Galaxy Bot

1.1 身份、品牌与运营版图

Galaxy Bot 看起来与如今公开以 Galbot 品牌示人的公司是同一业务；部分英文来源也称其为 Galaxy General Robot。相较摘要数据库，尽调中最重要的修正是官网：当前官方入口指向 galbot.com，而不是提示中给出的、看起来偏旧的 galaxybot.ai。官网称公司是具身 AI 与通用机器人开发商，并展示商业零售、工业制造和医疗应用。Baidu Encyclopedia 汇总的工商登记式信息显示，法律实体为 Beijing Galbot Co., Ltd. / Beijing Galaxy General Robot Joint Stock Co., Ltd.，地址在北京市海淀区，成立于 2023 年 5 月 19 日。这与独立报道相互印证：公司在 2025 年 6 月完成 CATL 领投融资时，多次被称为一家约两岁的北京创业公司。 相比稀疏的渲染 HTML，官方 Web 应用包透露了更多信息。它显示 Galbot 在北京、深圳、苏州、香港设有研发中心，并与 Peking University、Xuanwu Hospital、Beijing Zhongguancun College 建立了联合实验室或研究中心。这些细节很关键，因为公司不只是一个纯概念阶段的人形机器人创业公司，更像一个研究商业化平台，试图同时搭建模型和部署渠道。同一批官方资料把商业与零售用例描述为精准拣选、配送、库存管理和补货，与 Crunchbase 对“用于库存、补货和包装的人形机器人”的描述相吻合。 身份层面缺失的信息同样重要。本次审阅没有找到任何公开一手来源披露经审计财务、准确员工数或权威董事会名单。公司显然希望外界把它当作广义具身智能平台，而不是单一门店零售机器人供应商；但在有更充分的独立披露之前，投资者应谨慎看待规模说法，尤其是活跃机器人数量、已上线站点数量，以及现有安装究竟是试点、付费生产部署还是展示环境。[CO001, CO002, CO003, CO004, CO007, CO008]

1.2 创始人、管理层与治理

公开创始人证据最强地指向一个双人运营核心：He Wang 负责研究和模型侧，Yao Tengzhou 负责商业化和机器人产业侧。Peking University 的教师主页确认，He Wang 是 CFCS 预聘制助理教授，2021 年获 Stanford 博士学位、师从 Leonidas Guibas，并担任 PKU-Galbot 具身 AI 联合实验室主任。Galbot 官网嵌入的团队内容同样把他呈现为公司背后的标志性科学人物。这让 Galaxy Bot 在具身 AI 创业公司中拥有异常强的创始人—市场匹配：首席技术创始人是仍在一线研究的学者，具备深厚的 3D 视觉、机器人学习和抓取履历，而不是从相邻软件市场转入的纯运营者。 Baidu Encyclopedia 的公司和创始人条目补上了运营侧人物。条目称 Yao Tengzhou 为联合创始人和法定代表人，描述其毕业于 Beihang 机器人研究所，并曾在 ABB 上海机器人研发中心工作。这个背景与公司的商业命题一致：把前沿机器人学习研究，与务实的硬件设计、制造和部署经验拼在一起。Baidu 还称 Guo Xiaoliang 为董事长，说明公司在扩张并于 2025 年底完成股份制改革后，治理正式化程度可能已超出两位创始人的小核心。 不过，以机构投资者标准看，治理透明度仍偏薄。审阅来源没有提供清晰的公开董事名单、投票结构或投资人权利摘要。这对当前阶段的中国民营机器人公司并不罕见，但会提高尽调对管理层访谈的依赖。后续投资人会议应要求公司提供当前股权结构、董事会构成、保留事项，以及 CATL、Puquan Capital、Meituan、Bosch 关联实体或国资基金是否持有可能影响战略、采购或退出时点的特殊治理权。[CO004, CO005, CO010, CO011, CO012, CO013]

1.3 资本结构与战略支持方

公开融资证据在 2025 年 6 月这一轮最扎实。Crunchbase 的独角兽榜单文章称 Galaxy Bot 获 Contemporary Amperex Technology 领投 $153 million，估值 $1 billion。独立机器人和行业媒体随后补充轮次细节：The Robot Report、Ofweek、Exportsemi、Robotics & Automation News 均称公司完成 RMB 1.1 billion 融资，由 CATL 和 Puquan Capital 领投，China Development Bank 的科技基金、Beijing Robot Industry Fund 以及其他中国风险投资人参与。合在一起，这些来源足以支撑一个高置信结论：Galaxy Bot 在 2025 年中越过独角兽门槛，CATL 是关键战略支持方。 这个投资人组合的战略价值至少与估值标题同等重要。CATL 不只是财务出资方；到 2026 年 6 月，独立媒体 CNEVPost 和 Gasgoo 报道称，双方签署战略合作协议，Galbot S1 机器人已进入 CATL 生产线。Bosch 关联资本是第二个值得关注的锚点。GlobeNewswire 和多家机器人媒体报道，Boyuan Capital、Bosch China 与 Galbot 设立合资公司并签署 MOU，重点面向工业制造应用。这让 Galaxy Bot 获得两条特权商业化走廊：EV 电池制造和高精度工业自动化。 在此之上，还有一个更激进、但置信度更低的增长故事。2025 年 12 月，Galbot 通过 PR Newswire 发布新闻稿，称完成超过 $300 million 融资、估值达到 $3 billion；The Robot Report 也复述了这些公司说法。由于这次后续估值跃升高度依赖公司端披露，而非广泛独立佐证，本章把 2025 年 6 月 CATL 领投轮和 $1 billion 估值作为最清洁、外部锚定的资本事实，同时将之后的 $3 billion 数字标记为可信但尚未达到尽调级。[CO014, CO015, CO016, CO017, CO018, CO019]

