一 | 7月20日，在WAIC 2026世界人工智能大会上，华为首次完整展示全系列计算模组产品，包括网卡、SSD、DPU、RAID卡四大系列产品，如国内首发的800GE AI网卡，支持10万级节点超大规模组网，以及KVU方案等。 AI投放之前已经聊过了几次，核心结论是： 1. AI投放是美化后的词，其实就是一堆规则叠在一起；算法工程师的工资是买量员好几倍，只要你够便宜就不会失业； 2. 平台是最有动力做这个的，边际成本低，做成了收益能翻好几倍；平台的算法一直在变，如果外部做AI投放，那就要随着变化一直学习最新策略，成本很难控制下来； 3. 大甲方可以做一些自动化投放系统，用来提高效率，但系统的运维成本并不低，小公司可以做批量发布和数据拉取，外面买的话，前几年是5—7万一年，现在应该更便宜； 这三点已经很透彻了，如果用金融行业的例子，能看得更清楚，甚至能看到终极形态，所以再来聊一聊。 量化交易是啥 量化交易的定义百度可以查到，不多赘述。
二 | 在国内，量化交易这个词，是随着DeepSeek爆火被大众知晓的。 其实，早在1969年，全球首支量化基金就成立了，这个东西已经发展挺长时间了。 到现在，每家投资机构都有自己的量化交易系统，并且只要下载了APP，群众也能直接使用。
三 | 没错，你下载个炒股APP同花顺，就能直接用量化！ 这就好比买量平台不断降低上手难度一样，都是为了让更多“散户”入场。 显然，华为在AI时代试图构建底层能力。 炒股APP进去后有一个叫条件单的地方，比如你可以设置某数字厂股票，低于10元买入，高于11卖出，这就是最简单的量化，是不是跟你投放系统里面用预算出价规则集一样？ 当然了，上面举例只是为了让大家看明白，真实的量化交易规则、公式会更复杂，参考的指标也会更多，但本质还是一堆预测数据和规则集。 稍微复杂一些的例子： 量化交易所可以用卫星监测天气和降水量，结合所有历史数据预估粮食产量，来预测粮食期货的涨跌；还可以卫星看沃尔玛停车场数量，根据客单价计算营收，从而决定股票买入抛出。其实在具身智能赛道，华为的打法同样如此，近期，华为云CloudRobo全流程具身智能开发平台正式开启公测，这也预示着具身智能产业的分工格局更加显化。 我整理了下量化交易的核心特点（不想动脑的看加粗的几个词就行）： 数据驱动：以大量历史数据为基础，通过分析市场价格、交易量、财务数据等，寻找市场规律。 数学模型：运用统计学、机器学习、金融工程等方法构建模型，预测市场走势或发现套利机会。 程序化交易：通过计算机自动执行买卖指令，提高交易效率，减少情绪干扰。
四 | 风险控制：内置风险管理机制，及时调整仓位或止损，避免巨额亏损。而华为再一次站在热门赛道的边界上，它其实不直接下场造机器人本体，不做终端品牌，把目标对准所有机器人的智能核心，试图整个行业的开发底座。
五 | 熟悉华为的人可能已经意识到，此类策略打法与多年前华为切入智能汽车的路径如出一辙：不亲自下场造车，却靠技术赋能捧红问界，推动赛力斯完成逆袭。 其实不只是华为，纵观整个行业，今年以来，华为、腾讯、百度、阿里相继发布了各自的具身智能平台产品，而且无一例外都选择了“不做本体、做大脑”的路线，不亲自下场造机器人，而是为机器人厂商提供智能系统、开发工具和云服务底座。 套用到买量中，这4个因素也都占了。 只是在硬件形态更分散、场景更碎片化的机器人赛道，科技巨头们还能复制此前在其他赛道的神话吗？也许很难了。 01. 云厂商下场抢做机器人大脑供应商 绕过身体，直奔大脑，是近年来某些科技公司押注具身智能的玩法。 其中，华为在具身智能赛道的角色定位其实也很明确，它目前没有推出自造自产的机器人领域的终端品牌，它更像是打算做机器人大脑的核心供应商，用云端平台把全行业的开发效率抬升到新的层级。
六 | 再例如腾讯，腾讯Robotics X实验室首次以完整技术矩阵参展，发布了Tairos具身智能开放平台，开源了混元具身大模型HY-Embodied系列，还展示了机器人本体互连技术RoboFusion。
