本文来自微信公众号：科技祥子，作者：科技祥子，题图来自：虎嗅（张一然拍摄）
受访者：科技祥子，本号主理人。常年在科技产业一线负责商业化，此前是一家物理 AI 基础设施公司的联合创始人。过去一年，祥子向几乎所有能坐下来聊的具身智能公司反复问同一个问题：你们到底怎么赚钱。
图1｜钞票巨轮中奔跑、却一直原地转圈的机器人
问：先从一个我很好奇的地方开始。你为什么会一直问“怎么赚钱”这个问题？这在今天这个赛道里，算是个不太受欢迎的问题。
因为我是做商业化出身的，这是职业病。
但更实际的原因是，我的位置有点特殊。我们是给具身智能公司提供基础能力的，客户就是这些做本体、做方案、做模型的公司。这个位置有个好处，也有个坏处。
好处是我能见到足够多的公司，而且是坐下来谈生意的那种见，不是展会上握个手。
坏处是我没法只当个旁观者。我的客户如果拿不到产业侧的收入，那这个行业的采购能力迟早会收缩，上游没有例外。所以这个问题我不是出于好奇在问，是因为它关系到整个链条能撑多久——包括我在的这一段。
所以这一年我把这个问题问遍了。这两年，身边不少认识的朋友陆续下场做具身智能，有人创业做本体，有人做模型，也有人负责商业化。这层关系带来的信息，跟公开渠道的信息，差别非常大。
问：差别有多大？
差别是：完全是两套说法。
你在展会上跟一家公司聊，听到的是一套。当你跟他成了朋友，晚上坐下来喝一杯，听到的是另一套。
私下交流里，大家反复提到的并不是“机器人完全干不了活”，而是另一个更准确的问题：
在经过充分训练、环境和物体都相对固定的任务里，机器人已经能把动作做得很流畅；但只要物品、光照、摩擦力或摆放姿态发生变化，成功率就可能明显下降。
这不是对整个行业的否定，而是目前从演示走向稳定作业时，必须面对的能力边界。公开场合通常展示的是最佳结果，私下讨论的则是结果能否在不确定条件下被持续复现。
一、问题不只是动作，而是不确定环境下的稳定性
图2｜抓得起零件不难，难的是条件每次都变
问：所以问题不是动作做不出来？
不是。动作大部分都能做出来。你去展台上看，抓取、装配、搬运，都在动。
如果任务足够确定，比如物体形态固定、位置固定、环境也不变化，通过强化学习和工程调优，动作可以做到流畅而精细。真正困难的是条件发生变化之后，机器人还能不能维持相近的成功率。所以比“精度不够”更准确的说法，是不确定环境下的稳定性还不够。
这里面当然包含定位精度，但不止定位精度。还包括：公差能不能守住、节拍能不能跟上产线、连续跑几百次的一致性会不会漂、换了一批来料还能不能干、光照和物体表面摩擦力发生变化后能不能适应、连着干三个班次会不会累积误差。
演示成功一次，与在这些变化里稳定复现，是两个量级的工程问题。客户买的不是一次成功，而是在自己的生产条件下持续成功。
而且这里有个更根本的问题，行业里其实心里都清楚，但不太愿意摆在台面上讲：
人形在“干活”这件事上，跟传统工业自动化的差别还是很大的。
传统工业自动化，是在一个高度结构化的环境里，用专用机构把一件事做到极致的精度和节拍。它的整个技术路线，就是拿灵活性换确定性。而人形、或者说通用具身，走的是反方向——拿泛化能力做主张，我什么都能干一点。
但产业客户在产线上要买的，恰恰是确定性。
所以你会看到一个很尴尬的错位：你的核心卖点，是他不需要的那个东西；而他真正需要的那个东西，恰恰是你为了换取卖点而牺牲掉的。
问：慢一点。今年的公开信息可不是这个基调。工信部说全年整机产量有望破十万台，“十五五”规划把具身智能纳进国家未来产业，头部公司出货、订单、盈利的消息一条接一条。你说的稳定性问题，跟这些进展对得上吗？
对得上。因为这是两件事。
这些数据反映了真实进展：产能在形成，政策在推进，订单也在增长。
但“量产元年”和“商业化元年”不是一件事情。
量产元年说的是供给侧：我能造出来、造得快、造得便宜。这件事今年确实在发生。商业化元年说的是需求侧：有人用它挣到钱了，或者用它省下了钱，而且这笔账算得过来。