1.4 里程碑、规模信号与未解问题

对一家 2023 年成立的公司来说，Galaxy Bot 的运营推进异常快。Baidu 的公司年表指向一连串节点：2023 年天使融资，2024 年 Peking University 联合实验室和第一代机器人发布，2025 年 1 月 GraspVLA，2025 年 3 月智能零售方案，2025 年 6 月 Bosch 关联 JV，2026 年 6 月 CATL 战略生产线合作。The Robot Report 2025 年中的报道把 G1 描述为轮式双臂移动操作机器人，用于自动化库存、补货、配送和包装；当时已在北京近 10 家门店部署，并计划年内覆盖全国 100 家门店。后续与公司有关的报道进一步推高了规模说法，称 Galbot Store 覆盖 30 多个城市，公司已拿到数千台订单。 技术叙事足以解释投资人热情。ArXiv 论文显示 GraspVLA 和 TrackVLA 是真实发表的技术项目，NVIDIA 也记录 DexGraspNet 是 Galbot 构建的大型仿真灵巧抓取数据集。这支持一个判断：公司不只是集成现成机器人硬件，而是在尝试搭建一套自有具身模型栈，覆盖抓取、追踪和零售任务执行。这种差异化很重要，因为不少人形机器人竞争者仍依赖吸睛演示，而不是面向特定领域的任务学习。 即便如此，最审慎的概览仍应以谨慎收尾。KR Asia、MERICS 以及 U.S.-China Economic and Security Review Commission 都强调同一个宏观风险：商业化仍早、成本仍高、精度和自主性仍有限，投资者也越来越担心人形机器人估值跑在收入之前。就 Galaxy Bot 而言，收入、毛利率、烧钱速度、准确员工数、客户集中度，乃至试点转为生产部署的比例，都没有公开证据。这些缺口不否定公司的技术动能，但也意味着，叙事中最有吸引力的部分在能力层面比在成熟财务层面更有证据。[CO018, CO020, CO021, CO022, CO023, CO024]

1.5 图表

2.1 市场边界与现状替代方案

Galaxy Bot 的正确市场框架应窄于“所有人形机器人”，又宽于“门店里的机器人”。Galbot 声称要完成的任务——库存盘点、补货、拣选、配送和包装——触及三个已经存在的自动化池：零售自动化、服务机器人和仓储 / 物流机器人。中国 2024 年社会消费品零售总额达到 48.79 trillion yuan，其中实物商品网上零售额为 13.08 trillion yuan，占总额 26.8%。这很关键，因为零售商决定是否自动化门店劳动力时，不只是把 Galaxy Bot 与人工员工对比；它还会与自助结账、智能购物车、电子价签、条码 / RFID 流程、自主移动机器人，甚至向电商履约迁移的渠道方案对比。换句话说，相关预算分散在门店运营、IT、设施和供应链自动化里，而不是一个清晰的“人形机器人”科目。 相邻市场数据强化了这一点。仅中国自助结账市场，2024 年规模就估算约 $330 million，2035 年将达 $1.3 billion；全球仓储机器人已经是数十亿美元级品类，全球服务机器人规模更大。这些市场用更低的技术野心解决同一运营问题的一部分。想加快结账、减少前端收银员的食品杂货商，可以安装自助结账或智能购物车。想做重复搬运和配送的零售商或药房，可以用轮式服务机器人。3PL 或电商仓库可以投 AMR、AGV 或拣选系统。只有当移动操作机器人或人形形态在受限物理环境中的多任务表现明显优于这些替代品时，Galaxy Bot 才能赢。 这种边界逻辑会影响估值。公司可以引用万亿美元级人形机器人预测，但如果近端客户预算要与便宜得多的点状方案竞争，实际可服务市场就是零售和履约劳动力支出的过滤子集。因此，本章把零售自动化、自助结账、服务机器人、仓储机器人和电商替代，一并纳入同一条买方决策树。[CM001, CM002, CM003, CM004, CM005, CM006]

2.2 市场测算口径与估计分散

人形机器人市场测算异常不稳定，因为分析师常常在量不同的东西：有人只统计硬件收入，有人把软件和服务也纳入，还有人建模的是长期劳动力替代，而不是近端销售。Morgan Stanley 的长期观点最乐观之一：预计到 2050 年全球将有近 1 billion 台人形机器人，约 90% 用于工业或商业场景，仅中国潜在在用量就可达 302.3 million 台。Goldman Sachs 也乐观，但仍有条件：一份被引用的报告称，10 到 15 年内市场至少 $6 billion；如果产品设计、可负担性和公众接受度障碍被克服，2035 年蓝天情景可达 $154 billion。相较之下，Interact Analysis 认为，尽管理论可寻址市场有 $2 trillion，实际全球人形机器人出货到 2032 年可能只有约 40,000 台、约 $2 billion 收入。 中国特定估计同样不清爽。一家市场研究来源称，中国人形机器人市场将从 2025 年约 $173.5 million 增至 2034 年 $1.69 billion；另一家称其 2024 年为 $205 million，到 2032 年接近 $5.93 billion；China Daily 引用会议估算称，2024 年为 2.76 billion yuan，到 2029 年达 75 billion yuan。差距太大，不能机械求平均。真正的洞见恰恰是分散本身：市场足够真实，能吸引资本和政策关注，但方法论仍不成熟，且高度依赖假设。 做尽调时，更可信的办法是把自上而下 TAM 口径，与已经存在的近邻市场配对——仓储机器人、服务机器人、自助结账和零售自动化——再进一步收窄到移动操作机器人能创造增量 ROI 的预算子集。因此，一个干净的章节应保留相互矛盾的估计，而不是把它们抹平，因为分歧正是当下市场的核心特征。[CM006, CM008, CM009, CM012, CM013, CM014]

