Bulage

1.1 身份、命名与公开足迹

2026 年的公开报道一致把 Bulage 视为一家很新的上海主体，而不是已有长期运营史的隐身项目。本次审阅的中文资料将其登记式公司名识别为 Shanghai Bulage Technology Co., Ltd.，写作上海卜拉格科技有限公司；任务简报则给出了另一个写法：布拉格。由于 2026-07-22 可访问的公开资料压倒性使用卜拉格，本章将 Bulage 作为罗马化标签，并把字面命名差异列为尽调点，而不是直接抹平。公司被描述为成立于 2026-05-27，因此在报告日仍不足一岁。即便按刚成立的前沿 AI 实验室标准，它的公开沟通界面也异常单薄：bulage.cn 可解析但没有返回可读的公司内容，bulage.com 则托管无关游戏内容，两个域名都没有给投资人提供正常的官方产品、领导层或客户参考页面。这一缺口很重要，因为公司在发布可用官方网页叙事前，已经被定价到独角兽量级。[CO001, CO002, CO003, CO004, CO005, CO006]

1.2 创始人背景与治理不透明

在概览阶段，Bulage 的可投性几乎全靠创始人支撑。已审阅资料一致认为，Lin Junyang 是新实验室的创始人和对外代表；英文报道也称其为 Justin Lin。他此前担任 Alibaba Qwen / 通义千问模型项目的技术负责人或核心负责人。对如此年轻的公司来说，创始人画像异常强：公开传记和第三方报道将其出生年份写为 1993 年，提到他毕业于 University of International Relations 和 Peking University’s School of Foreign Languages，并梳理了他从 2019 年加入 DAMO Academy 到 2022 年底领导 Qwen 的 Alibaba 路径。多篇报道还称，他 2025 年在 Qwen 内部搭建机器人与具身智能团队，因此 Bulage 更像是已孵化研究方向的延续，而不是冷启动。主要反向因素是治理不透明。已审阅材料没有识别出联合创始人名单、已披露董事会构成、独立董事，也没有 Lin 之外的高管梯队。对一家成立数周内以 $2 billion 估值融资的公司而言，治理披露缺口是实质尽调问题，不是表面瑕疵。[CO008, CO009, CO010, CO011, CO012, CO013]

1.3 融资、估值与利益相关方地图

资本故事是 Bulage 登上 2026 年前沿实验室地图的核心事实。Crunchbase News 明确称，公司是一家总部位于上海的机器人智能初创公司，完成由 Gaorong Capital 和 HSG 领投的 $220 million 种子轮，估值 $2 billion。中文报道对轮次标签说法不一——首轮、天使轮，或泛称数亿美元融资——但反复指向同一组已披露出资：Gaorong 和 HongShan / Sequoia China 各 $100 million，Tencent $20 million。这些具名出资合计 $220 million，与 Crunchbase 的数字一致；MarketScreener 称公司获得 HongShan、Gaorong、Tencent 和“其他投资者”融资，则留下了仍有未披露参与方的可能。公开报道还称，Lin 在 2026 年 5 月至 6 月控制一组新注册主体，包括 100% 持股的 Yuyong、99% 持股的上海 Bulage Technology，以及一家通过 Bulage 关联的管理合伙企业。这一结构显示，围绕融资快速搭建了实体，但公开资料仍未披露股权比例、投资人治理权、清算条款或董事席位分配。[CO017, CO018, CO019, CO020, CO021, CO022]

1.4 战略论点、里程碑与眼前尽调旗标

资料集中对 Bulage 的战略叙事一致：公司面向世界模型，以及服务机器人或其他物理终端的具身大脑。资料描述的方向，是把 AI 从屏幕内推理推向感知、物理世界建模和行动规划。这个论点解释了为什么公司即便没有公开产品目录、客户 logo 或已披露收入，仍能与前沿实验室放在同一语境中讨论。它也解释了为什么投资人看重创始人质量和赛道时点，超过当下商业证据。里程碑链条被压得很短：Lin 在 2026 年 3 月初离开 Qwen；5 月媒体报道他正为新实验室融资，目标估值约 $2 billion；运营主体被报道在 5 月至 6 月注册；到 6 月中旬，多家媒体称首轮已关闭，管理层正在试探下一轮融资。这种速度有两面性。它制造了即时独角兽身份，但也意味着今天的公开尽调仍更多依赖团队履历和市场叙事，而不是已验证的 PMF。[CO027, CO028, CO029, CO030, CO031, CO032]

