机器人公司都在喊盈利，但有人坦白：我们赚的其实是投资人的钱

行业很热闹，但离真正的爆发还早

什么时候机器人公司收入里客户的钱真正多过了投资人的钱，什么时候这个行业才算真正开场。

今天一台在工厂里干活的机器人，算力成本不到 5000 元，占整机成本 5% 到 6%。

同一个行业，另一家公司每个月买算力，要花掉上百万元。

两个数字都是真的。前者来自做工业整机的纳诺机器人，后者来自做机器人操作系统的桥介数物。

外界聊起机器人，张口闭口是算力、参数、人形机器人。但真正在这个行业里干活的人，每天算的是另外几本账。

最近深圳物理 AI 峰会的一场圆桌，把机器人产业链的三个环节凑到了一起：做机器人电子皮肤的墨现科技王鑫，做机器人操作系统的桥介数物，做工业整机的纳诺机器人马尧。

三个人都是乙方，都要向客户交代投资回报，也都讲了不少场面话之外的东西。

整场听下来，最值钱的是三笔账。

算力账：机器人不缺算力，缺的是退烧贴

先说一个很多人没想到的事实：今天绝大部分机器人，本地算力消耗其实并不大。

桥介解释，现在大量机器人模型的参数规模只有百万级，不带复杂感知和交互，跑起来并不需要多少算力。

而且算力还不能随便往上堆。因为一高就会撞上一个非常物理的问题：散热。

他举了个自己的例子。来参加活动之前，他还在公司调一款机器人，胸前的芯片发热严重。

最后没办法，找了一个类似小朋友发烧用的散热贴，直接贴在芯片外壳上降温。

在他看来，今天机器人很多执行问题和稳定性问题，追溯到最后，都可能落在发热上。

纳诺那边的数字更具体。五年前做抓取，涉及视觉和空间定位，一台机器人里的算力成本要一万多块钱。

这几年算法优化，加上把一部分视觉计算挪到相机侧，现在整机算力成本控制在 5000 元以内，只有五年前的三分之一，占整机成本大约 5% 到 6%。

王鑫的电子皮肤对算力要求更低。端侧用的是常规芯片，触觉数据采完直接存在设备端，连云端接口都没预留。

所以和纯软件 AI 相比，机器人端侧的算力成本，远没有外界想象的那么夸张。

真正的算力大头在模型公司手里：桥介每个月的算力开支已经是百万元级。

桥介判断，未来机器人要具备完整的感知和交互能力，模型至少要到 10 亿级参数。到那时，一部分生成和规划能力必须放到云端。

但那是未来。至少在今天，卡这个行业脖子的还不是算力。

数据账：一小时 5 美元，倒着算出来的定价

王鑫做的是触觉。灵巧手只有视觉没有触觉，就会遇到视觉盲区：它以为自己夹到了，其实根本没夹住。

触觉传感器提供的，就是这最后一公里的判断。

有意思的是他的定价方式，完全是倒着算出来的。

现在具身数据已经形成行价：一个小时的数据，根据维度不同，卖几百块钱。

数据采集公司会反推成本：人力多少、场地多少、设备多少，最后留给触觉采集设备的，摊到一个小时大概 5 美元。

客户不关心你用什么商业模式，只告诉你一个数：超过这个成本，我的数据就卖不出去。

于是王鑫的手套定价就锚在这里。手套是耗材，里面有电子设备，会磨损。

他们和客户形成的模式是：承诺 200 小时使用寿命，200 小时乘以 5 美元，定价 1000 美元左右。

200 小时以内正常损坏免费替换，超过就不再承担售后。

客户付的钱是固定的，手套活得越久，利润越厚。

王鑫自己的说法是，如果保证 200 小时，最后能用 1000 小时、2000 小时，多出来的就是你的利润。

所以公司内部真正较劲的事只有一件：把产品寿命不断往上拉。

他今年还在推数据采集手套，行业里叫无本体数据采集。人戴上手套干活，触觉、位置、空间数据就都采回来了，不用动真机器人。

王鑫把这个模式类比成大语言模型时代的数据标注：未来完全可以在东南亚、非洲组织大量人员做采集。

机器人还没进厂，先进厂的可能是这种"人肉数据标注"的新工种。

这个画面，值得琢磨。

