Psibot

1.1 身份、总部与商业模式

Psibot 在中文来源中以 Lingchu Intelligence（灵初智能）运营，是一家具身 AI 公司，2024 年 9 月 1 日成立，在北京、上海办公。公司自称是中国具身 AI 赛道的领导者，聚焦通用具身智能、大规模视觉-语言-动作（VLA）模型和灵巧操作算法；其使命是“用 AI 和机器人创造无限生产力”，愿景是“成为智能机器人全球领导者”。VLA 模型把机器人周围的摄像头图像和自然语言指令作为输入，直接输出底层电机指令；传统工业自动化里的感知、规划、控制三套链路被压成一条，机器人因此能在新物体、新工况下泛化，不必按任务重新编程。 商业假设不是硬件竞赛，而是平台玩法。Psibot 把 Psi 系列模型——智能“大脑”——授权给第三方机器人开发商，销售自研人手数据采集系统（Psi-SynEngine 外骨骼手套），并提供仿真和训练数据服务。管理层称其为“小全栈”：Psibot 掌控高价值设计要素（系统架构、自由度、运动范围和模型），组件生产与制造交给专业供应商。公司押注具身 AI 最可防守的位置不在机器人本体，而在软件大脑和背后的私有数据飞轮；无论最终哪种硬件形态胜出，Psibot 的智能层和灵巧操作数据集都能随整个行业增值。[CO001, CO002, CO003, CO004, CO005, CO006]

1.2 创始人、领导层与关键人物依赖

Psibot 由创始人兼 CEO Viktor Wang 博士（中文名 Wang Qibin / 王启斌）领导。他拥有 George Washington University 博士学位，具备约二十年硬件和商业化经验，曾任 JD.com 机器人业务总裁、Yunji Technology 产品副总裁，更早曾在 BlackBerry 任职。技术班底是公司的标志性资产：联合创始人、工程负责人 Xiaojie Chai 博士在 Alibaba 和 Tencent 的机器人及自动驾驶项目中积累十五年以上经验，并主导过 L4 自动驾驶落地；首席科学家 Yaodong Yang 教授是 Peking University Institute for Artificial Intelligence 助理院长、Boya Scholar，也是在 UCL 受训的强化学习研究者，曾赢得 NeurIPS 2022 具身灵巧操作挑战赛，并牵头 PKU-PsiBot Joint Lab；联合创始人 Yuanpei Chen 是一名 Z 世代研究员，曾在 Stanford 跟随 Karen Liu 和 Fei-Fei Li 做访问学者，并称自己率先用强化学习在真实世界控制双臂多技能操作。 科学人才高度集中——Psibot 将自己包装为“科学家密度最高的具身 AI 公司”——也是最尖锐的治理风险。投资逻辑很大程度压在少数具名个人身上：CEO 的商业化履历、首席科学家的学术背书和 PKU 实验室，以及 Chen 的控制模型研究。公开来源未披露董事会构成、股权分配和正式治理安排，也看不到独立董事会或创始科学家之外的职业管理层厚度；关键人物依赖因此集中，学术创始人的留任成为实质尽调问题。[CO007, CO008, CO009, CO010, CO011, CO012]

1.3 融资历史、投资人与估值

Psibot 在不到两年里走完了一整段早期融资曲线。公司在 2024 年 11 月完成天使轮，由 GL Ventures（Hillhouse）和 Lanchi Ventures 领投，China Development Bank Capital、Guozhong Capital、CCTV Media Convergence Industrial Investment Fund 等国家队资本参与。约 2026 年 3 月 10 日，公司在一份联合公告中披露，天使轮和 Pre-A 轮合计达到 ¥2B（约 US$280M）；公告刻意卡在中国“两会”政治窗口期。Pre-A 由上海国资 Xuhui Capital 领投，Liangxi Sci-Tech Innovation Phase II Mother Fund（Bohua Capital 管理）、Xi Venture Capital、Pufeng Capital 和 Timing Capital 参与，多家老股东追加投资。 2026 年 7 月 23 日，Bloomberg 报道称 Psibot 接近完成新一轮近 US$100M 融资，投后估值约 US$1.48B，由车企 Chery Automobile 领投，Apple 和 Tesla 供应商、精密玻璃及传感器厂商 Lens Technology 参与。消息人士称该轮尚未交割；若完成，公司自成立以来累计融资约 US$300M，并跻身中国最新一批具身 AI 独角兽。投资人组合战略浓度很高：早期是国资产业基金，随后引入汽车和制造供应链资本，呼应中国把 AI 推向“实体经济”的大方向。2024 年至 2026 年初的轮次没有披露定价估值，US$1.48B 数字来自 Bloomberg 报道而非公司确认；因此轮次状态和估值都应按“已报道、未交割”事实处理。[CO014, CO015, CO016, CO017, CO018, CO019]

1.4 封面指标、规模与披露画像

Psibot 可核验的封面指标几乎全是资本和团队信号，经营指标没有披露。截至报告日能够确认的是：公司成立于 2024 年 9 月；据报道估值 US$1.48B；累计融资约 US$300M；2026 年 7 月由 Chery 领投近 US$100M 轮次；产品节奏从 Psi R0（2024 年 12 月）推进到 Psi R1（2025 年 5 月），再到 Psi-R2 和 Psi-W0（2026 年 4 月）。相反，收入、收入运行率、毛利率、烧钱速度、员工数和硬客户数量，在任何留存公开来源中都未披露；公司自己也没有给早期轮次挂估值。 这使 Psibot 成为一家私有且披露不足的公司，目前只能用代理指标而非财务数据推断规模：投资人阵容的规模和战略质量，2026 年采集 100 万小时操作数据、打造中国最大灵巧手数据集的目标，从 100,000 小时储备中开源 1,000 小时，以及大型物流供应商和主要光纤光缆制造商的具名试点。每个缺乏支撑的封面指标都作为明确证据缺口保留，并配上具体尽调路径（经审计财务、HR 认证员工数、已签约客户名单）；因为仅 2026 年中国就诞生了二十多家具身 AI 独角兽，要区分真实牵引力和资本驱动的热度，必须拿到公司尚未释放的经营数据。[CO001, CO017, CO021, CO022, CO023, CO024]

1.5 里程碑与发展轨迹

Psibot 有记录的时间线不到两年，但在成立、产品、融资和商业化四条线上密度异常高。公司于 2024 年 9 月 1 日成立；2024 年 12 月 30 日发布首个端到端强化学习具身模型 Psi R0；2025 年 1 月开始与关键客户推进概念验证和签约；2025 年 3 月发布 Psi R0.5；2025 年 4 月推出 Psibot V1 和 Psibot H1 硬件平台；2025 年 5 月发布旗舰 Psi R1，并用机器人连续自主打麻将超过 30 分钟，展示其定义的 L3（自主、长时程）灵巧操作能力。 融资和规模里程碑随后提速：2024 年 11 月天使轮；2026 年 3 月披露天使轮 / Pre-A 合计 ¥2B；2026 年 4 月 10 日发布用人类数据预训练的 Psi-R2 和 Psi-W0 模型（并开源 1,000 小时多模态手部操作数据）；2026 年 7 月 23 日报道 Chery 领投近 US$100M 轮次，估值 US$1.48B。部分产品节点只在公司材料中精确到月份，2026 年 7 月轮次也仍是接近交割而非已完成；时间线保留这些限定，而不是抹平。留存公开来源中没有负面或治理事件（诉讼、高管流失、召回）——这符合一家极年轻私有公司的特征，但也更像披露有限，而非经审计记录完全干净。[CO001, CO014, CO016, CO027, CO028, CO029]