这两件事之间没有必然联系。
更要紧的是：他进入工业场景，也不代表他在商业化上能打平。
很多人看到“人形机器人进了某汽车厂产线”就认为商业化闭环了。进场只是拿到一张入场券，它证明设备已经进入验证阶段，不能证明它创造的价值已经高于成本。
一台设备进了工厂，可能是在干活，也可能是在做联合创新项目、在做示范工位、在给双方的品牌部门提供素材。这三种情况，在新闻稿里长得一模一样。
所以我看这些消息的时候，只关心一个问题：这笔钱是从客户的哪个口袋出的。如果是从研发预算、创新预算、战略合作预算出的，那它是一次投资行为；只有从生产运营的成本预算出的，才是真的商业化。
问：如果落实到一个具体工业工站，今天部署一台具身机器人，企业到底在为什么付钱？
不能只看本体价格，也不能只看机器人是否完成了动作。一个工站真正需要投入的人力、财力至少包括：现场改造、数据采集、示教或遥操作、模型训练与调优、安全验证、与 MES 或产线控制系统对接，以及后续现场运维。
在当前技术水平下，很多项目的主要成本不在机器人本体，而在部署机器人所需要的人。一个工站背后往往要同时投入算法、工程、产品和现场实施人员。机器人最终即使能够完成任务，也要继续追问三个问题：需要多少人工兜底，换一个工站要不要重新做一遍，持续运维成本能否低于它替代或新增的价值。
如果每落一个工站都要重新投入一支团队，它可以是有价值的示范项目，但还不能算可规模复制的产品。所以单台机器人能完成特定动作的成本，以及该成本对应的 ROI，不能绕过去。
小米汽车工厂的公开案例可以说明这个问题。其人形机器人在自攻螺母上件工站连续自主运行 3 小时，初期双侧安装成功率为 90.2%，满足最快 76 秒的产线节拍；经过数月迭代后，成功率提升至 98%，接近人工约 99%的水平。
图3｜小米工站：成功率从 90.2% 爬到 98%
这组数据证明技术在快速进步，也说明一个工站从“能做”到“接近可用”需要持续迭代。但公开信息没有披露该工站投入了多少研发与现场人员、产线改造成本、人工接管率、设备利用率和全生命周期成本。因此它能够证明技术可行性，暂时还不足以单独证明商业 ROI。
这正是商业分析与技术演示的区别：不仅要看成功率提高了多少，还要看为提高这几个百分点投入了什么，以及同样的投入能否复制到下一个工站。
问：那么大家现在在做什么？
搞科研。
就我接触到的团队而言，不少仍以研究工作为主：指标是能力边界推进了多少，而不是产品在客户现场稳定运行了多少个班次。
而支撑这个状态的，是一个几乎全行业共享的期待——
大家都在等具身智能的 GPT 时刻。
等能力泛化到某个阈值，突然之间一个模型什么场景都能上，商业化就自然发生了。所以现在不用太纠结商业化，现在应该all in 把能力做上去，先熬到那一天。
这个判断，我认为不现实。
二、我为什么不认同“等待 GPT 时刻”
问：这是个很强的反对意见。理由是什么？
我先说一个前提：语言模型与物理智能面对的数据条件不同。
大规模语言模型能够快速扩展，至少受益于三点：互联网文本规模足够大，语言能够被离散成 token，训练又可以利用上下文做大规模自监督学习。这使模型可以在统一目标下持续扩大数据和参数规模。
物理世界并非“没有逻辑”，恰恰相反，它受明确的物理规律约束。难点在于观测连续、多模态且不完全，接触动力学复杂，传感器存在噪声，而且机器人的动作会改变下一时刻的状态。数据采集还受到设备、安全、场地和人工操作成本约束，无法像文本一样低成本复制。
问：行业现在也在大规模采集真实数据，这能不能解决问题？
真实数据当然重要，但不能只看采集了多少小时、多少条轨迹。当前不少具身数据来自遥操作或动作捕捉，人的动作被记录下来，再用于训练机器人。
这里至少要再问两层：采集的数据是否覆盖了决定部署成败的那些不确定性；同一批数据迁移到不同本体、不同工位时，还剩下多少有效信息。