回本账：18 个月，是工业客户的生死线

纳诺的账最直接，因为他的客户算账方式从来不绕弯子。

纳诺的机器人主要干取放：手机玻璃、后壳、Mac 面板、半导体晶圆。

从接到需求到现场交付，一般 30 到 40 天。

客户愿不愿意付钱，只看一条线：18 个月回本。

具体怎么算？一台机器人能替代 4 到 5 个工人，客户就把这 4 到 5 个工人未来 18 个月的工资算出来。

机器人采购价不超过这笔钱，设备能用五年以上，就下单。

你能把回本周期压到 15 个月甚至 12 个月，客户会更积极。

至于毛利率，客户不关心，但马尧自己分得很清楚。

3C 场景，操作成功率做到 99.5% 以上就能接受，毛利率 40% 到 50%。

半导体、光刻机相关场景有洁净度要求，成功率要 99.99% 起步，也就是行话说的"四个 9"，毛利能做到 70% 到 80%。

公司一年确认收入到 1000 多万美元，就能整体盈利。

工业现场不追求泛化。

固定动作、固定场景，核心是高完成率。纳诺的口径是，99.99% 这个成功率，目前很多所谓的通用具身机器人还没办法比。

主持人王朝超提到一个观察：很多 3C 工厂的真实自动化程度，和媒体上讲的"具身智能"是两个世界。

纳诺的回应更直接：你看全球制造业巨头的员工数量就知道了，有的一百多万人，有的七八十万。

这么大的就业数字本身就说明，产线上依然站满了人。

"低质量的盈利"：一句罕见的实话

三笔账之外，还有一笔账，桥介算的是自己公司的。

桥介数物从 2023 年创业到现在，一直是盈利的。在整个具身智能行业，这应该算少见。

2024 年，一个项目收几十万到一百万元。

2025 年行业热度起来之后，客单价迅速抬升。现在项目基本没有低于 300 万元的，大部分在 400 万到 500 万元，海外大项目的交付周期排到了几个月之后。

但桥介把这种状态称为"低质量的盈利"。

原因他也没打算藏着：项目制没办法规模化复制。

说得更直白一点，公司赚的甚至不完全是机器人本体公司的钱。某种意义上，赚的是这些本体公司背后投资人的钱。

这个认知，他们自己是很清楚的。

一个创业公司老板，当着同行和台下观众，把自己利润的来源拆到这一层，在行业里并不多见。

他的解法是平台化。今年 6 月 29 日，桥介的通用机器人开发平台发布正式版，一个多月后就开始商业化。

有个文旅客户在好几个省运营乐园，每天要办很多场机器人表演。这种传统企业不可能养一支技术团队天天"伺候机器人"。

现在通过这套系统，就能让机器人每天在场馆里跳舞、迎宾。

桥介正在做的事，是把过去一两个月交付、收费几百万元的项目，压缩到几分钟完成部署。

把费用从几百万元，压到每年几千元的授权费。他甚至判断，随着接入的机器变多，未来可能降到每年几百块钱。

从 500 万元一个项目，到几百块钱一年。中间隔着的，就是这个行业从"圈钱"走向"生意"的全部距离。

别急着给这个行业盖棺定论

关于行业现在到底处在什么阶段，桥介说了一段话。

今天市场上聚光灯最亮的这些公司，我觉得甚至都还不能真正叫行业头部。原因很简单，像华为、比亚迪这一类拥有巨大产业资源和工程能力的企业，还没有真正意义上全面下场。

他的判断是，今天这个市场很大程度上是被政策和资本催熟的。

硬件、本体、模型，都还需要十年甚至二十年的沉淀，尤其需要真实有效的数据积累。

从这个视角看，今天行业里的有效数据"甚至可以近似理解成约等于零"。

他甚至承认，桥介服务的很多场景里，有相当一部分现在还是伪需求。

这种清醒也写在三家公司的扩张姿势里。

王鑫 2025 年把团队从几十人扩到 100 多人，今年明显放缓，原则是不做无序扩张，不因为市场热就无限加人。

桥介公司全职、待入职、实习生全加起来不到 80 人。他的原话是，创业公司最好做一家没那么焦虑的公司。

