《晚点聊 LateTalk》第 180 期里，晚点科技记者李梓楠、徐煜萌描述过这样一类项目：一台机器人被卖给地方的数据采集中心。钱付了，合同履行了，收入也可以进入报表。

接下来，中心雇人遥控机器人，生产训练数据。地方得到项目、用工和产业标签，机器人公司卖出硬件，还可能优先购买这些数据。只要数据持续有人要，这套安排可以转起来。

问题出在下一步。

如果技术路线改变，真机数据不再那么值钱；如果生产的数据找不到买家；如果设备最后从生产资料变成院校教具，这笔收入依然发生过，却很难证明机器人已经进入可持续的终端市场。

节目讨论的不是机器人有没有收入，而是收入究竟在证明什么。

交易真实，和独立终端需求成熟，是两件事。

技术难测，收入先变成了行业刻度

具身智能缺少一把所有人都认可的尺子。

一段机器人搬箱子的视频，可以来自模型进步，也可能依赖遥操作、固定环境和反复调试。实验室里的成功率，很难直接换算成工厂里的节拍、故障率和人力替代。不同公司的硬件、任务与测试环境又不相同，横向比较很容易变成各说各话。

技术进展难以统一计量，资本仍需要数字。

融资额、估值、订单、出货和收入因此被推到台前。它们比“泛化能力提高了多少”更容易写进表格，也更方便投资人比较。公司一旦融到足够多的钱，还要继续招人、买设备、做下一轮融资，收入便不只是经营结果，也成了证明组织仍在向前走的材料。

上市时间表把这种压力进一步放大。

港交所现行第 18C 章把最近一个经审计年度至少 2.5 亿港元的特专科技业务收入，写进“已商业化公司”的定义。未达到这一收入水平的公司仍可按“未商业化公司”路径申请，但要满足另一套要求。

这不是上市通行证。对准备走 18C 的创业公司，它却是一项摆在明面上的指标。

节目所说的悖论也由此显现：应用成熟度还不高，公司却要拿出一张像成熟企业的收入表。

大公司可以等。特斯拉、小鹏或小米做机器人，可以先把它当研发项目，依靠现有业务现金流继续投入。已经上市的公司也不急着用机器人收入证明自己有资格进入公开市场。

创业公司等不起。技术答案尚未出现，融资竞争与上市窗口却已经到来。对其中一部分公司，收入会提前成为验证组织进展的指标。

数采中心既是客户，也是产业政策工具

地方数据采集中心是其中较容易看清利益关系的一种结构。

按李梓楠在节目中的描述，常见做法是地方政府或国资与机器人公司共同参与设立运营主体。地方提供资金、场地或配套，运营方购买机器人，再雇人做遥操作和数据采集。机器人公司卖出设备，也可能约定回购一部分数据。

站在地方的角度，这个项目相当好理解。

机器人不需要重污染工厂，占地和能耗相对可控；一批设备可以对应一批采集和运维人员；项目还能把“具身智能”写进当地产业版图。相较于重资产制造项目，投入规模也较容易控制。

站在创业公司的角度，数采中心同时解决了三件事：卖硬件、取得数据、建立地方合作。它不是单纯拿补贴，也不是一张没有交付的意向订单。设备真的被采购，人员真的可以上岗，数据也可能真的用于训练。

它容易被误读，就在这里。

数采中心购买的是一组混合价值：数据生产、用工、招商、产业学习和对未来技术路线的期权。终端工厂购买机器人，通常要回答另一组问题：能否提高节拍、降低成本、减少事故，或者完成原先做不了的任务。

两笔钱都是真的，付款逻辑并不相同。

节目中举例称，个别数采中心因为数据卖不出去而降低开工率，也有项目最后把机器人转卖给院校。李梓楠还说，一些公司已经判断真机采集需求未必持续，开始主动降低这类收入占比。记者转述的这些匿名案例不能外推成所有数采中心的结局，却足以说明一个风险：

首批设备售出，证明一项产业实验获得了预算；只有数据持续被使用、中心持续开工，才能证明这项实验形成了经营需求。

供应商、客户和股东坐到了同一张桌上

一种常见的收入来源是制造业伙伴。

机器人公司向零部件企业采购电机、轴承、传感器和加工服务，零部件企业再购买整机，用于研发、测试或产线试验。后者还可能投资这家机器人公司，希望进入新的供应链、分享估值增长。

于是，同一家公司可以同时是供应商、客户和股东。

这个结构并不天然可疑。新产业形成早期，较早理解产品价值、也愿意承担试用风险的人，经常来自上下游。汽车、芯片和云计算的发展都离不开战略客户。制造企业买几台机器人拆解、测试，或者帮助开拓一个新场景，也能产生真实的学习价值。