如果采集内容主要是标准条件下的成功动作，它能帮助机器人复现动作，却不一定能教会机器人处理光照变化、材质差异、抓取滑移、来料偏差和异常中断。数据量的增长不等于有效训练信息按相同比例增长。
所以我对“数据够多，泛化自然出现”这条推理同样持保留态度。关键不是有多少数据，而是这些数据有没有覆盖真正影响生产结果的边界条件。
第二层，是长时序任务的误差累积。物理动作存在先后约束：不能先拧螺丝再对位，也不能先合模再放件。机器人每一步的感知与执行偏差都会进入下一步状态，任务越长、异常分支越多，组合复杂度和恢复难度越高。语言输出出现偏差通常可以重新生成，物理执行错误则可能直接造成废件、停线或安全事故。
第三层，是架构路线尚未统一。
很多 VLA 使用预训练视觉—语言模型作为基础，但动作生成并没有统一路线：RT-2、OpenVLA 将连续动作量化为离散 token，复用语言模型的词表和输出层进行自回归预测；π0 则增加独立的 action expert，通过 flow matching 从噪声逐步生成连续的 action chunk；另有模型采用扩散策略或分层控制。
这些都是公开论文中明确披露的客观架构差异。它们说明行业已经有多条可行路线，但尚未收敛为统一方案。接触动力学、连续控制、实时性、安全约束与异常恢复，也很难由单一模型架构全部解决。因此，我不把当前问题简单归结为“数据再多一点、算力再大一点”。数据质量、架构、控制、安全与工程系统都可能成为瓶颈。
把这些因素叠加起来，我的判断是：通用泛化能力短期内取得大幅突破并非不可能，但不应被当作商业规划中的唯一前提。
问：如果这个判断成立，对创业公司意味着什么？
意味着具身智能商业化至少存在两条不同的路径。
第一条是等待通用能力突破。继续押注模型、数据和本体能力，等到一个类似 GPT 时刻的拐点，再由通用能力向场景扩散。
第二条是渐进式场景迭代。不等通用能力成熟，而是先找出现有能力已经够用的窄场景，在真实交付中解决稳定性、部署成本和 ROI，再把这个场景里得到的数据、工程经验和产品能力迁移到相邻场景。
这两条路线没有谁在今天就能被证明一定正确。我的判断更偏向第二条。
如果通用突破很快到来，等待当然是更高效的策略。但如果短期内不会到来，押注等待的每一天都在消耗现金，而且团队积累的是研究能力，不是交付能力、场景理解和客户关系。
等待不是一个中性动作，它同样是在选择能力积累的方向。
问：但如果泛化能力确实不够，渐进式迭代靠什么开始？
我的答案不是“硬着头皮上”。
我说泛化短期难有大突破，指的是通用泛化——什么场景都能上的那种。但商业化不一定需要那种泛化。后面我会讲一个概念叫“有限泛化”，它是这篇里我最想传递的一个东西。
先记住一句就够：你缺的未必是更强的模型，也可能是把问题定义到“现有模型刚好够用”的能力。
三、行业现在的钱，是在自己转圈
问：那今天这个赛道里，到底有没有人在稳定赚钱？
有，但你要看清楚是哪一层在赚，以及赚的是谁的钱。
工具、数据、仿真和算力基础设施这一层，更早形成了稳定收入。但往下追一步：这笔钱是从哪儿来的？
它主要来自具身智能公司的采购预算，而后者在现阶段又高度依赖融资。
问：那本体公司这一层呢？已经有公司公布盈利，也有十亿级订单。
这是行业的真实进展。但判断商业化质量，不能只看收入总额，还要看收入结构。
以已经披露招股书、并实现全年盈利的头部整机公司为例：2025 年前三季度人形机器人收入约 5.95 亿元，其中科研教育客户占 73.6%，商业消费占 17.39%，行业应用占 9.01%。这组数字说明的不是“没有人赚钱”。钱是真金白银收到了的。它说明的是：当前收入主要来自科研教育和商业消费，直接由工业生产效益驱动的收入仍然有限。
图4｜钱从哪来：科研教育占七成
高校和科研机构采购的主要目的是研究和二次开发，与工厂基于生产效率、良率和成本进行采购，是两种不同性质的需求。前一种需求同样真实，但不能直接等同于产业场景已经跑通。