1.6 要点

2.1 市场边界、替代方案与相邻赛道

Psibot 的市场是具身 AI 的“大脑”层：公司授权 Psi 系列 VLA 加强化学习模型，销售自研人手数据采集系统，并提供仿真和训练数据服务，而不是制造机器人本体。纳入范围的支出因此是模型授权、数据和仿真服务、数据采集硬件；排除范围是 Psibot 外包、或授权客户自建的机器人底盘、执行器和整机装配。这个边界很关键，因为它把 Psibot 的可服务市场从自身出货量中拆出来：作为平台，公司机会随下游采用其智能层的机器人总装机基数放大，而不取决于 Psibot 自己卖出多少台机器。 Psibot 要替代的现状方案，是固定可编程自动化和 AGV/AMR 车队——它们速度快，但遇到新物体就不能无重新编程泛化——以及承担分拣、拣选和灵巧搬运的人力。相邻市场包括人形机器人（通用大脑的主要硬件载体）、仓储机器人（分拣是最近的商业应用）、物流机器人和更广义的工业机器人。由于不同机构对这些池子的定义不同——人形机器人、仓储机器人、物流机器人、“具身智能”——其头部总量彼此重叠，不能直接相加；下一节所有规模测算都受这个前提约束。[CM001, CM002, CM003, CM027, CM032, CM038]

2.2 多视角市场测算

没有单一数字能概括 Psibot 的市场，因此用五个独立视角框定。第一，人形机器人：Global Market Insights 估算 2025 年全球市场约 US$7.9B，并预测从 2026 年 US$10.9B 增至 2031 年 US$54.2B、2035 年 US$192.7B，CAGR 37.6%；Research and Markets 同样将其定义为早期、指数级增长市场。第二，仓储机器人：Fortune Business Insights 估算 2025 年为 US$6.51B，并从 2026 年 US$7.35B 增至 2034 年 US$25.41B（CAGR 16.8%），Asia-Pacific 占 51.7%。第三，物流机器人：Global Market Insights 给出 2025 年 US$17.8B，并从 2026 年 US$20.7B 增至 2035 年 US$91.4B。第四，广义仓库自动化：Grand View Research 估算 2023 年 US$19.23B，2030 年达到 US$59.52B。 第五，也是地理上最贴近 Psibot 的视角，是中国：36Kr Research Institute 估算中国具身智能产业从 2018 年 ¥213.3B 增至 2025 年 ¥915B，并在 2026 年超过 ¥1T；Morgan Stanley 预测 2026 年中国人形机器人出货约 50,000 台（较 28,000 台增长约 79%），2030 年达 446,000 台，中国市场从 2026 年约 US$2B 增至 2030 年约 US$15B。销量印证很强：IDC 报告称 2025 年全球人形机器人出货超过 18,000 台，中国厂商贡献约 90% 单位量，并预计 2030 年出货超过 510,000 台，CAGR 约 95%。TrendForce 还预计中国人形机器人产量在 2026 年增长约 94%。这些视角方向一致、量级分歧明显，因此 2026 年人形机器人 TAM 在全球范围内更现实地落在 US$6B–11B 区间，长期数字仍偏投机。[CM004, CM005, CM006, CM007, CM008, CM009]

2.3 买方、用户、付费方与采用路径

Psibot 服务两条买方渠道，付费方不同。授权渠道里，买方是嵌入 Psi 大脑的机器人 OEM 或开发商，“用户”是机器人自己的控制栈，付费方是 OEM 的研发预算。直连企业渠道里，买方是物流运营商或制造商，用户是仓库和产线操作员，付费方是企业资本开支；在中国，越来越多还来自国企和政府采购。物流和电商是领先买方垂直——Fortune Business Insights 预计电商在 2026 年约占仓储机器人市场 47%——这与 Psibot 披露的分拣试点吻合。在中国，指令性产业政策把预算权推向承担政策试点的国企和政府实体。 采用路径从实验室演示走向小规模试点，再到场景验证，最后才是多站点规模化部署。到 2026 年，行业仍集中在试点和验证阶段：IDC 报告称，2025 年超过 85% 的人形机器人部署用于表演、教育、数据采集和导览，而非生产工作，制造和物流只有早期试点。Psibot 自身商业化信号——一家中国大型物流客户的仓库分拣项目，以及一家领先光纤光缆制造商的测试——也处在试点阶段，且二者都不是已确认的大规模付费客户；因此买方地图更多描述意图和结构，而不是已验证收入。[CM014, CM015, CM016, CM028, CM033, CM037]

2.4 增长驱动与采用约束

最强需求驱动来自中国产业政策。第十五个五年规划（2026–2030）把具身智能提升为与量子、生物制造并列的国家战略支柱，配套国家投资、采购要求和 MIIT/SASAC 部署目标；国家标准自 2026 年初开始发布，MIIT 也把 2025 年定义为中国“人形机器人量产元年”。人口老龄化和结构性劳动力短缺带来持久替代需求，供应链本土化则让中国整机成本接近可比海外产品的 50%，改善采用经济性。资本本身也是驱动：2025 年前十一个月，中国具身智能融资达到 ¥33.5B（约为上一年同期四倍），全年超过 ¥38B、305 笔交易；这股动能延续到 2026 年上半年的密集融资潮。 约束同样具体。MERICS 认为中国人形机器人仍缺精度和灵巧度，现场专用试验成本高，成本至少还要砍半，并且 VLA 突破仍依赖美国研究。精密部件——高精度滚珠丝杠、齿轮和先进传感器——仍有部分进口依赖，这是供应和成本风险，也正是政策明确要攻克的方向。高单机成本、可靠性上限，以及灵巧操作周围的安全和保险壁垒，使大多数部署仍停在受控试点。独立分析更直白：真正用于生产的工业收入只占人形机器人销售约 3–5%，其余来自研究、展厅和尝鲜买家——这是收入质量警告，直接给行业头部增长打了折扣。[CM017, CM018, CM019, CM020, CM021, CM022]

2.5 规模测算缺口与相互冲突的预测

规模测算留下了尽调必须补齐的重大缺口。第一，没有公开来源拆出 Psibot 专属的可服务可得市场（SAM）或可获得市场（SOM）；其服务市场只能被推断为人形机器人、仓储机器人和物流机器人 TAM 中的一块授权与数据切片，而 Psibot 没有披露收入、抽成率或授权单位数来锚定这块切片。第二，头部 TAM 不能相加：人形机器人、仓储机器人、物流机器人和“具身智能”在不同机构口径下定义不同且彼此重叠，相加会高估机会。 第三，预测离散度极高。独立分析指出，2030 年人形机器人市场预测相差约四倍——从约 US$4B 到超过 US$15B——并把这个差距解读为投机热度，而非稳定共识；同一批评也认为，行业里被报道的独角兽估值可能跑在真实部署和收入前面。第四，全球仓库自动化渗透率仍低，意味着巨大空间，也意味着短期转化尚未验证。这些矛盾被保留下来，而不是被调和：市场确实很大、增长很快，但真正能测算 Psibot 钱包份额的数字——SAM、SOM、抽成率和已确认客户数——仍是后续估值最敏感的开放问题。[CM022, CM023, CM031, CM032, CM034, CM036]

2.6 要点

3.1 竞争版图与替代选择

Psibot 位于具身 AI 智能层，所以竞争集合比“其他机器人制造商”更宽。五类玩家值得关注。直接同业是销售或开源通用“大脑”的机器人基础模型提供商：Physical Intelligence（π0/π0.7 模型族）和 Nvidia 的 GR00T 参考栈。既有玩家和硬件规模玩家是中国“三巨头”——AgiBot（Zhiyuan）、Unitree 和 UBTech——再加上纵向一体化的西方公司 Figure AI 和 Tesla，它们都自研大脑并规模出货。相邻玩家包括 Galaxy General 的 Galbot、Apptronik、Boston Dynamics、1X 和 Agility。替代方案和现状方案是固定工业自动化、AGV/AMR 和人力；从成本和可靠性看，它们仍是多数仓库默认选择。最后，自研也是现实选项：OEM 可以开发自己的控制模型，也可以采用 Nvidia 开放的 GR00T，而不是授权 Psibot。 竞争范围过宽，正是 Psibot 的核心问题。公司不卖本体，因此既要对抗免费 / 开放选项（Nvidia GR00T），也要对抗内部自研选项（Tesla、Figure、Unitree 和 AgiBot 都训练自有大脑）；而纯大脑类别里已公开的对手 Physical Intelligence 和 Nvidia 资本实力远强于 Psibot。潜在进入者进一步抬高强度：OpenAI 牵头对 Figure 投资 US$6.7B，并运营一支 200 多名研究员的内部机器人基础模型团队（Project Atlas）；Google 也推出 Gemini Robotics。因此版图更有利于规模和资本，Psibot 必须靠模型能力、灵巧度和私有数据打出差异，而不是靠分销取胜。[CP001, CP007, CP022, CP023, CP028, CP029]