七 | 大厂们鲜有直接做硬件产品，这是为什么？ 站在行业视角，过去几年人形机器人、工业机械臂、四足机器人等产品密集亮相，可多数团队的开发模式仍停留在手工作坊阶段。 不少具身智能企业都要从零搭建数据体系、训练专属模型、反复调试仿真、适配不同硬件本体，大量重复劳动消耗了核心研发资源，真正能投入到场景创新的精力被严重挤压。行业走到从样机演示向规模化落地跨越的关键节点，本质上依然卡在底层开发效率的瓶颈上。 不过，买量市场中把这些因素运用到极致的，是平台。 平台是买量金融中唯一的大庄家！ 其他玩家，不管大大小小的甲乙方，都是散户。 此前人形机器人普遍定位几十万元级。 庄家随随便便动一动手指头，把算法模型一改，散户做的量化就失效了。价格下探的核心推手，是供应链成熟与规模化生产落地，关节模组、电机、减速器等核心硬件成本持续走低，可一旦硬件“身体”不再是行业稀缺资源，智能“大脑”的价值便愈发凸显。以仙工智能的招股书为例，其控制器业务毛利率高达79.8%，软件业务更是达到89.3%，而机器人整机的毛利率只有38.4%，配件业务仅15.7%。 庄家通过数据驱动收割散户，散户妄想通过数据驱动在平台上套利。所以这也是一些资本追捧大脑公司的核心原因，涉及控制的大脑业务是个香饽饽。 按照这个逻辑来理解，华为云推出的CloudRobo，理论上也在瞄准这个方向，根据华为云官方在INSPIRE创想者大会上发布的信息，这是全球首个覆盖数据生产、模型开发、仿真评测、本体接入、部署运维全链路的具身智能开发平台，核心目标就是把具身智能开发从手工作坊带进工业化时代。 优艾智合、华沿机器人等20多家企业已经宣布首批入驻CloudRobo平台，华为还同步启动了“百模千态，云聚共赢”的生态合作计划。 具身智能发展到今天，的确需要通用开发底座来降低行业门槛，让更多团队不用在底层技术上反复消耗，华为云试图成为机器人开发者的公共工具集，体现的是其一以贯之的战略逻辑。 02. 华为当年不造汽车，现在也没直接造机器人 坚持不碰硬件本体，不是华为对机器人赛道缺乏野心，恰恰是它把汽车赛道验证过的成功逻辑，平移到了全新的产业领域。 具身智能赛道看似火热，实际落地的障碍远比外界感知的更多。 买量市场里，散户没有庄家的数据全，毕竟你的数据都是人家给的，很多数据都不提供，很多API接口有门槛，这你怎么搞精确的数据模型？ 所以散户只能在程序化交易和风险控制里面搞搞条件单，把这个包装成AI投放去搞诈骗。
八 | 时间长了，一定会被识破。
九 | 通常情况下，产业链内外都认为数据稀缺是第一道关卡，真实物理世界的交互数据采集成本高、周期长，多数团队都在小体量数据中反复训练，直接导致模型泛化能力不足，更换场景就容易失灵。 量化居然会破产 那么量化是不是战无不胜？ 当然不是，不然这几家量化交易商早都成世界首富了，其他交易所以及散户也别玩了，大家都去搞量化。 仿真与现实的偏差是另外的难题。 量化的好处是，可以解放人力，规避情绪，通过预测概率获取利润。 坏处也有，因为放大了杠杆，纯粹程序化交易，如果碰到黑天鹅事件，几天内就能直接破产。 还有，量化交易员不小心输入一个错误数字，就能带来巨额亏损，人不是机器，总会犯错，这也避免不了。虚拟环境中运行顺畅的策略，放到真实环境里往往频繁出错，真机调试又要消耗大量时间与硬件成本。再加上本体形态千差万别、接入标准不统一、端侧算力跟不上模型需求，这些问题叠加在一起，让全栈自研的投入产出比变得极低。 面对上述几个行业症结，CloudRobo平台底层依托昇腾AI芯片与盘古具身大模型，搭建起PB级数据底座、云原生模型生产引擎、全国产Real-Sim仿真评测体系三大核心能力，开发者接入后无需从零搭建基础系统，可以直接调用百万级开箱即用的数据资产与二十余个昇腾亲和模型，把精力集中在场景应用与功能创新上。
十 | 金融历史上，有很多量化公司就是因为杠杆太大、黑天鹅事件、规则集过时，最后倒闭的。 我国每年能死几百家量化，感兴趣的大家去搜搜。其效率目标是机器人小时级上云、模型分钟级部署。
十一 | 翻译成买量员能听懂的就是，某数字厂自动投放+账户共享钱包一天乱花1000万以上，这事故可以让你直接失业，同时让公司利润受损。 最后听说金额打了个折返回到账户里面，不能提现，要当成广告金在规定日期内花完。 能给平台连续贡献流水的大客户，才能有这样的待遇，如果是家小公司，返还比例打骨折，甚至装死不鸟你，你也没招。 你犯的错，别人买单，凭啥？ 有自动投放系统的公司，都吃过这样的亏，只是看最后金额多少罢了。 要是放在金融世界，是根本没有返还一说的，量化交易+高杠杆，一旦出错，自己破产认栽。