问：所以你的结论是什么？
把上下游合起来看，目前存在一个明显的资金循环：
图5｜资金在体系内自转，尚未到达终端
钱从资本市场进入本体和方案公司，一部分转化为工具、数据、仿真和算力层的收入；另一部分转化为机器人产品，进入科研教育、商业消费和二次开发市场。
图6｜传送带上转来转去的，都是体系内的钱
这些收入都是真实收入，也在推动技术和供应链成熟。问题在于，直接从终端产业客户生产经营预算中形成、并由可量化 ROI 支撑的收入，占比仍然较低。
所以标题里说“钱在自己转圈”，不是说这个行业没有价值，也不是说所有收入都是虚的。我想指出的是：行业现阶段的主要现金来源仍集中在资本投入、科研教育和生态建设，来自终端生产经营的自我造血能力还没有充分建立。
问：这个说法尤其需要交代你自己的位置。
我自己就在上游获利的那一层，所以更关心下游的钱从哪里来。
如果下游长期拿不到产业侧收入，上游也不可能持续繁荣。这个判断并不站在行业外面，而是来自我所在链条的直接利益。
问：那我得追问一句。你说工具层、云这一层的钱来自融资款、质量有问题，可这一层恰恰是订阅制、是持续收费的——按你后面推崇的标准，他们的模式不是最健康的吗？这里是不是矛盾？
不矛盾。但这里确实有一件我平时没讲清的事，得拆开说。
关键在于，这是两个独立的维度。
第一个维度是收费结构：你是把能力冻结成一个物件一次性出手，还是持续提供并且持续更新。第二个维度是付费方的钱从哪儿来：是从他的生产经营账上出，还是从他的融资款、科研经费、创新预算里出。
这两个维度是正交的，四种组合都真实存在：
结构对、钱的来源也对 → 这才是真健康的生意
结构对、但钱的来源不对 → 工具层、云这一层现在大体在这个格子里。模式是对的，风险在客户的钱包，不在自己的模式
结构不对、但钱的来源对 → 一次性卖设备给真的靠它省钱的客户。不够性感，但它是真生意，能活
结构不对、钱的来源也不对 → 卖一台设备给一个用融资款买它来做研究的客户。这是最危险的格子，而且是今天最常见的格子
所以我说工具层有风险，不是说他们模式差，是说他们的模式再对，也顶不住客户的钱断掉。而我说卖本体价值低，是在说结构这个维度。
这两个维度需要同时评估，才能判断一门生意是否真正成立。只看订阅制就判断模式健康，或只看大额订单就判断商业化跑通，都容易高估收入质量。
问：那真到一线接触最终客户的时候，你看到的是什么？
我在真正接触到最终客户的时候，感觉目前的场景都比较虚。
当然不能说每一个都虚，但多数比较虚。
虚的表现很一致：需求是被论证出来的，不是被逼出来的。客户觉得这事挺好、值得试试、可以立个项，但你去问“如果这台设备明天撤走，你会有什么损失”，往往答不上来。答不上来，就说明它没有真的嵌进这家企业的生产流程，它是一个附加物。
附加物在预算紧的时候，第一个被砍。
四、我更看好卖服务，而不是只卖本体
图7｜跑夜的机器人背后，是一套持续迭代的服务系统
问：那你认为更合理的商业结构是什么？
我的判断是，机器人的长期交付物应该是服务能力，而不只是本体。
客户真正购买的，不该只是一台机器，而是“在这个场景里持续解决问题”的能力。本体销售和一次性项目交付可以作为阶段性方式，但如果关系在验收完成后就结束，价值会被锁死在交付当天。
问：为什么“低价值”？很多硬件公司都是这么做的。
因为你卖出去的那一刻，你卖的这个东西就开始过时了。
具身的能力现在是在快速演进的。你把一台设备交付出去，你交付的是它在签收那一天的能力水平。之后模型进步了、方法改进了、同类场景的经验积累了，这些全都跟这台已经卖掉的设备无关了。客户手里那台机器，会一年比一年更不值钱。
更重要的是，你和这个场景的关系断了。设备一走，数据不回来，问题不回来，场景的变化你不知道。你失去了继续把这件事做深的资格。
所以我更看好的结构是：用持续更新的自动化能力为场景提供服务，并确保服务价值随模型、数据和工程经验一起增长。