1.5 图表

2.1 市场边界、纳入支出与替代品

分析 Bulage，应把它放在具身智能与人形机器人栈里，而不是拿它对标所有机器人或所有生成式 AI。公开报道反复把公司与世界模型、具身大脑、以及物理世界中的模型驱动行动绑定。因此，相关支出比单一机器人 SKU 更宽，但比中国整个自动化市场更窄。应纳入的支出包括具身基础模型研发、机器人训练数据与仿真基础设施、用于训练或部署的通用人形和轮式具身机器人，以及 OEM 或企业付费在工厂、物流、零售或服务场景测试具身系统的试点项目。应排除的支出包括传统固定式工业机器人、仅限仓储的 AMR、手术机器人、自动驾驶，以及不依赖 Bulage 所称具身 AI 论点的扫地机器人等消费设备。现状替代品仍是人力、传统任务专用自动化，以及大型在位企业的内部 AI 或机器人团队。这个边界很重要，因为 Bulage 尚未披露产品目录；投资人实际上是在承销具身 AI 栈中的一层，而不是一个已验证的终端市场细分。[CM001, CM002, CM003, CM004, CM005, CM006]

2.2 用多重视角做市场规模，而非只看一个 TAM

公开资料支持几组真实但互不兼容的规模口径。CNBC 报道的 Morgan Stanley 2026 年 6 月报告称，中国人形机器人市场 2026 年约 $2 billion，当年外部销售出货 50,000 台，到 2030 年升至 $15 billion 和 446,000 台。TrendForce 另行预测，中国人形机器人产量将在 2026 年增长 94%，并称 2026 年下半年是行业商业化拐点。China Economic Net 引用了更宽口径估算：Development Research Center 预测中国具身智能产业到 2030 年达 RMB 400 billion，2035 年超过 RMB 1 trillion；另有 IDC 估算，中国用户在具身智能机器人上的支出 2025 年已超过 $1.4 billion，到 2030 年可能达 $77 billion。来自 Omdia 的出货报道又给出一个视角：2025 年全球通用具身机器人出货约 13,318 台，2035 年预测为 2.6 million 台。这些数字不应揉成一个头条 TAM，因为它们测量的是不同范围：外部人形机器人销售、用户支出、更宽的具身智能产业产值，以及全球出货。正确结论不是市场精确等于某一个数，而是中国已经是该品类的量级中心；但像 Bulage 这样的模型层初创公司，其经济上真正相关的 SAM 仍无法从免费公开资料中单独剥离。[CM008, CM009, CM010, CM011, CM012, CM013]

2.3 今天谁买、谁用、谁真正付钱

具身 AI 的买方分层仍在过渡期。Interact Analysis 把应用分成八个桶，从学术 R&D、机器人训练，到娱乐、制造、仓储、公共服务和家庭用途。反向证据显示，最早的真实买方往往是研究实验室；较新的客户画像虽然出现，但仍偏弱，包括把机器人放进大堂或展陈场景、主要追求示范价值而非替代劳动力的国企。即便如此，已审阅官方资料也显示支出下一步想往哪里走：上海政策框架优先支持物流、工业制造、商业零售、医疗康复和家政服务；杭州国家级试点基地已在 30 多个职业场景运行 130 多台机器人；WAIC 公开报道指向工厂、门店和家庭中的快速试验。实践中，付款方通常是 OEM、工厂运营方、国家支持的试点项目、地方政府平台或大型企业预算负责人，而不是终端消费者。运营买方可能是制造 VP、自动化负责人、实验室负责人或公共部门创新办公室。用户随场景变化：工厂里的操作员和流程工程师、训练场景的数据采集技术员，以及零售和接待场景的服务人员或访客。对 Bulage 来说，最可信的近期客户因此不是家庭消费者，而是寻求具身模型、训练系统或早期部署能力的机器人厂商或标杆企业。[CM018, CM019, CM020, CM021, CM022, CM023]

2.4 增长驱动、采用约束与仍未证明的事

从生态层面看，增长逻辑很强。中国已经拥有全球最大的工厂机器人装机基数、上升中的国产供应商份额、强力国家支持，以及越来越正式的标准、测试基础设施和补贴体系。官方与研究资料把具身 AI 需求同劳动力短缺、劳动力成本上升、制造业升级，以及把 AI 和机器人价值链留在中国的战略意愿相连。但市场仍足够早，商业化风险压过估值风险。MERICS 发现，当前人形机器人仍缺乏精度和灵巧性，大多停留在小规模、场地定制化试验，且对大规模部署来说仍太贵；商业可行阈值约 CNY 160,000，而报道中的当前均价约 CNY 300,000 至 CNY 500,000。多份反向资料还指出，PMF 仍不清晰，一些工厂部署更像 demo 而不是成交，最难的瓶颈仍是真实世界数据和跨环境泛化，而非单纯硬件可得性。北京方面也已警示泡沫风险，因为已有 150 多家公司挤入该领域。因此，Bulage 所在市场战略动能极强，但在客户 ROI、复购和模型层变现上公开证明仍弱。关键尽调问题不是具身 AI 在中国是否有战略重要性，而是 Bulage 能否在多份资料暗示的 2027–2028 洗牌前，把国家级推动转化成商业上可防守的位置。[CM028, CM029, CM030, CM031, CM032, CM033]

