Spirit AI

1.1 身份与运营版图

Spirit AI 将自己定位为具身 AI 与机器人公司，打造“通用机器人脑”和“智能劳动力”，而不是单一用途的机器人供应商；指定来源也始终把公司描述为通用基础模型加 Moz 机器人部署。官方 About 页面列出杭州、北京和深圳的运营地点；Baidu Baike 则称 Spirit AI (Hangzhou) Technology Co., Ltd. 于 2024 年 2 月成立、总部位于杭州。这份身份记录大体一致，但并不完全干净：一则关于 2026 年 9 月访问的 Reuters Connect 内容把北京标为公司总部。对尽调而言，实际结论是 Spirit AI 明确在中国多个城市运营，但在把它作为后续投资判断中的硬事实之前，法定总部与运营总部的区别仍需通过企业登记摘录或管理层材料确认。[CO001, CO002, CO003, CO004]

1.2 领导层与治理概况

公开领导层主要集中在创始人兼 CEO Han Fengtao，以及联合创始人兼首席科学家 Gao Yang。Han 是官方 2026 年 6 月会议报道中最主要的商业和战略发声者；他认为，行业近期应优先进行大规模预训练和数据积累，而不是立即面向大众市场商业化。Gao 支撑技术叙事：公司称他拥有 UC Berkeley 博士学位、是清华大学助理教授，并参与过 EfficientZero、ViLa 和 CoPa，这也解释了公司对外叙事为何高度依赖模型架构和数据规模。商业化与研究领导都如此集中，明显带来关键人物依赖。缺失的信息同样重要：指定来源没有披露当前董事会名单、表决权或控制权，也没有正式治理结构，因此任何依赖控制动态或接班准备度的投资判断，都需要直接尽调。[CO014, CO015]

1.3 融资、部署验证与里程碑节奏

本章最有力的已验证融资事实，是公司自己在 2026 年 2 月宣布融资 $280 million，用于扩大具身模型部署。Baidu Baike 把记录向前延伸至 2024-2025 年，从天使轮一路到 JD 主导的 Pre-A+；独立的 2026 年 9 月报道则称 Spirit AI 累计融资超过 $670 million，估值约为 20b yuan。这些后续总额很重要，但可信度仍属中等，因为指定公开记录尚未完全核对 2026 年 4 月和 6 月融资，也未披露条款、稀释、老股转让或债务。运营上，Spirit AI 把激进的数据采集论点与具体工业验证点结合起来：官方材料称已有超过 300,000 个数据采集点、1,000 多名全职采集专家和 200,000-plus 小时交互数据；官方及第三方来源都指向 CATL 产线超过 99% 的成功率。独立报道称 CATL 和 JD.com 生产线上已经有几十台 Moz1 机器人，进一步强化了这一叙事；但报道也明确提示，家庭部署仍需多年，已报道的 90% 成功率来自结构化环境中的简单任务，并不能代表开放世界家庭可靠性。[CO005, CO006, CO007, CO008, CO009, CO010, CO011, CO012, CO013]

1.4 展示项

2.1 市场边界很广，但切入点是工业自动化

Spirit AI 将自己描述为具身 AI 公司，打造最终进入家庭和工作场所、服务“智能劳动力”的通用人形机器人，因此理论市场边界覆盖机器人脑、部署系统和具身自动化，而非某个狭窄的软件品类。公开记录中的实际切入点要窄得多。Reuters 转载采访称，未来一至两年首先是工业应用窗口，之后才是更简单的商业服务，家庭部署则明显更难。这让投资逻辑离开泛化的消费机器人叙事，转向工厂、物流和服务工作流：先在那里检验实体可靠性和运营经济性。[CM001, CM002, CM003, CM004, CM013]