它跟单纯卖本体的区别，不只是一次性收费还是按月收费。卖本体容易把能力冻结在交付时点；卖服务意味着承诺“这个工位的自动化效果会持续被维护和改善”。
问：所以你认可订阅制。
是。但不是因为订阅制的现金流曲线好看，而是因为这种结构更匹配“能力持续进化”这一客观事实。当然，买断也不一定错误。如果企业能够通过软件升级、维保和效果付费保持长期连接，它同样可以形成服务关系。关键不是合同叫买断还是订阅，而是交付以后能力有没有继续增长，供应商是否继续对结果负责。
问：订阅制有个绕不过去的坎——垫资。设备是你先掏钱做出来的，租金要一个月一个月收回来，铺量就等于压现金。
这个我不认为是核心问题。
如果真实需求、客户付费意愿和单位经济模型能够成立，垫资就有机会通过融资工具解决。它更接近资金结构问题，而不是商业价值是否成立的问题。
问：可我也见过模式讲得通、但就是融不到钱的公司。
那是两个问题被混在一起了，我得把它拆开。
第一个问题是：这到底是不是一个真需求，客户凭什么持续为它付钱。
第二个问题是：这一轮谁来出这笔钱，用什么结构出。
这两个问题有先后关系：真实需求和持续付费逻辑不成立，资金结构很难长期成立；前者成立，会显著改善融资可得性，但仍需解决信用风险、设备残值、回收周期和资金成本。
可用工具并不少——融资租赁、产业方入股、买断加分期，在工程机械、医疗设备等行业都有成熟实践。但机器人能否直接适用，取决于资产是否标准化、残值是否可评估、客户违约后设备能否二次流转。
所以我说它更接近“数的问题”，不是说钱一定容易获得，而是说应先验证商业价值，再设计资金结构，顺序不能反。
问：但现实中很多人是反着来的。
对，这是我看到最普遍的一种消耗。很多人在算垫资、算毛利、算回本周期，把现金流模型做得非常漂亮，但没有回答那个前置问题：这个服务凭什么值得客户每个月持续付钱。
那个问题答不了，什么现金流模型都是空转——你只是在给一个不成立的假设做精算。
问：说了这么多，有没有真的这么跑通的？光讲原则容易，我想看证据。
举个例子，云迹科技。以下判断基于它的公开财报。
它 2025 年 10 月在港交所上市，是 18C 章下的特专科技企业。上市后第一份年报显示：
图8｜增速差：软件与服务跑得更快
· 总收入 3.01 亿元，同比增长 23.1%
· AI 数字化系统收入 8793 万元，同比增长 57.3%，占总收入比重提升到 29.2%
· 其中智能体应用收入同比增长 194.1%
· 订阅 HDOS 的客户数从 237 家增到 2430 家，同比增长 925%
· 累计部署超过 4 万家酒店、约 200 家医院；日均同时在线机器人约 3.2 万台
· 公司将自身定位为机器人即服务公司，而不只是设备制造商。
问：这个结构为什么值得看？
因为它把两件事同时做对了。
第一，收入结构在向软件和服务迁移。近三成收入来自系统与服务，更重要的是增速差异——总收入增长 23%，AI 数字化系统收入增长 57%，智能体应用收入增长 194%。软件与智能体应用正在成为增量来源，但能否成为稳定增长引擎，还要看后续续费、客户流失和单位经济。
图9｜订阅客户一年增长九倍
第二，它的系统不只是连接机器人。从公开信息看，HDOS 覆盖入住、客控、服务请求、消费互动和离店流程，并接入客房终端、小程序与电话系统。它正在从机器人控制端向酒店服务流程的数字化底座延伸。
订阅客户数一年增长九倍，说明市场接受度在提升，但不能据此直接推出客户已经“离不开”该系统。真正的黏性仍需续费率、活跃使用率和单客收入变化验证。
我看重的是这条方向：当系统真正嵌入客户流程，并持续改善运营结果时，订阅才可能形成护城河。因果关系不是“按月收费带来黏性”，而是“持续产生价值，客户才愿意持续付费”。
问：那它赚钱了吗？
没有，而且亏损仍在扩大。