2.5 图表

3.1 格局类型与 Bulage 的起点

Bulage 不是进入一场只同另一家初创公司正面竞争的整齐赛道。相关的 2026 年购买格局至少横跨三类玩家加上现状替代品。第一类是全栈具身 AI 实验室，试图同时掌握机器人和控制栈；公开代表包括 Figure、1X、AGIBOT、Unitree、UBTech、Agility 和 Boston Dynamics。第二类是工业在位企业或准在位企业，它们带来服务、安全、制造和部署经验，这些不是新实验室一夜之间能买来的。第三类是中国规模优先的竞争者，它们未必已拥有最强公开模型叙事，但已经有价格锚、供应链杠杆和出货动能。现状替代品仍是任务专用自动化、人力和内部系统集成。 Bulage 起跑时有一个不可否认的优势，也有一个同样实质的短板。优势是资本加创始人履历：据报道的 $220 million 种子轮和 $2 billion 估值，给了它快速招聘、训练模型和购买硬件的资源。短板是披露与证明。与本章几乎所有具名同行相比，Bulage 在官方界面上没有公开产品页、没有发布包装、没有客户故事，也没有经验证的部署记录。这意味着公司目前更多是在用论点竞争——世界模型和具身大脑——而不是用可观察的商业执行竞争。市场正从 demo 走向狭窄但真实的工厂、物流和开发者部署，这个缺口很重要。[CP001, CP023, CP025, CP030, CP034, CP035]

3.2 西方参照玩家：模型、安全与服务

西方参照组分成两种不同的竞争肌肉。Figure 和 1X 主打具身智能与家庭泛化。Figure 的公开叙事是，搭载 Helix 的 Figure 03 能在不可预测的家庭环境中移动，拿起数千种新的家用物体，并最终把语言条件行为扩展到狭窄脚本之外。1X 讲的是一条相近但更柔和的故事：NEO 面向家庭，设计上轻且安静，但对于它不知道的任务，仍依赖专家引导路径。这些公司对 Bulage 重要，因为它们是最清晰的公开基准，支撑“模型质量和数据闭环可以成为人形机器人主要护城河”这一主张。 Agility 和 Boston Dynamics 则锚定光谱另一端。它们的优势不是宏大的 AGI 叙事，而是部署纪律。Agility 把 Digit、工作流软件和现场支持组合起来，并在测试或部署主张中公开点名 Amazon、GXO、Schaeffler、Toyota Motor Manufacturing Canada 和 Mercado Libre。Boston Dynamics 更明确地说，家庭不是正确的首发市场，因为安全标准、成本和能力仍不成熟。这给 Bulage 设下了不舒服的基准：即便模型能力正在成为头条故事，今天看起来最真实的买方，仍在奖励服务、安全、工作流适配和现场可靠性，而不只是前沿模型野心。[CP002, CP003, CP004, CP005, CP006, CP007]

3.3 中国规模领导者：价格、吞吐与组件杠杆

如果西方玩家定义了公开前沿叙事，中国赛场则定义了近期商业化压力。Unitree 是最清晰的公开价格锚，因为它明示 G1 起价 $13,500，同时推进能力更强的全尺寸 H1 系列，并声称对电机、减速器、控制器、LiDAR 和算法有强内部控制。TrendForce 补上了关键信号：据称 Unitree 招股书显示，2025 年人形机器人收入超过四足机器人，综合毛利率 60%，并规划 75,000 台人形机器人产能。AGIBOT 给出另一套同样重要的模板：多样化机器人形态、大型具身数据集计划，以及 Omdia 支持的 2025 年 5,168 台人形机器人出货、全球份额 39% 的说法。 UBTech 位于这两种模式之间。它更显眼地聚焦工业集成、大模型辅助决策、工厂系统连接和换电式续航。更广泛地看，TrendForce、CNBC、SCIO、MERICS 和反向投资人报道都指向同一个方向：中国如今的严肃竞争者，远多于围绕单一独角兽叙事所能解释的数量。国内制造商超过 140 家，型号超过 330 个，政府也明确推动接口标准化并加速工业部署。因此，Bulage 面对的不只是几个知名 logo，而是一个正在压缩实验室原型、供应链规模化与商业可读产品包装之间距离的本土市场。[CP015, CP016, CP017, CP018, CP019, CP020]

