2024.01
成立
深度不等于长度。这份报告的"深"，在于把叙事拆开、让正反两方当场对撞，而不是堆信息。
判断千寻是具身智能"模型 + 数据"派里的头号种子选手——模型登上了真机评测榜第一、团队和资本都是顶配。但它的真实处境是"榜单第一、出货落后、商业化仍在试点"。它今天的高估值，买的不是当下的机器人生意，而是"真实数据飞轮 → 通用具身智能"这条路能不能在别人烧完钱之前跑通的期权。赢面在远期，现金流也在远期。
| 决定性变量 | 为什么是胜负手 | 兑现的观察信号 |
|---|---|---|
| 真实数据飞轮的转速 | 千寻赌"真实数据 + 多样性"是护城河。飞轮要成立：机器人干活越多→数据越多越杂→模型越强→拿到越多场景。慢一步就被"仿真数据派"用更便宜的数据绕过去。 | 真实交互数据小时数增速、场景种类；模型零样本泛化的可复核迭代（不是展台演示）。 |
| 从"试点"到"常态复购"的跳变 | 目前收入以标杆项目为主。同行已经在跑千台级订单，千寻还没跑出量。单位经济只有在"同客户复购/同场景复制"里才成立。 | 是否出现规模化常态采购订单；单机成本下降与回收周期缩短的证据。 |
先别看公司，看它所在的更大命题——这决定了它的价值池天花板。
判断过去十年 AI 的战场在数字世界（搜索、推荐、生成式内容）。下一个十年的叙事是 AI 走进物理世界——让机器理解物理规律、动手干活，这就是"具身智能 / 物理 AI"。人形机器人只是这个命题最抢眼的一种载体，不是全部。
事实资本对这个池子的想象极大：摩根士丹利"Humanoid 100"研报把人形机器人长期市场规模看到数十万亿美元级；事实2026 年中国具身智能一级市场融资已达数百亿元量级，被称为"万亿赛道"。推导但"想象空间大"和"今天能分到多少"是两件事——真正的问题是价值池分布在产业链哪一层（见下一章）。
判断在"物理 AI"这条链里，千寻没有去做最赚钱的零部件（那是"卖铲子"），也没有只做纯软件模型，而是卡在"具身大模型（大脑）+ 力控本体（身体）+ 真实数据入口"这个位置。它的赌注是：当物理 AI 成熟时，掌握"数据入口 + 通用模型"的人，会像今天掌握操作系统/基础模型的人一样，坐在价值链最肥的一层。这个位置今天不赚钱，但如果赌对，天花板最高。
不搞清楚"谁在赚钱"，就看不懂千寻站的位置是肥还是瘦。
| 本质 4 问 | 答案（含证据） |
|---|---|
| ① 本质在做什么 | 判断把"AI 的智能"装进"能在物理世界干活的身体"，让机器替代/增强人的体力与操作劳动。核心是感知—决策—动作的闭环，而非单纯造一个像人的壳。 |
| ② 几个细分、成熟度如何 | 事实形态上分双足人形 / 轮式人形 / 非人形专用（配送·清扫·巡检）；场景上分工业制造 / 物流 / 商用服务 / 家庭。事实目前只有工业场景初步跑通，家庭/商超通用场景成本高、回收慢。 |
| ③ 价值链哪层最赚钱 | 事实现阶段最确定赚钱的是上游核心零部件（"卖铲子"）——减速器、伺服、丝杠、无框力矩电机、六维力传感器，订单已排到 2027 年、国产化率超 75%。事实而中游整机制造附加值低、普遍亏损：特斯拉 Optimus V3 单台制造成本超 6 万美元、每台亏损超 1 万美元。 |
| ④ 真正的头部是谁（按赚钱，不按名气） | 事实按"已经赚到钱"算，零部件厂商（绿的谐波、汇川等）和宇树（2025 前三季扣非净利 4.3 亿、首家全年盈利的整机企业）是真赢家。判断做"大脑 + 本体"的明星公司（含千寻）大多还在烧钱买未来。 |
判断千寻恰好站在价值链今天最不赚钱的两层——中游整机 + 尚未验证的模型层。它整个故事的成立，取决于一个大胆假设："具身大模型 + 真实数据"会成为下一个'新铲子'（就像 AI 时代的算力和基础模型，从成本项变成最肥的收费站）。推导这个假设可能对，但今天还只是叙事——它没有被任何一家具身公司的利润表证明过。这是理解千寻估值的钥匙：你买的是"模型层会变成新铲子"这个信念。