纳诺更彻底，到现在没拿机构融资，主要花自己的钱，团队七八十人。

每年只盯四件事：核心技术有没有进展、细分市场份额有没有涨、零部件成本有没有降、技术能力有没有迭代。

分水岭在财报里，不在跳舞视频里

AlphaGo 赢下那场棋，到现在快十年了。波士顿动力的机器狗会翻跟头，也有很多年了。

技术的爆发回头看都是一瞬间，身在其中才知道全是漫长的积累。

这个行业真正的分水岭，看发布会和跳舞视频是找不到的。

要看财报：什么时候，机器人公司收入里客户的钱真正多过了投资人的钱，什么时候，这个行业才算真正开场。

在那之前，退烧贴还得继续贴着。

更多对话细节

Panel｜从炫技到生产力：具身智能商业化的"最后一公里"

嘉宾

墨现科技 CMO 王鑫

桥介数物 COO 宋阳

纳诺机器人创始人 马尧

主持人

非凡资本合伙人 王朝超

第一关：机器人到底需要多少算力？

王朝超：聊机器人绕不开算力。训练需要算力，推理需要算力，从仿真到现实也需要算力。但算力最终都是成本。所以第一个问题，请三位从你们产品最日常、最频繁执行的动作切入。比如抓一个东西、感知一个东西，或者让机器人完成一个动作，这里面到底消耗多少算力？如果换算成钱，这部分成本占整机成本或者服务成本多少？你们怎么在"算力够用"和"成本可控"之间找平衡？

王鑫：我们比较特殊，因为我们本身是做硬件的。比如我们的数据采集手套，数据主要存储在设备端。出于客户隐私和安全考虑，我们设备本身没有预留后台或者云端接口。客户使用的时候，数据主要都留在自己的端侧。

触觉数据其实只是 Physical AI 训练数据中的一个维度。除了触觉，还有现在比较多的 egocentric，也就是第一人称视觉数据，以及位置、空间等其他数据。我们的下游客户会把不同维度的数据融合，再进行仿真和训练。

所以对我们来说，真正承担的主要还是硬件成本，以及硬件在使用过程中的损耗。

宋阳：这个问题对具身智能行业其实非常重要。我在公司平时负责日常运营，说得直接一点，就是负责怎么花钱和赚钱。所以算力在我们每个月的开支里，确实占了一个比较重要的位置。

但是如果从机器人端来看，今天绝大部分机器人的本地算力消耗其实并没有大家想象得那么大。为什么？因为今天很多机器人模型，参数规模还只有百万级。在这种不带大量感知、不带复杂交互的阶段，本地算力第一不需要特别高，第二其实也不能特别高。

因为算力一高，马上就会碰到一个很现实的问题：散热。我今天来活动之前还在公司调一款机器人，它胸前的芯片发热比较严重。我最后没办法，找了一个类似小朋友发烧时用的散热设备，直接贴在芯片外壳上帮它降温。今天机器人的很多执行问题、稳定性问题，最后都可能追溯到发热。

所以在现阶段，机器人本地算力不能无限往上堆。但是未来肯定不一样。如果机器人真的要走进千行百业、千家万户，百万参数级的模型显然是不够用的。我们判断，如果机器人要具备比较完整的感知和交互能力，模型可能至少要达到 10 亿级参数。到那个时候，就不能简单依赖本地算力了。一些模型生成、复杂规划的能力一定要放到云端。

从公司自身来说，我们是一家模型公司，也需要购买很多算力。现阶段每个月算力开支大概已经是百万元级。但整体来看，因为今天模型参数量还有限，所以算力暂时还没有构成特别大的经营困难。未来随着平台规模扩大，真正的问题会变成：我大规模把算力买进来之后，到底什么时候能够把它卖出去？

马尧：我们很多机器人是交付在有保密等级要求的车间，所以数据不会传到服务器，基本都在机器人本机完成运算。大概五年前，我们做抓取，因为涉及视觉、空间定位等计算，一台机器人里的算力成本可能要一万多块钱。这几年算法不断优化，也把一部分视觉计算放到了相机侧。现在整个算力部分的成本基本能够控制在 5000 元以内，大概只有五年前的三分之一。算力成本占整机成本，现在大概在 5%—6%。