3.4 护城河耐久性与被替代风险

公开证据还不足以支持“人形机器人护城河已经在任何地方锁定”的强主张，更不用说 Bulage。家庭优先玩家仍需证明安全、低接触支持和可复用效用。工业优先玩家仍面对任务范围窄、定制集成重的负担。中国规模优先玩家受益于更低硬件成本和政策支持，但仍要面对泛化、数据稀缺和进口高端组件瓶颈。因此，来自 KrASIA、Yicai 和 Unite.ai 的反向报道很重要，因为它们认为估值膨胀跑在已验证 PMF 前面。换句话说，品类是真的，但护城河故事往往讲得太早。 对 Bulage 来说，竞争含义很直接。当 Unitree 能公布价格锚、AGIBOT 能引用出货领先、UBTech 能引用订单和工厂部署、Agility 或 Boston Dynamics 能指向服务能力和具名企业工作流时，融资本身不是护城河。可持续的 Bulage 护城河需要在四个地方之一显现：在高价值任务上有独特有用的具身模型表现；通过 OEM 中立软件层更快部署；经济性强于全栈对手；或形成别人难以低成本复制的专有伙伴 / 数据飞轮。上述几点目前都没有公开证据。竞争结论因此不是 Bulage 不可能赢，而是举证责任几乎全部还在前方。[CP026, CP028, CP029, CP030, CP032, CP033]

3.5 图表

4.1 公开收入模型：已知与未知

Bulage 的公开财务界面几乎是空白。官方域名仍没有可读的产品、定价或客户细节，而推动公司独角兽叙事的融资报道，重点放在创始人履历、估值和世界模型论点上，不在订单或收入上。这意味着第一步分析是负面的，而不是肯定的：公开资料没有基础断言 Bulage 是机器人销售商、模型授权方、企业软件厂商、集成承包商，或四者的某种组合。公司未来可能通过硬件、软件、部署服务、维护和数据工具的任意组合变现，但先后顺序没有披露。 同行证据很重要，因为它显示这个品类里财务上可读的收入层长什么样。Agility 强调的部署栈包括机器人硬件、工作流软件和支持。UBTECH 的报告把人形机器人产品与服务同其他机器人产品和硬件设备分开。Research and Markets 的 2026 年行业报告明确把软件、系统集成和维护列为更宽市场的一部分，而不只是机器人 ASP。换句话说，即便 Bulage 自身模式尚不清楚，公开证据也表明人形机器人变现通常是打包且运营很重。任何简单的 SaaS 式解读都缺乏支持。[CI001, CI002, CI003, CI018, CI021, CI034]

4.2 定价、变现与销售周期代理

人形机器人公开定价记录很薄，但已有片段很有提示性。Unitree G1 起价 $13,500，提供了少见的低端公开锚。Research and Markets 的 2026 年中国报告随后给出更宽的工业价格阶梯：低端系统 RMB100,000–200,000，中端系统 RMB250,000–500,000；一旦加入软件、集成和维护，更宽市场继续扩大。1X 对 NEO 给出 $200 订金信号，但没有完整消费端或企业端 ASP。Agility、Figure 和 UBTECH 披露能力、客户、订单或融资，却仍把真实定价保密。 这种不透明对 Bulage 有两层含义。第一，可能的销售动作更像咨询式、按里程碑推进，而不是自助式。Agility 的文件和投资人材料谈的是多年订单、部署承诺和客户管线，不是无摩擦的经常性订阅。第二，即便公开价格锚不完整，心理上仍有影响。一家未披露包装的种子阶段公司，最终会被放进一个已有参照的赛场：Unitree 设定低标价基准，工业同行则用工作流集成、安全、正常运行时间和服务来证明更高总合同价值。Bulage 还没有显示自己会落在这条连续谱的哪里。[CI006, CI007, CI008, CI009, CI010, CI018]

4.3 成本结构、单位经济性与可比公开结果

这个市场中最好的公开成本与利润窗口来自 UBTECH，因为它已经上市。其 2025 年年报说明，哪怕收入已经出现，人形机器人承销仍是资本密集型。收入增长 53.3% 至 RMB2.0 billion，毛利翻倍以上，人形机器人产品与服务成为最大分部，收入 RMB820.6 million。但净亏损仍有 RMB789.8 million，R&D 消耗 RMB507.5 million；公司看起来从容，只是因为多轮融资后现金升至接近 RMB4.9 billion。这是 Bulage 应吸收的可比教训：商业进展不会自动意味着轻资产或自我造血模式。 更宽行业证据也强化了这一点。MERICS 认为，许多中国人形机器人当前平均成本仍为 RMB300,000–500,000，并引用约 RMB160,000 的商业可行阈值，对应两年 ROI 场景。SCIO 和标准化推进意味着成本下降应来自模块化与互操作性，但这些是未来助推器，不是当下事实。换句话说，在有吸引力的单位经济性得到证明前，该品类的公开数字仍显示沉重的工程、数据、制造和服务负担。Bulage 今天没有披露这些项目中任何一项的数据。[CI011, CI012, CI013, CI014, CI015, CI016]

