Advanced Machine Intelligence

1.1 身份与运营论题

Advanced Machine Intelligence（AMI）是一家总部位于巴黎的私营 AI 研究公司，于 2025 年 12 月 15 日成立。公司报告的运营地点包括巴黎、纽约、蒙特利尔和新加坡。AMI 表示，其使命是构建真正理解现实世界的系统，而不是只依赖语言；公司使用世界模型，从嘈杂传感器数据中学习抽象表征，并在表征空间中进行预测。其声称的应用范围涵盖工业过程控制、自动化、可穿戴设备、机器人和医疗。这是一项研究驱动的产品论题，而非已经证明的商业模式：现有证据描述了预期能力和应用领域，但没有披露定价产品、收入、ARR、客户数或当前员工总数。因此，本快照将已验证的身份和融资事实，与未经支持的经营指标分开。[CO001, CO002, CO003, CO004]

1.2 领导层与执行依赖

公开报道显示，Yann LeCun 任非执行董事长，Alexandre LeBrun 任首席执行官，Laurent Solly 任首席运营官。这一配置把全球知名的 AI 研究领导力与创业和运营经验结合起来，但也把执行力和外部可信度集中在一个规模很小的创始团队中。2026 年 3 月报道的近期计划是增加 20 至 30 名员工，这属于招聘意向，并不能证明当前员工数。治理尽调尤其重要，因为据报道，LeBrun 在担任 AMI CEO 的同时仍任 Nabla 董事长和首席 AI 科学家，而 Nabla 又是 AMI 的首个合作伙伴。投资者应核实时间分配、关联方审批、知识产权所有权、数据权利和商业条款，而不能仅凭创始人的声誉推断已有保障。[CO009, CO010, CO011, CO013, CO014]

1.3 资本结构与证明责任

据报道，AMI 以 35 亿美元投前估值完成 10.3 亿美元种子轮融资，领投方包括 Bezos Expeditions、Cathay Innovation、Greycroft、Hiro Capital 和 HV Capital，Toyota Ventures、NVIDIA 和 Samsung 等战略投资者也参与其中。轮次规模代表已募集或承诺的融资，不等于当前可用现金、资金续航、收入或产品市场匹配的证据。由于管理层给出的较为通用的智能系统时间表是三至五年，这一估值也包含很高的执行负担。更广泛的市场证据强化了这一区别：PitchBook 和 NVCA 报告称，截至 2026 年第三季度，AI 占美国风险投资交易价值的 82.7%；Reuters 另有报道称，投资者担忧部分早期 AI 估值过热并领先于技术交付。这些基准并非 AMI 的专项证据，但使融资条款、治理权利、里程碑、烧钱速度和独立产品验证成为核心尽调事项。[CO005, CO006, CO007, CO008, CO012, CO015, CO016]

1.4 展示项

2.1 市场边界：面向关键物理系统的世界模型

AMI 所处的相关市场比全部人工智能更窄，比人形机器人更宽。投资者撰写的描述聚焦于能够表征现实、预测情境如何演变，并把行动与后果连接起来的世界模型。独立报道指出，其潜在用途包括自动驾驶、机器人、喷气发动机、发电厂和人体器官模型。现有证据支持这样一个市场边界：面向物理或安全关键工作流的预测与规划系统。它不包括通用文本生成、消费者聊天机器人，以及不对物理环境中的行动建模的传统分析工具。它也把软件智能与机器人硬件收入区分开来：工业机器人、服务机器人、自动驾驶汽车和受监管医疗设备属于相邻需求池，并非可互换的支出类别。现状替代方案包括脚本化自动化、领域模拟器、人工操作员和特定任务控制软件。[CM001, CM002, CM003, CM011, CM012]

2.2 市场规模：资本密集度可见，但可触达支出不可见

审阅过的证据没有提供可信的 AMI 专属收入池、合同价值、部署数量或买方预算，无法据此计算 TAM、SAM 或 SOM。Reuters 报道称，AI 初创公司在 2025 年第一季度融资 731 亿美元，占全球风险投资的 57.9%；但风险融资不是客户需求，不能用作市场收入。可访问的 IFR 页面为工业和服务机器人提供了有用的细分口径，但其可见底层数据覆盖 1993-2019 年，因此无法支撑 2026 年机会规模估计。对投资的结论受证据约束：AMI 覆盖多个潜在的大型相邻市场，但在产品范围、定价、采购路径和部署经济性披露前，可触达支出仍无法量化。早期 AI 估值过热，也进一步削弱了从融资额反推市场规模的做法。[CM004, CM005, CM006, CM012]