第二关：从 Demo 到真正干活，客户为什么愿意买？

王朝超：接下来聊场景闭环。三位就讲自己目前最成熟的产品，用人话讲：机器人到底在干什么活？在什么场景里干？从部署到真正开始工作，需要多长时间？客户最后愿意把钱付给你，最在意的究竟是什么？

王鑫：我们目前主要还是两块：灵巧手和数据采集。灵巧手这边，从 2024 年左右开始，越来越多灵巧手厂商会往手上增加电子皮肤，也就是触觉传感器。为什么要加？一个很直接的问题是，如果只有视觉，没有触觉，灵巧手或者工业夹爪执行任务的时候会遇到视觉盲区。它可能"以为自己夹到了"，实际上根本没夹住。触觉传感器提供的，就是最后一公里的判断能力。

第二块是数据采集。过去大家做具身数据，大量还是用真实机器人本体去采。这就意味着，本体、灵巧手本身也要采集触觉数据。今年我们又在做另外一种方案，就是数据采集手套。里面既有触觉，也包括位置、空间信息。现在行业里把这种方式称为一种无本体数据采集。

客户为什么愿意为这个东西付钱？很简单，因为用真机采数据太贵了。如果做无本体采集，就有点像大语言模型时代的数据标注。未来完全可以在东南亚、非洲等地区组织大量人员进行采集。

宋阳：我们的客户主要有两类。第一类是研发机器人本体的客户。这里面又有两种。一种是行业里比较领先的机器人企业；另外一种是从 2024 年开始大规模进入具身智能领域的传统制造企业，包括汽车、手机、家电、工业机器人、协作机器人企业。我们给这类客户提供的是底层基础设施和系统能力。

第二类是真正使用机器人本体的企业。这类客户覆盖的场景就更广，包括石油化工、电力运营商、物流供应链等等。这些行业里面确实存在大量高频、可复用的机器人需求。但我也坦诚讲，今天其中绝大部分可能还处于非常早期，甚至有相当一部分现在还是伪需求。

所以桥介做的事情，是提供一种跨场景的基础设施能力。不论你是研发本体还是使用本体，都不用重复造轮子。通过一套标准 API，就能够调用我们底层的机器人能力。后面我们还会进一步发布"大脑"能力，把所谓大脑和小脑逐渐融合到同一个模型里面。最终我们希望用户根本不需要了解底层技术，不需要了解这台机器人是什么构型、空间模型是什么。就像今天用 PC 或手机一样。

马尧：目前做得最多的还是取放。主要是 3C 和半导体行业的各种工件。比如手机玻璃、后壳、Mac 的面板，还有半导体行业的一些晶圆，这些取放工作是我们做得最多的。从接到客户需求，到最终能够去现场部署交付，一般大概是 30—40 天。客户算账也很直接：用这台机器人替代人工，能不能在 18 个月左右收回成本。这是工业客户比较典型的计算方式。

第三关：客户 18 个月回本，供应商自己什么时候赚钱？

王朝超：正好聊到 ROI。三位其实都有一个共同身份：都是乙方，甚至有时候是乙方的乙方。今天客户、投资人、创业公司都在算 ROI。所以请三位分别算一笔具体的账。以你们最成熟的场景为例，客户投入多少、产出多少、多久回本？另外，你们作为供应商怎么定价？自己的正毛利节点在哪里？

王鑫：我们服务的很多客户都是做具身模型、世界模型的，模型上游又有大量数采公司。这个行业的数据现在已经逐渐形成一些比较明确的价格。举个例子，现在一个小时的数据，根据数据维度不同，可能卖几百块钱。那数采公司就会反过来算：里面的人力成本多少、场地多少、设备多少，最后留给触觉采集设备的成本是多少。

目前客户给我们的一个比较明确的成本约束，是触觉设备摊到一个小时，大概就是 5 美元左右。他并不关心你用什么商业模式。他只告诉你：我能接受的就是这个成本，再贵，我的数据就卖不出去。

所以我们的定价就是倒着算。比如数据采集手套本身是一个耗材。哪怕一双普通手套，长期操作也一定会磨损。我们的手套里面还有电子设备，不同场景、不同任务，磨损程度都会不同。现在我们和客户逐渐形成一个双方都能接受的模式：我保证你的使用成本大概就是每小时 5 美元。比如我们给客户承诺 200 个小时的使用寿命。200 小时 × 5 美元，就是 1000 美元。那这套设备定价可能就在这个范围。我保证在 200 个小时以内，如果发生正常损坏，我给你免费替换。超过 200 小时以后，就不再承担这部分售后成本。