十二 | 所以结论非常明显，CloudRobo平台可以借助自身价值为别人赋能。
十三 | 这种定位的价值不难理解。移动互联网时代，开发者不需要自主研发操作系统与芯片，基于成熟的系统生态就能快速开发应用。 再举一个更具说服力的例子： 疫情前，中国经济一直高速增长，大家收入也在涨，没有人觉得自己未来会失业，所以年薪30万，就敢贷款买总价600万的房，杠杆上得贼大，现在房价跌了，收入跌了，非常难受，可能白干十几年。 对华为而言，下场制造本体不仅要直面这些行业共性难题，还会偏离自己深耕数十年的主赛道。 更有一些炒房客和开发商，抓住政策漏洞搞“量化”，收首付款，债务打包成债券集资，再圈地盖楼，无限套利循环，最后搞得一大堆烂尾楼，现在整个行业都搞崩盘了。 知道这些有啥用？ 大部分人不太懂买量，因为他们没上手干过，但他们大概率买过股票基金，甚至炒期货买币，再不济黄金总买过吧。华为的核心优势始终集中在ICT领域，从芯片算力到大模型，从云服务到操作系统，这些能力才是它的立身之本。 买量跟金融投资相似之处非常多，有时候要顺人性，有时候要逆人性，都需要搞数据分析，操作人员都容易挨喷。 跟不太懂市场的人合作，有很多情况下需要你说服对方，如果用买量理论跟他们解释，还是挺困难的，对方可能听不懂，懂了内心不一定认同。 但你用金融投资相关的来给他们解释，比如老板看到某数字厂AI投放很焦虑，用专业知识解释对方听不懂，但你结合金融条件单，以及量化交易给他解释，对方几乎秒懂，并且认同的概率挺高的。 职场中，能把事情用大白话解释清楚，能说服别人，能调动更多资源，也是不可或缺的能力。
十四 | 就像当年在汽车行业，华为没有自建工厂造车，而是把智能座舱、高阶智驾、电驱系统这些能力打包输出给车企，靠技术赋能拿到产业话语权。
十五 | 类似模式的商业价值已经被充分验证。
十六 | AI投放的终极形态 当下环境是量化交易发展50多年后的情形，可以借此推演一下AI投放的终极场景。
十七 | 此前华为与赛力斯联手打造的问界系列，持续站稳高端新能源市场的头部位置，问界M9累计销量仍在50万级豪车市场榜首。 理想情况下，买量员+AI根据大盘数据、竞争对手同时段投放素材数量、用户互动转化高的素材等数据计算出最优投放策略，人为给定清晰的每日消耗与KPI目标，配置上复杂的加减预算出价、自动发布与关闭的规则集，这样一个人就能搞定整个项目的买量工作。
十八 | 素材方面，用AI实时监测并收集市场上当下的热点，以及竞品最新验证过的素材，自动总结核心爆量要素并预测热点有效时长，创意人员根据爆量要素完成创意输出和对接。 好了，梦做完了，该醒醒了。 上面的过于理想化了，并且这些事情边际成本都非常低，要知道，边际成本低的事情，资金庞大的巨头最有优势，他敢无上限投入资源，你总资金量才多少，跟大庄家打？ 所以我预测，AI投放一定是平台做出来，而且每个平台策略都不一样，甲方的那些看上去贼牛X的，大多是年终汇报PPT，或者炒股用的。 素材分析这些，三方工具比如App Growing搞不好跟平台比会有优势，至于创意产出和对接嘛，我自己天天跟设计师吵架，AI去了能吵赢？ 再来看AI输出创意，目前的AI剪辑就是这个3秒、那个3秒，胡拼乱凑，未来AI可能根据画面反推提示词决定拼接策略，不过实践过的人都知道，中间的不可控因素实在太多了，要数次抽卡+人工筛选，最后还是要人完成剪辑包装，全AI流程还很遥远。赛力斯负责制造与品控，华为负责智能化定义与技术输出，双方各守能力边界，完成了单靠任何一方都难以实现的市场突破。 买量员如何应对 经过上面的分析，我们可以清晰地看到，就算AI投放成熟了，也还是要买量员来制定策略，并且，这个岗位对人的要求会越来越高。放到机器人赛道，这套分工逻辑也许同样成立。