4.4 资本充足性与承销结论

Bulage 据报道的 $220 million 种子轮按绝对值很大，但周边证据表明，这只是起点，不是财务充足性的证明。Figure 单轮融资 $675 million，用于加速 AI 训练、制造和部署。Agility 正推进一笔总收益超过 $620 million 的交易，同时称已有超过 $300 million 的多年订单和 30 多个客户管线。UBTECH 做到 RMB2.0 billion 收入后，仍报告大额亏损和大量 R&D 需求。1X 融资 $100 million，仍把家庭部署描述为持续建设。共同模式是：该品类在稳定盈利可见前，会长时间消耗资本。 因此，承销结论偏谨慎。Bulage 可能有足够现金支持核心研究、早期硬件迭代，以及一个或多个试点项目，但公开证据不足以承销收入质量、毛利率、烧钱速度、营运资本需求或现金跑道。如果 Bulage 打算打造全栈人形机器人平台，资本负担很可能包括算力、数据采集、原型迭代、安全工程、制造搭建、部署支持和伙伴集成。如果它打算做 OEM 中立模型层，成本基数可能更轻，但仍取决于能否证明真实任务表现。无论哪条路径，当前估值更多压在期权价值上，而不是已披露财务牵引力上。[CI022, CI023, CI024, CI027, CI028, CI029]

4.5 图表

5.1 产品定义与公开界面

相比估值，Bulage 的公开产品定义仍薄得多。官网没有可读产品文档、模块列表、信任页面、API 或开发者入口，也没有路线图。主要公开描述来自媒体报道：Lin Junyang 的新公司聚焦世界模型和具身大脑。这是有意义的战略方向，但还不是产品地图。它没有说明 Bulage 销售的是一体化人形机器人、第三方机器人的控制栈、训练数据管线、开发者工具，还是定制部署。因此，正确的产品技术框架要从缺口开始：Bulage 有主题，但没有可公开检查的产品。 周边赛场说明，公开产品定义通常可以具体得多。Figure 展示面向家庭的人形机器人界面和很深的 Helix 技术叙事。AGIBOT 发布多种机器人形态和开放数据集计划。UBTECH 发布工业产品页、年报中的架构语言，以及开源 Thinker 模型。NVIDIA、DeepMind 和 Physical Intelligence 都展示了行业如何收敛到显式栈：推理模型、行动策略、仿真、数据管线、硬件和安全基础设施相结合。Bulage 还没有揭示自己位于这套栈的哪个位置。[CE001, CE002, CE003, CE021, CE030, CE034]

5.2 参考架构与具身模型栈

2025–2026 年具身 AI 披露中最清晰的技术模式，是高层推理与低层控制分层。Figure 的 Helix 把较慢的推理 VLM 与快速视觉运动控制器分开。DeepMind 的 Gemini Robotics 1.5 把具身推理模型与 VLA 执行器配对。Physical Intelligence 的 π0 使用预训练 VLM，加上在广泛机器人数据上训练的 flow-matching 行动头。NVIDIA 的 GR00T 平台再把这种模式变成通用生态供给：基础模型、开放数据、仿真、中间件和部署硬件。这些架构重要，因为它们说明“世界模型”或“具身大脑”在真实出货系统中可能到底意味着什么。 它们也让 Bulage 当前披露缺口更刺眼。如果 Bulage 做的是模型层公司，行业已经期待它回答跨具身迁移、推理延迟、遥操作或模仿数据、仿真和硬件抽象。如果它做的是全栈机器人，期待会进一步扩大到机械操作、电池与热管理、现场可靠性，以及对人安全的运行。早期保持安静本身没有错，但公开资料也没有基础假定 Bulage 已经把这套栈中的任何具体环节做得好过如今已有充分文档的参考组。[CE003, CE004, CE005, CE006, CE007, CE008]

5.3 数据、仿真、安全与依赖

2025–2026 年公开技术语料给出的最醒目教训是：具身智能既是模型问题，也是数据和安全问题。AGIBOT World 2026 通过突出异构真实世界数据、自由式遥操作、全身控制、多模态感知和 1:1 数字孪生，把这一点讲得很直接。NVIDIA Isaac Lab 和 GR00T 则从平台侧做了同样的事，强调可规模化机器人学习工作流和 sim-to-real 迁移。DeepMind 的 Gemini Robotics 1.5 和 π0 都显示，更宽的预训练只有经过大量具身数据适配后才变得有用。UBTECH 的 Thinker 和年报语言展示了类似的中国框架：空间智能、时间理解、世界模型和工业机器人协作，都离不开数据质量与全栈执行。 安全和信任位于这张依赖图之上。NVIDIA Halos 把物理 AI 描述为需要全栈安全 OS、检查制度、标准对齐和外部监控。SCIO 的标准工作和 MERICS 的政策研究说明了这在中国为何重要：机器人正在进入工厂、门店、医院和家庭，可靠性与安全不再是可选附加项。Bulage 目前没有公开展示自己的安全、隐私、质量或支持控制，这是一项产品技术风险，而不只是披露脚注。[CE009, CE010, CE011, CE012, CE018, CE019]

