、劳动力短缺，而且买方会用金钱衡量结果。

制造业是首要领域，尤其是现有工厂。大多数工厂无法围绕机器人重新改建。拥有数百个厂区的公司，需要的是能适配现有厂房的自动化方案。因此，能让现有机械臂抓取形状杂乱、表面光亮或透明零件的 AI 视觉技术才如此宝贵。它能升级现有生产线上的设备。

物流是最成熟的市场，在拣选、搬运和装载方面，投资回报率（ROI）明确。即便如此，要从混杂的料箱中可靠地拣出任意单个物品，这一问题仍未得到彻底解决。

医疗保健和生命科学领域的潜力被低估了。自动化实验室能将缓慢、依赖人工的工作转化为更快速且可重复的结果，而药物研发企业也早已知道如何为更快获得答案付费。

建筑业仍处于较早发展阶段，但它面临着最严重的劳动力短缺问题之一。机器人正在一些范围有限的工作中发挥价值，例如放样和吊运材料。

在我看来，能带来可衡量回报的项目几乎总有相同的模式：把一项范围有限的工作做得更可靠，并且客户能从自己的数据中看出回本，而不是只在一张五年期预测幻灯片上看到。

基础模型、计算机视觉、强化学习和仿真技术的进步，正在改变机器人的能力。未来五年，您认为哪些 AI 创新影响最为深远？哪些技术局限仍在阻碍机器人广泛应用于难以预测的真实环境？

未来五年，我会关注四个方面。

机器人基础模型，尤其是那些能连接视觉、语言和行动的模型。不过，我预计它们会逐个领域取得成功，而不会出现一个模型适用于所有场景的情况。发展路径是先专注于一项任务，再扩展到一系列应用场景，然后或许覆盖整个领域——比如独栋住宅建造。我不认为一个模型能同时用于建筑、制造和医疗保健。

仿真，因为它能降低训练成本。但仿真只能让你达到80%或90%。剩下的10%，正是机器人会把东西掉落或撞上东西的地方。

触觉。视觉非常适合理解周围环境，但如果你想改变现实世界，就必须能感知它。触觉传感和更好的机械手至关重要，因为大多数实际工作都涉及操作物体。

数据基础设施。在自动驾驶汽车领域，Scale AI 等一代公司通过采集和标注数据发展壮大，Applied Intuition 则凭借仿真建立了大型业务。物理 AI 也将催生自己的同类业务，这是该领域最大的机遇之一。

在复杂、难以预测的环境中，阻碍机器人部署的仍是可靠性和信任。工厂要求达到99.99%。针对在人群周围工作的移动机器人，安全标准、认证和保险制度都还没有跟上。而且，每台联网机器人都带来网络安全问题，但目前很少有人把这项风险计入成本。

Cybernetix Ventures 已投资 Cambrian Robotics、Dash Bio 和 Rugged Robotics 等公司。是什么吸引您投资这些公司？什么因素能让一项有前景的机器人技术成为可实现商业规模化的业务？

这三家公司都是从客户的问题出发，而不是从一个炫酷的演示开始。

Cambrian Robotics。机器视觉领域竞争激烈，但 Cambrian 能可靠地抓取小型、表面光亮和透明的零件，而这些零件往往会让大多数系统失灵。它兼容各大工业机器人品牌，安装约需半天；2024年我们联合领投其种子轮时，它已在 Toyota、Audi 和 Electrolux 等制造商处接受测试并投入使用。

Dash Bio。药物研发企业会把大量生物分析工作交给外部实验室，而这些实验室仍主要依靠人工操作。Dash 建成了一座高度自动化的实验室，符合 GLP（良好实验室规范）标准，并结合机器人、AI 和软件来执行关键检测，速度最高可提高10倍。他们卖的不是机器人，而是更快得出结果的服务，客户早已知道如何为此付费。

Rugged Robotics。在建筑工地上，仍有人手工标出每面墙、每根管道和每个固定装置的位置。这既耗时，等墙体建好后，出错的代价也会很高。Rugged 的机器人会把图纸直接打印在地面上。它针对一项范围有限的工作，能在缺少足够熟练工人的工地上，更快、更准确地完成任务。

有前景的技术与可规模化的业务之间，差别在哪里？99%的情况下，先取得一项亮眼的技术成果，再寻找适用场景，最终只会让公司陷入困境。能够实现规模化的公司，会像 Kiva、Locus 和 Universal Robots 那样，从问题出发，反向推导所需的机器。之后，我会考察客户是否在试点后再次购买、部署是否不需要博士级人才驻场、单位经济效益能否在业务量扩大后依然成立，以及团队能否按时实现各项里程碑。令人印象深刻的机器人不少，真正能成为企业的却少得多。

随着物理 AI 的能力不断增强，人们对劳动力被替代、安全以及人工监督的担忧也在加剧。您认为机器人主要是为了填补劳动力缺口、增强人类工作者的能力，还是预计随着应用加速，劳动力市场将受到重大冲击？

短期来看，机器人主要是在填补人力缺口。在我们合作的工厂、仓库、实验室和工地，限制因素是人手不足，而不是需求不够。岗位空缺往往会持续数月。

Verve Motion 是我们投资组合中的一家公司，也是我常举的例子。他们生产软体外骨骼装备，能大幅减轻全天搬运重物的工人所承受的负担。一位仓库工人告诉团队，自己回到家后终于有精力陪孩子玩了。这就是机器人技术为世界带来的益处，而且它并没有取代任何人。

我不会假装这不会带来任何冲击。最重复性的岗位会减少，而工作的变化速度将超过培训体系的建设速度。坦诚地说，现在就应该投资于技能再培训，面向技术人员、操作人员以及负责维护机器人机队的人。每一台出货的机器人，都会为负责安装、编程和维修的人创造工作。

在安全方面，机器人技术实际上比软件 AI 起步更早。几十年来，工业机器人一直遵循安全标准并接受认证。随着机器人变得更加智能，这种安全文化也必须延续下去：明确责任归属、确保机器安全，并由人来掌控关键决策。

展望 2030 年及以后，您认为物理 AI 和机器人领域的哪些发展会对全球经济产生最大影响？是否存在被忽视的投资机会或新兴应用，值得受到大得多的关注？

我认为，到 2030 年，有三件事对全球经济最为重要。

能够在工作中学习的机器人，终于会让小型和中型制造商也能实现自动化；这些企业过去根本负担不起定制化集成。工业基础的大部分实际上就在这些企业之中。

自动化实验室将加快科学研究的进程，让生物学研究和药物发现全天候运行。

此外，机器人零部件供应链——包括执行器、电机、传感器和齿轮——将成为战略性领域。大多数人形机器人制造商并不生产这些零部件。他们负责设计、集成和组装，而如今这些零部件的很大一部分供应来自中国和日本。谁能在美国及其盟友国家建立起这一基础，将产生重大影响。

被忽视的是底层基础设施：物理世界数据采集、仿真与测试、机队管理、感知，以及机器身份和网络安全，让机器人能够彼此信任，也能信任其运行所依托的网络。此外，还有那些劳动力短缺、却鲜少登上新闻头条行业中的垂直应用，例如农业和建筑业。

新闻头条会聚焦人形机器人。很多钱则会在底层基础设施领域赚到。归根结底，重要的是社会影响，而非技术影响。

感谢这次精彩的访谈。想进一步了解机器人、物理 AI 以及自动化领域早期投资的读者，请访问 Cybernetix Ventures。