2.2 公开市场规模依赖代理指标，而非已披露的 TAM/SAM/SOM

本工作池中成功预取的来源，没有一个用独立的 TAM、SAM、SOM 或 CAGR 划定 Spirit AI 的可服务市场，因此合理的规模判断必须采用受约束的公开代理指标，而不是一个醒目的单点估算。最有用的观察角度包括品类拥挤度、可观察部署、数据采集规模，以及外部报道明确点名的企业用例。Tracxn 的竞争者统计称该品类已经有数百家活跃公司；Reuters 风格的报道则显示，具名生产场景中只有几十台 Moz1，外部评论仍把数据采集和任务泛化视为硬约束。结论是：市场战略上很大，但公开信息还没有量化到足以用一个干净的自上而下支出数字进行投资判断。[CM006, CM007, CM008, CM011, CM012, CM014]

2.3 买方首先是企业；消费需求仍只是可选上行空间

目前观察到的买方路径以企业为先。CATL 和 JD.com 指向生产线、物流及零售邻近工作流：机器人可以插入边界明确的环境，并以吞吐量、人工或质量目标衡量。后续机会可能在零售、酒店等更简单的商业服务场所，Spirit 对 Moz2 的定位暗示，工业可靠性提升后可以沿这条路径扩张。现有证据中，家庭采用是时间最远的细分市场：管理层称家庭应用至少还需八年，官方使命宣言应被理解为愿景，而不是消费者会在该时间表上买单的证明。因此，今天最可能的预算所有者是运营或自动化部门，而不是消费者钱包。[CM002, CM003, CM004, CM008, CM009, CM010, CM014]

2.4 采用驱动因素真实存在，但缺少的验证是 ROI 和支出深度

即使公开资料有限，也能看到几个采用驱动因素：基准测试胜出提升了知名度，真实世界数据采集似乎形成差异化，工业合作伙伴则提供了训练和部署的真实环境。同一批来源也说明了为何投资判断仍然困难。柔性物体处理、陌生任务以及杂乱家庭中的安全自主行为仍未解决到足以让管理层继续用十年尺度讨论家庭部署。公开报道没有披露合同金额、从试点到量产的转化率或客户回本周期，因此最关键的问题不是具身 AI 在原则上是否重要，而是 Spirit 能否足够快地把技术上令人印象深刻的部署转化为可重复的企业预算，支撑品类热度所暗示的规模。[CM005, CM006, CM011, CM012, CM014]

2.5 展示项

3.1 竞争格局与买方替代方案

相关竞争领域比人形机器人制造商更广。Spirit AI 把自己定位为全栈具身智能供应商，公司自身发布的材料也把 Google DeepMind 和 Physical Intelligence 放在同一场数据密集型物理推理竞赛中。独立分析还把 Spirit AI 的规模化瓶颈与 Figure 的 Helix 项目进行比较，同时明确警告，这并不能证明双方技术成熟度相同或时间表一致。对工业买方而言，内部自动化团队、传统固定自动化以及继续使用人工，仍是现实替代方案，因为工厂重视边界明确的工作流和可预测的安全条件。因此，Spirit AI 同时争夺模型质量、部署入口、集成主导权，以及证明通用系统比更窄的现有方案更经济的能力。[CP003, CP004, CP008, CP009, CP013]

3.2 能力差异化跑在验证质量前面

Spirit AI 的公开差异化依托真实世界训练数据、一体化视觉—语言—动作技术栈和工业部署。报道说约 1,000 名承包商在家庭和工厂采集演示数据；Spirit v1.5 的代码和检查点则为外部检查提供了具体材料。但最亮眼的性能数字仍来自公司：超过 200,000 小时交互数据、截至 2026 年底目标超过百万小时、1 月排行榜领先，以及 CATL 超过 99% 的成功率。独立报道提供了有用的制衡：已报道的 90% 成功率只适用于结构化客厅中的简单任务，而且没有试验次数、任务构成和人工介入规则。因此，矩阵把已披露能力与可独立比较的性能分开，而不是把每项主张都当作基准测试胜出。[CP005, CP006, CP007, CP010, CP011, CP012, CP013]