所以我们内部真正要做的，就是不断把产品寿命往上拉。因为客户付的钱已经倒算出来了。产品到底需要活多久，才能 Cover 掉研发、售前、售后，同时还有自己的利润，这笔账就非常清楚。

宋阳：我们还是分研发客户和使用客户。坦诚讲，今天整个行业还是非常早期。桥介目前大部分收入，其实都来自研发本体的客户。我可以分享一个数据：我们从 2023 年创业到现在，公司一直是盈利的。在整个具身行业里，应该算比较少见。

早期我们主要还是项目制。2024 年，一个项目的收费大概几十万到一百万元。到了 2025 年以后，整个机器人行业热度突然上升，我们的项目客单价也迅速提高。现在项目基本没有低于 300 万元的，大部分在 400 万—500 万元。我们甚至有海外大项目，交付周期已经排到了几个月之后。

但我自己会把这种状态称为：低质量的盈利。为什么？因为项目制没有办法规模化复制。说得更直白一点，我们赚的甚至不完全是机器人本体公司的钱，某种意义上，我们赚的是这些本体公司背后投资人的钱。这个认知我们是很清楚的。

所以为什么一定要把能力沉淀成平台？因为只有平台化，商业模式才真正有可能从项目制走向规模化。我们的平台正式版本今年 6 月 29 日发布，发布一个多月以后就已经开始商业化。

比如我们现在有一家文旅客户，在不同省份运营乐园，每天要做很多场机器人表演。对于一家传统文旅企业来说，它显然没有能力，也不可能自己养一个很大的机器人技术团队，每天专门"伺候机器人"。他们在展会上看到我们的系统以后，现在可以通过这套系统非常简单地让机器人每天在场馆里跳舞、迎宾。

我们现在正在做的，是用系统化产品把过去一两个月交付、收费几百万元的项目，压缩到几分钟完成部署。同时把费用从几百万元，压缩到每年几千元的 License。甚至随着接入机器数量越来越多，我们判断未来可能降到每年只有几百块钱。这才是真正能规模化的模式。

马尧：我们的客户比较直接。刚才说了，18 个月是客户测算投资回报周期的极限。比如一台机器人能够替代 4—5 个工人，那客户就会算这 4—5 个工人未来 18 个月需要多少工资。如果机器人一次性采购成本不超过这笔钱，同时设备又可以用五年以上，他就愿意买。如果你能把回收周期做到 15 个月，甚至 12 个月，那客户购买会更加积极。

至于我们的毛利率，客户其实并不太关心。我们会根据不同应用场景有很大差别。比如 3C，包括果链的一些客户，对设备操作成功率的要求虽然也很高，但相对没有半导体那么极致。做到 99.5% 以上，很多场景已经可以接受。这一类设备，我们毛利率做到 40%—50% 左右。

但半导体、光刻机相关场景，会有洁净度等更严格要求，操作成功率可能要求达到 99.99% 以上，也就是"四个 9"以上。这种高精度、高要求设备，毛利可能做到 70%—80%。对我们公司来说，如果一年确认收入能达到 1000 多万美元，应该就可以实现整体盈利。最后本质上还是一个通过规模复制、规模降本来获取利润的过程。

第四关：为什么工业现场反而不追求"泛化"？

王朝超：听完马总的数据，我有一个感觉。今天很多 3C 工厂实际的自动化程度，和外界媒体、自媒体讲的"具身智能"、甚至今天 AI 在电脑桌面上实现的自动化程度，可能完全是两个世界。工业现场其实依然有大量人，在重复做非常基础的劳动？

马尧：对。你只要看全球很多制造业巨头的员工数量就知道。有的企业一百多万人，有的七八十万人、五六十万人。这么大的就业人数，本身就说明制造业现场依然存在大量一线工人。

王朝超：那你们会面临"机器人不够灵活"的问题吗？

马尧：工业现场对操作成功率的要求非常高。哪怕 3C 这种相对容忍度高一点的场景，也需要 99% 点几。半导体可能直接要求 99.99% 起。这个成功率，目前很多所谓的通用具身机器人其实还没办法比较。