它 2025 年归母亏损 2.949 亿元，比 2024 年的 1.85 亿元扩大 59.4%；剔除上市费用等因素后的经调整净亏损为 1.131 亿元，同比扩大三倍多。研发投入 6215 万元，占收入两成以上。公司将这些投入解释为获取未来市场准入资格的战略性投入。这个解释是否成立，还需要后续收入质量、续费率和规模效应验证。
因此我引用它，不是为了证明“订阅制已经带来盈利”，而是因为它的收入结构符合我对服务化方向的判断。结构方向与当期盈利是两个问题。
这个案例也有明显边界：它来自酒店服务场景，而非工业产线。酒店的采购逻辑、验收标准和安全责任都与工业场景不同，能否直接复制仍需验证。
它的参考价值在于：酒店购买的不只是机器人本体，还包括客房服务效率、运营数字化和客内消费转化。这笔支出更接近生产经营预算，而不是科研预算。
至于亏损，我倾向于将其视为投入节奏和规模效应问题，但这只是判断，不能替代后续经营结果。看到亏损就否定模式，或看到订阅增长就忽略亏损，都是单维度判断。
问：这个方向有政策支持吗？
有。工业和信息化部、国务院国资委联合启动的 2026 年度人形机器人与具身智能实景实训专项，明确鼓励探索“人形机器人即服务”模式，通过按效用付费、经营性租赁等方式降低使用门槛。政策方向与服务化探索一致。
问：那听起来 RaaS 这条路已经是共识了。
方向逐渐形成共识了，但我对当前不少 RaaS 实践仍持保留态度。
就我看到的案例，很多模式只是把“卖硬件”换成了“租硬件”，还没有形成持续进化的服务能力。我说的不是前面的云迹案例。云迹的关键是有一个持续迭代、并嵌入酒店运营流程的系统底座，而不只是按月收费。
在人形机器人租赁场景中，一些项目依赖文旅补贴、品牌冠名或短期活动预算；一些现场演示仍需要后台人员实时介入。远程介入本身并非问题，早期阶段完全合理，问题是人工兜底比例能否持续下降，单个操作员能管理多少设备，以及算上运维后是否仍有正向 ROI。
如果只是改变付款方式，客户负担由一次性支出变为分期支出，而第二个月的交付能力与第一个月基本相同，那它更接近经营性租赁，还不是完整的 RaaS。
问：那真正的服务应该有什么不一样？
我用一个问题检验：客户第六个月使用的能力，是否明显优于第一个月。
如果更好，说明模型、数据、运维和场景知识正在形成闭环，续费建立在能力增强之上。如果长期不变，续费更多取决于合同期限和替代方案。
租赁主要解决资产和付款问题，服务需要对持续效果负责。两者可以结合，但不能视为同一个概念。
所以 RaaS 仍需要继续演化：不仅把收款方式改掉，还要让部署成本下降、人工兜底减少、服务效果持续改善。
五、下半场缺的不只是算法，还有场景定义能力
问：那按你的判断，下一阶段最缺的是什么？
场景定义能力。
这是我这一年最核心的判断之一。就我接触到的团队而言，技术和学术背景通常很强，但产业侧人才相对不足，对“这个行业怎样运转、价值在哪里、谁决策、如何验收、由哪个预算付费”的理解仍需补足。
所以算法能力之外，还需要有人从商业逻辑和产业理解这一侧进入。
问：具体是什么样的人？
不一定是传统意义上“负责销售”的人。我认为有两类。
第一类人：定义生意的人
不是“做大了收入”的人，而是以价值导向去做大操盘的人。
第二类人：定义产品的人
必须是自己完整设计过产品的人，做过一个真正很强的工业产品的产品经理。
第一类，是真正理解商业化并且实践过商业化的人。
这里必须做一个区分，因为它决定了你招错还是招对：不是“做大了收入”的人，而是以价值导向去做大操盘的人。
前者的能力是在一个已经成立的模式里把量放大——目标、区域、提成、打法，这套东西已经被验证过了，他负责把它执行到规模。这种能力在成熟行业里非常值钱。
但具身智能现在的问题不在这儿。具身智能现在连“这门生意怎么成立”都还没定义清楚，你把一个执行型的人放进来，他会非常痛苦，因为没有可执行的东西给他执行。
这个阶段需要的是能回答这几个问题的人：这个能力对客户到底意味着什么价值、这个价值该向谁收费、收费的依据是什么、第一单该从哪里切、切下来之后怎么复制。这不是销售能力，这是定义生意的能力。