3.3 分销入口可能比目录价格更重要

Spirit AI 的战略网络覆盖制造、物流和消费电子，报道将 CATL、JD.com、Huawei、Xiaomi 和 TCL 与其投资人或合作伙伴生态联系起来。这张网络可以带来部署场地和运营数据，潜在价值可能高于只依赖模型的基准测试。CATL 和 JD.com 的几十台 Moz1 证明了现场入口，但不能证明付费量产合同、重复订单、利用率或客户投资回报。现有来源没有提供目录价格、实际合同金额、硬件与软件的打包方式、服务义务或折扣。缺少这些条款，就无法量化切换成本和锁定效应：集成与积累的场地数据可能制造摩擦，而开放模型材料和多供应商试验又可能保留买方议价权。[CP003, CP007, CP014]

3.4 护城河持久性与替代风险

正在形成的护城河更像学习闭环，而不是已被证明的装机基础业务：更多工业入口可以产生更多样的物理数据，改善模型并降低后续部署难度。2 月至 9 月的报道显示资本规模也大幅上升，但已募集资金不等于可用现金，也不能证明收入质量。如果模型代码、硬件部件或数据采集方法变得普遍可得，该闭环可能被商品化；若一体化机器人供应商以制造规模配上相当的智能，也可能遭遇现有厂商反击。公开证据内部还不一致：Dealroom 同时显示种子及天使融资说法和“No known external funding”，而公司基准测试主张没有披露试验分母。因此，投资逻辑依赖独立验证的量产可靠性、合同经济性和重复部署，而不是融资 headline 或序位排名。[CP001, CP002, CP005, CP010, CP011, CP012, CP015, CP016]

3.5 展示项

4.1 公开收入模式证据

Spirit AI 的公开财务叙事重融资和部署验证，轻变现细节。保留来源持续指向工业试点和战略合作伙伴——CATL、JD.com、Bosch 与 Schaeffler——而不是已披露的软件订阅、机器人 ASP 或已入账的经常性合同。这一点很重要，因为公司看起来是在市场能观察到稳定重复订单之前，先通过定制部署、联合工业项目和硬件带动的场景入口实现商业化。Embodied Intelligence Observer 提到大型经常性采购订单尚未落地，这是关键限定：公开 traction 支持相关性和客户兴趣，但尚不能证明收入质量。[CI003, CI004, CI005, CI006, CI009, CI014]

4.2 成本结构与资本需求

公开记录暗示这是一条成本高昂的规模化路径。Reuters 和 Momenta 描述约 300 名员工及约 1,000 名承包商在采集真实世界训练数据；Bosch 协议则明确涵盖传感器、执行器、工程验证和量产支持。WIPO 和 Reuters 都解释了 Spirit 为何依赖物理世界数据而非仿真：真实环境和柔性物体仍会击穿合成方案。合起来看，公司可能同时承担软件研发烧钱，以及硬件或部署所需的营运资金。2026 年融资激增买来了时间，但公开来源仍未披露手头现金、毛利率、烧钱速度、库存周转、债务和现金跑道。[CI001, CI002, CI005, CI007, CI008, CI010, CI012, CI015, CI016]

4.3 财务结论与尽调障碍

Spirit AI 的财务基础在一个维度上很强：资本获取能力。截至 2026 年 9 月，公司已融资超过 $670 million，据报道估值为 RMB 20b；对于一家 2024 年成立的具身 AI 初创公司，资金因此显得异常充裕。但同一份公开记录仍未通过核心投资判断测试：没有按来源拆分的收入、实际定价、毛利率、烧钱速度、现金跑道，也没有试点转为大额经常性订单的证据。结论因此是混合的：融资实力降低了近期生存风险，但运营披露缺失使收入质量、利润率路径和资本效率仍未经证明。[CI001, CI002, CI004, CI005, CI006, CI011, CI012, CI013, CI016]