5.4 成熟度、路线图与技术结论

公开成熟度在赛场内并不均匀。Figure、DeepMind、NVIDIA、Physical Intelligence、AGIBOT、UBTECH 和 Unitree 都至少展示了一层可检查内容：产品页、技术报告、数据集发布、仿真框架、开放 repo，或与标准相连的安全材料。其中一些主张可能仍有愿景成分，但它们给尽调留下了可挑战的界面。相比之下，Bulage 几乎没有提供这些东西。没有公开模块图、公开发布里程碑、公开开发者社区，也没有公开集成、可靠性或支持证据。 这并不意味着 Bulage 的策略无效。事实上，行业技术方向说明，如果一家公司能在不同机器人身体和任务之间泛化，同时把推理、安全和集成保持在可管理范围内，OEM 中立具身大脑仍有空间。但这仍是假设，不是已展示产品。因此，技术结论是有条件的：Bulage 的方向与前沿演进一致，但在公开透明度和证明标准上，明显落后于同行已经设定的基线。在公司披露栈选择、合作伙伴、安全控制和若干任务级表现证据前，应把它的产品技术案例视为有前景但未验证。[CE013, CE014, CE024, CE025, CE026, CE027]

5.5 图表

6.1 公开客户界面与证明缺口

Bulage 的公开客户记录实际上仍是空白。官网没有客户页面、案例库、合作伙伴故事、定价或试用流程，也没有部署参考。2026 年 6 月把 Bulage 头条估值立起来的融资报道，也没有填上这个缺口；它描述的是创始人背景和世界模型 / 具身大脑论点，但没有识别出具名客户、试点地点、设计伙伴或付费工作流。也没有买方证言、采购线索或用户引语，能说明 Bulage 已经改善任何生产任务。这意味着客户尽调的起点结论是负面但重要的：目前尚无公开证据表明 Bulage 已把技术故事转化为真实买方关系。 这个缺口在 2026 年比一年前更重要，因为参照组已经具体得多。Agility 和 GXO 公开描述从试点到付费部署的路径。BMW 公开报告其 Figure 试点的运行小时数和组件数量。Hyundai 公开列出分阶段 Atlas 部署计划。UBTECH 公开点名多家汽车和制造业客户。AGIBOT 和 KEENON 展示出更清晰的买方分层和商业化界面。Bulage 可能仍太年轻，不适合广泛披露，但投资人不应把这种可能性误认为实际客户证明。[CU001, CU002, CU003, CU004, CU006, CU030]

6.2 同行买方与采用模式

同行证据显示，人形机器人客户形成正分成几条不同路径。一条是工业自动化，物流运营商和汽车 OEM 愿意忍受集成复杂度，换取劳动力替代、安全改善或流程一致性。Agility / GXO、Figure / BMW、Hyundai / Boston Dynamics，以及 UBTECH 的汽车案例都在这个桶里。第二条是服务与酒店场景，KEENON 展示了医疗、休息室和品牌饮品服务场景。第三条是直接销售或开发者式界面，Unitree 和 1X 即便没有完全披露企业留存指标，也让买方定位变得可读。 对 Bulage 来说，这张同行地图有用，因为它揭示了缺失项。没有公开声明说明 Bulage 正追逐仓储运营商、汽车 OEM、零售连锁、医院、机器人 OEM，还是软件授权伙伴。没有已披露渠道策略、生产地域，也没有公开工作流适配证明。换句话说，品类已经开始呈现真实买方形状，而 Bulage 仍主要像一个等待首个可公开检查客户动作的论点。[CU007, CU008, CU011, CU014, CU017, CU023]