3.2 竞争对手画像——规模、融资与方向

中国硬件领导者定义了规模标尺。AgiBot 成立于 2023 年，有 BYD 背书，2026 年 3 月 30 日生产出第 10,000 台人形机器人，从 5,000 台到 10,000 台约用三个月；2025 年出货约 5,168 台（Omdia 排名全球第一）。Unitree 在 2026 年 6 月 1 日用创纪录的 73 天通过 STAR Market 上市委审议，目标估值约 US$6.2B，同时融资约 ¥4.2B（约 US$583M）；2025 年收入达到 ¥1.699B（约 US$240M），毛利率约 60%，人形机器人已贡献超过一半收入，H1 型号累计超过 11,000 台。UBTech 在 2026 年 6 月 30 日开放全尺寸 UWORLD U1 系列订单，首日累计订单突破 13,361 台，起价 ¥119,800；此前 2025 年全尺寸机器人出货 1,079 台，人形机器人收入 ¥821M。 纯大脑和西方全栈玩家定义了资本与能力标尺。Physical Intelligence 成立于 2024 年，构建通用机器人基础模型（π0、π0.7，后者带 RL Token 和 Multi-Scale Embodied Memory，可处理超过十分钟任务），据报道正以超过 US$11B 估值融资约 US$1B，四个月前估值还是 US$5.6B，背后投资人包括 Founders Fund、Lightspeed、Jeff Bezos 和 Nvidia。Figure AI 成立于 2022 年，2025 年 9 月以 US$39B 估值完成 Series C（累计融资约 US$1.9B），运行自研 Helix 大脑，正在放量 Figure 03，并有 OpenAI 牵头的 US$6.7B 投资支持。Tesla 到 2026 年 6 月已在 Giga Texas 部署约 1,000 台 Optimus Gen 3，目标年底内部部署 5,000 台。与这些公司相比，Psibot 约 US$1.48B 估值和未披露出货量，使其更像中腰部的能力与数据挑战者，而不是规模领导者。[CP002, CP003, CP004, CP005, CP006, CP008]

3.3 能力、定价与 GTM 对比

能力上，Psibot 拼的是模型质量和灵巧度，而不是单机产量。分层快 / 慢 VLA 加强化学习架构，以及灵巧操作基准（连续 30 多分钟自主麻将演示），是公司的招牌；但同样的快 / 慢、VLA 优先路径也出现在 Physical Intelligence（π0 到 Hi Robot）、Figure（Helix）、Google Gemini Robotics 和 Nvidia GR00T 身上，核心技术路线并不独特。原始规模上，Psibot 落后 AgiBot、Unitree 和 UBTech 数个数量级——对手是数千到一万多台，Psibot 仍是未披露试点量。 定价和 GTM 上，对比很尖锐。硬件同业公开单机价格和租赁条款——UBTech U1 起价 ¥119,800，Unitree G1 约 US$16,000，AgiBot 机型约 US$5,000 起，还提供 robot-as-a-service 租赁——并借助 BMW、BYD、NIO 的工厂试点、零售体验店和公开上市触达买方，拿到分销和资本。Psibot 的模型授权和数据平台定价没有披露；作为私有大脑授权商，公司缺少上市或捆绑式竞争对手的分销和资产负债表半径。抵消项是 Chery 和 Lens Technology 带来的战略投资人供应链及传感器入口，以及私有人手操作数据集。信任和监管姿态上，分析师提示中国人形机器人厂商有结构性法律风险，而文件并未披露；Morgan Stanley 买方调查显示，仅 23% 的潜在工业买方对现有产品满意——这是适用于整个赛道的需求侧警告。[CP014, CP015, CP016, CP017, CP018, CP019]

3.4 切换成本、锁定与分销权力

对大脑授权商来说，切换经济性是最核心的竞争问题。机器人 OEM 可以采用 Nvidia 开放的 GR00T 栈、授权 Physical Intelligence，或自建控制模型；除非 Psibot 的私有灵巧手数据集真正形成数据锁定，否则离开 Psibot 的切换成本结构性偏低。多栖接入进一步加压：OEM 可以同时整合多家基础模型提供商，并让它们互相压价，限制单一大脑供应商的定价权。内部自研威胁并非假设——Tesla、Figure、Unitree 和 AgiBot 都训练私有大脑，Nvidia 也把 GR00T 作为开放参考平台分发；因此 Psibot 的可授权大脑假设，同时面对免费 / 开放和内部自研替代。 分销权也偏向既有玩家。硬件同业掌握工厂关系（BMW、BYD、NIO）、零售渠道和公开市场入口；Nvidia 则同时是整个赛道许多公司的算力供应商和大脑竞争者：许多中国同业基于 Jetson 和 Isaac 构建，Nvidia 还点名 Unitree H2 Plus 机体作为 GR00T Reference Humanoid 的硬件基础。Psibot 的抗衡力量来自战略投资人的制造和传感器供应链，以及中国市场入口，但这些都依赖伙伴而非公司自有。净结果是：这是一家拥有可信数据飞轮护城河叙事的大脑供应商，但相较资本更足、纵向一体化或开源的对手，结构性锁定弱、分销有限。[CP020, CP021, CP022, CP032, CP037]

3.5 护城河耐久性与替代风险

Psibot 最能防守的护城河叙事，是其私有人手操作数据集和数据采集引擎，以及打造中国最大灵巧手数据集的目标。如果灵巧操作数据是可靠 VLA 模型的稀缺输入，早期且持续复利的数据领先可能具备耐久性。但耐久性尚未证明，时间窗口也有限。每个严肃对手都在放大数据：Figure 从内部真实世界视频中学习，Physical Intelligence 提取 RL Token 做快速在线强化学习，Nvidia 通过 Isaac 仿真大规模生成合成数据。如果开放模型或资金更足的模型补上灵巧度差距，大脑层会商品化，Psibot 的授权假设就会被侵蚀。 反向证据不少。行业层面，2025 年人形机器人部署绝大多数并非生产用途——研究、教育、演示和导览占主导——真正的工业收入只占低个位数；Unitree 自己的招股书显示，研究和教育占人形机器人收入 73.6%，真实产线收入在 2025 年前九个月仅约 ¥15.7M（US$2.2M）。Morgan Stanley 买方调查（满意度 23%）和 Unitree 2026 年 Q1 增速放缓都说明供给正在跑过已验证需求。在这个背景下，Psibot 的估值比 Figure（US$39B）和 Physical Intelligence（>US$11B）低一个数量级，也低于 Unitree 约 US$6B 的 IPO 目标；因此它既不是能力领导者，也不是规模领导者——存活逻辑压在数据飞轮锁定和中国市场入口上，而两者仍需证明。[CP024, CP025, CP026, CP027, CP030, CP035]

3.6 要点

4.1 收入模式、收入流与定价

Psibot 变现的是智能，不是硬件。公司材料描述的是“小全栈”模式：掌控机器人设计参数（结构、运动范围、自由度），但把组件生产和制造外包；收入来自向第三方机器人开发商授权 Psi 系列 VLA 模型，销售私有人手数据采集系统（Psi-SynEngine，使用 16-DOF 外骨骼手套，可实现亚毫米 3D 轨迹精度和指尖触觉感知），并提供仿真及训练数据平台。公司明确的商业目标是打造中国最大灵巧手数据集，并在 2026 年采集 100 万小时操作数据，这把数据本身也改写成可变现资产。这是 Android 式平台假设：把授权“大脑”铺进许多 OEM 本体，而不是销售单一机器人。 关键财务警告在于，这些收入流没有任何一个披露价格、抽成率、授权单位数或已确认收入。报道显示 Psibot 到 2026 年初已通过中国物流和制造商业试点产生部分收入，但金额、合同结构和收入确认时点全部不公开。硬件同业会公开透明单机价格——UBTech U1 起价 ¥119,800，Unitree G1 起价 ¥85,000（约 US$12,000），R1 Air 起价 ¥29,900（约 US$4,300）——而 Psibot 的授权和数据平台定价未披露，因此连间接三角测算收入都做不到。本章每条变现线索都标为公司主张（收入流存在）或不可获得（经济性），并配上具体尽调请求，而不是估算值。[CI001, CI002, CI003, CI004, CI005, CI021]