2.3 买方、用户、付款方与预算路径

公开证据指向机器人制造商、自动驾驶开发商、工业自动化企业、航空航天与国防机构，以及科学模拟团队等可能的买方群体。实际用户会随部署场景变化：机器人工程师、自主系统团队、工厂运营人员、研究人员或临床设备团队。预算归属尚未披露，可能属于研发、工程、运营或受监管产品组织，而不是横向软件预算。AMI 表示第一年将聚焦研发，并预计在六至十二个月内与企业合作伙伴展开讨论，显示其处于由合作伙伴驱动的探索阶段，而非成熟、可重复的销售流程。具名战略投资者可能提供领域访问，某份二手资料也将 Nabla 描述为早期部署伙伴，但这两点都不能证明存在独立客户、经常性收入、付费意愿或可规模化采购。[CM003, CM013, CM015, CM016]

2.4 采用驱动因素与约束

需求来自流畅的生成式系统，与必须推理后果、保持上下文并长期安全行动的机器之间的差距。AMI 对三至五年内实现广泛能力系统的抱负，为多个行业创造了期权价值，但采用时间表应以现场可靠性为锚，而不是研究路线图。MIT Technology Review 报道称，人形机器人部署可能缓慢且因行业而异，电力、电池重量、安全、制造复杂度和缺少工作场所监管都会限制规模。一个垂直领域的成功未必能迁移到另一个领域。医疗应用还增加了单独的监管负担：FDA 指引要求规划变更、验证和实施方法、影响评估，以及通过既有设备路径进行审查。在广泛平台推出前，这些约束更支持带有可量化安全和 ROI 门槛的窄范围试点。它们也使切换成本和信任取决于部署证据；在 AMI 展示生产性能、集成要求和买方经济性之前，二者都不能假定存在。[CM007, CM008, CM009, CM010, CM011, CM014]

2.5 展示项

3.1 竞争集合不止是其他世界模型初创公司

AMI 并不在一个边界清晰的单一产品类别中竞争。其既定目标是构建能够预测情境如何演变、行动如何产生后果的世界模型，应用横跨机器人、工业系统、医疗和其他传感器密集型环境。因此，直接研究实验室 World Labs、专注机器人的 Physical Intelligence、Google DeepMind 的 Gemini Robotics 等成熟平台，以及 Nabla 等垂直应用都会纳入竞争集合。只要买方可以解决一个边界明确的工作流而不必等待通用世界模型，内部研究团队和传统自动化也会成为现状替代方案。Seedtable 的简略资料确认 AMI 正在运营，并定位为 AI 研发平台，但没有增加产品规模证据。因此，实际竞争是通用性、部署成熟度、分发能力和信任之间的较量，而不是一张使用相同术语的公司名单。[CP001, CP002, CP004, CP009, CP011, CP013, CP014]

3.2 竞争对手已展现不同形式的能力与资本密集度

Physical Intelligence 是已披露的最接近机器人类比对象：CNBC 报道其在 2024 年 11 月以 24 亿美元投后估值完成 4 亿美元融资；TechCrunch 则在 2026 年 3 月报道称，公司在刚融资略超 10 亿美元、拥有约 80 名员工后，正讨论追加约 10 亿美元融资，估值超过 110 亿美元。这是 AMI 所处长期赛道上的资本和人才竞争，尽管据报道 Physical Intelligence 尚无商业化时间表。Google DeepMind 构成另一种威胁。其 Gemini Robotics 论文描述了直接机器人控制、对未见环境的稳健性、开放词汇指令、对新型机器人形态的适应，以及仅用约 100 次演示学习部分短期任务的能力。这些是已发表的能力主张，而不是针对 AMI 的中性基准；但它们说明，成熟玩家可以在 AMI 发布可比产品证据前，把模型研究、算力和既有平台结合起来。[CP005, CP006, CP007, CP008, CP009, CP010]

3.3 在模型架构决定胜负前，分发可能更重要

AMI 首个披露的合作伙伴是医疗 AI 公司 Nabla，后者曾由 AMI CEO Alexandre LeBrun 领导。保留证据没有披露合作的经济条款、排他性、数据权利，或 Nabla 是否会在生产环境中使用 AMI 模型。但 Nabla 展示了嵌入既有工作流的分发优势：Hit Consultant 报道称，一项试点后，Nabla 通过 Epic 向数百名 University of Toledo Health 临床医生推广，同时报告图表关闭时间减少 29%。接入现有的记录系统可以制造转换摩擦，并为用户提供可信路径，即使底层模型层仍可替换。包括 Toyota Ventures、NVIDIA 和 Samsung 在内的 AMI 战略投资者，也可能成为供应、渠道或设计合作伙伴优势；但仅有投资参与不能证明商业访问、优先算力或客户承诺。[CP003, CP011, CP012, CP016]

