Sudu Technology

1.1 身份、范围与运营阶段

当前报道将 Sudu Technology 认定为中国通用型具身智能公司，而 S&P Capital IQ 的一条记录将法律实体列为 Shanghai Sudu Technology Co., Ltd. 10 月融资报道称，资金将用于全栈技术开发，以及在工业生产线和工作站开展大规模验证。现有证据支持将 Sudu 描述为正从实验室原型走向工业验证，而不是已被证明具备商业化规模运营能力的公司。指定来源未能证明成立日期、总部地址、产品定价、经常性商业模式或生产部署数量。这些字段仍是明确缺口，不能从公司的融资画像中推断。[CO001, CO002, CO004, CO009]

1.2 融资记录与利益相关方图谱

RobotHot 报道称，2026 年 10 月的一轮融资超过 1b（10 亿元人民币），该来源将其译为 $140 million。另一条 S&P Capital IQ 记录的标题写作 $500 million 融资，并记载发行可转换优先股，且有战略投资者和财务投资者参与。其抓取正文中的美元格式有误，因此标题金额应以主要交割文件确认。两条记录不能直接相加：证据无法核对它们是不同轮次、重叠交割，还是不同表述的同一交易。记录也未披露持股比例、董事会权利、债务、老股转让所得或任一事件后的可用现金。[CO003, CO005, CO006, CO007]

1.3 领导层与治理可见度

保留的 Sudu 专属融资文本均未列出创始人、高管、董事或董事会架构。这是披露限制，不是角色缺失或领导层变动的证据。因此，在公司声称扩大现实工业验证的阶段，无法评估创始人与市场匹配度、技术关键人物依赖、资本配置权限和继任梯队。具名投资者可作为治理尽调的起点，但参与投资并不能证明当前所有权或控制权。在评分治理质量前，管理层应提供签署版领导层名单、履历、当前股权结构表、董事会构成、保留事项和留任安排。[CO006, CO008]

1.4 里程碑、资本强度与验证风险

保留证据仅支持两个有日期的 Sudu 融资里程碑，因此时间线也将行业事件标为背景，而非公司成就。品类融资规模可观：一份独立追踪数据显示，2025 年全球机器人初创企业融资额为 $13.8 billion；Tether 宣布向 NEURA Robotics 提供最高 $1.4 billion，TechNode 报道 Unitree 计划通过 IPO 募集 4.202 billion yuan。资本可得性不能验证 Sudu 的经济性或技术表现。与 IFR 相关的报道提醒，现实世界的人形机器人生产能力仍大多停留在演示或试点阶段；对 Unitree 的独立分析也显示，公开文件可能推翻早期的私人公司叙事。因此，Sudu 需要一手运营证据，而不是依赖可比公司估值。[CO010, CO011, CO012, CO013, CO014, CO015, CO016]

1.5 展示项

2.1 市场边界与采用背景

相关市场包括让实体工作能够跨任务和环境适应所需的软件、机器人系统及部署服务。范围涵盖具身智能模型、机器人本体、感知与控制系统、仿真与训练基础设施、集成服务，以及面向工业或服务部署的持续支持。不包括只执行单一重复任务、没有通用物理智能层的传统固定式工业自动化，也不包括尚未形成可重复购买流程的推测性家庭需求。现有描述将 Sudu 定位为通用型具身智能机器人平台开发商，而其 2026 年 10 月融资报告称资金将支持真实工业场景中的规模化验证。因此，相比宽泛的人形机器人市场标题，工业部署证据对决策更有意义。[CM001, CM002, CM003, CM004]