4.2 GTM 动作与销售效率代理指标

Psibot 的 GTM 动作不是大规模销售漏斗，而是少数深度战略合作，这与早期平台授权商相符。公开部署证据很薄，但具体：在一家中国大型物流客户处做小规模仓库验证（报告分拣效率提升），并在全球最大光纤光缆制造商之一处测试。2026 年 7 月轮次领投方本身就是渠道——Chery Automobile（Fortune Global 500 车企，拥有 AiMOGA 机器人子公司，并与 Nvidia 有战略合作）和 Lens Technology（Apple 与 Tesla 精密组件供应商，正在建设具身智能中心，目标年产 3,000 台人形机器人和 10,000 台机器狗）——因此，投资人牵引的需求和制造拉力构成 GTM 的核心部分。 常规销售效率指标完全不可得。公开来源没有销售周期、获客成本、回本周期、管线覆盖或渠道经济性，也无法可靠代理，因为授权价格和单客户收入未知。战略投资人结构是双刃代理：它可能缩短销售周期、降低制造入口风险，但也意味着早期收入可能是关联方或试点阶段收入，而非公平交易的商业需求——这个区别会实质影响收入质量。诚实判断是，Psibot 的 GTM 由资本和关系驱动；承销人想看的每个效率指标，目前都是尽调请求，不是数据点。[CI006, CI007, CI008, CI009, CI022, CI023]

4.3 成本结构、毛利率与资本强度

理论上，大脑和数据授权商应当比机器人制造商拥有更接近软件的成本结构：VLA 模型训练完成后，增量授权毛利率较高，最重的成本是研发人才、算力和数据采集，而不是物料清单和装配。Psibot 通过外包制造强化这个叙事，并声称外骨骼手套采集数据的成本约为传统遥操作的十分之一——这个说法未经验证，但结构上很关键，因为数据采集成本是数据飞轮模型里的主导可变成本。若属实，它会降低支撑整个投资逻辑所需数据集的资本强度。 Psibot 没有披露这些数据，因此无法用公开数据建模利润率路径，只能拿最接近的公开可比公司做参照。Unitree 招股书显示，一家纵向一体化硬件厂商靠自制电机和执行器，在 2025 年 ¥1.708B 收入上实现约 60% 毛利率（2022 年为 44%）。这个数字给深度一体化硬件同业设了一个偏上限的参照；纯软件授权商原则上可以在增量单位上超过它，但必须先用尚未验证的收入基数，吸收沉重的固定研发、算力和数据采集成本。因此资本强度问题反转了通常的机器人担忧：Psibot 的风险不在工厂资本开支，而在当前资本耗尽前，授权收入能否覆盖庞大且前置的模型与数据成本。Lens Technology 自身扩张（2025 年前九个月 R&D 投入 RMB 2.44B）说明周边具身 AI 硬件生态建设有多昂贵。[CI010, CI011, CI012, CI013, CI024, CI025]

4.4 公开牵引力与私有指标缺口

Psibot 展示出来的东西与披露出来的东西之间存在落差，这是其财务画像的核心特征。公开侧有具体但非财务的信号：新近约 US$100M 轮次，估值 US$1.48B；不到两年累计融资约 US$300M；一线战略投资人；物流和光纤制造的具名商业试点；快速扩大的技术足迹（约十八个月内从 Psi R0 推进到 Psi-R2/W0，并从所称 100,000 小时数据储备中开源首批 1,000 小时）；以及 PKU-PsiBot 联合实验室。私有侧，几乎所有硬财务指标都缺失：无收入、无 ARR、无毛利率、无月度烧钱速度、无现金跑道、无员工数、无授权单位数、无客户集中度披露。 这很重要，因为行业公开数据提醒投资人：不能把演示当需求。Unitree 招股书——目前最清晰的具身 AI 经济性窗口——显示，即使是销量领导者，也只有约 9% 的人形机器人收入来自真正的工业部署，74% 来自研究和教育，17% 来自商业“展示”用途；2025 年前九个月，真实产线收入仅约 ¥15.7M（US$2.2M）。Morgan Stanley 买方调查发现，只有 23% 的潜在工业买方对现有产品满意。在这种背景下，Psibot 的具名试点值得鼓励，但没有量化；投资人需要更高强度证据，证明它已经拿到真实、公平交易、经常性的收入。本节每个私有缺口都在缺口表中配有具体尽调路径。[CI014, CI015, CI016, CI017, CI026, CI027]

4.5 资本充足性与融资依赖

前瞻资本充足性是 Psibot 最强的财务维度。历史融资时间线已在公司概览覆盖；简言之，Psibot 先后叠加了天使轮（2024 年 11 月，由 GL Ventures 和 Lanchi Ventures 领投，国资背景共同投资人参与）、2026 年 3 月 10 日公告的天使轮加 Pre-A 合计约 ¥2B（约 US$280M），以及 2026 年 7 月由 Chery Automobile 领投、Lens Technology 参与、接近完成的约 US$100M 轮次，估值 US$1.48B——不到两年总资本约 US$300M。若九位数新轮次刚刚落袋，且没有制造资本开支负担，一家年轻的软件和数据公司理论上可以在下一次融资前支撑两到三年的研发、算力和数据采集扩张；但具体现金余额、烧钱速度和现金跑道仍未披露，必须确认。 融资依赖仍然真实存在。Psibot 没有披露收入基数来支撑自我造血，因此仍依赖资本市场持续开放，以及战略投资人的善意；这些投资人的利益部分来自产业而非纯财务。公开来源没有债务或项目融资义务，这符合轻资产授权商定位；但下一轮融资触发点实际上是能力与商业化里程碑：Psibot 必须在当前热度驱动的估值环境降温前（2026 年诞生 22 家以上具身 AI 独角兽；2026 年上半年中国具身 AI 融资 US$13.8B），把数据领先和试点转化为可展示的授权收入。战略投资人影响力集中，以及后续资本可能以技术里程碑为条件，是需要测试的关键融资风险。[CI018, CI019, CI020, CI028, CI029, CI030]

4.6 财务判断——收入质量、利润率路径与阻碍

看收入质量，结论是「尚未证明，但不是不存在」。Psibot 的变现模式可信且有差异化 （授权加可变现数据资产），也有具名试点；但公司没有披露任何已实现收入，没有独立第三方经常性 合同证据，早期收入停留在试点或关联方阶段的风险也真实存在。看利润率路径，软件授权模式最终 理应比硬件同行更高毛利，但没有成本或收入披露，路径无法建模；最诚实的参照点是 Unitree 约 ~60% 的硬件毛利率，以及其在 Q1 2026 同时因研发负担而利润腰斩，这说明即便是已经盈利的 龙头，具身 AI 经济性也会很快被压缩。看资本密集度，Psibot 有优势——轻资产、没有工厂资本开支 ——但未验证的收入线要承接前置的模型和数据成本，风险正好反过来。 尽调阻断项具体且严重。最大的一项是已实现收入和合同披露完全缺席：没有这些，收入质量、ARR 轨迹和单位经济模型都无法支撑投资判断。第二项是现金、现金消耗、现金续航三件套未披露，把资本充足性从 「大概率舒服」变成一个假设。第三项是客户集中度和关联方暴露，因为需求与战略投资方相关。 在 Psibot 打开已实现财务数据之前，这仍是一笔由团队、数据和投资方驱动的赌注；眼下的财务 报表不是数字，而是一组结构清楚的问题。本章图表和缺口表逐项列出这些阻断项，以及能够解除 阻断的确切证据。[CI031, CI032, CI033, CI034, CI035]