2.3 买方、预算所有者与采用路径

Galbot 的买方分层最好按工作流理解，而不是按机器人分类。大卖场和超市关心上架准确率、门店劳动生产率、结账吞吐和损耗管理。便利店和药房关心 24/7 轻人力运营、补货，以及小面积场地里的服务速度。餐饮和酒店经营者更在意重复配送和服务支撑，而不是拟人能力。仓库和 3PL 关心能否安全、低成本地移动商品、周转箱和纸箱。工业制造商关心结构化重复任务，因为这些场景机器人利用率高、流程环境可预测。每个细分市场都有不同的使用者、付费方和接受门槛。 市场给出的最重要采用经验是：规模化商业化迄今最先出现在结构化环境里。Agility Robotics 和 GXO 称，双方在试点后签署了首个正式商业人形机器人部署和首个 RaaS 人形机器人协议，Digit 在真实物流作业中搬运周转箱。China Daily 的行业报道从中国侧给出同样判断：工业制造被视为首个主要人形机器人应用领域，因为其标准化程度高，也更容易约束环境。这对 Galbot 是有意义的信号。虽然公司的零售故事有吸引力，但更广泛的买方证据仍支持仓库、物流和工业场景，胜过高变化、面向顾客的门店环境。 零售还面临严酷的替代集合。Amazon 从 Fresh 门店撤下 Just Walk Out，转向智能购物车，以保留便利性并让购物者实时看到账单。这很重要，因为它说明，即便资金充足的零售自动化实验，也会在客户信任、经济性或运营透明度崩塌时重新设计。实践中，门店自动化预算可能先流向更简单的方案；人形机器人或移动操作机器人只会留给那些场所：一台设备能替代多套更窄系统，或在药房、小型门店、混合零售履约等难招人的业态里实质降低劳动力。[CM005, CM006, CM007, CM017, CM026, CM029]

2.4 需求驱动、约束与 Galbot 含义

中国显然具备支撑自动化需求的宏观条件。2023 年机器人密度达到每 10,000 名制造业员工 470 台，高于 2022 年的 402 台，位居全球第三，仅次于韩国和新加坡。机器人产业“十四五”规划目标是年收入增速超过 20%，并到 2025 年将工业机器人使用密度翻番。与此同时，中国劳动年龄人口占比 2023 年降至 61.3%，2025 年启动的退休年龄改革将逐步把男性从 60 岁推至 63 岁，女性从 50/55 岁推至 55/58 岁。这些变化不保证人形机器人一定被采用，但确实强化了政策和劳动力背景，支持更多自动化支出。 但市场约束是具体且短期的。Interact Analysis 强调安全、灵巧性、成本和形态不确定性；仓储机器人研究强调前期投资高、维护负担重；服务机器人研究指出隐私、互操作性和标准化问题；劳动力市场研究显示，当员工面临工资或就业压力时，自动化会引发政治和组织阻力。VoxDev 的中国证据尤其重要，因为它把风险讨论从理论拉到可测量的劳动结果：机器人暴露降低了受影响群体的就业概率和工资，同时把劳动者推向再培训或提前退休。 对 Galaxy Bot 而言，市场吸引力不取决于宏观 TAM 话术，而取决于能否在受限用例中证明任务级 ROI。最佳早期切入点，是中国友好的自动化政策环境与严重劳动力压力重叠之处，并且多用途移动操作机器人能做得比自助结账亭、服务机器人或 AMR 更多。最不应过度投入的地方，是宣称所有零售环境都已准备好迎接人形机器人。市场在增长，资本充裕，战略投资人已参与——但商业证明仍必须跑赢热度。[CM010, CM011, CM012, CM013, CM014, CM023]

2.5 图表

3.1 竞争格局与真正重要的玩家

不能只拿几家知名人形机器人品牌来给 Galbot 做基准。真实格局包括：直接的全栈人形机器人同行，汽车支持或上市公司入场者，可能抽象掉硬件差异的模型层竞争者，固定自动化与人工零售或工厂劳动力等替代品，以及能借汽车或电子生态供应链规模切入的潜在进入者。在直接具身 AI 竞争里，AgiBot 和 Unitree 最重要，原因是它们已有中国出货证据；Figure 最重要，原因是资本强度和全球叙事能力；Physical Intelligence 也重要，因为如果通用机器人基础模型能跨硬件迁移，它可能压缩产品差异化。相邻压力来自 XPENG、UBTech、Boston Dynamics 和 1X，各自切入工业、商业或家庭机器人中的不同切片。现实中的现状替代品仍是人工劳动力加任务专用自动化，这让买方审查继续聚焦可靠性和劳动力替代，而不只是人形新奇感。[CP001, CP002, CP004, CP006, CP009, CP012]

3.2 高信号竞争者画像

AgiBot、Unitree、Figure 和 Physical Intelligence 代表四种不同竞争者原型。AgiBot 是最清晰的中国规模同行：它结合了广泛硬件组合、激进生产里程碑，以及一个超越单一机器人本体的 OEM 平台叙事。Unitree 是最清晰的公开价格锚，也是最显眼的低端商业化故事，G1 价格低得多，并拥有广泛国际发货覆盖。Figure 是资本最充裕的风险投资支持基准，把醒目估值与面向劳动力和家庭场景的制造及模型栈叙事绑定在一起。Physical Intelligence 与其说是直接硬件卖方，不如说是模型层风险；它的通用 π0 系列和开源发布，让人更容易想象未来硬件会变得更可替代。XPENG 和 UBTech 是重要的快速跟随者，因为它们带来汽车或公开市场资源；但当前承销压力最大，仍来自中国规模组合以及美国资本 / 模型组合。[CP002, CP003, CP004, CP005, CP006, CP007]

