张巍说营收对赌是“伪命题”，但逐际动力要过的是资本市场的“真刀真枪”

逐际动力再融2亿美元，冲刺港股IPO。CEO张巍的一句“营收对赌不符合具身商业逻辑”引发了行业讨论。作为在这个赛道摸爬滚打的创业者，我的判断是：张巍说得对，但资本市场不会因为“逻辑正确”就给你投票。具身智能的商业化，目前还处在“用烧钱换数据、用数据换技能、用技能换想象空间”的漫长周期里，营收对赌确实是个伪命题，但投资人要的是“有数据支撑的伪命题”，而不是“逻辑自洽的空中楼阁”。

核心矛盾：具身智能的成本结构，让营收对赌天然失效

先看一组简化计算。假设一个通用机器人需要掌握“开门”技能。传统方式：人工标注数据，收集1000条示范轨迹，成本约5万元（1000小时标注工时）。强化学习方案：在仿真中训练，成本约5000元GPU算力，但迁移到真实环境需要额外调试，成本约2万元。而实际商业场景里，一个机器人“开门”带来的价值（比如替代门童）每月可能只有3000元。也就是说，技能本身的投资回报周期是负的——除非这个技能能被复用1万次以上。

[!note] 具身智能的商业化铁律：技能成本必须低于其产生价值的10倍，才能形成正向循环。目前大多数技能成本是价值的5-10倍。

张巍反对营收对赌，本质上是反对这种“用短期财务指标衡量长期基础设施投资”的粗暴逻辑。具身智能的商业模式不是软件订阅，而是场景服务费。你让一个机器人去工厂做质检，它需要先花6个月部署、调试、积累数据，第7个月才开始产生稳定收益。华尔街的季度营收考核，根本容不下这个时间窗口。

逐际动力的策略：用“技能复用率”赌未来

逐际动力这次融资的核心叙事是“加速通用机器人平台化”。从公开信息看，他们聚焦两个方向：多模态大模型驱动的端到端控制，以及低成本硬件方案。这背后隐藏着一个赌注：如果能将单个技能的复用率从当前的1:10提升到1:1000，那么营收对赌就能自然成立。

但问题在于，复用率提升依赖的是“足够多的场景数据”和“足够强的模型泛化能力”。而这两者都需要烧钱。2亿美元看着不少，但在数据采集、实地部署、算法迭代上，可能只够支撑一个城市级物流场景的验证。如果港股IPO窗口期打开，逐际动力需要回答一个更现实的问题：你计划用多少时间、多少成本，验证一个场景的商业闭环？

三个必须警惕的泡沫信号

1. 估值与业务成熟度的严重错配：百亿独角兽意味着投资人已经用“未来3-5年”的预期定价。但具身智能的规模化落地，至少还需要2-3个技术迭代周期。一旦资本市场收紧，这种估值会迅速坍塌。

2. “通用”vs“专用”的陷阱：逐际动力强调通用平台，但实际落地场景必然从专用开始（比如物流搬运、巡检）。如果为了“通用”而做过多冗余设计，硬件成本会大幅上升，反而拖累商业化。

3. 团队的技术背景与商业落地能力是否匹配：张巍是技术出身，但港股IPO对创始人的要求是“讲故事+算账”双能。营收对赌虽然不合理，但投资人需要看到一套清晰的“里程碑计划”：什么时间点达到什么技能复用率，对应的成本曲线如何下降。

# 具身智能公司的生死线——技能复用率阈值
def viability_check(reuse_rate, skill_cost, value_per_use):
    if reuse_rate * value_per_use > 10 * skill_cost：
        return "可规模化"
    else:
        return "实验室阶段，需要补充资本"
# 目前行业平均复用率：物流场景约1:50，工厂场景约1:30
# 逐际动力公开宣称的目标：1:200（但未公开验证数据）

大招与风险：港股IPO是双刃剑

港股对科技公司容忍度高，但流动性差。如果逐际动力能在上市前拿出一个“技能复用率超过1:100”的标杆案例（比如某头部电商仓库的自动化方案），市值管理会容易很多。反之，如果只是一堆演示视频和融资PPT，港股散户会用脚投票。

最终趋势预测：未来18个月内，具身智能赛道将出现明显分化。那些能定义“技能单位成本”并持续降低的公司，会获得资本市场认可；而那些还在用“营收对赌”作为遮羞布的公司，将被淘汰。逐际动力有机会成为前者，但前提是张巍必须尽快从“技术理想主义者”转变为“商业化量化的执行者”。

这张图里的自动值机终端，是典型的“有限场景+低成本硬件”成功案例，它不需要通用智能，但年营收回报率超过200%。具身智能公司需要学习的，不是如何让机器人变得更像人，而是如何让机器人在特定场景里产生正现金流。营收对赌不合理，但盈利逻辑必须成立。

原文链接：https://www.qbitai.com/2026/07/449474.html