4.7 图表

5.1 用客户工作流定义产品

Psibot 卖的是智能，不是铁。核心产品是 Psi 系列视觉-语言-动作（VLA）模型——一个能感知场景、 理解自然语言指令并生成灵巧机器人动作的「大脑」——交付方式不是 Psibot 品牌整机，而是授权给 第三方机器人厂商的智能层。放到客户工作流里，软件接收一个任务（「分拣这些包裹」「给这排货架 补货」）以及摄像头和传感器输入，输出一串抓取、放置和修正动作，由机械臂或人形机器人执行， 面向仓储分拣、包装、补货和制造搬运。 Psibot 采用「小全栈」模式：公司定义机器人设计参数——结构、运动范围、自由度——但把零部件 生产和制造外包，自己保持轻资产并聚焦模型。产品能力最常被引用的证据点是 Psi R1 麻将演示： 机器人在开放环境中与人类自主打麻将超过 30 分钟，长时序任务把灵巧摸牌操作和策略推理揉在 一起，Psibot 用它定义 L3 级自主。由此看，产品定位是物流和制造现场的「操作系统」。[CE001, CE002, CE003, CE004]

5.2 产品线与模块图谱

Psibot 的产品组合是一叠模型加一个数据采集工具，迭代速度很快。模型线包括 Psi R0（2024 年 12 月 30 日，被描述为行业首个端到端强化学习具身模型）、Psi R0.5（2025 年 3 月）、Psibot V1 和 H1 硬件参考平台（2025 年 4 月）、旗舰 Psi R1（2025 年 5 月），以及 Psi-R2 世界-动作模型与 Psi-W0 动作条件世界模型（2026 年 4 月 10 日）。头部模型之下还有两个功能 子模型——负责规划的 Psi-P0，以及负责控制的 Psi-C0；后者由联合创始人、RL 负责人 Yuanpei Chen 开发。 数据层是 Psi-SynEngine：一套自有采集系统，基于 16 自由度外骨骼手套，具备亚毫米级 3D 轨迹精度，以及 3D 指尖触觉和力反馈感知，用来规模化捕捉人手操作。报道称 Psibot 的灵巧机器 人手有 21 个自由度。Psi-R2 训练使用了 95,472 小时人类数据，覆盖 294 个场景和 4,821 个 任务；Psibot 已开源其所称 100,000 小时多模态数据储备中的前 1,000 小时。因此，产品线图谱 是一代代模型叠在一台定制数据采集引擎之上——整个投资论点靠这项资产复利。[CE005, CE006, CE007, CE008, CE009, CE010]

5.3 技术架构与运行模式

Psi R1 的架构是分层、端到端设计，把视觉-语言-动作模型与强化学习融合，在一个训练好的系统里 连接高层规划和低层灵巧控制。Psibot 称为「Chain of Action Thought」（CoAT）的推理机制， 让系统在开放、动态环境中拆解并执行长时序任务——公司把这种能力定义为 L3（自主推理和操作）， 高于 L1（基础抓放）和 L2（没有认知链的人类式抓握）。为了打通思考和运动，设计使用了一个 连接规划与控制的「Action Tokenizer」，以及一个快/慢「S1 fast / S2 slow」双系统大脑，把 反应式控制和审慎规划分开。 2026 年的演进是 Psi-R2 / Psi-W0 双模型架构。Psi-R2 是世界-动作模型；Psi-W0 是动作条件 世界模型，用来做反事实推理并带动强化学习「飞轮」。关于这一双模型设计的报道称，它把推理 延迟从 2.2 秒降到 100 毫秒以内——这对实时操作是一个阶跃变化。学术实现 DexGraspVLA 采用 预训练视觉语言模型做高层规划器，用扩散式低层控制器，反复把多样输入映射为跨域不变表征， 让模仿学习能够泛化。公开设计目标是同时拿到高泛化、高灵巧、高成功率的「不可能三角」 （95% 验证、99.9% 规模化部署目标），路径是先用大量人类数据预训练，再用少量真实机器人 数据微调——这正面回应了具身 AI 的数据稀缺问题。[CE011, CE012, CE013, CE014, CE015, CE016]

5.4 部署、集成、可靠性与路线图

Psibot 的部署模式直接来自其授权论点：公司不交付成品机器人，而是把 Psi 模型授权给机器人 OEM，同时销售 Psi-SynEngine 数据系统以及仿真和训练数据服务，把自己的大脑接入合作方硬件。 公开部署证据具体但单薄——一家大型中国物流客户的小规模仓储分拣验证（报道有效率提升），以及 在全球最大光纤光缆制造商之一处测试。研发和验证由 PKU-PsiBot Joint Lab for Embodied Dexterous Manipulation 锚定，该实验室产出 Psibot 公开论文。 可靠性和支持层面，画面是一处缺口：大约 18 个月内迭代五代模型加硬件，节奏异常快；但没有 独立的现场可靠性、在线率、平均故障间隔时间（MTBF）或支持 SLA 数据公开，外部无法 核验产品化成熟度。公司披露的 2026 年运营目标，是建设中国最大的灵巧手数据集，并在年内采集 100 万小时操作数据。从 Psi-R2/W0 发布看，路线图指向数据储备和 RL 飞轮扩张——继续加深模型 及其训练数据，而不是转向自有硬件——这与轻资产、平台授权方策略一致。[CE019, CE020, CE021, CE022, CE023, CE024]

5.5 差异化、IP 与关键依赖

Psibot 的差异化靠数据飞轮，不靠某个唯一算法。论点是「机器人版 Android」：通过外骨骼手套 Psi-SynEngine 采集自有、低成本的人手操作数据——公司称成本约为传统遥操作的十分之一——再把 数据喂给授权给多家 OEM 机身的 VLA 模型，让每一次部署都丰富数据集、反过来改进模型。公开 IP 足迹真实且外部可见：DexGraspVLA 框架（开源代码和数据集）、VLA 综述和论文清单 （「Awesome-VLA-Papers」），以及通过 Psi-Robot GitHub 组织发布的 Psi SynHand 模型；同时 还有创始人的学术履历（Yaodong Yang、Yuanpei Chen）。 但这种差异化必须放到强可比对象和硬依赖里看。Physical Intelligence 等全球实验室也在走类似 分层 VLA 路线，OpenVLA 这类开放基线（一个 7B 模型，表现超过 55B 闭源 RT-2-X）说明范式并非 专有——Psibot 的优势在数据和灵巧操作重点，不在独一无二的架构。关键依赖都在外部：Nvidia 算力（Jetson 边缘模块和 Isaac 仿真）被中国同行共同使用，也暴露在美国出口管制之下；精密 部件（特种滚珠丝杠约 90% 由德国 Schaeffler 和日本 THK/NSK 供应）是任何具身硬件都绕不开的 需求；PKU 联合实验室和战略投资方则牵引研发和制造需求。这些依赖被明确画出，因为约束 Psibot 操作空间的，与其说是算法，不如说是它们。[CE025, CE026, CE027, CE028, CE029, CE030]

5.6 信任、安全、合规与质量控制

信任图景被一条清晰分界线切开：研究经过验证，产品化尚未验证。能力层面，Psibot 的头部指标 ——30 分钟以上自主麻将、100% 翻牌准确率，以及 95%/99.9%「不可能三角」成功率——均由公司披露， 没有独立基准测试；唯一可被外部核验的能力证据，是同行评议的 DexGraspVLA 结果（AAAI 2026 Oral，90%+ 零样本抓取）。独立分析师给叙事降温：MERICS 认为中国人形机器人整体缺乏精度和 灵巧度，依赖特定场地试验，成本仍然太高，并且 VLA 突破仍看向美国研究——这直接检验了成熟度 主张。 安全、安保和质量控制层面存在有记录的缺口：没有公开证据显示 Psibot 拥有安全认证、功能安全 标准，或管控其数据采集和模型授权业务的数据隐私与安全控制。这个问题尤其尖锐，因为 Psibot 正在中国趋严制度下积累 100,000 小时以上人类操作数据储备——2026 年 1 月 1 日生效的《网络 安全法》修正案，罚款最高可达 RMB 10 million，且具备域外适用；数据安全框架也正好覆盖大型 行为数据集。因此，质量结论并不均衡：研究成熟度高（同行评议工作、快速迭代、延迟阶跃变化）， 但产品化成熟度——现场可靠性、认证、披露的基准测试和算力供应韧性——薄弱、未验证，或被依赖 关系约束。每一处弱点都对应一项具体尽调请求，而不是一个公司声称的数字。[CE032, CE033, CE034, CE035, CE036, CE037]

