具身创业机会筛选：不要先问机器人会什么，要问哪段工作流值得被接管

01｜先问对问题：资本热度不等于客户需求

中国已经能够规模化制造人形机器人，更难的问题是找到足够多愿意持续购买的客户。这并非只属于中国市场，而是整个具身智能赛道都必须面对的商业现实。

公开资料中的头部公司合计估值超过 700 亿美元，但估值与部署深度并不一致。Physical Intelligence 估值约 56 亿美元、尚未形成公开收入；Skild AI 估值约 140 亿美元、收入约 3000 万美元；估值约 21 亿美元的 Agility Robotics 反而拥有更深的商业部署，已在 5 家《财富》500 强客户现场累计搬运超过 10 万个 tote。

这种背离来自两套不同的定价逻辑：融资市场为未来十年的“物理世界入口”购买期权，客户则为未来三年能完成的交付、节省的成本和可预测的结果付费。长期方向真实，并不等于短期场景已经成熟。

筛选机会时应连续回答三个问题：融资热度下降后客户是否仍愿意买单；没有宏大叙事时 ROI 是否仍能成立；第一个客户的工作流能否复制到第一百个客户。具身创业的核心不是证明机器人会动，而是证明它能以更稳定、更低总成本、更可追踪的方式接管一段真实工作流。

02｜三类需求：早期优先选择可以算清 ROI 的劳动释放

机器人需求可以分为三类。第一类是拓展能力：在人类因成本、安全、精度或环境限制而不适合工作的地方完成任务，例如高危巡检和极端环境作业。需求通常真实且强烈，但往往同时带来高安全责任、长销售周期与强定制化，更适合构筑长期壁垒，不一定适合早期团队快速验证产品市场匹配。

第二类是解放劳动力：把高频、重复、低创造力、可度量、可流程化的体力劳动转化为机器工作流。仓储搬运、分拣拣选、工厂上下料、药房自动取药和冷链仓库搬运都属于这一类。节省的人力、减少的错误和增加的吞吐能够直接进入 ROI 计算。

第三类是情感与趣味：陪伴、互动、导览和娱乐。除非团队具备很强的消费品牌能力、渠道能力和持续复购机制，否则容易陷入一次性新鲜感强、长期留存和复购弱的问题。

早期团队通常应优先从劳动释放切入，不是因为它的想象空间最大，而是因为价值最容易量化、预算负责人更明确、失败后的人工兜底也更容易设计。高壁垒的能力拓展和高上限的家庭消费路线并非不能做，但需要匹配更长的资金、认证、数据和渠道周期。

03｜四象限：用机器优势与任务熵定位创业切口

判断场景不能只问人类能不能做，还要同时观察两个轴。机器相对优势包括成本、安全、精度、耐久、稳定性和规模化优势；任务熵则取决于环境是否结构化、物体是否标准化、流程是否稳定、动作是否重复、结果是否容易验收、失败是否容易恢复。

机器优势强、任务熵低是创业黄金区。仓储搬运、tote handling、药房取药、工厂上下料、电商仓拣选等任务高频重复、环境可控、物体相对标准。客户不会因为产品采用 VLA 或大模型而买单，只会因为工作流自动化能够降低成本、提高效率而买单。

机器优势强、任务熵高是长期大机会，也是早期高风险区。家庭服务、养老护理、灾害救援和建筑工地需求真实，但长尾极多、用户容错低、价格敏感。更现实的进入方式是先限定任务边界，从 B 端开始，以远程操控和半自主建立数据闭环，再逐步提高自主率。

机器优势弱、任务熵低属于低价值替代区，例如低工资地区的简单搬运，或已被输送线、AGV 和固定机械臂充分解决的工序。技术容易不等于客户愿意付费。机器优势弱、任务熵高则通常应避开，泛陪伴、泛导购、泛教育和泛家庭助理虽然演示吸睛，却常常刚需弱、复购弱、边界模糊。

象限位置并非由本体决定。同一台人形机器人在结构化仓库搬箱可能位于黄金区，进入开放家庭整理杂物就可能落入高熵区域。创业价值来自工作流边界，而不是人形、轮式或机械臂的外观标签。

04｜真实部署：最深的商业化集中在可量化工作流

Agility Robotics 的 Digit 已进入 GXO、Amazon、Toyota 等 5 家《财富》500 强客户现场，累计搬运超过 10 万个 tote；RaaS 价格约为每小时 30 美元，直接对标全职人工成本。Schaeffler 还计划到 2030 年在全球 100 家工厂部署。它出售的不是“人形”这个概念，而是一段可以按搬运量、运行时间和人工成本验收的物流流程。

Brightpick 在 Superior Communications 部署 50 台 Autopicker，实现每小时约 3500 次拣选和 73% 自主拣选率，RaaS 月费约为每台 1900 美元。订阅模式降低了客户一次性资本开支风险，吞吐和自主率也让采购价值可以持续核算。

Amazon Robotics 的内部机器人部署量已超过 100 万台，说明当场景密度足够高、流程与软硬件能够整体重构时，机器人可以形成巨大的规模效应。Covariant 则选择非人形路线，以 AI 拣选平台覆盖 goods-to-person picking、拆垛、kitting 和订单分拣等具体流程。

这些案例共同位于机器优势强、任务熵较低的区域，卖点都是可量化效率提升。仓储物流也因此不再是空白市场。新进入者必须找到输送线、AMR、传统机械臂和现有仓储软件没有解决的缝隙，例如混杂非标物、频繁换型、小仓柔性自动化、夜间缺工或无法大规模改造的旧工位。