3.4 壁垒尚在未来，而商品化和替代风险已在当下

AMI 最强的公开差异化在于一个连贯的论题：针对连续、嘈杂物理数据的表征空间预测；持久记忆；规划；以及对可控性和安全性的重视。France 24 和 RFI 报道称，公司计划第一年聚焦研发，在六至十二个月内讨论企业合作，并以三至五年为时间范围，目标是实现广泛有用的系统。这一时间表创造了被替代的窗口。Physical Intelligence 可以继续扩大机器人模型，Google 可以推进既有机器人技术栈，World Labs 可以开发相邻的真实世界基础模型，垂直应用也可能在 AMI 通用平台商业化前占据客户工作流。审阅过的资料中没有披露价格、合同结构、AMI 基准、生产可靠性结果或监管验证。因此，投资判断应把架构和团队质量视为未来差异化的期权，而不是当前锁定能力或定价权的证明。[CP001, CP004, CP007, CP008, CP009, CP010, CP013, CP015, CP016]

3.5 展示项

4.1 收入证据仍处于商业化前阶段

最清晰的公开商业化信号来自 Nabla：多份报道将其列为 AMI 的首个合作伙伴，一份医疗行业资料称双方存在独家战略安排，使 Nabla 优先访问 AMI 模型。这建立了潜在的合作伙伴驱动医疗路径，但不是收入流。审阅过的来源均未披露许可费、使用价格、最低承诺、收入分成、合同期限、确认收入、ARR 或毛利率。一份市场资料明确把 AMI 描述为专注基础研究、短期没有收入。投资判断中的区别很重要：优先技术访问可能验证战略兴趣，但不能证明变现、现金回收或收入质量。[CI007, CI008, CI009, CI010]

4.2 商业化排在研究之后分阶段推进

已报道的里程碑显示，这是一条以研究为先的市场进入路径，而非规模化销售引擎。AMI 预计第一年聚焦研发，近期扩大招聘，并在六至十二个月内开始企业合作伙伴讨论。其广泛能力系统的时间表是三至五年。这些披露提供的是时间代理指标，而不是 CAC、回本期、销售周期、销售漏斗、利用率或渠道经济性证据。可能的顺序是先由资本支持研究，再进行精选战略部署，最后才形成可重复的商业包装。在赋予该关系收入价值前，尽调应核实 Nabla 是付费独立客户、开发伙伴，还是关联方市场入口。[CI003, CI004, CI005, CI006, CI007, CI008]

4.3 融资规模不能证明资金续航

独立报道一致披露 10.3 亿美元种子轮融资和约 35 亿美元投前估值。这笔融资是重要的能力信号，但不是已披露的资产负债表现金数字。保留证据没有提供交割时间表、分批融资、现金余额日期、月度烧钱、算力承诺、债务工具、营运资金、资本开支或计划用途桥接。因此，无法根据公开数据计算资金续航。近期招聘和多年研究目标意味着未来支出不小，但规模和时间仍属非公开信息。正确的尽调锚点应是月度现金桥接表，连接交割所得、受限现金、合同义务和由里程碑触发的融资需求。[CI001, CI002, CI004, CI011, CI015, CI016]

4.4 单位经济性尚未证明且对算力敏感

没有公司专项证据支持毛利率、贡献利润率、部署成本、推理成本、获客成本、回本期、留存率或服务强度。更广泛的 AI 基础设施分析估计，GPU 只占数据中心总成本的一半，并认为商品化 GPU 产能会压低基础设施定价，同时使旧硬件快速折旧。这些是背景基准，不是 AMI 的估算；AMI 可能消耗算力，而不是转售算力。资本市场不利背景也很重要：Reuters 报道了投资者的警告，称早期 AI 估值已经过热，可能跑在技术交付之前。因此财务结论是继续研究：融资降低了眼前的募资压力，但收入质量、利润率路径、资本密集度和资金续航仍被缺失的公司记录卡住。[CI012, CI013, CI014, CI016]