2.2 多重测算视角与可比性限制

证据支持多个并不等价的视角，而不是一个公司特定的 TAM。一份行业追踪报告称，2025 年全球机器人初创企业融资额为 $13.8 billion，并引用 Goldman Sachs 对 2035 年人形机器人市场 $38 billion 的预测；但这些数字分别代表资本形成和外部品类预测，并非 Sudu 收入或可服务市场。RoboticsTomorrow 总结 IFR 材料称，中国占工业机器人年度安装量的 54%，并表示近期和中期普及通用型人形机器人并不现实；因此，工业自动化既是替代方案，也是时间约束。Unitree 的 IPO 披露提供了运营市场参照：2025 年收入为 1.699 billion yuan，发货量超过 5,500 台人形机器人。另一份 Unitree 分析称，人形机器人收入的 73.6% 来自科研和教育，约 9% 来自工业部署，说明已发货数量尚不能证明工厂级采用。Unitree 是竞争对手，其数据不能移植到 Sudu。抓取到的 S&P Capital IQ 记录还将一笔据报的 Sudu 融资额以错误的逗号格式呈现，不能作为市场规模输入。现有来源未单独披露 Sudu 的 SAM、SOM、定价、部署数量或客户预算，因此这些数值仍是尽调缺口。[CM005, CM006, CM007, CM008, CM009, CM015, CM016]

2.3 买方细分、驱动因素与约束

最有支撑的初始买方路径是企业和工业客户：工厂、物流运营商，以及能够针对明确流程验证通用物理智能层的其他场所。买方、使用者和付款方可能不同：运营或工厂管理层负责生产率问题，工程和安全团队验证系统，企业资本或自动化预算为部署买单。2026 年 10 月融资说明明确提到真实工业场景和规模化验证，而中国政策报道将演示和试点项目描述为许多人形机器人部署的现状。因此，采用路径可能分阶段推进，从试点走向可重复的多地点部署，ROI、安全、集成、数据控制和可靠性都是闸门条件。与成熟工业机器人切换会受精度和速度要求约束；与人工劳动切换则受信任、培训和运营风险约束。Sudu 的公开证据未指明付费客户、合同金额、转化率或预算负责人，因此该细分图谱只是基于报道中的工业验证用例提出的尽调假设。[CM010, CM011, CM012, CM013, CM014]

2.4 展示项

3.1 竞争格局与战略定位

相关竞争格局不止包括人形机器人制造商。Sudu 的已述主张是打造通用型机器人“大脑”，通过标准化模型能力和 API 泛化感知与操作技能，因此最接近的直接对手既包括软件层基础模型公司，也包括一体化机器人厂商。ChinaBulls 将 Sudu 描述为追求“具备强泛化能力的‘机器人脑’”，并从运动智能走向感知和交互智能。与这一定位相对，Skild AI 和 Physical Intelligence 强调不依赖特定硬件的智能；NEURA、Apptronik 和 Unitree 则将软件与机器人本体或部署项目结合。Agility 以及企业内部自动化建设是特定仓库或工厂岗位的替代方案；在任务结构化的地方，传统固定式自动化仍是现状。融资和发货数据表明替代方案正在吸引大量资本，但仅凭这些数据不能证明技术能力或客户价值相当。[CP001, CP002, CP003, CP004]

3.2 面向买方的能力、分销与定价比较

买方选择取决于需求是机器人本体、可复用的智能层，还是可直接投入生产的工作流。Unitree 报道的 2025 年收入为 1.699 billion yuan，发货量超过 5,500 台人形机器人，计划通过 IPO 募集 4.202 billion yuan；这些公开规模信号强于 Sudu 目前可获得的信号，但这些指标与软件平台并不直接可比。Apptronik 公开将制造和物流列为初始用例，并列出 Mercedes-Benz、GXO Logistics、Jabil 和 Google DeepMind 合作；NEURA 的 Tether 公告描述了多形态产品组合、企业客户管线和 Neuraverse 软件生态。Physical Intelligence 已融资超过 $1 billion，但据 TechCrunch 在所引日期的报道，尚无商业化时间表。公开标价很少：指定来源未提供 Sudu、Skild、Physical Intelligence、NEURA、Apptronik 或 Unitree 按任务、API 调用、机器人或合同计价的直接可比价格。因此，未知定价应视为尽调缺口，而不是竞争优势。[CP005, CP006, CP007, CP008, CP009]