5.7 图表

6.1 客户群分层

Psibot 的客户模型直接来自平台授权策略：公司不把成品机器人卖给终端企业，而是把 Psi 视觉-语言-动作模型授权给机器人 OEM 和开发者，由后者把模型装进自己的硬件，再服务终端客户。 按买方/用户/付款方拆分，OEM 通常是买方和付款方，终端企业（仓库或工厂运营方）才是操作能力 的最终用户。垂直场景很具体：物流和仓储——条码分拣、高 SKU 服装配送拣选，这些场景里物体 多样、任务频繁变化，需要 VLA 模型提供泛化——以及制造业，证据是在全球最大光纤光缆制造商 之一处测试。 地理上，客户基础集中在中国，这与 Psibot 的北京/上海布局和中国国家支持的具身 AI 推进一致； 目标细分市场是物流、零售和智能制造仓储。因此，可触达客户集是中国快速扩张的人形机器人市场 里的众多机器人 OEM；通过它们，大型物流买家（State Grid、SF Express、China Post 一类企业） 才变得可达。Psibot 把条码分拣物流选为第一个真实部署场景，正是因为高 SKU 多样性和任务变化 会让刚性自动化失效，泛化大脑才有用武之地——这是有意选择的楔入场景，而不是一次广泛发布。[CU001, CU002, CU003, CU005, CU024, CU035]

6.2 采用与部署轨迹

采用轨迹仍早，且以试点为主。最实在的数字是到 2026 年初，北京大约部署了 100 台数据采集/ 操作单元，在物流场景采集分布式真实操作数据。关键在于，这一足迹既是部署，也是数据集建设： 仓库工人在真实作业中佩戴 Psi-SynEngine 数据手套，因此所谓「部署」既是一批付费企业账户， 也是一群操作员在拼 2026 年 100 万小时数据目标。这种边界模糊意味着，100 台设备本身不能 证明收入。 除数据采集足迹外，采用证据是某大型中国物流客户的小规模仓储分拣验证（报道有效率提升），以及 在一家主要光纤光缆制造商处测试——这是试点和测试，不是多站点生产账户。Psibot 没有披露活跃 账户数、部署量、利用率或复购数据，因此任何采用主张背后的分母都缺失。行业背景有两面性： Morgan Stanley 把 2026 年中国人形机器人出货预测上调一倍至 50,000 台，说明从试点走向生产 的动量真实存在，并利好 Psibot 的 OEM 被授权方；但市场本身仍早，Psibot 自己从试点转为稳定 生产账户的能力尚未证明。[CU004, CU006, CU008, CU009, CU023, CU026]

6.3 具名客户证据与参考质量

在尽调尺度上，这里的证据最弱。Psibot 没有公开披露任何具名生产客户；客户要么被泛称为「一家 大型物流客户」「全球最大光纤光缆制造商之一」，要么是战略投资方，而非独立第三方买家。光纤 测试和物流分拣试点是两个最具体的合作，但二者都停留在试点/测试阶段，结果未量化，也没有参考 客户背书。若按重视具名、生产级、结果可衡量参考客户的尽调标尺，尽管投资人验证很强，Psibot 的客户证据质量仍低。 生态背景必须谨慎解读，避免给过高信用。Chery Automobile 旗下 AiMOGA Robotics 发布了自己的 人形机器人（Mornine），并在 2026 年 4 月签下 1,000 台智能警用机器人订单；Chery/AiMOGA 生态覆盖 30 多个国家——但没有确认 AiMOGA 的机器人运行 Psibot 的 Psi 模型，因此这笔订单是 生态背景，不是 Psibot 的直接客户证据。诚实的说法是，Psibot 的具名证据表主要列出匿名试点 和战略投资方关系；短期最有价值的尽调动作，是拿到具名、生产级、结果披露的参考客户。[CU007, CU010, CU011, CU027, CU028, CU031]

6.4 留存、复购与耐久性

留存没有可衡量数据，这种缺席本身就是结论。Psibot 没有披露净收入留存、毛留存、流失率、续约 率或合同期限，也没有任何队列或复用数据。两个结构性事实进一步放大缺口：公司成立于 2024 年，还太年轻，尚未跑完有意义的续约周期；采用仍在试点阶段，几乎没有可评估耐久性的 合同。客户满意度分数、NPS 或参考质量指标也没有披露。 关于耐久性，只能做定性且前瞻的判断。若 OEM 被授权方基于 Psi 模型构建产品并积累部署历史， 切换成本会上升，Psibot 的自有数据集和 OEM 关系会变成锁住客户的耐久资产。但这是一条论点， 不是已经展示出来的留存曲线。行业背景也提示谨慎：IDC 报告称，2025 年超过 85% 的人形机器人 部署属于非生产性，因此即便机器人已经部署，持续生产性使用——续约的前提——也远未得到保证。 本章每一个留存字段因此都是空值，并附带具体尽调请求。[CU014, CU015, CU019, CU032, CU033]

6.5 扩张、集中度与渠道依赖

Psibot 设想的扩张动作，是通过 OEM 授权先落地后扩张，再由数据飞轮放大——每一次部署丰富 数据集，数据集改进模型，模型再赢下下一个 OEM。但公司尚未披露账户扩张、追加销售或多站点 铺开证据，采购动态（销售周期、合同期限、定价）也未披露，因此无法评估买方摩擦。扩张 逻辑在结构上说得通，在经验证据上尚未证明。 集中度和渠道依赖是最尖锐的风险。早期需求与战略投资方相关——Chery、Lens Technology，以及 国资相关基金（GL Ventures、Lanchi Ventures、SDIC Advanced Manufacturing Fund、Jingxi Ruiling）——而不是与可证明的独立第三方商业买家相关。这类背书确实有价值：它缩短销售周期、 降低制造进入风险，即便没有具名生产客户，也构成高质量验证。但它是一把双刃剑，会把需求集中 到少数关联方，并提出一个问题：早期收入到底是商业性的，还是战略性的。中国地理集中度构成 第二条集中度轴线，把采用绑定到国内国企采用要求，同时限制国际扩张。尽调优先事项是关联方 交易清单和前几大客户集中度披露。[CU012, CU013, CU016, CU017, CU018, CU025]

6.6 图表

7.1 按严重程度排序的风险概览

Psibot 的风险可以排出清晰的严重程度。严重度最高、最难缓释的一组，是中国特有的监管和法律 暴露——《国家情报法》、修订后的《网络安全法》，以及《数据安全法》/PIPL 跨境制度——因为它 是结构性的（附着在 Psibot 的国籍和数据中心模式上），直接限制可触达的国际客户和投资者基础， 且公司自身再怎么行动也无法完全中和。第二高的一组是商业证明和炒作风险：未经验证的基准测试、 试点阶段可靠性、全行业过度承诺，以及没有收入锚的估值。依赖风险（Nvidia 算力、精密部件） 和人才/执行风险（关键人物集中、公司 2024 年才成立）处在重要但可部分缓释的层级。 传导机制决定投资论点怎么受伤。监管风险会传导为国际需求和融资可选性受限；商业证明风险会 传导为试点转生产变慢，进而压到收入，最终压到估值；依赖风险会传导到成本、毛利率和供应连续性； 人才风险会传导到执行和路线图交付。因为 Psibot 没有披露收入，每一项下游风险最终都最重地 砸在估值上；当前估值靠团队质量、数据飞轮和战略投资方支撑，而不是基本面。下文热力图和传导 图会按可能性和残余严重度给这些暴露排序，并追踪它们如何流入财务模型。[CR040, CR031, CR037, CR009]