4.5 展示项

5.1 产品论题、范围与成熟度

AMI 将其目标产品描述为新一类 AI 系统：理解物理世界、维持持久记忆、进行推理和规划，并保持可控与安全。MIT Technology Review 给出了最清晰的独立说明：AMI 追求的是面向物理世界的世界模型，而不是把语言模型视为完整的智能技术栈。已披露的应用面很广——工业流程、机器人、自动驾驶、可穿戴设备和医疗——但这是一组目标工作流，而不是一组可购买模块。France 24 和 RFI 转述 AFP 报道称，管理层预计第一年专注研发，在六至十二个月时间范围内展开企业合作伙伴讨论，并在三至五年内瞄准更通用的系统。这些时间表是管理层计划，不是交付证据。保留的公开来源没有确定 AMI 的 SKU、API、发布版本、基准、生产部署或客户集成。因此投资判断中的结论是研究阶段成熟度：技术论题足够具体，可以接受检验，但产品市场匹配和工程执行仍大体属于非公开信息。[CE001, CE002, CE007, CE008, CE015]

5.2 运营概念、数据要求与差异化

公开的运营概念从视频、音频、机器人状态、激光雷达和其他传感器流开始，随后用 JEPA 式学习形成抽象表征，并在表征空间中进行预测，同时忽略无法预测的细节。AMI 还表示，行动条件世界模型应能让智能体预测后果，并在安全护栏约束下规划行动序列。这是连贯的机制主张，但不是已披露的生产架构：公司尚未公布模型规模、训练语料权利、评估协议、延迟、算力要求、接口或系统边界。IEEE Spectrum 对 Covariant 的报道说明了 AMI 仍需建立的实际壁垒。Covariant 将其机器人模型连接到从已部署仓库车队收集的数千万条轨迹，同时承认没有合适数据时，模型无法推广到全新的物体或情境。这一比较不是 AMI 基准；它说明专有真实世界数据、部署反馈和限定领域评估，可能与架构同等重要。AMI 的公开材料尚未证明存在可比的数据飞轮或可量化的泛化优势。[CE003, CE004, CE005, CE006, CE009, CE012, CE013]

5.3 部署、可靠性与信任控制

外部证据支持在宣称通用物理智能前，先开展范围窄、受控的部署。Bain 报告称，人形系统大多仍处于试点阶段，高度依赖人工输入；结构化工业环境可能先于开放环境采用；电池续航也是持续的运营约束。AMI 初期可能销售软件而不是机器人，但相同的尽调逻辑仍然适用：世界模型必须针对明确任务、传感器栈、故障边界、备用流程和可量化正常运行时间测试。TMCnet 转发的一份 Nabla 新闻稿称，这家独立医疗公司在 60 天内完成了 Oracle Cerner 集成。这证明 CEO Alexandre Lebrun 具备相邻领域运营经验，并不能证明 AMI 拥有集成层或客户部署。AMI 公开证据提到可控性、安全和护栏目标，但没有披露隐私架构、网络安全控制、质量管理、事件响应、红队结果、监管批准或认证。在评估部署准备度前，尽调应要求 AMI 专项产品演示、架构和威胁模型审查、基准资料包、事件记录、发布流程及可供核验的试点。[CE010, CE011, CE014, CE016]

5.4 展示项

6.1 已披露客户证据仅限一名早期伙伴

在指定证据中，Nabla 是唯一点名的 AMI 合作伙伴。TechCrunch、EU-Startups 和 Crunchbase News 都将这家医疗 AI 公司称为 AMI 的首个合作伙伴；STAT 报道称 Nabla 预计能早期访问 AMI 技术。这一关系足以构成可信的首个验证环境，但尚未被记录为生产客户部署：STAT 在发布时报道称两家公司之间没有正式股权或许可协议，尽管 Nabla COO 表示双方已在密切合作。这一区别很重要，因为合作关系、早期模型访问和共同领导层，都不能证明存在付费合同、生产使用、续约或可量化客户成果。因此，审阅过的资料支持的是一个具名合作伙伴，而不是客户名单。[CU001, CU002, CU003, CU012, CU016]

6.2 初始细分是围绕真实世界运营数据的假设

AMI 公开描述的目标应用横跨医疗、工业过程控制、自动化、可穿戴设备、机器人，以及其他依赖连续传感器数据运行的系统。这些领域对应不同的采购中心：医疗领域的临床产品负责人和医疗系统，工业领域的工程或运营团队，以及开放环境机器的机器人或自主系统团队。只有医疗路径拥有具名 AMI 合作伙伴。其他细分属于应用方向，而非已验证的客户类别。竞争对手发布的 Covariant 新闻稿展示了成熟物理 AI 证据可能是什么样——覆盖 15 个国家和四大洲的客户，以及数百台已部署机器人——但这些不能归因于 AMI。因此，AMI 的细分地图应被视为优先级化的尽调框架，而不是需求多元化的证据。[CU008, CU014, CU015]