3.3 切换成本、护城河持久性与替代风险

最持久的潜在护城河不只是融资，而是可复用技能、部署数据、集成接口、合作伙伴渠道，以及仿真训练策略能否可靠迁移到陌生物理环境的证据。如果接口可移植，Sudu 强调的标准化模型能力和 API 可能降低客户切换摩擦；但如果竞争模型达到类似表现，也可能使智能层更容易被替代。一体化厂商可以通过硬件、服务和工作流集成制造锁定：NEURA 描述了连接机器人、组件、模型、数据、算力和服务的平台；Apptronik 则通过战略合作扩大 Apollo 部署。Unitree 的公开收入、利润和发货披露也显示出另一种优势：运营规模以及走向公开市场融资的路径。反向证据集中在执行不确定性上：所引 TechCrunch 报道称 Physical Intelligence 没有商业化时间表，而公开来源也未能证明 Sudu 的生产规模 sim-to-real 表现、客户留存或实际定价。这些缺口使护城河持久性仍未证实。[CP010, CP011, CP012, CP013, CP014]

3.4 对投资判断的竞争含义

Sudu 似乎在争夺具身机器人的智能层，同时面对能够打包硬件、部署、融资和支持的全栈厂商。如果仿真优先路径能带来可靠泛化、更低的数据采集成本，以及可跨机器人本体工作的 API，公司可能形成差异化；但指定证据未能独立验证这些结果。因此，当前最可观察的竞争信号只是代理指标：竞争对手资本、已披露部署、发货和财务规模、生态合作关系及商业化时间。买方或投资者应测试 Sudu 能否在任务成功率和集成时间上胜过纯软件替代方案，并在交付总成本和责任归属上胜过垂直一体化厂商。现有记录支持持续跟踪竞争格局，但不支持假设存在持久护城河，也不支持把竞争对手融资视为 Sudu 估值合理的证据。[CP003, CP006, CP010, CP013, CP014]

3.5 展示项

4.1 收入模型与可观察 traction

保留证据未披露 Sudu Technology 的收入、ARR、GMV、确认销量、利用率、实际定价、毛利率或客户集中度。2026 年 5 月的 S&P Capital IQ 记录确认了一起融资事件，并称公司发行了可转换优先股，但金额显示为 "$500,0000,000"，没有其他来源就无法规范化。证据池中的中文公告页面也不能用于交易或运营判断，因为其抓取正文只有“看横店”和“不喜欢”，并非可审计披露。因此，公开记录无法将 Sudu 归类为尚未产生收入、早期商业化或已规模化；没有披露某项指标，不等于其价值为零。 商业机制也没有公开到足以判断是 SaaS、机器人即服务、硬件销售、许可收入还是混合模式。对于一家仿真训练的机器人“大脑”公司，收入质量取决于客户究竟为机器人部署、软件访问、集成、数据还是服务付费，以及这些收入是否可重复。当前记录支持在使用任何运行率或增长倍数前，要求提供合同、发票、订单储备、递延收入、发货记录和收入确认政策。[CI001, CI002, CI003, CI004, CI015]

4.2 成本结构与单位经济性

没有保留来源提供 Sudu Technology 的物料清单、算力支出、每个有效训练小时的仿真成本、数据采集费用、制造承诺、支持负担、毛利率、CAC、销售周期、回本周期或营运资金状况。因此，融资结构很重要：可转换优先股融资可以支持工程和制造扩张，但即使融资金额得到核实，也不等于扣除费用、既有义务或计划部署后的当前可用现金。 可比行业证据说明了运营证明为何重要。一份行业融资概览描述 Figure 将资金用于 AI 训练、机器人制造、工程团队和商业部署；BMW 关于 Figure 02 的报告记录了一次生产试验。Unitree 后续公开的财务披露则提供了有用硬件业务最终可能呈现的参照——收入、利润、收入结构、毛利率和客户构成——但这些二手数字属于 Unitree，是同行背景，不是 Sudu 的独立基准。因此，只有在管理层提供公司特定分母后，才能基于实测单位经济性评估 Sudu。[CI005, CI006, CI007, CI008, CI016]

