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。

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。

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。

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。

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。

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。

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。

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。

关于行业现在到底处在什么阶段，桥介说了一段话。

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。

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。

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

王朝超：我们这一场请到的三位嘉宾正好处在机器人产业链不同环节：王总做感知，宋总做机器人底层模型和操作系统，马总直接做整机和工业交付。

我们今天大概聊四个问题。先请三位简单介绍一下自己和公司的业务。

王鑫：我是王鑫，来自墨现科技。

我们主要做机器人的电子皮肤，目前在具身智能上的应用主要有两个方向：一个是灵巧手上的触觉传感，另外一个是数据采集手套。

我们从 2023 年开始做电子皮肤，公司成立得更早，是 2021 年。

团队是从大疆创新出来的，现在总部在东莞松山湖，也有自己的工厂。

宋阳：我是宋阳，来自桥介数物。

刚才主持人说我们是做"机器人小脑"的，这其实算是行业对我们的一个错爱。

我们一直觉得，用"大脑""小脑"这种医学名词来界定一家 AI 模型公司，多少还是有点不精准。

我们给自己的定位，是一家通用机器人操作系统研发商。

公司从 2023 年 5 月成立到现在三年多，已经服务了国内外 50 多家本体公司、70 多款本体。

我们主要提供通用机器人的运动控制能力，公司就在深圳。

马尧：我是马尧，来自纳诺机器人。

我们主要专注生产物流，包括 CNC 场景使用的复合机器人、PCB/SMT 场景的机器人，也会有人形双臂机器人做打包、组装。

简单来讲，我们做整机，主要交付在工业生产和生产物流相关的环节。

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？

先从王总开始。

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。

王朝超：如果再具体一点，在你们的硬件成本里面，端侧芯片或者算力芯片占多少？

王鑫：我们其实对芯片算力要求不高。

芯片主要负责触觉传感点的数据采集和分析，所以端侧用的都是比较常规的芯片，不需要非常高算力的平台级芯片。

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。当然和大语言模型比，仍然差了几个数量级。

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。

所以我们现在已经在做通用机器人运动控制的开发平台，希望通过云端把一部分生成和规划算力释放出去。

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%。

王朝超：所以和纯软件 AI 相比，今天机器人或者具身智能里的算力成本，占整套产品成本的比例，其实没有大家想象得那么高。

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。

包括一些互联网企业，本来就天然拥有大量数据采集场景，只需要在人身上增加数采设备，就可以大规模把数据采回来，再进行仿真和训练。

所以我们给客户提供的，本质上是机器人训练数据里的一个重要维度。

如果机器人未来真的要向前发展，触觉数据一定是不可缺的一环。

王朝超：宋总，你们做的是 OS 和具身模型，你们的产品到底怎么落地？

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。

只是因为政策和资本的共同助力，让足式机器人、具身机器人开始逐渐进入这些场景。

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。你不需要知道里面是什么芯片、多少内存，你只需要知道：我要它完成什么功能。

所以我们提供的本身就是跨本体、跨场景能力。

王朝超：汽车行业以前有"灵魂论"。

一类公司本体和灵魂全部自己做，另一类是本体自己做，灵魂外购。你们相当于是"卖灵魂"的。

现在你们合作的客户，哪一种更多？

宋阳：确实有很多投资人会把桥介类比成机器人行业里一个"卖灵魂"的公司。

这个类比不完全精准，但确实有点类似。

直接回答的话，现在第二类更多，也就是本体和底层智能能力分开采购。

王朝超：马总，你们工业机器人具体在干什么活？

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。

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。

因为模型公司除了买数据，还有算力成本，整体训练成本已经非常高。

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。

王朝超：也就是说，对你们来说，真正的压力是让一双手套越来越耐用。

王鑫：对。如果保证 200 小时，但它最后能用 1000 小时、2000 小时，那多出来的就是你的利润。

王朝超：宋总，你们这个"灵魂"怎么定价？

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。

这种模式就可以复制到其他场景。

再往下一步，我们也开始服务很多真实操作类需求，包括工厂、石油化工、运营商等场景。

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。

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。

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。

所以目前公司整体盈利状况还可以。

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"。

所以现在下任何特别确定的判断，都还太早。

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。

王朝超：手上有钱当然比较不焦虑。如果墨现现在是一百多号人，你们现在多少？

宋阳：全职员工、待入职和实习生全部加起来，不到 80 人。

王朝超：马总，你们怎么平衡融资、经营和团队规模？

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。比如今年我们关注的某个细分市场一共卖了 3000 台，那我要看自己的份额有没有快速增加。

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。

王朝超：听完三位分享，我有一个很明显的感受。

今天所谓机器人行业，其实可能同时存在两种市场。

一种更偏研究、研发和制造"具身智能本身"；另外一种已经开始真正进入民用和工业场景。

后者离真实市场化、商业化显然更近。

过去几年机器人产业确实发展得非常快。用宋总刚才那个词，它可能在资本和政策作用下被"催熟"了，而且已经催成了一个体量不小的细分市场。

本体往上有各种零部件、感知，往下有模型、操作系统、场景集成，产业链里已经有非常多角色。

这里面现在也确实还有很多钱。既有投资人的钱，也已经开始出现真正来自市场、来自客户的钱。

但现在可能正在进入另外一个阶段：不能只看机器人会不会表演，而要看它能不能产品化，能不能真正进入工业、商业和民用。

这个过程不一定存在一个明确的临界点，更可能是一段渐进过程。

它可能需要一年、两年，也可能是三五年、十年。

回头看，波士顿动力发展这么多年，AlphaGo 到现在也已经过去十年左右。

很多时候觉得技术突然爆发了，回头一看，其实已经积累了非常久。

机器人真正形成大规模民用和商用产品，可能也还需要时间。