6.3 留存、扩张与集中度

整个人形机器人领域的留存证据仍然稀少，Bulage 更是一片空白。已审阅来源没有披露 Bulage 的 NRR、GRR、流失率、续约率、合同期限、扩张收入，甚至没有第一个公开客户 logo。即便是证据更强的同行，公开客户材料仍偏向首次部署公告，而不是长期账户经济性。 Agility 的 GXO 案例值得注意，正是因为它披露了 2023 年底试点后签下多年协议；BMW 的 Figure 披露也值得注意，因为它发布了运营产出，而不是证明长期续约。 UBTECH 具名工厂案例强于多数同行，但即便如此，公开队列耐久度仍弱于部署广度。已审阅来源没有显示 Bulage 在客户现场的上线、培训、支持或服务责任归属。 Bulage 成立时间太短，这会放大客户集中问题。最早一批客户很可能会过度影响融资叙事、背书质量和产品迭代。如果首批账户集中在某个创始人网络、某个 OEM 或某个地区，公司在更广泛买方出现前，可能看起来比真实情况更强。 因此，严谨判断应先要求客户验证里程碑，再为采用买单：具名试点、部署范围、任务频次、正常运行时间、用户责任归属，以及至少一些重复预算或扩张信号。落到执行，就是要材料，不要口号。[CU015, CU016, CU031, CU032, CU036, CU037]

6.4 图表

7.1 按严重度排序的风险图景

Bulage 的风险画像不寻常：几乎所有重大尽调问题都同时悬而未决。公司成立不到一年，公开叙事绑定在雄心勃勃的具身大脑论点上；在展示具名客户、公开安全控制或运营指标之前，报道估值已达数十亿美元。 这并不证明业务弱，但意味着外部证据还无法给下行封顶。真正的投资判断难题，是不确定性叠加：合规负担、算力访问、客户证明和烧钱速度各自重要，又会相互强化。 行业背景让这组风险更难忽视。同行现在披露分阶段工厂部署、工业案例页面、交易级融资，以及越来越正式的合规语境。与此同时，分析师和行业观察者提醒，商业化热度可能跑在持久价值前面。 因此，投资者应把 Bulage 风险章节当成排序练习，而不是泛泛的免责声明列表。严重度最高的风险，是那些会同时伤害商业化、融资和估值叙事的风险：控制面缺失、出口管制与工具链依赖、资金需求强烈，以及证据落后于同行。[CR001, CR002, CR003, CR017, CR023, CR026]

7.2 监管、法律和地缘政治敞口

Bulage 所在的 AI 栈位置，法律和地缘政治敞口可能比收入扩张更快。中国已经围绕数据来源、个人信息、内容处理、透明度和安全评估，监管面向公众的生成式 AI 服务。 欧洲正在落地基于风险分级的 AI Act；系统一旦触及安全、劳动或受监管产品场景，义务就会加重。欧盟和美国的出口管制框架同样重要，因为具身 AI 公司依赖软件、技术协助、芯片和算力基础设施；即便机器人本体在本地制造，这些要素也可能跨司法辖区流动。 这些框架都不说明 Bulage 眼下已被卡住。风险在于，公司公开合规控制面很少，可能只有在尝试大规模销售、境外融资、跨境合作或接入客户运营时，才发现这些义务。 法律先例也有参考价值。专业律所的行业 M&A 材料反复强调机器人交易中的监管审批。这并不是说 Bulage 现在有交易麻烦，而是说明周边行业只是转移资产和伙伴关系，就已经需要法律基础设施。 对一家有前沿 AI 野心的上海创业公司来说，这是实打实的提醒：跨境增长可能比种子轮叙事暗示的更慢，也更贵。[CR004, CR005, CR006, CR007, CR009, CR010]

7.3 运营、商业和人才风险

运营层面，最大挑战是 Bulage 还没有发布足以让投资者判断公司类型的材料：它究竟是模型层公司、机器人产品公司，还是重集成的部署业务。 公开可靠性记录、公开安全论证、公开质量看板、隐私姿态和公开伙伴图谱都不存在。也就无法区分可管理的早期不透明和真正的控制缺口。商业侧又放大了问题。 证据更充分的同行显示，即便成功部署，仍然是分阶段、烧资本、服务强度高。UBTECH 的公开业绩仍在亏损。Agility 即便有订单，也需要巨额融资。Figure 和 Hyundai 说明，工业落地需要时间。 AGIBOT 和 UBTECH 还说明，竞争压力现在不只来自产品 demo，还来自公开部署证据。 人才风险同样重要。Bulage 的公开身份仍集中在 Lin Junyang 和创始人故事上。公司如果不披露运营、合规、制造、销售和客户成功梯队，商业化复杂度上升时，就可能过度依赖一个小核心团队。 年轻机器人公司最先遇到的隐性瓶颈，往往就是执行深度。[CR018, CR019, CR020, CR021, CR022, CR024]