4.3 资本充足性与投资判断

当前最有力的财务事实是据报 2026 年 5 月融资事件，参与者列有 GL Ventures、BlueRun、Tencent's investment arm、Ant Group、CATL、Alibaba 和 IDG Capital。来源称证券为可转换优先股，但金额字段格式错误，因此这里不将其视为已验证的 $500 million。记录未披露投后估值、现金余额、烧钱率、现金跑道、债务、清算优先权、资金用途或下一轮触发条件。因此融资依赖无法量化：没有现金流量表和部署计划，就无法把该轮融资换算为现金跑道月数。 行业资本充足但筛选严格。保留的 2026 年概览称，2025 年全球机器人初创企业融资额为 $13.8 billion，并描述资本正集中于拥有部署、企业合作和可防御软件的公司。这些是市场背景观察，不是 Sudu 指标。财务结论是继续研究：融资事件可能提供建设能力，但金额未经核实，且缺少收入、利润率、现金和合同证据，无法可信地评估回报或偿付能力。优先尽调包括从融资交割到当前现金的核对桥接表、按职能拆分的月度烧钱、已承诺资本开支、债务和优先股条款，以及已签署的商业义务。[CI009, CI010, CI011, CI012, CI013, CI014]

4.4 阻碍投资判断的证据缺口

这些开放问题并非表面问题。没有合同和交付证据，就无法评估收入确认；没有单位、客户和期间分母，就无法评估单位经济性；没有当前现金、烧钱、负债和融资条款，就无法评估资本充足性。模型训练、机器人原型、设施建设或客户集成期间，即使存在融资标题，也可能伴随现金快速消耗。在这些记录出示前，将 Sudu 与披露更充分的机器人同行比较估值，会把融资额与企业价值混为一谈，也会把市场热情与运营表现混为一谈。[CI004, CI006, CI010, CI014]

4.5 展示项

5.1 产品定义与运营工作流

Sudu Technology 将 Sudo R1 描述为通用型机器人“大脑”，而非狭窄应用：产品旨在让感知、推理和物理行动连接起来，在人类建造的环境中完成操作。Humanoid.Guide 独立描述该模型连接视觉、语言和行动，并利用仿真降低现实世界训练需求；Origin of Bots 则描述了一套工作流：先将人体动作或任务意图与视觉和空间输入结合处理，再执行关节驱动和姿态平衡修正。一篇中国行业文章称，公司正瞄准工业制造和物流，包括与 CATL 联合开发，但该报道与公司相关，并非独立部署证据。因此，实际买方工作流最好被视为辅助操作或自动化平台，其价值取决于任务迁移是否可重复，而不是广泛自主能力的证明。[CE001, CE002, CE003, CE004]

5.2 架构、训练与成熟度

已披露的技术论点是一套仿真优先架构，结合 3D 世界模型、强化学习、操作策略和闭环控制。中国报道将未明确的关键任务近 100% 零样本成功率归因于不使用真实机器人数据的设置，并另行描述了一次 60 分钟、未经剪辑的测试，涉及陌生物体形状、光照和背景。这些是公司或公司相关方的说法，不是可复现基准：公开记录未说明测试样本、分母、失败分类、机器人硬件、评估协议或 sim-to-real 留出设计。Origin of Bots 报道闭环策略频率为 15–25 Hz，但也称机器人尺寸、重量和硬件规格尚未公布。因此，概念架构清晰，但工程成熟度和泛化主张仍未验证。[CE005, CE006, CE007, CE008]

5.3 差异化与部署路径

Sudu 提议的差异化在于依靠仿真扩展策略学习，而不是主要依赖昂贵的远程操作和真实机器人数据。这可能降低边际数据采集成本，让同一策略更容易跨工作单元移植；但公开证据未能证明这一优势经得住机器人本体、传感器、延迟、接触动力学或工厂安全约束的变化。与公司相关的报道称，系统正面向多个制造和物流工作站开发，公司也在建设开发者中心和工具链。这些信息体现的是路线图和计划中的生态，而不是实测生产正常运行时间、集成时间、客户转化率或支持负担。MarketResearchFuture 提供了行业背景，称 AI、计算机视觉、机器学习、传感器和执行器是中国人形机器人市场的竞争层，但这不能验证 Sudu 的实现。[CE009, CE010, CE011, CE012]

5.4 信任、可靠性与尽调阻塞点

现有来源没有记录 Sudo R1 的安全模型、隐私影响评估、安全论证、认证、事故历史、正常运行时间承诺、软件更新流程或正式质量体系。中国报道所称的仿真优先方法可能减少收集敏感客户演示数据的需求，但这本身不能证明客户数据、远程操作通道、模型资产或机器人控制接口受到保护。操控演示成功也不能证明在传感器退化、新型接触力、网络中断或对抗性输入下的安全行为。IDG Capital 自有网站提示有人冒充，并称官方信息只通过其官方网站发布；该提示不是关于 Sudu 产品的证据，但强化了通过主要记录核实合作伙伴和投资者说法的必要性。尽调重点应是可复现的基准和带有安全、安保及可靠性控制的部署证据。[CE013, CE014, CE015, CE016]