一个可以观察的信号是：投资人现在的问题也变了。前两年问的是技术路线和团队履历，现在坐下来先问收入结构、问客户续费、问这笔钱从客户哪个预算出。问题变了，说明评价标准已经换了，只是有些团队还在用上一套标准准备答案。
第二类，是有非常强的产品和场景定义能力的人。这类人比第一类更稀缺。
我要强调一个区分：不是“负责过某一条产线”就够了。必须是自己完整设计过产品的人，做过一个真正很强的工业产品的产品经理。
差别在哪儿？负责过一条产线的人，他理解的是“这个工序怎么运转”——这是场景知识，很宝贵，但它是静态的。而完整设计过一个工业产品的人，他脑子里装的是另一套东西：
· 这个东西为什么值得被买，客户是在跟什么做对比
· 卖给谁，谁拍板、谁验收、谁最后为它的故障负责
· 它的边界在哪——哪些需求要坚决砍掉，因为接了就守不住成本和可靠性
· 下一代该往哪走，以及为了那一代，这一代必须先埋下什么
这四件事，是不少具身智能公司需要补足的判断。“从零定义产品并完成销售”的经历，是形成这类能力的重要来源之一。
而这里有一个关键的咬合：“持续迭代”是卖服务这个模式的命门。你要一直更新服务，就必须有人能判断“往哪个方向更新”。而这个判断力不来自算法——算法能告诉你哪条路技术上更优，但不能告诉你哪条路客户会为之付钱。它只能来自产品和场景的功力。
所以这两类人不是“补充配置”，他们是这个商业模式能不能成立的前提。
问：但很多技术出身的创始人会觉得，产品经理是等技术做出来之后才需要的角色。
这是我最想纠正的一个认知，而且它的代价非常大。
产品经理的能力，直接决定了你在技术上要投入多少，也决定了你的具身智能在这个场景里需要有多大的泛化能力。
这两件事是直接挂钩的。当产品经理把产品定义得足够清晰的时候，模型的开发工作量和开发难度，可能会大大减小。
反过来也成立：一个定义模糊的需求，等于在向算法团队要求无限泛化。因为你没告诉他们边界在哪，他们只能假设什么情况都要能应付。于是一个本来三个月能交付的事情，变成了一个永远做不完的研究课题。
很多团队以为自己卡在技术上，其实是卡在“没人敢把需求收窄”上。
问：那“收窄到什么程度”有标准吗？
这里我想提一个概念，叫有限泛化。
因为这个东西要一步步落地，它不应以一步泛化到所有任务为前提。有限泛化的意思是：在固定的空间、固定的时间、固定的场景里，优先解决传统自动化在多品种、小批量、频繁换型或非结构化条件下经济性不足的问题，实现产业价值的进一步扩大。
请注意这个定义里的两半，缺一半都不成立。
前一半是“固定”——空间固定、时间固定、场景固定。这是主动加上的约束，不是能力不足的遮羞布。你把约束加够了，需要的泛化量就骤降，技术上就从“不可能”变成“可以排期”。
后一半才是关键：解决传统自动化经济性不足的问题。如果任务收窄后，一套成熟的专机、机器视觉或柔性自动化方案能做得更快、更稳、更便宜，那么具身方案就没有优势。
问：传统自动化经济性不足，具体指什么？
通常是多品种、小批量、来料差异大、工件位置和姿态不固定、工位半结构化、品类切换频繁，或单一品类规模不足以覆盖专机和治具的开发成本。
这些是我认为具身智能更值得优先进入的位置。它的价值不一定是比传统机械臂更快，而是在传统方案改造成本过高、柔性不足的环节，提供可接受的自动化能力。
所以我说的从来不是“降低目标”。有限泛化不是通用泛化的打折版，它是一个完全不同的、今天就能交付的目标。通用泛化是往横向要广度，有限泛化是往纵深要产业价值。
图10｜多品种小批量的杂货架——传统自动化啃不动的，才是它的战场
而“把空间、时间、场景固定在哪一刀”、“这个场景里到底哪部分是工业自动化啃不下来的”——这两个判断，就是产品经理的活，不是算法的活。判断对了，技术难度降一个量级，商业价值反而更实；判断错了，技术团队会为一个不值得做的泛化能力，耗掉整轮融资。
这就是为什么我说这个角色不是配套的，他在决定你的技术成本。
