硬氪專訪 | 羅劍嵐：機器人真正的Scaling Law，發生在真實部署閉環裡

在最新一期《硬氪》專訪中，機器人領域專家羅劍嵐提出一個顛覆產業慣性的觀點：機器人真正的 Scaling Law（規模化法則）並非來自硬體本體的競賽，而是發生在真實部署的閉環當中。他直言，全球至今尚未突破的關鍵是「大腦」，業界現階段應該加速跑通從感知到決策再到執行的閉合迴路，而非繼續在機械結構或成本上內卷。

## 重點整理：為什麼「大腦」才是瓶頸？

羅劍嵐的核心論點可以歸納為兩個層面。第一，目前許多機器人公司將注意力集中在改良本體——例如關節馬達、材料強度、外形仿生——但這些硬體即使做到極致，若缺乏足夠智慧的決策系統，機器人依然無法在非結構化的真實環境中自主運作。第二，他強調真正的 Scaling Law 必須建立在「真實部署閉環」之上：機器人要在實際場景中持續蒐集資料、修正錯誤、優化模型，這個反饋循環才是能力指數成長的驅動力。換句話說，沒有真實世界數據反饋的大腦，永遠只是實驗室裡的展示品。

## 背景脈絡：從「卷本體」到「卷大腦」的產業轉折

過去十年，機器人產業經歷了兩波熱潮。第一波聚焦於硬體標準化與降本，例如協作機器人臂、四足機器人平台，許多廠商比拼的是扭矩密度、續航時間與售價。第二波則隨著 AI 浪潮興起，開始嘗試將深度學習、強化學習導入機器人控制。然而，羅劍嵐指出，大多數團隊仍陷於「先做好硬體，再思考軟體」的線性思維，導致大腦的研發進展緩慢。他認為，真正的突破點在於同時並進，甚至應該先以現有通用硬體跑通閉環，讓大腦在真實環境中快速迭代，而不是等硬體完美了再來補軟體。

## 可能影響：產業資源重新分配與技術路線分化

如果羅劍嵐的觀點被主流採納，我們可能看到幾項具體變化。首先，資金與研發人力會從純硬體優化轉向感知演算法、決策模型與邊緣運算晶片。其次，機器人公司不再以「能走多穩」「能舉多重」為唯一賣點，而是著重展示「在陌生環境中自主完成任務的次數」或「錯誤自癒能力」。此外，這也意味著更多企業願意將不成熟的機器人提前投入物流、倉儲、家庭服務等場景，用真實資料養大腦，而非停留在實驗室閉門造車。長期來看，能最早建立數據閉環的團隊，將掌握軟體層的護城河。

## 讀者可關注的後續：哪些訊號值得追蹤？

對於關注機器人發展的讀者，接下來可以留意三個方向。第一，是否有廠商公開展示其機器人在真實場域（例如超商貨架、家庭客廳）中連續運作且自主學習的成果，而非僅有預錄的示範影片。第二，觀察融資標的的轉變：過去投資人偏愛硬體規格亮眼的團隊，未來可能更看重「數據飛輪」的設計能力——也就是團隊是否具備從感測器到雲端模型的閉環技術。第三，學術界與開源社群是否出現針對「真實部署閉環」的通用框架或基準測試，這將降低中小團隊踏入大腦研發的門檻。

## 結語：別再只比硬體，該比誰的機器人「學得快」

羅劍嵐的專訪為過熱的機器人市場澆了一盆冷水，也點醒一味追逐硬體參數的創業者：機器人不會因為關節更靈活就變聰明。真正的 Scaling Law 建立在每一次碰撞、每一個錯誤、每一次修正所累積的數據之上。當業界開始用「閉環效率」取代「硬體規格」作為衡量標準，我們或許離真正有用的機器人更近一步。