机器人开始真正进厂了：亿元订单

来源：市场资讯

（来源：VCA创投社）

导读：

过去两年，具身智能一级市场最吸引眼球的数字，几乎都和融资有关。

几十亿元估值、百亿元独角兽、数亿元融资，以及不断刷新的融资纪录，让这个尚处于产业早期的赛道迅速成为资本最拥挤的方向之一。仅2026年上半年，按照IT桔子相关统计口径，国内具身智能融资规模已经达到935亿元；与此同时，上半年中国人形机器人出货量已经超过4万台。

但一个越来越明显的矛盾也开始出现：资本很热，真正能够让客户持续付钱的场景却仍然不多。行业甚至出现了一个非常形象的说法——“融资热，订单冷”。

9月15日，一个值得关注的案例出现了。

物流具身智能企业寅成智能宣布完成近亿元A轮融资，由华民投与上海半导体产投联合领投，老股东德同资本继续加码。相比这笔融资，更值得注意的是公司同时披露的另一组数据：寅成智能已经与顺丰速运签订亿元级订单，并计划未来两年在物流场景部署数千台机器人。(投资界)

一家机器人公司融到1亿元，放在今天的具身智能市场里已经算不上特别罕见。但一家机器人公司能够让大型物流企业真正拿出1亿元采购，意义完全不同。因为前者证明的是：

投资人相信它。

而后者第一次开始证明：客户愿意为它付钱。这两种钱，对一家机器人公司的价值并不一样。过去两年，具身智能行业最重要的问题一直是“机器人到底能不能做出来”；但当越来越多产品走出实验室以后，整个行业正在进入一个更加残酷，也更加接近商业本质的阶段。

接下来资本真正需要回答的，可能不再是机器人时代会不会到来，而是一个更具体的问题：一台机器人进入工厂以后，到底能不能替客户赚钱？

01

机器人真正的商业化，不是“卖出去”，而是替客户把账算过来

判断一个新产业有没有真正开始商业化，一个最简单的方法就是看客户为什么采购。

如果客户购买机器人是为了科研、展示、数据采集或者技术验证，那么这笔订单当然有价值，但它还不能完全证明机器人已经形成稳定的商业模式。

真正意义上的产业订单，应该满足一个更加朴素的条件：

不用补贴，不需要讲AI故事，客户财务部门自己算完账以后，仍然愿意采购。

这也是机器人进入工业场景以后面对的第一道真正考题。

今年世界机器人大会期间，一位工业客户给机器人厂商提出的条件就非常典型：机器人完成一个工位的整体成本，需要能够与传统机械臂和自动化系统竞争，同时还需要满足规定时间完成任务、正确率达到99%、续航达到8小时，并且能够明确计算几年收回成本。(新浪财经)

这套标准其实已经和“机器人像不像人”没有太大关系。

客户真正关心的是四个指标：

效率、可靠性、成本和回收周期。

假设一个物流工位原本需要3名工人，两班倒以后一年综合人工成本30万元。如果机器人系统整体投入50万元，每年还需要5万元的软件、维护和能源费用，能够稳定使用5年，那么企业就可以非常清楚地计算这笔投资多久能够回本。

反过来，如果一台机器人售价80万元，却只能完成一个每天工作两小时的任务，即使它能够跳舞、奔跑甚至完成非常复杂的动作，对于工业客户来说也未必有足够价值。

所以机器人行业下一阶段真正重要的指标，很可能不再是“出货量”。

而是：每一台机器人一年真正工作多少小时，以及每一个工作小时为客户创造了多少经济价值。

这可以称为机器人的“有效工作量”。

这也是为什么寅成智能这笔顺丰订单值得研究。公司选择的不是一个最容易展示机器人能力的场景，而是物流转运中心的供包环节。按照公司披露，其机器人抓取成功率最高达到99.99%，单件作业时间约2秒。(手机科技频道)