3.3 能力、定价、GTM 与信任对比

能力对比的核心不是原始演示有多吸睛，而是谁能把操作、导航、部署成熟度和企业集成装进同一个方案。Galbot 公开的技术栈异常垂直：它声称自有数据、模型、硬件，以及一组用于抓取、导航和零售工作流的 VLA。AgiBot 和 Figure 最像 Galbot，都试图同时掌握本体和智能层；Unitree 在公开入门价上更透明；Physical Intelligence 作为通用软件抽象最强。GTM 上，Galbot 与 CATL、Mercedes-Benz、Zeekr、医院以及多城市零售版图的具名部署，指向一种由企业客户牵引、依赖标杆账户和政策入口的销售方式，而不是消费者或研究主导漏斗。信任姿态也很关键：尤其在监管和责任框架追上工厂、医院和公共零售空间中的人形机器人使用时，买方会比看重基准测试视频标题更重视具名部署、安全信号和标准对齐。[CP018, CP019, CP020, CP021, CP023, CP024]

3.4 切换成本、锁定与分销不对称

Galbot 的护城河不是经典软件网络效应；它是一组运营捆绑：数据集深度、站点集成、客户工作流调优，以及采购渠道入口。当客户在真实门店、医院或工厂验证部署后，这会创造有意义的切换成本，但并不会让多供应商并行变得不可能。如果人形机器人本体收敛到相似的 VLA 架构和任务 API，客户可能同时测试不止一家供应商，再按可靠性、支持质量和经济性分配任务。因此，分销变得异常重要。Galbot 的国资支持投资人组合，以及与工业龙头的关系，可能提高它进入中国试点项目、建立采购可信度和获得伙伴引荐的能力，这是规模更小、只有风投资本的创业公司很难匹配的。另一方面，不对称也会反过来：XPENG 等拥有汽车或电子供应链的在位者，或其他大型制造商，如果人形机器人品类变得更由规模而非模型驱动，可能在制造杠杆上追平甚至超过 Galbot。[CP021, CP022, CP027, CP033, CP034, CP035]

3.5 护城河耐久度与反向情景

Galbot 的反向情景不是没有竞争者，而是强竞争者太多，且同时存在：它们都有重叠的 VLA 叙事，却都还未完整证明广泛买方愿意付费。外部批评仍很尖锐。TechXplore 引述观察人士称，许多人形机器人仍是表演性大于功能性，真实用例仍很窄。市场领导权说法也很嘈杂：AgiBot 在部分 2025 出货数据集中排名第一，但 Unitree 用自己的出货说法质疑这一领先地位。最后，中国估值基准仍远低于 Figure 等美国同行，这意味着即便部署叙事看似可比，资本市场仍在折价中国人形机器人玩家的耐久度或全球变现能力。最稳妥的判断是：Galbot 在中国本土部署入口和垂直栈所有权上确有近端护城河；但除非它能证明经济性更好、学习循环更快、真实世界利用率高于正奔向同一架构的竞争对手，否则长期护城河耐久度只有中等。[CP029, CP030, CP031, CP032, CP034, CP036]

3.6 图表

4.1 收入模型、定价与确认问题

Galbot 的公开商业故事暗示了几条收入流，尽管公司没有披露完整财务拆分。最显眼的是 G1 平台硬件销售，但这类销售很可能与集成工作、部署配置和支持承诺打包出现，使设备收入与实施服务之间的界线变得模糊。第二条收入流出现在零售和药房运营中，Galbot Store 和药房部署更像运营商或托管服务模式，而不是一次性产品销售。CATL、Mercedes-Benz 以及 Bosch 关联伙伴的工业项目，意味着更大的企业合同和更长验收周期；医疗部署则带来服务质量和可靠性义务，可能让收入确认时点更复杂。同样重要的是缺口：Galbot 没有披露 ASP、合同期限、任何门店经济性是否基于收入分成，以及软件或模型授权是否与硬件分开入账。因此，收入模型在形态上可读，但真实组合和会计处理仍不透明。[CI008, CI009, CI010, CI011, CI012, CI013]

4.2 GTM 方式与销售效率代理指标

Galbot 的 GTM 看起来由企业销售和标杆账户驱动，而不是自助式。公开进展通过具名部署、战略投资人关系，以及工厂、医院和零售环境中的案例式叙事浮现，意味着高接触销售、更长试点，以及比软件式产品驱动增长更复杂的实施。这可以是优势，因为大型工业和医疗客户能创造信任和可复制性；但也意味着销售效率只能从代理指标推断。公开证据显示，Galbot 正围绕劳动力替代或吞吐经济性优化：据称一台机器人能运营 50 平方米门店，并在三年内替代三班人力；医院药房流程则引用 99.5% 处理成功率。这些数据点支持价值创造，但没有披露 CAC、回本周期、留存或扩张。GTM 含义是，Galbot 可能拿下高 ACV 客户，但投资者仍缺少判断获客是否高效、可复制，并且轻资本到足以支撑当前融资规模的指标。[CI010, CI015, CI016, CI017, CI018, CI019]

4.3 成本结构、利润率驱动与资本强度

Galbot 的成本结构几乎肯定比软件投资者直觉上想象的更偏硬件。一次人形机器人部署会嵌入物料清单成本、机电组件、电池、传感器、算力、工厂人工、现场安装和持续服务支持。这意味着毛利率不仅由定价权决定，也由良率、利用率、保修负担和服务效率支配。公开来源没有披露 Galbot 毛利率，但更广泛的物理 AI 和机器人背景显示，其利润率区间很可能远低于纯 SaaS，并取决于制造成熟度。营运资本也是可能的拖累：尤其当企业买方协商按里程碑付款时，机器人和零部件必须先通过库存和部署周期融资，现金才能完全回收。2026 年 3 月融资很可能正是为这些压力供血——制造爬坡、模型开发和现场部署扩张——因此，Galbot 应按资本密集型物理 AI 公司来承销，而不是按轻资产 AI 软件供应商。[CI022, CI023, CI024, CI025, CI026, CI027]