7.2 监管与法律风险

监管和法律暴露是 Psibot 的定义性风险。作为一家中国公司，它受《国家情报法》（2017 年）约束； 该法第 7 条写明：「任何组织和公民都应当依法支持、协助和配合国家情报工作。」独立法律分析 （China Law Translate）给恐慌式解读降温：这项义务位于总则，类似其他中国法律中的配合义务， 也没有专门执行机制——但同一分析也认为，中国公民或公司无法有意义地抵抗直接的国家安全请求， 也不能指望法院提供救济。对一家全部价值都在自有操作数据集上的公司来说，这种残余的强制访问 风险，对任何海外客户或投资者都很重要；美国国土安全部商业咨询通告也正式化了西方监管视角： 中国公司处理的数据带有这类暴露。 2026 年活跃的监管议程进一步放大暴露。修订后的《网络安全法》于 2026 年 1 月 1 日生效，把 一般行政罚款上限从 RMB 1 million 提高 10 倍至 RMB 10 million，明确纳入 AI 伦理、风险监测 和安全监管义务，并把域外适用扩大到任何「危害中国网络安全」的海外活动。其上还有《数据安全法》 和 PIPL，要求数据分类并设置跨境传输制度（CAC 安全评估、标准合同条款或认证）——Psibot 的 模型依赖大量操作数据的积累和流动，因此直接相关。外部地缘政治暴露又叠在上面：美国出口管制 审查，以及海外上市/采购限制（困扰同行 Unitree 的同类「间谍法」担忧）会约束 Psibot 出海销售 或海外融资。Psibot 没有披露诉讼、执法行动、IP 纠纷，或必须持有的具体牌照，留下了下方登记表 跟踪的尽调缺口。[CR001, CR002, CR003, CR004, CR005, CR006]

7.3 运营、质量与安全风险

运营上，Psibot 的核心风险是灵巧操作尚未在生产级可靠性上得到证明。IDC 报告称，2025 年超过 85% 的人形机器人部署属于非生产性；MERICS 判断中国具身 AI 部署依赖特定场地、需要手工调校、 成本过高，广泛采用前成本至少要下降一半。Psibot 授权的是智能层而非自造机器人，因此真实世界 质量还取决于 OEM 合作方把 Psi 模型接入其硬件的效果——这是一片协同界面，Psibot 只部分控制， 因为它设计结构和运动范围，但外包零部件生产和制造。 叠加其上的是验证缺口：Psibot 的招牌能力主张——30 多分钟自主打麻将，以及低至同行十分之一的 训练数据成本——均由公司披露，没有独立基准测试；更广泛的行业还被批评为编排式演示，无法转化 为可靠、长时间、广变化的部署。模型依赖大规模人类手套数据采集，数据质量和数据集完整性风险 真实存在；Psibot 也没有披露产品安全记录、事故历史或责任保险覆盖。下方运营登记表按严重度 排列这些失效模式，并标出尚未解决的安全与可靠性披露。[CR011, CR012, CR013, CR014, CR015, CR016]

7.4 合作方与依赖风险

Psibot 的依赖图谱有三个关键节点。第一是算力：中国具身 AI 开发者普遍依赖 Nvidia Jetson 边缘模块和 Isaac 仿真/训练工具，二者暴露于美国出口管制政策——一旦获取收紧，可能抬高成本或 削弱训练能力，是供应和能力尾部风险。第二是精密机械部件：行业供应链分析显示，海外供应商 （德国 Schaeffler、日本 THK 和 NSK）主导灵巧系统所需的特种滚珠丝杠和高端谐波减速器，这是 中国正在缩小但尚未消除的瓶颈。第三是资本和渠道对手方：Psibot 早期需求和融资集中在战略投资方 （Chery、Lens Technology）和国资相关基金，收入路径则经过 OEM 被授权方，而不是多元化的独立 第三方客户。 这些依赖会彼此部分抵消。中国控制着估计 63–70% 的人形机器人供应链，并在电机、执行器、电池 以及越来越多的减速器上快速国产化，这缓冲了机械部件风险，也给 Psibot 的被授权方带来成本和 物流优势。但前沿算力依赖更难本地化，早期需求集中在关联方也提出一个问题：Psibot 的进展 是商业性的还是战略性的。中国单一国家集中度把 Psibot 绑定到国内政策周期和国企采用，同时限制 国际多元化。下方依赖登记表和地图按集中度与残余暴露给每个对手方排序。[CR019, CR020, CR021, CR022, CR023, CR024]

7.5 财务、模型与人才/执行风险

财务上，主导风险是不透明：Psibot 没有披露收入、ARR、毛利率、现金消耗率或现金续航，因此约 $1.48B 估值靠团队质量、数据飞轮和明星投资方支撑，而不是基本面。具身 AI 研发高度资本密集 ——同行每年投入数亿美元到十多亿美元——所以 Psibot 迄今约 $300 million 融资意味着现金续航 有限，未来很可能反复融资；一旦基准测试不及预期或资本市场收紧，公司会暴露于降价融资或 稀释风险。行业泡沫放大了估值风险：Morgan Stanley 调研发现，尽管预测被上调一倍，潜在工业 买家中只有 23% 对当前人形机器人产品满意；2026 年约 22 家具身 AI 独角兽诞生——这是典型泡沫 信号，会提高估值倍数压缩的概率。 人才和执行风险高度集中。Psibot 的可信度依赖一个小团队——CEO Viktor Wang，以及一群学术带头人 （Peking University 的 Yaodong Yang、来自 Stanford/Fei-Fei Li 圈层的 Yuanpei Chen、SJTU 的 Ying Wen）——任何关键人物离开，都会伤到能力和叙事；具身 AI 人才市场竞争也极为激烈。作为 一家 2024 年才成立的公司，Psibot 还要同时扩张硬件、数据运营和 OEM 关系，承担非常年轻组织 常见的执行风险。下方人才/执行登记表按严重度排序，并给出尽调路径。[CR029, CR030, CR031, CR032, CR033, CR034]

7.6 缓释、监测与否决标准

Psibot 最强的缓释因素是投资方和数据资产。明星战略投资者（Chery 及其 AiMOGA 机器人子公司、 Lens Technology）和国资相关基金，降低了资本获取以及制造/商业化渠道风险；自有操作数据集 ——2026 年目标为 100 万小时——如果能证明会带来模型质量，就是一条真实且会复利的护城河。这些 缓释因素真实但不完整：它们更能解决融资和渠道风险，远不如解决监管准入、商业证明或估值风险； 后几项仍是支撑论点的关键不确定性。 监测上，价值最高的触发指标包括：第三方独立验证（或推翻）Psibot 的基准测试主张；付费、独立 第三方生产部署而非试点和数据采集单元的证据；美国出口政策下 Nvidia/算力获取的任何变化； 《国家情报法》或《网络安全法》下已披露的执法或强制数据访问事件；以及关键创始人或首席科学家 离职。论点失效标准也由此直接推出：核心基准测试可信验证失败、前沿算力获取长期丧失、 国家驱动的数据访问事件让国际需求失效，或降价融资重置估值论点。下方缓释与否决标准表把 每项主要风险配上可监测触发因素、阈值和行动含义；本章尽调事项——审计财务、具名生产参考客户、 关联方清单、部件 BOM，以及诉讼/执法历史——是解决残余不确定性的最快路径。[CR037, CR038, CR039, CR040]