这里真正重要的不是99.99%这个数字本身，而是工业客户对错误率的容忍度极低。

实验室里100次抓取失败1次，可能已经是不错的技术成绩；但如果物流中心一天处理几十万甚至上百万件包裹，同样的错误率就会变成真实的运营成本。

这也是机器人从Demo进入生产线以后，第一个被重新定义的东西：

“能干活”和“能稳定干活”，其实是两个完全不同的技术阶段。

02

亿元订单重要的是，不是1亿元，是它能不能变成第二个10亿元

一级市场很容易被“大订单”三个字吸引。

但从投资角度看，一笔1亿元订单本身并不能证明一家机器人公司已经跑通商业模式。真正应该研究的是这笔订单后面的三个问题：能不能交付、能不能复购、能不能复制。

首先是交付。签下1000台订单，与真正生产1000台机器人并让它们稳定运行，是完全不同的能力。机器人公司从100台走到1000台以后，会开始面对供应链、生产一致性、质量控制、现场部署、售后维修等一系列过去在实验室阶段不会暴露的问题。

优必选在今年世界机器人大会期间就公开提到，行业走向万台级量产以后，对生产制造体系、一致性、稳定性和可靠性都会提出巨大挑战，目前整个行业仍然缺少成熟的体系保证。(新浪财经)

第二个问题是复购。如果顺丰第一次采购以后，机器人真正帮助一个转运中心降低了成本，第二年把机器人部署到更多转运中心，这个订单的意义就会完全改变。因为第一次采购可能是试验。第二次采购才更接近商业验证。

所以对于机器人企业而言，未来一个可能比订单金额更加重要的指标，是：Net Revenue Retention——老客户第二年到底多买了多少。SaaS公司非常重视续费率，机器人公司未来同样应该重视复购率。因为复购意味着客户不是因为“AI很新”采购，而是因为机器人真的创造了经济价值。

第三个问题，也是最重要的问题，是复制。

假设寅成智能花了两年时间、投入100名工程师，最终把顺丰一个物流中心做通，这当然是技术成果，但未必是一门优秀的规模化生意。

真正有价值的是：第一座物流中心需要100名工程师调试半年；第二座只需要20名工程师一个月；到了第100座，最好可以像部署标准工业设备一样快速完成。

这才叫规模化。

所以评价一家机器人公司的时候，我认为未来应该越来越关注一个过去很少被讨论的指标：Deployment Cost——每增加一个新场景，部署成本到底下降了多少？

如果收入增长一倍，工程师数量也必须增长一倍，那么它本质上仍然是一家项目制公司。只有当客户数量和机器人数量快速增加，而单位部署成本持续下降，机器人公司才真正开始拥有软件和AI带来的规模效应。

03

工业机器人的壁垒，可能不是硬件，而是“真实世界数据飞轮”

如果只看到顺丰的1亿元订单，可能仍然低估了这件事情对具身智能公司的意义。因为机器人进入真实场景以后，还有一个非常重要的副产品：数据。

大模型为什么能够快速进步？一个重要原因是互联网提供了海量文本、图片和视频。

但具身智能面对的问题完全不同。互联网上很容易找到一亿张箱子的图片，却很难找到机器人抓取一亿次不同箱子的高质量动作数据。

现实世界存在大量长尾情况。箱子可能变形，包装袋可能反光，物体可能被遮挡，两个包裹可能缠在一起，光线可能发生变化，传送带速度也可能不同。

这些问题在实验室里很难全部模拟。

真正能够持续产生这些数据的地方，是生产现场。

按照寅成智能披露，公司目前已经在客户真实作业环境中积累数百万条数据，并通过实际运行每天新增约1000小时作业数据，再利用模型自动筛选其中具有训练价值的长尾样本。(手机科技频道)

这就产生了一个非常值得投资人关注的飞轮：更多机器人进入现场→ 产生更多真实数据 → 模型处理更多长尾问题 → 成功率提高 → ROI提高 → 客户采购更多机器人 → 获得更多真实数据。如果这个循环真正跑起来，那么订单的意义就不仅仅是收入。订单本身开始变成一种数据资产获取渠道。这可能也是未来机器人行业真正拉开差距的地方。