4.4 展示项

5.1 产品形态与客户工作流

Spirit AI 既没有把自己呈现为单独的机器人，也没有呈现为单独的模型。保留证据描述的是一个产品系统：Spirit 的视觉—语言—动作模型控制 Moz1 轮式人形机器人，而真实世界数据业务为训练和迭代提供演示。在 CATL，最清晰的客户用途是工厂操作：机器人插入和拔出测试连接器，同时围绕柔性线缆调整运动和力度。JD.com 提供了零售或服务场景中的第二个部署面。这些是有意义的生产信号，但仍是边界明确的工作流，不能证明 Moz1 能执行任意工业或家庭任务。[CE001, CE003, CE009, CE010, CE011, CE012]

5.2 架构与真实世界学习闭环

其技术论点是一条端到端闭环，而非传统的模块化自动化栈。人类视频和可穿戴传感器捕捉多样的物理活动；所得语料训练 VLA 模型，把感知、语言指令和动作连接起来；Moz1 随后在结构化环境中执行，部署例外又能产生更难的后续样本。管理层认为，不完美或“脏”的演示比精心筛选的动作更能加快学习。Reuters 衍生报道给出具体原因：仿真更擅长处理刚体，却难以处理电缆等可变形物体。依赖关系同样清楚——这种方法需要持续的采集运营、合作伙伴入口、算力、标注纪律，以及对人类采集数据的治理。[CE005, CE006, CE007, CE008, CE012]

5.3 成熟度、部署证据与路线图

最有力的技术证据是具体的，而不是普遍适用的。Spirit v1.5 据报道在 RoboChallenge 得分 66.09，任务成功率为 50.33%，公开报道还称代码和检查点已经发布。在 CATL，公司称某项连接器操作成功率超过 99%，循环时间接近熟练工人。Reuters 衍生报道还称 CATL 和 JD.com 已有几十台 Moz1。与这些正面信号相对，同一来源集合称，在结构化客厅环境的简单任务中成功率只有 90%，精细运动和未见任务仍有困难。因此，管理层对 2027 年年中的突破预测是路线图主张，不是标准化的就绪里程碑。[CE004, CE005, CE009, CE010, CE011, CE012, CE013, CE014]

5.4 差异化、安全与技术尽调

Spirit AI 最有支持的差异化，是大规模真实世界采集业务、公开模型材料和具名工业部署的结合。三者相互强化：部署创造困难样本，数据支持模型迭代，基准测试或生产结果帮助公司获得更多入口。同一闭环也带来集中度和控制风险，因为公开验证主要由 CATL、JD.com 和公司自报指标构成。一家二级来源描述了碰撞检测和自动刹车，但明确说这是公司口径，而非独立测试。保留来源没有提供第三方认证、安全或隐私控制、车队在线率、介入率、事故记录或客户支持承诺。[CE005, CE006, CE008, CE009, CE010, CE015, CE016]

5.5 展示项

6.1 客户版图与买方细分

保留来源指向企业优先的客户版图，而非广泛的消费者推广。独立报道反复称 Spirit AI 预计工业应用先行，之后是更简单的商业服务，家庭部署则要晚得多；公司仍把家庭拥有机器人描述为长期使命，而非当前收入基础。公开点名的用例分为三类：客户生产线上的结构化制造任务、与 JD.com 相关的零售/服务工作流，以及超市、酒店、办公楼等商业场所的未来管线。因此，当前买方、使用者和付款方主要是企业运营团队及渠道合作伙伴，而非家庭；消费需求仍是论点叙事，不是已有采用证据。[CU001, CU004, CU005, CU010, CU014]

