具身智能的 IPO 钱局：收入做大，还是技术做实？

具身智能正在经历一个很难判断的阶段：融资、收入和上市进度看得见，技术进步却不容易被复现和比较。《晚点聊 LateTalk》第 180 期邀请《晚点 LatePost》记者李梓楠、徐煜萌，和主播程曼祺讨论这个行业为什么会出现“钱很多、研发少、收入却要先做大”的张力。1

这期精炼版不替创业者判断具身智能是不是泡沫，而是把问题换成四个可以带回团队的判断：钱到底花在了哪里，收入是不是可持续，交易关系有没有创造真实使用，以及技术进展何时能被验证。

本期已取得官方节目页提供的完整公开音频，并据此完成全量转录。音频中保留了原节目主播程曼祺与两位记者李梓楠、徐煜萌的可定位原声；本频道的主持人与编辑观点是二次整理合成声，不是原节目嘉宾原声。节目官方 shownotes 也提供了完整时间线、相关报道和港交所第 18C 章链接。1

节目里最刺耳的不是“行业融了很多钱”，而是钱没有形成与技术进步相匹配的可见证据。记者转述的采访信息显示，一些公司融资规模很大，但算力集群、数据使用量和研发投入并没有呈现出同样清晰的增长。节目还提到，一家估值靠前的公司去年研发投入约三千万元，却累计融资超过五十亿元。这个数字来自节目中的采访转述，不是该公司的公开财报，不能当成独立审计口径。1

具身智能的困难在于，产品是昂贵的物理实体，应用又多是企业场景。一个模型放到不同硬件上，表现可能不同；没有被行业广泛认可的统一 Benchmark，外部人就很难知道进步来自哪里。这样一来，估值既可能被高估，也可能被低估，故事就会比实验结果跑得快。

对创业团队来说，融资计划不能只写“招多少人、买多少设备”。每一笔钱都要对应一个可复现的技术问题：要改善什么任务，怎样测量改善，多久能复测，失败以后会换路线还是继续加钱。如果团队只能展示一次成功 Demo，却说不清失败率、重复性和边界，更多融资并不会自动变成更强的技术判断。

港股特专科技公司制度的商业化收入门槛，成为节目里解释“为什么大家急着做大收入”的重要背景。官方 shownotes 将已商业化公司最近一个经审计会计年度至少二点五亿港元的特专科技业务收入列为 18C 的门槛之一，同时也列出未商业化公司的另一套条件。12

节目描述了一条收入“催熟”路径：地方政府、机器人公司和运营方共同建设数采中心，一百台机器人、每台四五十万元，就可能形成约五千万元的设备收入。四个类似项目，收入规模就接近二点五亿元人民币。这里的关键不只是金额，而是收入背后有没有持续的数据需求、稳定的开工率和真实的付费方。节目还提到一个中部省会投入八千万元后，数采中心在年初散伙，机器人转卖给周边院校做教具。这个案例是节目嘉宾的采访转述，不代表行业全部项目。1

创业者要把“能签合同”与“客户会持续使用”拆开。收入评审至少要追问四件事：谁真正付款，设备是否被持续使用，下一年是否还会复购，收入里有多少来自关联方或一次性项目。上市门槛可以推动公司把数字做大，却不能替公司证明产品已经找到稳定需求。

节目讨论的另一种收入来自制造业供应链：机器人公司向零部件企业卖机器人，零部件企业再向机器人公司供货，甚至同时投资机器人公司。单笔订单未必大，但几百家供应商各买一小部分，销量数字就可能迅速变大。节目举到的长盛轴承案例中，宇树等机器人公司购买的相关零部件金额约八百万元，而市场给上游公司的估值想象远远超过这笔收入本身。1

这类交易不能一概说成虚假。制造业企业确实可能需要提前测试机器人、改造产线，机器人公司也确实需要供应链和现金。但创业团队要把三种价值分开记账：设备本身有没有产生使用价值，供应链合作有没有形成长期订单，投资关系有没有影响采购决策。采购额、装机量和实际产出不是同一个指标。

一个实用的内部表格，不要只写“客户数”和“销售额”。再加上使用频率、任务完成率、停机时间、客户的二次付款，以及客户不再由供应商关系推动后是否还会买。只要这些字段没有连续数据，收入更像融资材料，而不是产品市场验证。

节目提到两类接下来的验证。第一类是技术验证：一些公司认为，当数据规模接近一千万小时，具身模型是否出现可观测的 Scaling，可能会有更明确的答案。第二类是市场验证：机器人公司进入公开市场后，上市六个月的价格走势会把早期叙事和公开交易重新放在一起。两者都不是节目对未来的确定预测，而是嘉宾认为值得观察的试金石。1

对早期团队，最危险的误读是把“上市窗口”当成产品路线。上市可以解决融资和流动性问题，却不会替团队回答机器人到底为谁工作、比人工或传统自动化好在哪里、客户愿意持续支付什么。节目引用的行业判断是，未来两三年可能出现一些应用落地，但这个预期低于市场最热烈的定价，也可能更接近现实。1

所以团队可以把下一季度目标写成三个可验证的闭环：一项任务在相同条件下重复完成，一组客户在没有关联投资关系的情况下继续付费，一笔订单在扣除人工、硬件折旧和售后后仍然有毛利。技术、产品和融资都应该回到这三件事上，而不是回到估值排名。

选一个真实的具身任务，连续记录七天：每次任务的输入条件、完成时间、失败原因、人工接管、设备空转、客户是否真的使用，以及全部成本。把订单按“真实复购”“项目制一次性”“关联方试用”分开。

一周后只问三句：哪类任务不需要最强的模型，哪一种失败最值得补数据或改路线，如果下一轮融资和上市都推迟一年，客户为什么还会继续买？这三句，比“行业是不是泡沫”更接近产品和商业答案。