因为硬件最终有可能逐渐标准化。电机可以买。减速器可以买。机械臂可以买。传感器可以买。甚至机器人本体本身，都可能逐渐出现成熟供应链。

但一家企业在真实工厂里连续运行数百万小时积累下来的失败案例、长尾数据以及对应的模型优化经验，很难在短时间内购买。

所以机器人行业未来真正值得投资的公司，可能并不是“机器人造得最复杂”的公司。

而是最早形成：场景→ 数据 → 模型 → 更好的产品 → 更多场景 这套闭环的公司。

04

这也意味着，“通用人形”未必是机器人商业化最快的路线

过去两年资本市场谈具身智能，很容易直接等同于“人形机器人”。

但从商业化角度看，这两个概念其实应该分开。具身智能真正解决的是：让AI拥有感知、理解、决策和操作物理世界的能力。至于最终承载这种能力的机器是不是长得像人，并不是最重要的问题。

寅成智能的路线就很有代表性。

公司并没有从头重新设计一套全新人形机器人，而是选择利用相对成熟的机器人硬件，把AI能力直接放进物流场景。创始团队的判断是，与其同时重新定义本体、供应链、硬件和AI，不如先利用成熟硬件解决一个真实问题，再从单任务泛化逐渐走向多任务泛化。(手机科技频道)

从投资角度看，这实际上对应着两条完全不同的路线。

一条路线是：先造一个足够通用的人形机器人，再寻找大量场景。

另一条路线是：先找到一个ROI能够成立的场景，再不断扩大机器人的能力边界。

前者的终局想象空间可能更大，但技术难度、资金需求和商业化周期也更长。后者看起来没有那么性感，却可能更快获得真实收入和真实数据。

这也是为什么物流、汽车制造、电力巡检、矿山、重工等场景可能成为具身智能最早规模化的地方。

这些地方共同具备几个特点：人工成本高、工作重复、环境相对可控，同时又存在传统自动化难以完全解决的非标准任务。

今年前8个月，工业具身智能领域已有约240起合作，其中约56%披露了明确工业应用场景，涉及订单采购的合作达到55起；公开统计的工业用途具身智能整机订单已经超过2.3万台，覆盖电力巡检、重工、园区运维、仓储物流和汽车零部件搬运等场景。(新浪财经)

这说明产业正在发生一个很重要的变化：机器人正在从“先有技术，再找场景”，转向“场景开始反过来定义技术”。这可能才是真正的商业化起点。

05

机器人估值体系，也应该从“百亿故事”转向“单位经济模型”

如果上述变化继续发生，那么机器人公司的估值方法也应该发生变化。

过去资本为什么敢给一家尚未大规模商业化的机器人公司100亿元估值？因为资本购买的是一个巨大的终局。如果未来每一家工厂、仓库、商场甚至家庭都需要机器人，那么今天的百亿元估值似乎并不昂贵。

但这种估值方式有一个明显的问题：它对未来非常敏感，却对今天的商业效率不够敏感。当机器人开始真正进入工厂以后，我们终于可以计算一些过去无法计算的指标。

例如：单台机器人售价是多少？毛利率是多少？每年能够工作多少小时？客户多久能够收回成本？故障间隔时间多长？部署一台机器人需要多少工程师？一个场景跑通以后，复制到第二个客户需要多少成本？客户第二年有没有继续采购？机器人运行产生的数据，能不能降低下一次部署成本？

这些指标组合起来，其实就是机器人的 Unit Economics——单位经济模型。

这也是机器人产业真正成熟以后，资本市场最终一定会回归的东西。

未来两家公司都估值100亿元，一家公司可能拥有极强的人形本体和Demo能力，但一年收入只有5000万元；另一家公司产品没有那么酷，却拥有10亿元收入、60%的客户复购率，而且机器人部署越多，模型越强、部署成本越低。

资本最终会怎么定价？答案可能和今天完全不同。

所以从这个角度看，顺丰的亿元订单真正重要的并不是它能够给寅成智能贡献多少收入。它第一次让市场有机会观察一套更有价值的数据：

机器人到底能不能在真实生产环境里形成单位经济模型。