6.3 采用证据属于 Nabla，尚不属于 AMI

Nabla 提供了有吸引力的下游测试面：一份二手行业报告称，其助手已被超过 85,000 名临床医生和超过 130 家美国医疗机构使用，并点名 CVS Health、Children's Hospital Los Angeles 和 University of Iowa Health Care。同一来源报告 Nabla 收入在六个月内增长五倍。这些是 Nabla 的指标，分母和期间也属于 Nabla；不能重新标记为 AMI 的客户、使用量或收入指标。就 AMI 本身而言，指定来源没有披露活跃账户数、付费试点数、利用率、ARR、NRR、GRR、流失、续约、合同期限或满意度指标。没有这些指标，就无法评估持久性和扩张；大型合作伙伴覆盖面只能证明进入潜在评估环境，而不能证明产品市场匹配。[CU009, CU010, CU011, CU012, CU013]

6.4 扩张取决于把研究访问转化为独立部署

管理层自己的节奏安排跨度较长。TechCrunch 报道称，AMI 暂时没有创造收入的计划，但打算尽早接触潜在客户，让模型接触真实数据并接受评估。AFP 报道称，企业合作伙伴讨论可能在六至十二个月内开始，而广泛有用的系统目标是三至五年。这一顺序使早期设计合作成为可能，但采购、集成、监管接受度、定价和续约都尚未验证。Nabla 还让已披露的客户故事集中在一家董事长就是 AMI CEO 的公司上，带来关联方尽调问题，但不能证明存在未披露交易。在把合作伙伴叙事视为可重复的商业流程前，扩张证据应要求签署独立协议、AMI 专属部署结果、队列留存和客户集中度数据。[CU004, CU005, CU006, CU007, CU015, CU016]

6.5 展示项

7.1 风险排序

剩余风险敞口最高的是从研究走向产品的执行。AMI 以据报道的 35 亿美元投前估值融资 10.3 亿美元，但管理层表示第一年将强调研发，企业合作伙伴讨论可能在六至十二个月内开始，而相当通用的系统可能需要三至五年。这种错位并不证明失败，但使进度证据、可复现的安全基准和伙伴转化成为决定性的监测变量。第二层风险包括算力采购波动、四地运营布局、快速招聘和领导层依赖。由于工厂和医院都是设想中的应用，法律和监管敞口可能很严重，而指定证据没有证明存在批准、认证、隐私控制、保险或事件响应成熟度。[CR001, CR002, CR003, CR004, CR005, CR006, CR007, CR011, CR012, CR013, CR014]

7.2 监管、法律与安全敞口

公开报道把可靠性、可控性和安全描述为产品目标，而不是已验证的运营控制。Nabla 被确定为 AMI 的首个合作伙伴和潜在临床验证场景，这在任何生产使用能够进入投资判断前，就带来了隐私、医疗器械、模型治理和专业责任问题。另一方面，LeCun 将 AMI 的工作描述为 Meta 的 JEPA 研究的直接延续。这一传承是技术资产，但指定来源没有解决所有权、许可、员工发明转让、开源承诺，或与 Meta 和学术关联的边界。不能据此得出没有事件发生的结论：来源池只是没有包含监管机构记录、诉讼案卷、认证材料或事件登记。[CR003, CR005, CR008, CR009, CR010]

7.3 运营、质量、安全与财务模型风险

算力是可监测的运营敞口，而不是已量化的 AMI 成本。CloudZero 的 2026 年 10 月市场评估显示，按需 H100 租赁价格为每 GPU 小时 $2.89-$6.98，9 月中位数为 $3.25 美元；报告称单月租金上涨 22%，一年期合同价格约比 2025 年 10 月高 38%。这些是市场观察，不是 AMI 发票，因此烧钱和资金续航仍未知。覆盖巴黎、纽约、蒙特利尔和新加坡的招聘计划也增加了执行复杂度。实际缓释措施应是把分阶段产能合同与已测利用率挂钩，并在安全关键试点前设置可靠性门槛和安全控制证据。缺少供应商承诺、利用率、烧钱、资金续航、渗透测试和恢复指标，使剩余风险评级无法下调。[CR006, CR007, CR011, CR012, CR013, CR014]