高估值公司需要用另一套尺度阅读。Figure AI 估值约 390 亿美元、累计融资约 19 亿美元，但商业部署仍主要处于试点阶段；BMW 工厂 11 个月项目参与约 3 万台汽车生产，另有 200 小时分拣 249,560 个包裹零故障的数据，但属于公司自报、未经第三方验证。Figure 04 面向家庭的远期租赁目标为每月 400—600 美元，仍需面对家庭场景极高的任务熵。

优必选在 2025 年交付 1079 台全尺寸人形机器人，订单覆盖比亚迪、吉利和空客等客户；Walker S2 的公开效率口径约为人类工人的 45%。出货、订单与进入现场很重要，但距离稳定替代人工仍需继续跨越效率、可靠性和单位经济门槛。估值、融资与部署可行性必须分开记录。

05｜五个变量：把模糊需求变成可核验的购买条件

痛点强度首先要看客户是否每天都在承受损失。真正值得解决的场景通常已经在用人工、外包或传统设备处理，只是现有方案成本高、错误率高或难以扩张。口头上的“很感兴趣”不是需求，现有支出、返工、工伤、停线和缺工记录才是证据。

任务频次决定硬件、部署和维护成本能否被摊薄。需要落实到每班次任务数、峰谷变化和季节性，而不是只问任务是否重复。高频但极不稳定的任务，也可能因介入和停机侵蚀经济性。

支付意愿要找到明确预算：谁付钱、谁使用、谁维护、谁承担失败责任，预算来自人力、设备、信息化还是创新项目，客户允许多久回本。没有预算科目的痛点不是商业机会。

失败代价决定产品形态。抓取失败后可以由工人顺手处理的场景，可以用半自主和远程接管快速上线；一次失败会伤人、污染药品或导致整线停机的场景，需要更重的认证、冗余、安全责任和保险安排。

替代对象不只包括人工，还包括输送线、AGV、固定机械臂、外包、流程改造，甚至客户什么都不做。Brightpick 的仓储拣选能够同时命中五个变量：任务每天高频发生，人力预算明确，RaaS 降低资本开支，失败可以人工接管，替代的是昂贵且不稳定的仓库拣选劳动力。

06｜十个危险信号：最深的陷阱是每个客户都从头定制

第十个信号最危险。机器人公司很容易变成高科技项目外包商：每增加一个客户，就同步增加定制代码、夹具、接口和交付人员；收入看似增长，毛利和复制性却没有改善，模型与数据也没有降低下一单成本。

真正的复用证据应比较第一、第二和第五个客户的部署周期、工程人天、定制代码比例、真机新增数据量与毛利。如果这些指标不能持续下降，所谓平台仍是多个项目的集合。Agility 的思路提供了一个参照：尽量让机器人适配既有人工环境，而不是要求每个客户先大规模改造现场。

• 只讲“通用具身大脑”，不说明第一个有预算、可验收的付费工作流。
• 只展示成功视频，不披露连续运行时长、故障率、失败分布、人工介入率和恢复率。
• 只讲订单金额，不拆分已签约、已交付、已验收、已回款、复购、毛利和运维成本。
• 只讲本体自由度、负载、速度和模型参数，不计算完成一个客户任务的成本。
• 只说替代劳动力，不解释客户工位、排班、安全和组织流程要如何改变。
• 只讲未来家庭，不说明谁会持续为硬件、服务、耗材和售后付费。
• 只讲数据飞轮，却没有稳定部署、清晰数据权属和真实失败样本入口。
• 只展示估值上涨，不披露收入质量、一次性集成占比和现金回收。
• 只谈国产替代或产业链完整，不给出客户 ROI。
• 试点数量很多，但每个项目都要重新数采、调参、改工位并长期驻场。

07｜筛选公式：选择融资退潮后仍能活下来的工作流

这不是追求数学精确的估值公式，而是一张防止团队被单一变量误导的检查表。分子描述当前价值与未来复利：痛点、频次和预算决定近期收入，可复制性和数据闭环决定下一次部署是否更强、更便宜。分母描述物理世界持续产生的摩擦：环境、硬件、安全、集成、运维和销售周期都会消耗现金与组织能力。

看起来很性感的场景，如果分母过大，会把早期公司拖入漫长交付。高危巡检可能痛点强、客单价高，却同时承担安全责任和长销售周期；仓储搬运的单价可能更低，但频次高、可复制、失败可兜底，现金消耗更可控。分数本身不重要，每一项背后的证据才重要。

创业团队需要用一句话说清：为哪类客户，在什么工作流，以什么指标验收，替代哪种现有方案，客户为什么现在付费。Demo、试点、订单、交付、验收、回款与复购应分别记录；公司自报、客户确认和第三方验证也不能混为一谈。

真正应该避开的不是“不够宏大”的场景，而是宏大却无法交付的场景。高质量切口同时满足五个条件：人类长期不适合做，任务边界能够工程化，客户拥有持续预算，机器人能够稳定交付，部署后的数据还能继续积累。

具身智能创业的本质不是让机器人越来越像人，而是让机器在一段真实工作流里，比“人 + 工具 + 流程”的组合更稳定、更便宜、更可追踪、更可复制。融资环境是否存在泡沫并不是最重要的问题；真正重要的是泡沫破裂后，客户是否仍会因为实际收益续费。

机会优先级 ≈（痛点强度 × 任务频次 × 支付能力 × 可复制性 × 数据闭环价值）÷（环境复杂度 × 硬件复杂度 × 安全责任 × 集成成本 × 运维成本 × 销售周期）