具身智能的团队门槛正是"既懂身体、又懂大脑"，千寻的创始配置刚好卡在缝上。
| 角色 | 人物 | 关键背景 |
|---|---|---|
| 创始人 & CEO | 韩峰涛 | 事实机器人业十余年；珞石机器人联合创始人 & CTO，国内力控协作机器人量产代表人物，主导交付数十款型号、逾 2 万台。判断"能把机器人真造出来并量产"的稀缺工程履历——这正是很多学院派创业公司缺的。 |
| 联合创始人（首席科学家） | 高阳 | 事实清华交叉信息研究院助理教授、视觉与具身智能实验室主任；师从计算机视觉大师 Trevor Darrell，与强化学习名家 Pieter Abbeel、Sergey Levine 有深度合作；主导 ViLa / CoPa 等模型。 |
| 联合创始人（全球化） | 郑灵茵 | 事实工业机器人出海先行者，曾 0→1 搭建海外事业部并规模化盈利。 |
事实团队成员来自 UC Berkeley、CMU、清华、北大及小米、华为、腾讯等；事实华为哈勃亦参与入股。判断"工程量产 + 顶级学术 + 出海 + 产业资本背书"的组合在国内同赛道属第一梯队完整度。推导但学者创业的通病要盯——高阳作为学术带头人的投入方式（全职/兼职）、精力分配，是尽调必须核实项（见追问清单 §5）。
两条腿：一条高性能力控本体，一条真实数据驱动的具身大模型。
判断千寻两块牌都硬：本体的力控精度和模型的榜单第一。但要清醒——"评测榜第一"证明的是模型能力，不等于产线稳定性，更不等于赚钱能力。三者之间隔着"演示 → 交付 → 复购"两道鸿沟，这正是它和所有同行的共同战场。
这一章是深度的核心。具身智能有三个真正有分歧的命题，千寻的命运系于此。每题给 Bull / Bear / Reality，再下裁决。
对标错了，整个判断的锚就歪了。用四道检验拷问这个标签。
| 检验维度 | Figure AI（美） | 千寻智能（中） | 是否同类 |
|---|---|---|---|
| 业务模式 | 通用人形 + 自研端到端模型（Helix） | 通用人形 + 自研端到端 VLA（Spirit） | ✅ 同类 |
| 技术路线 | 端到端 VLA 一体推进 | 端到端 VLA 一体推进 | ✅ 同类 |
| 商业化成色 | 事实被曝夸大宝马合作：工厂仅 1 台、非生产时段、做抓放练习 | 事实宁德时代产线小墨插接>99%、效率 3 倍（更实但仍试点） | ⚠ 都以演示/试点为主 |
| 增长驱动性质 | 判断资本对未来的"信仰投票" | 判断同为"信仰投票"型 | ✅ 同构 |
| 估值量级 | 事实约 395 亿美元（≈2800 亿人民币） | 事实约百亿人民币量级 | ❌ 差约 20 倍 |
判断"中国版 Figure"这个标签在业务模式、技术路线、增长驱动上确实成立——两家是同一物种、同一赌法（都用资本厚度赌"演示→交付"的跨越）。判断但别把它当估值锚：估值差约 20 倍，且 Figure 自己的商业成色刚被媒体戳破。更公允的说法是——千寻和 Figure 是"同一场豪赌的中美两个玩家"，赌注一样、筹码不同、都还没翻牌。真正的对标锚，应该是国内同处一条路的银河/智元，而不是隔着市场和资本体量的 Figure。
具身赛道 2026 的关键词已从"会不会走路"变成"能不能交付"。放在这把尺子下看千寻的真实身位。
| 维度 | 千寻智能 | 宇树 | 智元 | 银河通用 | 星动纪元 |
|---|---|---|---|---|---|
| 核心站位 | 大脑+身体 真实数据派 | 硬件为王 成本制胜 | 本体矩阵+ 生态平台 | 大模型+ 仿真数据派 | 垂直场景+ 运动控制 |