6.2 具名采用验证

Spirit AI 最好的公开客户验证集中但具体。Baidu Baike 称 Spirit AI 的小莫机器人已在 CATL 电池 PACK 生产线上，并报告工业性能结果；Reuters 转载报道则称 CATL 和 JD.com 生产线上已经部署几十台 Moz1。 Baidu Baike 还称 Spirit AI 与 JD Group 签署了 2026-2029 年战略合作协议，JD MALL 场景包括远程支持的咖啡制作和未来零售扩展。这比 logo 墙更有说服力，因为公开记录点名了客户、工作流和部分结果指标；但 JD 零售活动究竟是试点还是规模化生产部署，以及已报道的车队或订单量有多少归属于各个客户，仍未有答案。[CU002, CU003, CU004, CU007, CU008, CU013]

6.3 持久性、扩张与集中度

客户章节最大的缺口是持久性。Baidu Baike 称商业化始于 2025 年第四季度，订单规模达到数千万元人民币，但保留来源没有披露客户数量、合同期限、续约行为、队列留存或从试点到量产的转化率。独立评论也限制了当前客户证据可以外推的幅度：Humanoids Daily 指出，Spirit AI 已报道的 90% 成功率来自结构化客厅环境中的简单任务，试验次数和介入规则均未披露；Reuters 转载报道称家庭应用仍至少需要八年。由于已披露的客户验证集中在 CATL 和 JD 相关场景，扩张看似可行，但在管理层提供账户结构、利用率和续约证据之前，集中度和渠道依赖仍是现实的投资风险。[CU006, CU009, CU010, CU011, CU012]

6.4 展示项

7.1 按优先级排列的投资判断风险

公开记录支持一个真实但仍狭窄的商业化故事。Gasgoo 称 Spirit AI 在 2026 年 2 月的两笔融资中合计募集近 CNY2 billion，股东包括 CATL、JD.com、TCL、Huawei、Xiaomi 及国资背景基金；Reuters 依据的后续报道则称 CATL 和 JD.com 已部署几十台 Moz1。这样的组合有利于获得入口和场景数据，但也意味着投资判断高度依赖少数生态关系，而非广泛客户基础。核心风险在于，估值和运营规模增长快于安全性、多元化及持久单位经济性的独立验证。[CR001, CR002, CR005, CR015]

7.2 监管、安全与数据治理风险

指定来源池没有记录 Moz 部署的第三方安全认证、正式监管批准、隐私控制或诉讼结果。Reuters 依据的报道描述了碰撞检测和刹车，但 Momenta 明确指出那是 Spirit AI 自己的说法，而非独立测试结果。同一报道称 Spirit 使用约 1,000 名承包商，在家庭和工厂采集物理世界训练数据；PRNewswire 则称公司正在大幅扩大这条管线。这些事实使数据治理、工人同意和部署安全尽调不可或缺。本资料池没有记录事故，并不意味着认证、隐私或产品责任风险很低；它只说明公开验证不完整。[CR006, CR011, CR012, CR014]

7.3 运营、质量与执行风险

Spirit AI 的公开运营验证在受限环境中最强，泛化能力最弱。Momenta 称已报道的 90% 成功率适用于结构化客厅环境中的简单任务，同一文章称精细运动和未见任务仍未解决。Reuters 依据的报道把工厂应用放在未来一至两年，把家庭应用放在至少八年之后，这明确警告投资判断不应建立在近期家庭机器人论点上。PRNewswire 补充了公司报告的证据：CATL 线束处理成功率达到 99%+，训练数据超过 200,000 小时；但两个指标都由管理层提供，未经过独立基准测试。在严格限定的环境之外证明可重复性、在线率和安全性之前，剩余执行风险仍高。[CR008, CR009, CR010, CR012, CR013]