王朝超：所以工业里反而不那么追求通用和泛化。在固定动作、固定场景里，核心是高完成率、高准确率。

马尧：对，高精度。

第五关：公司到底该长多快？

王朝超：最后一个问题聊融资和经营。过去两年机器人资本市场持续升温，但市场同时也一直在出清。有些公司在扩张，有些在收缩。三位又正好处于不同阶段：有人融过很多钱，有人在融资路上，也有人目前还主要花自己的钱。你们怎么平衡融资和经营？怎么判断公司现在需要多大规模？人多了可能把公司烧死，人少了又跑不起来。

王鑫：我们扩张最快其实是在 2025 年。团队从几十人增长到 100 多人。今年还在扩，但速度明显放缓了。我们的业务模式也有不少项目制，不过和纯软件项目不太一样。我们很多项目，是围绕具体灵巧手做定制。这意味着前期研发投入很大，但是产品生命周期也比较长。比如我们给一些灵巧手企业做整套定制方案，前面一定是亏的，因为有大量研发投入。但它一旦量产，生命周期相对比较长，也没有那么容易被标准化产品直接替代。一般进入量产以后大概 3—5 个月，这个项目就能够开始盈利。

我们的想法是不做无序扩张。市场上灵巧手企业很多，我们不可能每一家都做。会优先选择产品理念一致、未来有规模化机会的客户。除了机器人，我们本身也有康养医疗、AI 硬件、割草机、扫地机、智能床等不同方向。所以整体原则就是：跟着具身智能行业增长，配相应的人，但尽量把人员规模控制在合理范围，不因为市场热就无限扩张。

宋阳：我从行业和公司两个角度说。先说行业。现在市场特别关注一些明星机器人公司，包括资本市场的一些动作。但站在我们这种完全不做本体的第三方视角，我反而觉得：今天具身智能仍然处于极早期。

今天市场上聚光灯最亮的这些公司，我觉得甚至都还不能真正叫"行业头部"。原因很简单。像华为、比亚迪这一类拥有巨大产业资源和工程能力的企业，还没有真正意义上全面下场。这些公司的资源能力如果未来真正投入，整个竞争格局可能完全不一样。

所以今天的机器人行业，远远没有成熟到可以盖棺定论的阶段。离真正下到工厂里大规模打螺丝，我认为还早。我甚至会说，今天这个市场很大程度上是在政策和资本推动下，被人为催熟出来的。不管机器人硬件、本体，还是所谓大脑、小脑，都还需要很长时间沉淀。可能是 10 年甚至 20 年。尤其需要真实、有效数据的积累。从这个视角来看，今天行业里的有效数据甚至可以近似理解成"约等于零"。

第二，从公司经营角度。我自己在公司既负责融资，也负责销售。我不觉得融资和商业化是矛盾关系，反而应该互相促进。融资给我们更多弹药。虽然桥介从创业第一天开始就是盈利的，但不代表只靠现有利润就一定能快速发展。我们仍然需要外部资本和资源，帮助公司穿越周期，让我们有机会真正走到行业成熟的那一天。

但商业化同样非常重要。因为商业化本质上是用市场化手段验证：你的模型到底有没有用？你的平台能力到底有没有价值？不是关在公司里自己觉得技术很好，就算成功。所以从创业第一天开始，不管研发大脑、小脑还是其他能力，我们想到的第一件事之一都是：这个东西怎么卖给客户？怎么商业化？

另外一个我觉得特别重要的点是：创业公司最好做一家没那么焦虑的公司。全职员工、待入职和实习生全部加起来，不到 80 人。

马尧：我们目前还没有拿机构融资。截止到现在，主要还是花我自己的钱。团队现在大概七八十人。所以我目前主要看几个东西。第一，自己产品最核心的技术能力，每一年有没有持续进展，能不能保持对同业的领先。第二，在自己真正看重的利基市场里，核心客户的市场份额有没有提升。第三，核心零部件采购成本有没有继续下降。第四，自己掌握的技术能力有没有继续迭代。

所以我们的思路就是：在自己能够承受的亏损范围内，持续提高细分市场份额，同时扩大规模，逐渐形成规模效应。目前公司大概就是处在这个阶段。