4.4 公开进展真实，但财务披露偏薄

Galbot 的公开进展在运营层面亮眼，在财务层面薄弱。运营侧，来源指向 2025 年底 30 多城零售覆盖、2026 年初 100 多个药房或门店部署、累计数千台工业订单，以及药房流程中非常具体的任务成功率说法。这足以判断 Galbot 不是只停留在实验室的创业公司。但如果没有订单到交付的转化、合同金额、验收时点或服务绑定细节，这些指标都无法干净地转化为已入账收入。公司不披露收入、ARR、EBITDA、毛利率、烧钱速度或客户集中度。即便利用率或劳动力替代叙事很强，仍只是代理指标，不是已确认财务结果。因此，更合适的框架是不对称：部署证据有意义，但收入质量仍未经验证，因为公开章节呈现运营远多于会计。[CI017, CI019, CI020, CI021, CI032, CI033]

4.5 资本充足性与融资依赖

从资本充足性看，Galbot 在民营创业公司标准下很强。融资路径从 2023 年未披露的种子轮和天使轮，升级到 2025 年 6 月 RMB 1.1B 机构轮，再到 2025 年 12 月以 $3B 估值完成超过 $300M 融资，之后 2026 年 3 月 RMB 2.5B 融资把累计已披露资本推至约 $1.15B+。这种资本规模应给予 Galbot 充足空间，在没有迫近融资悬崖的情况下扩张制造、商业部署和模型训练。两个保留项是烧钱速度和融资依赖。烧钱未披露；对于一家研发和现场运营都很重的人形机器人公司，烧钱可能相当可观。融资依赖也不只是数字问题，而是战略问题：国家资本和产业资本已经参与，让 Galbot 看起来比许多创业公司风险更低；但同样的支持也可能把预期锁向国内战略目标。总体看，资本充足性不错，但在现金和烧钱披露前，跑道仍只是估计。[CI001, CI002, CI003, CI004, CI005, CI006]

4.6 财务结论与尽调问题

Galbot 的财务图景结合了强资产负债表代理指标与弱披露质量。看多情景很直接：公司已融到足够多的钱，有能力成为重要玩家；跨多个垂直领域拥有可信部署参考；并且似乎是在战略支持而非资金绝境中，同时投入制造和具身 AI 研发。看空情景同样清楚：投资者仍无法验证收入、毛利率、烧钱速度、回本周期、客户集中度，甚至无法验证硬件、服务和运营商收入之间的拆分。这很关键，因为该品类已经面临真实买方需求质疑，而且与 Figure 等美国同行存在严重估值差距。因此，财务结论是：资本充足性谨慎正面，透明度中性偏负，收入质量尚未解决。核心尽调要求不是再看一次愿景演示，而是一张按日期串起订单、已交付单元和已确认收入的财务桥，并按业务线披露利润率和现金消耗。[CI026, CI030, CI031, CI032, CI033, CI034]

4.7 图表

5.1 以客户工作流定义产品

Galbot 的产品最好理解为具身劳动自动化，而不是通用人形机器人展示。在客户工作流里，G1 替代的是结构化室内环境中的重复拣取—搬运—放置、扫描—分拣—配送和引导服务任务；在这些场景里，触达灵活性和连续在线比富有表现力的双足行走更重要。在药房，工作流是货架扫描、药品识别、取药和交接；在自主便利零售中，是紧凑 50 平方米门店里的补货、订单拣选、无人收银支持和非营业时间运营；在工厂中，是常规搬运、零部件移动，并最终走向精密装配。因此，这台机器人位于移动操作机器人和人形服务工人之间：双臂、躯干升降和大垂直工作空间，让它能操作为人类设计的货架和柜台；轮足底盘则优先保证稳定性和续航。这个框架重要，因为 Galbot 的公开部署强调的是狭窄但经济上可读的工作，而不是无约束家庭自主。[CE001, CE002, CE008, CE026, CE027, CE030]

5.2 硬件平台与运行架构

Galbot 官方资料为 G1 提供了异常具体的硬件边界。平台标准姿态身高 1730 mm，躯干可升降 650 mm，垂直工作空间延伸至 0–2100 mm；710 mm 手臂和约 190 cm 臂展覆盖标准人体腰部上下的货架和柜台。双臂负载列为 5 kg，足以处理药盘、零食袋、瓶装商品和轻型工业零件，而不是重型制造载荷。动力来自 48V 30Ah 锂电池，宣称最长运行 10 小时，并配有 WiFi、Ethernet、USB 和云端集成用于车队监督。最影响部署经济性的设计选择是轮足移动结构：Galbot 看起来在优化稳定室内导航和更长续航，同时通过躯干升降和长臂几何保留人类空间触达能力。6.25 英寸触摸屏提供本地操作员交互，多模态视觉、触觉和深度感知则支撑硬件之上的具身控制栈。一个规格冲突仍在：官方包引用的机身重量约 92.5 kg，而二级评测有时称 85 kg。[CE002, CE003, CE004, CE005, CE006, CE007]

