2025-12-11 杭州两家人形企业，两条路线，两种革命

作者：Jessica   出品：高工人形机器人

人形机器人产业的分水岭已显现，务实者的脚步比以往任何时候都更加清晰。

10月，我们的“探源计划 · 具身智能巡回调研”第二站抵达杭州，在这个以电商和数字经济闻名的城市，一场关于下一代计算平台的产业实践正在悄然进行。此次，我们深入杭州两家代表性人形企业：云深处科技与智澄AI。

前者是从四足机器人稳健拓展至人形赛道，后者是高举世界模型技术旗帜直指通用人工智能。此前在北京站感受到的“行业分化”，在这里进一步加深。一边是自下而上，从硬件稳定性出发的务实路径；另一边是自上而下，从世界模型切入的宏大构想。

“硬件优先”和“模型驱动”的分野

杭州两家企业选择了截然不同的技术路线，这实质上也是行业对如何实现具身智能本质的不同理解。

“硬件优先”是云深处科技鲜明的特质。这家从浙江大学实验室走出的企业，带着浓厚的工程实践基因。创始人作为长期从事机器人研发的学者，将“稳定性”列为技术开发的第一优先级。

云深处科技毫不避讳硬件本体的基础性地位：“若本体稳定性不足，即使有大模型，机器人仍无法落地。”这一观点建立在他们深耕B端市场多年的实战经验上。在电力巡检、消防应急等场景，机器人故障意味着可能造成重大损失，客户对故障几乎是零容忍。

云深处科技选择了一条看似保守但极为扎实的发展路径：先通过四足机器人在高需求、高容错要求的B端场景验证稳定性，再逐步拓展至人形机器人领域。他们的四足机器人已在电力巡检、消防领域占据九成市场份额，这种“场景深耕”策略为其提供了持续的收入来源和真实的数据反馈。

从四足机器人起家，到2025年才拓展至人形机器人赛道，这一演进路径本身就说明了其渐进式的技术哲学。

与云深处科技形成鲜明对比的是智澄AI的“模型驱动”路径。这家2024年初才成立的新锐公司，由前Meta、微软、华为高管创立，带有明显的AI软件和算法基因，其核心竞争优势之一就是建立在物理世界大模型的研究和创新上。

智澄AI提出了一个引人深思的观点：VLA路线依赖于数据记忆，而当前摩尔定律已接近极限。相比之下，世界模型通过理解物理规律实现泛化，脱离了记忆数据分布的局限，且更有可解释性。

他们将技术重心放在物理智能的实现上，旨在使机器人能够真正感知世界、理解物理规律，并利用因果关系推断下一秒的行为互动。

智澄AI的产品线布局同样遵循这一理念：从TR4物理智能复合型人形机器人到TR5高性能通用人形机器人，均以世界模型作为核心竞争优势之一。他们坚信，通用机器人的未来并非局限于特定场景的优化，而在于对物理世界的全面理解能力。

两种路径背后，实质是行业对“何为机器人核心竞争力”的不同回答。云深处科技的硬件优先路线，源于其在四足机器人领域已经验证的工程能力；而智澄的模型驱动路线，则基于对通用人工智能的长期信仰。

这两种路径并非完全对立，更没有绝对的优劣之分，而是行业探索过程中的必要分化。但一个不容忽视的事实是：无论选择哪条路径，企业都必须面对技术成熟度与市场预期之间的巨大落差。

从“讲故事”到“找面包”

如果说技术路径的选择反映了企业的基因，那么商业化策略则体现了企业对生存现实的认知。在杭州站的调研中，我们看到了两种不同但务实的商业化思路。

云深处科技的商业化路径带有明显的“行业需求驱动”特征。公司的四足机器人业务已在电力巡检、消防应急等领域实现90%的市占率，形成了稳定的B端收入来源。

值得注意的是，其客户采购行为发生了明显变化：从往年的1-2台/家增至10-20台/家，这种批量采购的现象，不是来自市场宣传，而是产品稳定性提升带来的自然结果。

云深处科技对人形机器人的商业化保持谨慎乐观。公司推出的D202人形机器人主打“全天候全户外”能力，但明确采取“小范围定制化交付”策略，暂无大规模预售计划。这种克制源于对产品稳定性的重视。