7.4 缓释因素、监控和止损标准

明显的缓释因素也存在。Bulage 拿到了规模很大的种子轮弹药，站上及时的市场主题，创始人叙事也足够强，能快速吸引顶级资本。 更大的行业也在验证几件事：具身 AI 确实有客户，工厂可以成为标杆现场，标准工作正在成熟。这些都是实打实的正面因素。但它们还不是 Bulage 自身的缓释因素，因为公司还没有展示自己真正掌握哪些控制、客户或工作流。 现阶段的缓释故事，更像期权价值，而不是已验证的流程纪律。 因此，监控负担必须说清楚。投资者应要求具名客户证明、合规负责人和路线图、算力与工具链依赖的清晰说明，以及一些公开或私下的安全与可靠性证据。 如果这些材料迟迟不出现，正确反应不是无限期等市场继续兴奋，而是用严得多的标准重做估值判断。下面的止损标准不是泛泛的谨慎信号；它们是让 Bulage 继续处在可投区间的最低里程碑。[CR003, CR017, CR023, CR026, CR032, CR035]

7.5 图表

8.1 价格与证据

Bulage 报道中的约 $2B 估值，只能理解为给期权价值定价，而不是给已披露运营证据定价。公开来源仍没有说明收入、具名客户、产品架构、任务级部署指标，或重复使用的可靠证据。 它们能确认的是创始人履历、大额种子轮、诱人的市场主题，以及一个投资者仍在竞相下注人形机器人和具身 AI 叙事的赛道。这组要素可以产生真实价值，但也意味着当前价格更多由可能性支撑，而不是可验证牵引力。 这个区别很重要，因为同行数据现在设下了比一年前更高的门槛。Figure 把估值与 BMW 和 Helix 绑定。Agility 把估值与订单和客户数量绑定。 Apptronik 把大额融资与 Mercedes-Benz、GXO、Jabil 以及生产型机器人叙事绑定。UBTECH 和 AGIBOT 说明，中国同行至少愿意发布收入、出货或部署信号。 按这个标准看，Bulage 的账面估值并非离谱，但它显然跑在了公开证据曲线前面。[CV001, CV002, CV003, CV005, CV006, CV007]

8.2 可比公司组及其含义

最相关的直接估值参照，是私有人形机器人融资轮和交易估值锚点，而不是成熟工业上市公司。Figure 和 Agility 有参考意义，因为它们在野心和市场热度上足够接近，能说明投资者愿意为 AI 叙事、机器人叙事和客户证明的组合支付多少。 Apptronik 有参考意义，因为它显示，一旦真实企业关系可见，战略资本可以进入到什么规模。1X 是有用的低证据可比对象，尽管它的家庭场景角度不同。 这些可比对象说明，私募资本仍愿意在盈利前为巨大上行提供资金。 上市公司组的价值在另一个层面。ABB、Rockwell、FANUC、Teradyne 和 Intuitive 展示了机器人或自动化公司达到持久收入、装机基础、监管披露和投资者报告深度之后，估值可以长成什么样。 因此，这些公司是天花板参照，不是入场价格辩护。若只指向 $40-180B 的上市市值、却不承认这些数字下面压着几十年的证据，就无法为 Bulage 当前估值辩护。[CV005, CV006, CV007, CV008, CV009, CV013]

8.3 情景分析和预期价值

Bulage 这个阶段，基于里程碑的情景模型比收入倍数模型更站得住脚，因为公开收入仍未知。乐观情形下，Bulage 证明具身大脑论点能跨机器人本体运行，拿下至少一个高质量工业锚点，并开始像一个值得向上重估的中国本土模型层或部署平台。 基准情形下，公司用种子资本建立技术可信度和早期试点，但在商业杠杆清晰前仍需要更多资本。悲观情形下，客户证明仍薄，竞争和热度压缩削弱投资者胃口，下一轮融资按更低实际估值发生。 在这个框架下，当前报道估值仍显得要求很高。最关键的敏感项是具名客户证明、重复预算证据，以及合规或算力依赖不会拖慢商业化的证据。 这些事实一旦出现，支撑区间可以很快上移。但在它们出现前，预期价值逻辑更该服务于保护下行，而不是追逐上行。[CV023, CV024, CV025, CV026, CV027, CV028]

8.4 建议和最后尽调问题

证据支持的建议是继续研究。若要给出买入判断，要么入场价格显著更低，要么当前价格下证据显著更强。Bulage 完全可能变得重要；问题是公开尽调还无法判断，公司只是前景诱人，还是已经开始复利增长。 因此，建议质量必须对价格敏感。估值更低时，同一组证据或许足以支持投机性跟踪。按当前报道价格，更干净的立场是：估值偏紧、信心中等、风险高。 要改变这个判断，需要补的工作也很清楚。投资者需要具名客户或伙伴部署、任务级运营指标、产品范围清晰度，以及后续资本究竟是可选项还是必然项的判断。 这些不是细枝末节的缺口，而是世界模型故事与可投投资论证之间缺失的桥。在 Bulage 搭起这座桥之前，最聪明的姿态是有纪律的好奇，而不是确信。[CV031, CV032, CV033, CV034, CV039, CV040]

8.5 图表