5.3 AI 栈、数据引擎与开发者接口

Galbot 的软件故事围绕垂直化视觉—语言—动作模型展开，而不是单一通用基础模型。GraspVLA 被定位为核心具身抓取模型，基于数十亿次仿真交互训练，并由 DexGraspNet 规模的抓取数据支撑；商业承诺是对未见过的物体和任务实现零样本处理。TrackVLA 把栈延伸到导航和跟随行为：视觉追踪人或物体，接受语音命令，并在目标短暂丢失后重新捕获。GroceryVLA 则把抽象收窄到零售操作，声称可在杂乱门店中处理可变形零食袋、刚性瓶和易碎罐，且无需针对每个 SKU 重新编程。Galbot 把这些模块描述为“脑—小脑—神经控制”架构，把感知、决策和低延迟反馈控制压缩进一条比传统机器人栈更端到端的管线。数据护城河主张建立在超过 100 亿个数据点和 Sim2Real 循环之上，后者高度依赖合成数据生成，据称使用 NVIDIA Isaac Sim，随后用有限真实世界数据微调。公开开发者平台说明确实存在真实集成接口，但公开文档仍比全球领先具身 AI 同行暴露得更少。[CE009, CE010, CE011, CE012, CE013, CE014]

5.4 部署成熟度、可靠性与支持信号

公开部署证据显示，Galbot 已走出实验室演示，但尚未发布能证明工厂级可靠性的车队运营台账。最强的量化证据点来自医疗：北京药房部署的媒体报道引用了 10 多个运营站点、24/7 运行模式和 99.5% 药品处理成功率；零售报道则称一台 G1 能自主运营 50 平方米门店，铺开目标扩至 100 多个药房或门店站点。这些是有用的成熟度信号，因为它们意味着公司已反复集成进有货架、SKU 和员工工作流的真实环境。工业成熟度更有前景，但还未被证明。Bosch 和 UAES 的合资公告显示，流程制造和汽车伙伴已认真看待 Galbot；但公开文件仍未发布产线级吞吐、MTBF、恢复时间或服务人员配比。竞争含义是，Galbot 今天在半结构化室内运营中看起来可信，但 99.9%+ 工业准确率的路线图可信度，仍取决于围绕正常运行时间、异常处理和部署支持工具的私下尽调。[CE019, CE020, CE025, CE026, CE027, CE028]

5.5 差异化、安全、合规与路线图可信度

Galbot 的核心差异化不在某个单点组件，而在整套栈的组合：自有数据、具身基础模型、机器人硬件，以及进入零售、医疗、制造落地场景的通道。与 Peking University、BAAI、Bosch、UAES 的合作强化了一点：Galbot 想搭的是数据和制造飞轮，而不是一次性产品。2025 World Humanoid Robot Games 和药品分拣挑战的第三方验证，也给出一定信号：这套栈能泛化到有基准的任务。不过，安全与合规只被部分去风险。IP54 有用，但只是有限的防尘防水，不等于医疗、工厂或隐私认证的细节。中国 2026 年 3 月人形机器人标准和 2026 年 5 月机器人数字身份 制度会抬高基础合规义务；法律评论也指出，责任、自治和数据处理仍有问题未解。最尖锐的信任缺口是隐私：一篇反向报告明确指出，Galbot 尚未解释药房场景里患者可识别个人身份的健康信息如何得到保护。这个遗漏不推翻产品本身，但也意味着，要进一步打入医疗场景，路线图可信度仍取决于尚未公开的治理和安全披露。[CE021, CE022, CE023, CE024, CE031, CE032]

6.1 客户基座细分与公开足迹

Galbot 的客户版图，与其按经典 SaaS 账户清单理解，不如拆成采购方、使用方和付款方。工业制造里，采购和付款方是 CATL、Bosch 相关实体、BAIC、SAIC、Toyota 提及客户、UAES 等大型企业或战略伙伴；日常使用者是工厂操作员、生产团队和自动化工程师。医疗里，医院或药房运营商买单，药剂师和支持人员使用，直接受益的是患者流程。零售里，Galbot 通过 Galbot Store 和 Galaxy Space Capsule 这类自主便利店形态，部分扮演自己的参考客户，在一些点位既是供应商也是运营者。公开证据显示，所有垂直场景都集中在中国：具名部署、国家支持报道、监管语境和城市级铺开线索都围绕中国展开。这给 Galbot 带来清晰的本土切入口，但也说明，当前客户基座按地域和政策体系看，比垂直清单乍看之下更集中。[CU001, CU002, CU003, CU022, CU024, CU035]

6.2 采用轨迹与部署台账

Galbot 的采用轨迹主要看部署数量，而不是已披露收入或分群指标。最重要商业信号是 2025 年 12 月融资稿：公司称来自以 CATL、Toyota、BAIC Group 为首的工业客户的累计订单达数千台。这个说法足以指向真实需求管线，而不是少数试点；但其中有多少是约束性订单、框架协议或分阶段铺开，公开材料没有拆开。零售方面，公司称截至 2025 年底 Galbot Store 已扩展到 30 多个城市，后续报道又指截至 2026 年 3 月，20 多个城市已有 100 多台设备。医疗方面，北京至少 10 家药房在运行，并提到 99.5% 药品处理成功率和 24/7 运行。仓储还提供了另一个耐久性替代指标，官方融资表述称已稳定全天候运行超过一年。合起来看，这些信号显示公司正从展示性安装走向可重复部署模板；但公开采用情况仍需谨慎解读，因为 Galbot 不披露利用率、单机器人经常性收入，也不披露试点转扩展机队的比例。[CU005, CU011, CU012, CU013, CU015, CU024]

6.3 具名客户证明与证据质量

具名客户证明，在 Galbot 或高可信融资报道明确把客户标识和实际工作流连起来时最强。CATL 是最清晰的工业锚点，因为材料把它同时描述为领投方 和客户，并把工厂日常作业及大额累计订单同这段关系绑定。Xuanwu Hospital 是最清晰的医疗锚点，因为公司公开把患者病房、药房和院内导引纳入该合作范围。BAIC、SAIC、Toyota 是有分量的客户标识，但证据权重不完全相同；它们主要出现在融资或公司画像报道中，作为具名下单或产业协同客户，而不是深度案例。Mercedes-Benz 和 Zeekr 出现在 TechNode 关于本地工厂轮式机器人的报道里，但缺少详细运营记录。Bosch 和 UAES 更适合当作伙伴-客户混合渠道：合资和合作验证了市场需求与工厂入口，但公开材料还不能证明这些主体已经形成常态化机队采购。零售证据比较特殊，因为 Galbot 自营门店既是部署证明，也是部分自营渠道；这能改善运营反馈回路，但用于集中度分析时，不如独立客户标识有力。[CU004, CU006, CU007, CU008, CU009, CU010]