7.7 图表

8.1 投资论点与反论点

Psibot 的投资故事建立在定位、团队和数据上，而不是任何已披露财务表现。牛市论点是，把一个 视觉-语言-动作（VLA）「大脑」授权给机器人 OEM，切中了具身 AI 技术栈里最可防守、最可扩张 的层：如果 Psi R1 平台成为中国灵巧操作的事实智能标准，Psibot 就能在许多硬件厂商之上获取 软件式经济性，而不背负它们的资本密集度。这个论点由一个履历异常强的创始团队强化 （Peking University 的 Yaodong Yang、经由 Yuanpei Chen 连接的 Stanford / Fei-Fei Li 传承，以及 Alibaba / Tencent 机器人老兵 Xiaojie Chai），也由建设中国最大灵巧手数据集作为 复利数据飞轮的目标、以及提供资本和产业牵引的战略投资方（Chery Automobile 和 Lens Technology） 强化。市场背景很大：WAIC 2026 参展公司合计估值超过 US$14.7 billion，仅 2026 年上半年就有 15 家中国具身 AI 初创公司跨入独角兽行列。 反论点同样具体。Psibot 没有披露收入、ARR、毛利率或员工人数；头部能力主张（L3、30 分钟自主 麻将演示）由公司自报，没有独立基准测试；行业分析师估计，超过 85% 的具身 AI 部署仍是非生产性 试点；《国家情报法》和数据安全制度限制了全球可比本应暗示的国际需求。早期进展也可能 来自关联投资方的战略牵引，而不是独立第三方商业需求，从而削弱价格背后的收入质量信号。简言之， US$1.48 billion 估值是对执行的期权，不是结果的倍数；举证责任完全在公司一边。[CV001, CV003, CV004, CV005, CV006, CV007]

8.2 建议、信心、风险评级与估值立场

我们的建议是有条件观望：在拿到具名生产参考客户、审计财务报表和关联方收入清单之前，不要按当前 US$1.48 billion 投后估值领投或跟价。可选性真实存在，但按入场价看下行不对称，因此条款纪律 比对故事的信念更重要。我们对这一判断的信心为低到中：公开证据基础单薄，主要来自公司表述和一次 融资事件的媒体报道，几乎没有独立、可审计的运营数据。整体风险评级为高，驱动因素包括商业证明缺席、 能力基准未经验证、监管和数据访问暴露，以及分析师预计 2027-2028 年 18-24 个月现金续航 到期后，行业会进入全面「淘汰年」。 我们的估值立场是，US$1.48 billion 相对已披露基本面偏高——只有拿团队、数据飞轮、战略投资方信号， 以及中国和全球具身 AI 可比公司的高估值集合来解释才站得住；但这些都不能替代收入。建议逻辑经过 四道门：平台经济性是否可扩张？能力和商业牵引是否有独立证明？监管和执行风险是否受控？ 入场价格是否有支撑？Psibot 通过了第一道门，今天没有通过第二道门，第三道门也只部分通过，第四 道门则是有条件通过——所以结论是守价格纪律的观望，而不是直接放弃或买入。下方尽调计分卡显示， 机会在市场和护城河上得分高，但在商业证明、单位经济模型、风险控制和证据质量上得分低。[CV009, CV010, CV011, CV012, CV014]

8.3 融资背景与入场纪律

Psibot 累计融资超过 US$300 million；2026 年 7 月由 Chery Automobile 和 Lens Technology 领投 的一轮约 US$100 million 融资，将投后估值定在 US$1.48 billion；此前还有一轮约 RMB 2 billion（约 US$280 million）的融资。由于公司处在收入前阶段，这一估值来自投资人信号、 顶尖具身 AI 团队稀缺性，以及产业投资方的战略牵引，而不是单位经济模型——公开证据可以证实这轮 融资事实，却无法独立验证其公允价值。 因此，入场纪律压倒一切。既是投资方、也可能消费 Psibot 技术的战略投资方设定了出清价格，所以 独立第三方财务投资人应预期支付溢价，并应按一次或多次未来稀释性融资的真实概率控制仓位：行业 18-24 个月现金续航意味着流动性事件前会反复要钱，形成优先权堆栈压力。降价融资风险已经 偏高且还在上升，因为 Unitree、DEEP Robotics 和 Leju 即将公开上市，正在把中国机器人估值方法 从自上而下 TAM 外推，重置为可审计交付、收入和盈利能力——这种重置对一家靠叙事定价的收入前平台 结构性不利。在接近当前估值投入资本之前，我们会要求审计财务、具名客户参考清单、关联方收入清单 和优先权堆栈披露。[CV002, CV015, CV016, CV017, CV018, CV019]

8.4 牛市、基准与熊市情景

牛市情景假设 Psibot 的能力主张得到独立验证，OEM 授权在多个硬件合作方之间放大，灵巧手数据飞轮 复利成耐久护城河；在这些条件下，平台可重估至 US$4-6 billion 或更高，与软件中心型全球同行的 溢价一致。基准情景假设试点转化缓慢，能力在规模化上仍可信但未证明，Psibot 继续作为一家私有 独角兽，估值落在约 US$1.5-2.5 billion 区间，同时继续消耗资本来延长现金续航。熊市情景假设 基准测试不及预期、监管或算力获取冲击，或在市场收紧时融资失败，迫使降价融资或出现困境结果， 估值落在 US$0.3-0.7 billion 区间甚至更低。 主导下行触发因素包括头部基准测试被证伪、失去 Nvidia 级算力访问、数据安全或《国家情报法》执法 事件封死国际需求，以及现金续航到期前无法完成下一轮融资。基于今天可获得的公开证据，基准情景 是最可辩护的中枢估计；牛市情景需要尚不存在的独立证明，行业预期中的 2027-2028 年整合也提高了 熊市尾部权重。隐含价值对两个假设高度敏感：商业里程碑达成概率，以及一旦出现可审计指标，市场 愿意套用的收入倍数。[CV022, CV023, CV024, CV025, CV026, CV027]

8.5 可比估值

公开可比公司能框定争论，但不能终结争论。中国侧，Unitree 获批科创板上市意味着市值接近 RMB 42 billion（约 US$5.83 billion）；CCB International 预计若计入品牌溢价，最高可达 RMB 109 billion（约 US$15.1 billion），相当于一家 2025 年出货超过 5,500 台机器人且已经盈利 的公司，对应 32x 市销率。DEEP Robotics 的收入约为 Unitree 的五分之一，但按约 RMB 13.9 billion （约 US$1.93 billion）发行估值计算，隐含市销率更高，达 41x。更广泛的群体中，至少 25 家国内 具身智能公司估值已经超过 RMB 10 billion（约 US$1.39 billion），其中 15 家在 2026 年上半年 成为独角兽。 全球侧，Figure AI 在 2025 年达到约 US$39 billion，Physical Intelligence 据报洽谈估值超过 US$11 billion，Skild AI 讨论过约 US$8-12 billion 区间，Apptronik 接近 US$5.5 billion 完成 融资。关键限制是可比性：这些同行大多处于收入前或按远期倍数定价，公开市场公司则是全栈硬件 集成商，而 Psibot 是软件 / 智能层授权方。这种错配意味着，可比公司能支撑巨大可寻址可选性， 但不能给 Psibot 具体商业模式一个精确公允价值；IPO 群体带来的估值方法重置转向可审计指标， 也可能压缩这一群体当前享有的账面溢价。[CV029, CV030, CV031, CV032, CV033, CV034]

8.6 退出路径、论点失效触发因素与尽调事项

Psibot 可能的退出路径有两条：沿着 Unitree 和 GigaAI 正在打出的路线，走境内科创板或香港上市；或被 Chery 这类已经依赖其技术的产业支持方战略收购。短期退出准备度很低：公司尚未产生收入，仍是私营状态；任何公开市场窗口打开前，都需要拿出可验证、可审计的商业牵引力，尤其投资人很快会有三个更细颗粒度的上市参照，市场会奖励交付和盈利能力。 投资论点会在几种情况下失效：核心基准被独立证伪；授权业务无法越过绑定战略伙伴放大；监管或出口管制事件切断算力或数据访问；或公司在现金跑道耗尽前融不到钱。任何资本承诺前，最终尽调清单包括：经审计财务报表和收入确认政策；可联系的具名客户推荐名单，并区分独立交易收入与关联方收入；覆盖 Chery 和 Lens 的关联方交易表；考虑出口管制敞口后的组件 BOM 和算力供应计划；完整股权结构表及清算优先权层级；以及对 L3 操作和麻将自主性主张的独立第三方验证。总体看，机会高风险、高期权性；我们建议有条件通过，只有在上述证据交付、且价格按明确的下轮估值下调安全边际谈妥后，才具备可投性。[CV036, CV037, CV038, CV039, CV040]

8.7 展示材料