图源：云深处科技

智澄AI的商业化路径则展现出科技公司的灵活转型特质。

公司初期聚焦世界模型的创新研发，结合中国商业化特点与行业发展趋势，发现机器人本体业务更能凸显企业特色，遂布局机器人硬件赛道，形成“模型+本体”协同发展的模式。

目前，其TR4物理智能复合型人形机器人、TR5高性能通用人形机器人，两款通用机器人明星产品已登陆京东平台。

智澄AI明确将柔性制造、安防巡检、生化场景等领域作为重点应用场景，秉持实用主义的定位策略。公司已和厨具企业、工业制造方及食品检测机构展开战略合作，但同时坦言，目前尚未实现大规模量产落地。

两家企业的商业化策略虽有差异，但共同点是都放弃了“概念炒作”，转向了更为务实的生存模式。云深处科技依靠四足机器人的稳定收入支撑人形机器人研发；智澄AI则通过硬件销售为模型研发输血。这种“以战养战”的策略，正是行业从前期的狂热转向理性发展的重要标志。

数据、供应链与可靠性瓶颈

在调研过程中，无论是硬件优先的云深处科技，还是模型驱动的智澄AI，都坦言面临着一系列技术产业化落地的共同挑战。

数据短缺是制约模型迭代的核心瓶颈。智澄AI团队坦言，真实场景下的有效数据极为稀缺，比如抓取水杯需成千上万次训练实操，而当前这类数据仍主要依赖人工手动采集，不仅耗时费力，完成度也相对较低。

在仿真数据层面，智澄AI已与合作伙伴达成战略合作，获取多场景下的仿真数据储备，但仿真环境终究无法完全复刻物理世界的复杂变量，难以彻底弥补真实数据的缺口。智澄AI指出，部分零部件供应商缺乏人形机器人相关的经验，需要各方共同探索解决方案。

供应链成熟度是另一个现实约束。

智澄AI指出，部分零部件供应商缺乏人形机器人相关的经验，需要各方共同探索解决方案。云深处科技则采取自研核心部件与外部合作相结合的策略，确保技术可控性与适配性。供应链的成熟不是单一企业能够推动的，需要整个产业链的协同进步。

图源：智澄AI

这些挑战的存在并不意味着行业停滞，相反，它们指明了前进的方向。知道哪里有问题，比盲目乐观更重要。

值得注意的是，两家企业都对短期市场预期保持理性。

云深处的判断颇为谨慎：他们认为四足机器人市场仍处早期，离“iPhone时刻”很远，需要政府引导、成本下降、技术成熟三方面共同推动。对于人形机器人，他们预计短期（1-2年）内难以大规模应用，2030年左右才可能进入家庭或复杂场景。

这种保守预测源于他们的实战经验——只有真正交付过产品的人，才知道从演示到商用的距离有多远。云深处拒绝参与“框架协议噱头”，强调务实比炒作重要，这种态度在当前的行业环境下尤为可贵。

智澄AI对行业趋势的判断亦彰显其理性特质：他们认为，上半年行业偏重“表演”性质，而下半年正逐步转向实际应用，资本的关注点也更集中于世界模型的落地能力。此外，当前阶段亟需聚焦于具体的应用场景。

写在最后：尊重规律，尊重现实

两家企业都认识到，行业的真正突破不会来自单一技术点的优化，而是系统能力的整体提升。云深处强调“软硬一体化”的工程难度，智澄AI则关注世界模型的通用能力，都是从系统视角思考问题。

行业正经历着从追求“技术可能性”到注重“商业可行性”的深刻转变。无论是云深处的场景深耕，还是智澄AI的模型探索，最终都要回答一个简单而残酷的问题：能否在真实场景中稳定解决问题并创造价值。

在杭州这两家企业身上，一种难能可贵的品质是：对规律的尊重和对时间的耐心。

杭州站的调研给我们最大的启示不是技术突破或商业奇迹，而是一种现实主义者的坚韧。无论是云深处的硬件优先，还是智澄的模型驱动，他们都选择了一条尊重行业规律、尊重市场现实的路径。

所谓务实者，行稳致远。