十九 | 要懂买量的基础原理、算法博弈、市场趋势、用户喜好变化、数分公式和基础代码等等，所以我之前说未来优秀的买量员更贵。 那么入门买量员是不是都会被淘汰呢？ 会淘汰一部分不持续学习的，其他持续提升自己的薪资也会变高，因为杠杆放大了个人能力，但注意，放大是优点和缺点同时放大，蠢货用量化只会放大自己的愚蠢。 不过，机器人赛道终究和汽车不同，汽车可以靠一套方案打出统一品牌，机器人的生态版图，注定更分散，也更难用单一模式收拢。
| 金融行业中的量化交易员一般被称为“宽客”，大多来自于哈佛、斯坦福、清北等顶级名校中的顶级天才，美国顶尖宽客的平均年收入为5.7亿美金。但即便如此，我们依然观察到，华为的具身智能朋友圈仍要扩大。 看到这个我就放心了，顶尖人才，都会去干金融的，现在就业形势不好，也没见清北的来干买量，但是去平台优化算法的是肯定有的，而且会越来越多。 03. 华为的具身智能圈正在扩大 华为具身智能朋友圈最显然的可能是人。 最后随便聊几句，国内与海外的量化策略，差别非常大，中国股市波动率是美国的3倍以上，中国股民的每日交易频率也是美国的好几倍，你要把美国市场的量化策略拿到国内，恐怕当天就能破产。 金融行业总结的经验，在中国搞量化，比在美国难多了，中国人太聪明，同时也太损失厌恶了。 根据外界一些媒体的不完全统计，目前已经有至少15位华为前高管离职加入或创办具身智能创企，这些企业中最高估值400亿至500亿港元（折合人民币约347亿至433亿元）、单笔融资最高达4.55亿美元（约合人民币约31亿元）。
| 这批人带着华为的工程化能力、大模型技术积累和量产落地经验，成为具身智能创业的主力军。他们的技术路径、研发思路甚至供应链资源，都带着鲜明的华为印记，相当于把华为的技术基因，扩散到了整个赛道之中。 落地到技术布局来看，这批华为系创业团队几乎覆盖了具身智能全产业链，业务横跨机器人本体、运动小脑、决策大脑，同时布局机器人操作系统、专用大模型与数据采集系统。其中，智元机器人的量产机器人已突破15000台，再比如，它石智航、智澄AI等企业搭建起完整软硬件产品矩阵；还有的目前已对外推出实体产品。 这就很有意思了，华为试图越来越像国内具身智能领域的人才黄埔军校，其华为昇腾、车BU、诺亚方舟实验室以及华为云具身智能团队中的核心人才，在批量外溢到机器人赛道，形成一波具身智能圈的创业潮。 可即便如此，对于华为自身而言，也很难在机器人赛道复制鸿蒙智行那样的品牌体系。汽车是标准化程度极高的产品，乘用车的形态和使用场景高度统一，华为可以用一套智能方案，联合不同车企打出统一的鸿蒙智行品牌。
| 这一点跟买量平台居然完美匹配，在国内一天广告调好几次，到海外平台，好几天调一次都可以，如果想用一套策略搞全球，那会死得很惨。 机器人却完全不同，工业机械臂、家用服务机器人、商用配送机器人、人形机器人，形态天差地别，场景需求各有侧重，没有任何一套方案能覆盖所有品类。华为能做的是底层技术助力，给不同厂商提供工具和底座，却很难像主导汽车品牌那样，去定义每一款机器人的产品形态。
| 精彩，太精彩了。 本文来自微信公众号：游戏马可听，作者：游戏马可听，第一篇请点击此处。 不构建统一品牌不意味没有合作机会，有意思的是，华为鸿蒙偏偏却已经深入行业场景中来了，早在2025年4月，华为已经发布M-Robots OS 1.0版本，所谓M-Robots OS是以开源鸿蒙为核心底座的分布式异构多机协同机器人统一操作系统，这也是全国首个基于开源鸿蒙打造的机器人操作系统。 今年华为更新了M-Robots OS 2.0开源新版本，完成双足人形机器人、四足仿生机器人、机械臂等20余种机器人形态适配，还与创想未来、德壹医疗等多家企业实现了相应产品落地。 通过这些玩法，一方面证明了鸿蒙系统能给机器人带来生态联动的差异化优势，另外也给更多机器人厂商提供了参考，接入鸿蒙生态，就能直接复用十几亿设备的生态资源，不用从零搭建自身的智能体系。
| 回过头来看，从此前智能汽车到机器人，对于整个产业来说，有华为这样的玩家下场铺设底座，也许不是一件坏事。
Current article:http://bv6j8zc.zanjionglangzhaizhizaxiying.buzz/news/20260826_250206.html
Published on:18:53:54