它甚至可以提高整个产业链的效率。

机器人公司更快找到本土零部件，供应商提前理解下一代产品要求，双方共同承担工程试错。闲置的汽车零部件产能也可能由此找到新方向。产业资本支付的，不只是当前设备的使用价值，还有一张进入未来供应链的门票。

但当投资、采购和估值被放进同一个循环，收入的解释就会变复杂。

节目里给出一个直观的利益结构：制造企业购买机器人，帮助创业公司增加销售额、提高估值并靠近 IPO；作为股东，制造企业又可能从估值上涨中获得账面收益。它还可以向资本市场证明自己进入了机器人产业链。

每个参与者都得到了合理的东西。唯独有一个问题仍未回答：

如果没有股权关系、供应链合作和估值预期，这位客户还会不会按同样的价格购买同样数量的机器人？

这不是判断交易真假的问题，而是判断边际需求的问题。产业伙伴的一百台采购，可能同时包含试用、研发、渠道、投资协同与公关价值。独立工厂的一百台复购，才更接近对生产率的直接投票。

生态订单证明一群人愿意共同下注；独立复购才更接近市场已经愿意为结果付费。

融资与 IPO 要结果，技术还在允许失败

风险投资原本可以为漫长的不确定性买单。

具身智能却正在经历一种期限错配：技术仍处于需要容忍失败的阶段，公司治理和财务指标已经被推向公开市场的要求。

在实验室里，技术团队可以换路线、重做数据、推翻半年前的判断。到了上市准备期，投资人会问研发投入如何转化、收入来自哪里、在手订单多少、客户复购概率多高、回报率能否量化。

这些问题没有错。二级市场本来就应该问。

难处在于，一家专注探索通用具身智能的公司，此刻可能确实回答不上来。它不是故意回避，而是产品尚未成熟到可以稳定交付单位经济性。如果它为了回答这些问题而大量承接展示、科研、数采或生态采购，收入会更像成熟公司，研发组织却可能被短期交付拖走。

这不是“技术派”和“商业派”谁更高尚。公司融了钱、雇了人，就必须处理现金流、股东回报与退出窗口。问题在于，资本市场的成熟度要求，可能早于技术本身的成熟。

节目讨论的 Club Deal 进一步放大了这种张力。多家产业投资人与财务投资人共同下注，可以分担技术路线风险，也可能带来首批订单。融资阵容能证明资本共识，却不能替代终端客户的产品验证。

资金可以支撑更长时间的技术试错。若新融资和生态订单持续互相背书，产品尚未回答的问题也可能被推迟。

收入要过第二次付款这一关

判断具身智能收入质量，不必先给每笔订单贴上“真实”或“虚假”的标签。更有用的是把需求拆开。

第一层是产业培育需求。地方需要招商、用工与数据基础设施，供应商需要进入新产业，投资人需要为技术路线保留期权。这些需求有现实价值，也会创造收入。

第二层是验证需求。科研机构、学校、研发部门和制造企业购买少量设备，用来拆解、测试、训练和寻找场景。它们能帮助产品迭代，但市场容量和采购持续性有限。

第三层才是生产率需求。客户为了一个可量化结果反复付款：同一条产线扩大部署，不同工厂复制方案，故障率与单位成本持续下降，采购决策不再依赖股权关系或地方预算。

一家公司可以从第一层走到第三层。产业政策和战略客户本来就能充当新市场的启动器。不能因为最初的买家带有战略目的，就断言最终市场不会成立。

需要警惕的是，把启动器当成发动机。

未来看具身智能公司的收入，可以少问一句“今年卖了多少台”，多问三个问题：

  • 设备交付后是否持续开工，数据或任务结果是否持续被使用？
  • 非关联客户的收入占比是否上升，他们是否在没有新增投资承诺时复购？
  • 进入真实场景后，节拍、故障率和单次任务成本是否改善？

这些指标不会像一张订单海报那样好看，却更接近市场形成的过程。

具身智能仍可能是一个巨大的产业机会。数据采集中心、产业资本和供应链互购也可能帮助它跨过最早期的冷启动。晚点记者呈现的这套利益结构，价值不在于证明这个行业不值得投资，而在于提醒人们：同一个收入数字，可以由完全不同的付款动机组成。

第一笔钱说明有人愿意相信未来。第二笔、第三笔不带附加条件的钱，才说明客户开始相信现在。

收听《晚点聊 LateTalk》第 180 期《具身智能的金钱游戏：进展难测、收入催熟与 IPO 竞速》，点击阅读原文。