7.4 依赖、融资与论点失效标准

Spirit AI 的融资和合作伙伴模式既带来动能，也带来集中度风险。Gasgoo 称战略投资人还提供部署场景和数据流；Reuters 依据的文章称可见商业验证集中在 CATL 和 JD.com。PRNewswire 的扩张计划依赖把数据采集设备扩展到超过 1 million 小时；即使收入、利润率或续约尚未公开，公司也需要持续资本并面对执行复杂度。独立披露仍零散：Expolume 的简介没有文章或事件历史，Dealroom 的可见条目甚至写着“No known external funding”，与更有来源支持的报道相矛盾。因此，失效标准应聚焦安全认证、CATL 和 JD.com 之外的多元客户证据，以及把部署与现金表现而非 headline 估值连接起来的经审计财务披露。[CR001, CR002, CR005, CR013, CR015, CR016, CR017]

7.5 展示项

8.1 建议与入场纪律

对价格敏感的建议是“继续研究”，而不是投资或放弃。Yahoo 转引的 Reuters 报道称，Spirit AI 自 2024 年成立以来融资超过 $670 million，截至 2026 年 9 月估值为 20b yuan（$2.9 billion）。这笔资本和 CATL、JD.com 已部署几十台 Moz1 的报道，说明公司不只是实验室概念，但并不能证明当前价格提供有吸引力的回报。保留来源没有提供经审计收入、毛利率、现金消耗、现金跑道、可用现金或证券条款。因此，入场应取决于核对后的股权结构表、董事会级运营数据，以及客户层面可重复车队经济性的证据。在这些测试完成之前，融资估值只是参考点，不是有独立支持的公允价值。[CV001, CV005, CV012, CV014, CV015]

8.2 融资背景与悬置因素

公开融资证据整体向好，但各来源口径难以对齐。EqualOcean 报道称，2026 年 2 月连续两轮融资合计近 CNY 2 billion，且后续参与方众多。Spirit AI 另行通过 PR Newswire 发布消息称，公司已融资 $280 million。Baidu Baike 又记载了 4 月和 6 月的融资事件；Reuters 9 月报道则称，累计融资超过 $670 million，估值达 20 billion yuan。上述数字不能相加：各来源并未统一说明金额指单轮募集额、累计融资，还是不同交割。它们也没有披露清算优先权、顺位、治理、稀释和手头现金。融资历史只能证明公司有渠道获得资本，不能说明新投资人能拿到怎样的经济条件。[CV001, CV002, CV003, CV010, CV011, CV012]

8.3 情景与可比框架

由于没有保留来源披露可审计收入或利润率，里程碑框架比收入倍数框架更可靠。在乐观情景中，真实工业部署扩展为重复车队订单，可靠性在更少结构化的环境中保持，已披露经济性开始支撑当前估值。在基准情景中，技术进展和投资人兴趣延续，但外部人士仍无法把估值与产生现金的表现连接起来。在悲观情景中，精细运动和陌生任务限制持续，工业采用仍然狭窄，未来资本条款不利。缺少可比收入、业务结构和利润率分母，上市公司或交易倍数只会制造虚假的精确度。今天真正相关的比较，是里程碑完成度与已经支付的价格，而不是编造一个点估值。[CV006, CV007, CV008, CV012, CV014, CV016]

8.4 退出准备度与论点失效

退出准备度尚未得到证明。Reuters 报道联合创始人 Gao Yang 拒绝评论 IPO 计划，保留来源也没有提供独立记录的收购流程、二级市场流动性或目标退出窗口。只有在 Spirit AI 提供干净的融资轮文件，把具名部署转化为具有可衡量在线率和客户 ROI 的重复订单，并公布足以支撑当前估值的财务结果后，投资论点才应增强。如果车队扩张停滞、介入负担阻止公司实现有吸引力的单位经济性、技术限制在公司所称工业窗口之后仍未解决，或新证券让投资人处于次级且没有相应价格补偿，论点就应失效。这些是尽调门槛，不是预测：公开记录不支持数值化回报目标、持有期或退出估值。[CV005, CV007, CV008, CV013, CV015, CV016]

8.5 展示项