6.4 留存代理指标、扩张路径与渠道动态

Galbot 不公布 NRR、GRR、客户留存、流失率或合同期限数据，所以客户耐久性只能从结构性信号推断。最正面的代理指标是运营连续性：官方材料提到仓储场景 24/7 使用超过一年，药房部署也在继续，这意味着至少有部分客户选择把机器人留在工作流里，而不是试点后撤掉。第二个代理指标是战略绑定。CATL 同时是投资方和客户，很可能加深锁定，因为这段关系横跨资本、信用背书和工厂使用；但同样的紧密度也引入关联方风险。扩张路径看起来通过三类渠道推进：面向标杆工业和医疗账户的企业直销，通过 Bosch 和 UAES 进入制造业的伙伴渠道，以及 Galbot 自营零售形态——先验证自身经济性、收集数据，再把模板向外销售。药房从 10 多个点位走向 100 多个点位的铺开目标，也暗示如果单个工作流验证成立，可以复制到更多地点，就能形成先落地再扩张的打法。缺口仍是商业质量披露：公开信息没有说明续约时间、机队追加销售率、软件绑定率，也没有说明已安装基座中有多少是付费生产环境，多少是补贴式战略铺开。[CU018, CU019, CU026, CU027, CU028, CU029]

6.5 集中度风险与反向信号

客户故事有吸引力，但并未充分去风险。CATL 同时是 Galbot 最具战略性的投资关系，也是最清晰的工业客户锚点；这带来集中度和治理问题，而私营公司的公开记录还无法回答。公开部署也高度中国中心化，使 Galbot 暴露在同一个监管环境、人才生态和人形机器人系统早期采用市场中。独立反向报道让警惕更强：TechXplore 认为人形机器人供给可能跑在真实买方需求之前，因为可用生产场景仍有限；CNBC 也把该赛道描述为投资人热、商业化未成熟。这些批评贴合 Galbot 的证据形态：公开客户标识和铺开数量是真实的，但详细机队经济性、续约情况、第三方验证的生产率结果仍稀少。多个垂直场景和伙伴渠道确实降低了一些单一市场风险，但数千台订单说法，相比 Galbot 融资轮次和制造叙事隐含的规模雄心，仍处早期。简言之，采用动能真实存在，但集中度与商业化质量尚未达到后期工业平台投资人想看到的证明强度。[CU017, CU020, CU021, CU025, CU030, CU031]

7.1 风险概览与排序

Galbot 的风险画像不是被某个致命缺陷主导。公司融资可信、部署可见，也有中国本土市场顺风；但这些正面因素可能掩盖一个事实：人形机器人经济性要变得可持续，许多依赖项必须同时跑通。最严重的风险出现在政策、商业化和集中度交叉处。中国的标准和 数字身份制度最终可能帮到可信供应商，但短期内会形成具体的合规门槛和召回义务。与此同时，公开报道仍显示，赢得买方比造出机器人更难；因此，即便技术演示 表现好，规模假设也可能落空。再叠加 CATL 集中、高硬件资本强度和未披露收入指标，下行情形就不是单点爆雷，而是多项风险累积。[CR001, CR002, CR014, CR020, CR026, CR027]

7.2 监管、法律与安全风险

Galbot 的监管图景格外重要，因为中国政府不只是旁观人形机器人，而是在围绕它们建立可执行框架。2026 年 3 月的国家标准体系和 2026 年 5 月的数字身份制度，让人形机器人更接近受监管的工业产品品类；这利好长期市场发展，但会让准备不足的供应商付出高成本。法律风险也不止合规清单。Hill Dickinson 的分析有说服力，因为它把责任、隐私和问责视为未解问题，即便完全自治还未到来。若机器人伤到工人、误识别人，或在药房/医院误处理敏感数据，责任可能横跨制造商、运营方和软件栈。也就是说，一次重大事故可能同时触发商业观望、监管审查和直接成本。[CR001, CR002, CR003, CR004, CR005, CR006]

7.3 运营可靠性与产品化风险

运营可靠性仍是从亮眼原型叙事到韧性业务之间最大的桥。公开来源支持人形机器人系统正在快速变好，但也显示，买方要看到可重复节省，前面还有很多环节必须成功。工厂部署需要极高准确率和 正常运行时间；具身 AI 的错误不会像仪表盘指标那样悄悄变差，而可能外溢成物理事故。Deloitte 对物理 AI 的警示在这一类风险中比在纯软件里更重要，因为幻觉和感知错误会驱动执行器在人周围移动。电池完整性、触觉传感和网络加固还会叠加更多层。TechXplore 和 Associated Press 的报道同样有价值，因为它们把当前商业瓶颈框定为需求和信任，而不是原始生产速度；这正是那种会在大量资本投入后才显形的风险。[CR013, CR014, CR015, CR016, CR017, CR018]