问：所以你的结论是？
具身智能的下半场，商业化能力和场景产品化能力，是核心能力。
不是之一，是核心。因为算法这一层的差距在收窄，而“能不能把一个场景定义清楚、做成产品、并且持续迭代下去”这一层，我还没有看到真正跑通的样本。稀缺的地方，才可能形成新的壁垒。
问：但头部整机厂的毛利率并不低。本体为什么不能成为壁垒？
这组数据需要准确看待。
按招股书和年报口径，2025 年头部整机公司整体毛利率为 60.44%，其中人形机器人业务为 63.18%、四足机器人为 56.72%。另一家港股上市整机公司的整体毛利率为 37.67%，全尺寸人形业务毛利率约 54.6%。
图11｜整机毛利率并不低
这意味着此前行业里常说的“卖铲子比整机更赚钱”，至少在这两家企业的数据上并不成立。头部整机公司的毛利率目前高于不少上游零部件企业。
但我也不认为当前高毛利可以直接证明本体壁垒已经长期成立。
一方面，高毛利来自全栈自研、零部件复用和规模化制造带来的成本优势；另一方面，整机价格在快速下降。头部公司的部分人形产品均价从 2023 年约 59 万元下降到 2025 年约 17 万元，中小型产品价格进一步下探。
图12｜整机均价两年降七成
因此更准确的判断是：本体在现阶段仍然可以形成很强的工程与成本壁垒，但这种壁垒能否长期支撑高毛利，要看竞争加剧后价格下降、研发投入和服务成本的共同变化。
我更关注的是另一个问题：当硬件参数逐步接近、价格持续下降之后，客户为什么仍然选择你。答案最终会回到场景效果、部署效率、数据闭环和持续服务能力。
所以不是“本体已经不赚钱”，也不是“壁垒只能在场景”。我的判断是：本体是入场门槛，场景产品化和服务能力决定长期价值。
我这半年在做的事情，其实就是在结识这样的人， 看这样的场景，为具身的下半场做准备。
最后
问：如果只留一句话给正在做具身智能的创业者，你说什么？
不要只押注一种未来。
通用泛化可能会出现，也可能比行业预期来得更晚。等待通用突破是一条路线；在现有能力边界内，通过场景迭代逐步形成产品和收入，是另一条路线。
我更倾向于后者，但这不是行业定论。
真正值得持续追问的，不只是“我们的能力什么时候够用”，还包括“以我们现在的能力，哪个场景已经有人愿意持续付费”。
有限泛化是我目前找到的一种答案：固定空间、固定时间、固定场景，先解决传统自动化经济性不足、又能形成明确 ROI 的那部分问题，再向相邻场景迭代。
这套判断最终是否成立，要交给真实部署、客户续费和规模化成本来验证。
主要公开资料：
1.工业和信息化部关于全年人形机器人整机产量的判断：新华社《今年我国人形机器人整机产量有望突破十万台》，2026-07-08。
2.人形机器人与具身智能实景实训专项：新华社《两部门启动实景实训行动人形机器人产业规模化应用加速落地》，2026-06-10。
3.宇树科技收入结构、应用场景及毛利率：上海证券交易所《宇树科技股份有限公司科创板首次公开发行股票招股说明书（上会稿）》，2026-05-25。
4.云迹科技收入、订阅客户及亏损数据：香港交易所《北京云迹科技股份有限公司截至2025年12月31日止年度业绩公告》，2026-03-13。
5.小米汽车工厂自攻螺母工站数据：小米技术及雷军公开披露，2026年3月至7月；公开数据包括连续运行3小时、成功率90.2%至98%、最快76秒节拍。相关媒体转述仅用于补充工站背景，本文未据此推算未披露的人员成本和ROI。
6. VLA 架构：RT-2 官方项目与论文；OpenVLA 官方论文；Physical Intelligence《π0: A Vision-Language-Action Flow Model》。RT-2、OpenVLA 采用离散动作 token，π0 采用 flow matching 连续动作头。本文不将单一路线视为行业统一架构。
本文来自微信公众号：科技祥子，作者：科技祥子