事件
根據創投企業 Bessemer Venture Partners 的分析，過去五年全球有 745 家軟體公司獲得超過 3,000 萬美元融資，同期機器人公司只有 42 家。投資差距將近 18 倍。但基礎市場規模卻相反：機器人對應的市場規模是軟體的 30 倍。
高盛集團在一年內把 2035 年機器人市場規模預測上修 6 倍。多數分析師預測機器人產業十年成長 50 倍，Bessemer 合夥人判斷機器人數量會在十到二十年內成長十萬倍。
表面困惑
如果市場規模更大、成長潛力更高、需求更剛性（人口老化、勞動力短缺、危險環境替代），為什麼資本反而大量避開？
這不是市場失效，而是資本配置的結構性滯後。
根本原因：認知慣性
1. 風險框架的路徑依賴
軟體投資已經有 20 年的系統風險定價——估值模型、增長曲線預測、退出機制都被細化到可交易的程度。LLM 泡沫尚未完全擠出，但至少概念被驗證過。
機器人涉及硬體製造、供應鏈、物理環境變數，這些讓風險評估變得「非線性」。傳統的軟體估值模型（邊際成本趨零、網路效應、贏者通吃）對機器人無效。投資人必須學習新的風險語言——這有認知成本。
2. 過往成功的詛咒
Andreessen Horowitz、Y Combinator 等頭部機構在軟體領域的勝率極高。資本會自然傾向押注已驗證的致勝模式。換到陌生領域，失敗率的不確定性會觸發 loss aversion（損失厭惡），即使期望收益更高。
3. 流動性偏好與驗證週期不匹配
軟體 SaaS 的驗證週期是 12-24 個月，機器人的從實驗室到商業部署可能是 36-60 個月。創投基金的週期通常是 10 年，但內部報告週期是季度制。投資人會被迫選擇能更快產生「進展信號」的標的，即使長期收益更差。
為什麼現在會曝露
GPT-2.5 時刻的到來改變了什麼：基礎模型（尤其是多模態模型）已經證明能降低機器人的智能成本——感知、規劃、控制都不再需要從零開始。EgoScale 論文首次實驗證實機器人效能隨訓練資料規模指數增長。
但市場還沒反應，因為：
- 大多數機器人公司還在實驗室階段，沒有收入數據
- 資本需要看到「可複製的商業單位經濟」，而不只是技術突破
- 媒體敘事仍聚焦於 AI（已被充分定價），對機器人的商業化路徑報導不足
這個差距什麼時候會修正
當滿足以下條件之一：
1. 單個機器人公司達到 $1B+ 估值（信號效應，打破「機器人無法快速規模化」的刻板印象） 2. 製造業勞動力危機急劇惡化（日本、歐洲已在邊界，美國 2027-2030 年會遇到） 3. 機器人成本曲線突破臨界點（單位成本下降 50% 以上，改變企業投資回報期計算） 4. 通用型機器人在特定垂直市場驗證商業閉環（如倉儲、建築、護理）
當任何一個條件滿足，資本會發生戲劇性轉向——不是線性的追趕，而是 herd effect，會導致過度投資。