7.4 伙伴依赖与财务模型风险

公司的最强外部证明点也同时是集中度风险。CATL 给 Galbot 带来有分量的工业背书和融资信号，但也把需求可信度与投资人信心集中到一段关系上。Bosch 相关合作、国资背景资本、NVIDIA 相关工具链，让公司看起来战略连接度高；但一旦条款变化、政治环境转向或平台入口收紧，每条连接也会压缩自由度。财务上，公司仍难以清晰判断投资价值，因为公开证据给出了估值和融资数字，却没有可比的收入、现金消耗或支持经济性披露。这个组合形成一种具体下行情形：如果买方需求比标题式部署集合更窄，Galbot 仍可能显得很突出，却需要按不确定条款继续融资。因此，Galbot $3 billion 估值与 Figure 更高得多的美国同行估值标记之间的差距，应部分理解为风险折价，而不只是可选上行空间。[CR020, CR021, CR022, CR023, CR024, CR025]

7.5 缓释因素、监控重点与尽调问题

Galbot 并非没有防线。全栈架构可以减少产品最战略部分对外部供应商的依赖；国资背景投资人加上工业、零售、医疗场景的参考部署，也比许多更早期人形机器人 初创公司拥有更强地基。监管框架也有有利的双刃剑一面：一旦清晰标准和数字身份工作流被内化，资本更充足的供应商可能受益于小竞争对手无法跨过的门槛。中国之外，治理预期也在变得更正式：NIST 把可信 AI 定义为全组织风险管理纪律，而不是狭义模型调优。但这些缓释因素无法抹掉核心尽调问题。投资人仍需要证明：合规工作流已经可运行，CATL 集中度没有过高，正常运行时间和服务成本能支撑替代人工的叙事，且一次严重现场事故不会演变成召回和融资问题。因此，正确姿态是边跟踪边建立信念，而不是一概怀疑。[CR033, CR034, CR035, CR036, CR037, CR038]

7.6 图表

8.1 融资语境与入场纪律

Galbot 的正确起点是当前融资标记，而不是常规 DCF 测算。公开证据给出强标题：2026 年 3 月以约 $3 billion 估值融资超过 $300 million；更早融资似乎把累计资本推到 $1.15 billion 以上。这足以把 Galbot 视为中国资本最充足的人形机器人公司之一，但不足以说明当前价格明显公允。公开来源仍未披露审计收入、毛利率、现金消耗率，或决定标题式投后估值能否转化为有吸引力普通股入场机会的详细资本结构。这也是为什么入场纪律比品类热度更重要。新投资人应假设，结构、集中度和商业化时点至少和市场规模叙事同等重要。[CV001, CV002, CV003, CV011, CV015, CV030]

8.2 投资论点：Galbot 为什么仍值得关注

Galbot 的乐观论点很有分量。中国正在成为人形机器人制造和出货规模中心；能把软件、硬件和客户入口拼在一起的公司，会自然获得本土优势。Galbot 自身定位与这个机会一致。公司声称拥有全栈具身 AI 架构、大规模专有数据资产和多层模型，而不是只有一台演示机器人。工业、零售、医疗场景的公开部署证据也显示，Galbot 已越过纯原型阶段。再叠加国资背景投资人、高知名度创始人和 CATL 相关工业验证，公司有理由主张自己正在搭建中国企业采用人形机器人的先发通道。若这些要素在未来两到三年转化为可衡量的重复收入，当前估值最终可能比今天看起来更站得住。[CV003, CV004, CV005, CV006, CV007, CV008]

8.3 反方论点：为什么当前价格仍可能过高

反方论点的重点不是人形机器人是否重要，而是投资人是否被要求过早为一个仍不透明的故事买单。Galbot 的 $3 billion 估值没有公开收入或单位经济性披露支撑。正如 TechXplore 报道强调，需求形成仍是品类真实风险；CATL 附近的伙伴集中也意味着，一个耀眼证明点同时是单点脆弱性。合规、责任、网络安全和隐私问题也不抽象；收紧的标准和数字身份系统最终可能帮助强供应商，但首先会提高证明准备度的成本。竞争强度进一步削弱纯溢价论点。Unitree 的定价、AgiBot 的存在、XPENG 的机器人野心，以及 Physical Intelligence 等软件优先平台，都意味着战略稀缺性可能比私募估值标记暗示的更快收窄。以今天的入场点看，这足以让建议保持谨慎。[CV010, CV011, CV012, CV015, CV016, CV017]

8.4 可比组与情景区间

Galbot 的有用估值框架必须是混合型。一端，Figure AI 官方 $39 billion Series C 显示，全球资本市场仍会给被视为品类领导者的公司很高定价。另一端，中国同行和上市公司可比标的显示，定价压力、市场折价和披露差异会迅速压缩这种乐观。因此，情景框架比单点估计更重要。乐观情形假设 Galbot 成为清晰的中国本土工业领导者，收入规模真实、战略可选性大幅更丰富。基准情形假设公司取得实质进展，但仍因集中度、披露和政策风险承受折价。悲观情形假设商业化滑坡，或集中度与监管实质削弱未来融资杠杆。区间很宽，但宽度符合现实：今天的公开证据对方向的支持强于对精度的支持。[CV013, CV014, CV025, CV026, CV027, CV028]

8.5 建议、退出逻辑与最终尽调

本章结论是 research-more。这不是否定 Galbot 的战略位置，而是判断当前公开记录仍留下太多未解问题，无法把 $3 billion 标记称作有吸引力。公司确有优势，包括资本深度、可信的本土市场位置和可见部署；但缺失项恰好是入场质量最关键的部分：审计经济性、资本结构条款、交易对手集中度、出货真实性数据集和详细合规姿态。合理持有期可能是四到六年，因为商业化成熟度和 IPO 准备度 大概率落后于融资故事。建立信念的最佳路径不是更多叙事，而是更窄、更硬的证据。如果审计财务、重复客户扩张和更干净的集中度调整后单位经济性 出现，估值立场可能从偏贵走向公允。在那之前，最终尽调应承担主要工作。[CV029, CV030, CV031, CV036, CV037, CV038]

8.6 图表