7.4 合作伙伴依赖、缓释措施与论题破裂触发点

在保留证据中，Nabla 是唯一点名的运营合作伙伴，因此在记录更多交易对手前，它既是有用的验证场景，也是集中度信号。领导层重叠进一步放大了这一风险：Alexandre LeBrun 从 Nabla CEO 转任 AMI CEO，同时仍担任 Nabla 董事长和首席 AI 科学家。融资能力很强，但 Reuters 报道的投资者警告称早期 AI 估值正在变得过热；如果技术里程碑无法转化为独立部署，下行风险会因此加剧。可监测触发点包括：在所述六至十二个月窗口之后仍没有记录在案的合作伙伴讨论；受监管试点前仍没有经审计的安全或可靠性基准；承诺算力却不披露利用率；相对于三至五年目标出现重大进度滑坡；或知识产权、数据权利和治理边界未解决。若其中任何两项持续到下一次融资决策，应暂停新增资本。[CR001, CR004, CR005, CR008, CR009, CR015]

7.5 展示项

8.1 投资观点与建议

建议是继续研究，而不是立即投资。AMI 作为一家种子阶段公司，融资能力非同寻常：独立报道将融资额定为 10.3 亿美元，投前估值约为 35 亿美元。这一规模足以支持严肃的研究计划，但也意味着许多预期中的技术和商业成功已经被计入今日入场价格。保留证据描述的是以研发为中心的第一年，预计六至十二个月内展开企业合作伙伴讨论，而不是已经验证的收入、留存、利润率或客户经济性。由于指定来源对融资事实的描述一致，但决定实际价格和回报的投资判断输入仍属非公开信息，信心为中等。在里程碑和条款得到验证前，风险高，估值立场偏贵。[CV001, CV002, CV003, CV004, CV005, CV015, CV016]

8.2 融资背景与可比信号

最接近的公开信号显示，市场愿意在前沿物理 AI 商业化前为其研究提供融资。据报道，Physical Intelligence 正讨论约 10 亿美元融资，估值超过 110 亿美元，同时承认没有商业化时间表，并有追加算力的需求。这可作为市场温度指标，而不是直接运营可比对象：来源没有对技术范围、所有权、收入、烧钱或轮次条款进行标准化。更广泛的风险投资证据同样火热且集中。SiliconANGLE 转述 PitchBook 数据称，2026 年第一季度美国风险投资交易价值达到 2,672 亿美元，其中五笔交易占 73%，AI 占 89%。这些数字支持对定价环境保持谨慎，而不能导出 AMI 的精确倍数。[CV007, CV008, CV009, CV010, CV011, CV012, CV013]

8.3 乐观、基准与悲观情景

可辩护的情景框架必须以里程碑为基础，因为指定证据没有确定收入、现金烧钱、所有权、稀释、清算优先权或退出倍数。在乐观情景中，AMI 将异常庞大的资本基础转化为外部验证的技术里程碑，并在已披露的六至十二个月讨论窗口内或之前取得实质性伙伴承诺。基准情景遵循既定的研究优先计划，但商业证据不足以支撑估值，因此继续保持“继续研究”立场。悲观情景将商业化延迟与早期 AI 估值修正叠加，增加下一轮融资折价或稀释风险。根据保留的公开证据，无法支持任何数字概率、回报目标或估值区间；投资委员会应等待缺失的条款和运营数据后再建模。[CV002, CV004, CV005, CV006, CV008, CV011, CV012, CV015, CV016]

8.4 入场纪律、尽调要求与论题破裂

入场纪律应要求资本表、完全稀释后的所有权、期权池处理方式、证券类型、清算优先权、参与权、分批交割、附函、按比例认购权，以及任何债务或算力承诺。商业尽调应取得已签署的伙伴协议，按阶段拆分的收入和销售漏斗、客户集中度、留存、毛利率、月度烧钱、资金续航和与里程碑挂钩的算力预算。技术尽调应定义可量化的可靠性和安全阈值，使用诸如自愿采用的 NIST AI 风险管理框架这类有记录的风险流程，而不是把宽泛的安全措辞当作验证。论题破裂触发点包括错过伙伴窗口、里程碑反复延误、实质性劣后于新投资者的融资条款，或在下一次资本事件前无法提供可独立测试的性能和安全证据。[CV005, CV008, CV012, CV014, CV015, CV016]

8.5 展示项