| 数据路线 | 真实数据为主 (20万→100万h) | 硬件驱动 | 本体+仿真 | 仿真为主 (单周十亿对) | 场景数据 |
| 出货 / 量产 | 试点为主 未跑出量 | R1 低至2.99万 已铺量 | 1万台 远征A3下线 | 宁德/极氪 千台级订单 | 物流 千台级交付 |
| 盈利 | 烧钱期 | 已盈利 (扣非4.3亿) | 烧钱期 | 烧钱期 | 烧钱期 |
| 标志性落地 | 宁德时代 京东/博世 | 消费级 +科研 | 工业+通用 | 美团无人药店 7家/日200单 | 物流工业 |
| 估值/融资 | ~百亿 | 已盈利 拟上市 | 头部 | 超200亿 融资第一 | 2月近25亿 |
| 杀手锏 | 模型榜单第一 +力控精度 | 硬件自研95% +成本+盈利 | 规模+生态 | 仿真数据效率 +场景落地 | 物流交付 |
判断① 千寻的强在"模型和精度"，短在"出货和盈利"——同行已在跑千台/万台，它还在标杆试点，这是它最实的短板。② 它和银河是"同层不同路"的正面对手：都做大模型、都进了头部估值，但一个真实数据、一个仿真数据，是路线的直接对赌。③ 宇树是另一个物种的警钟——靠硬件+成本已经赚钱了，证明"先活下来"有另一条更务实的路；千寻选的是更贵更慢的一条。
对创业公司的"全栈/多线"必须两面看，不替读者选边。
把"数据飞轮"这个决定性变量，拆成一条可证伪的传导链。
判断五个断点里，断点 3（真实 vs 仿真）和断点 4（试点→复购）最致命——前者决定护城河真伪，后者决定能不能自己造血。千寻的模型榜单第一，只证明了传导链走到了第三步的"早期证据"，后面两步全是未知。
| 风险 | 说明 | 观察信号 |
|---|---|---|
| 出货 / 商业化落后 | 同行已跑千台/万台并有盈利者，千寻仍以标杆试点为主，未跑出量。 | 是否出现批量复购、常态采购、明确毛利转正路径。 |
| 数据路线被绕过 | "真实数据护城河"未证实；仿真派若用便宜数据追平泛化，优势打折。 | 可复核的泛化迭代证据；真实数据采集成本曲线。 |
| 估值与基本面背离 | 百亿估值定价长期期权，短期收入难匹配；行业进入"清场"淘汰赛。 | 融资降温时的现金跑道与抗压能力。 |
| 全栈战线过长 | 四件重活同时烧钱，可能哪条线都非第一。 | 是否有一条线率先做出"确定性标签"。 |
判断四类风险有同一个母题：在钱烧完之前，能不能让至少一条线自己造血。其余三类几乎都会随它放大或缓解。
核心交付。按"越往后越接近生意本质"排列；★ 是我认为最锋利、最能戳破叙事的问题。
判断① 面对仿真数据派，你的"真实数据"护城河凭什么不被追平（含单位采集成本）？② 剔除关联方后，真实第三方常态化订单有多少、单台几年回本？③ 现金跑道还剩多久，哪条线会最先自己造血？——这三问答清楚，"叙事"和"生意"就彻底分开了。
基于公开信息的深度梳理，主要来源（节选）：
· 量子位：千寻融资/估值、Spirit v1.5 登顶 RoboChallenge、银河星脑报道
· 证券时报(stcn)/新浪财经/腾讯新闻：Moz1 发布、融资进展、宇树盈利数据
· 21经济网：专访韩峰涛（估值泡沫只是浪花）
· 虎嗅：《2026 人形机器人商业化分层与伪需求出清》、千寻商业化挑战
· OFweek/钛媒体/财联社/界面：竞争格局、"清场"、中国版 Figure 四候选、14 家企业进展
· 搜狐/新浪：产业链价值分布（卖铲子最赚、整机亏损）、Optimus 成本
· 艾邦机器人：形态之争（宇树向左·银河向右）、华为哈勃入股
· CSDN/i黑马/新浪财经：Figure AI 估值 395 亿美元、宝马合作被曝夸大
· 百度百科/企查查/企查猫：工商与主体信息