5.5 展示项

6.1 客户细分与使用场景

面向客户的最强证据是一篇与公司相关的报道，描述 Sudo R1 用于工业分拣和仓库拆垛。报道称，系统可适应透明、柔性、反光及其他未知物体，部署也不需要收集敏感生产数据。这些说法指向工业运营商：它们关心快速集成、数据治理以及对非结构化物体的容忍度，而不是普通消费产品。同一报道将分拣和码垛列为商业场景，但没有指明付费客户、合同、场地、采购订单或生产验收测试。更广泛的行业证据将人形机器人初期采用放在工厂、物流中心和其他半结构化环境中；这只是市场背景，不是 Sudu 已被采用的证明。[CU001, CU002, CU003, CU004, CU013]

6.2 采用证明与发展轨迹

Sudu 的公开采用证明是一场产品演示，而不是客户部署记录。据报道，测试连续运行 60 分钟，抓取多类未知物体，并宣称近 100% 的零样本成功率。这与技术可行性和潜在买方评估有关，但缺少分母定义、逐任务日志、独立见证人、场地名称、付费还是试点状态、利用率历史和部署后的结果，不能据此推断活跃账户或重复使用。相邻机器人市场已有更清晰的工厂和仓库部署案例，这提高了 Sudu 的证据门槛：不能把演示写成生产牵引力。指定证据池中没有来源披露 Sudu 的客户数、按客户拆分的收入、续约、流失、NRR、GRR 或合同期限。[CU005, CU006, CU007, CU008, CU014]

6.3 扩张、采购与集中度

计划中的扩张路径，是从首个工业操作工作流延伸到相邻的分拣、仓储和码垛任务。仿真优先方法可能减少入场时对敏感客户数据的需求，但证据未能证明实施时间、集成成本、安全验收、服务水平，或单一买方能否跨场地扩张。融资和投资者披露显示的是资本参与，而不是客户集中度或商业持久性。因此，实际尽调重点应是客户层面的证据包：可供核验的签约账户、生产与试点状态、付费部署日期、任务级正常运行时间和成功日志、扩张经济性，以及最大客户或渠道贡献的收入占比。[CU009, CU010, CU011, CU012, CU014, CU015]

6.4 展示项

7.1 监管与数据暴露

最明确、可外部核验的风险，是在中国部署具身智能系统时面临的合规边界。中国《数据安全法》适用于在中国境内的数据处理，并将处理广泛定义为收集、存储、使用、加工、传输、提供和披露。该法还要求对重要数据实施全生命周期安全控制、风险监测、事件响应和风险评估。对于一套通过仿真训练、且可能连接现实部署的机器人“大脑”，尽调问题不是公司是否发生过公开数据泄露；这里没有证据支持这一结论。真正的问题是其数据分类、访问控制、事件响应和跨境传输流程是否形成文件并经过测试。国家工业机器人安全标准 GB/T 20867.1-2024 于 2024-08-23 发布，并于 2025-03-01 生效，取代 2007 年标准。这为任何工业部署带来了具体的标准更新义务，但指定来源未能证明 Sudu 的认证或符合性状态。[CR001, CR002, CR003, CR004, CR005]

7.2 执行、可靠性与商业化

行业证据显示，中国政策正在推动人形机器人和具身智能公司从演示走向经过验证的工作场所部署。eWeek 报道一项计划，目标是在 2026 年底前覆盖超过 100 个应用场景和超过 10,000 台人形机器人，同时指出现实部署旨在改善运营数据以及硬件和软件性能。这既带来采用机会，也带来执行风险：公司可能在系统尚未经过生产规模验证前，就面对压缩的验证期限、安全事故、集成失败以及保修或服务负担。一份 Unitree 对比称，其人形机器人收入的 73.6% 来自科研和教育，工业部署约占 9%；这不是 Sudu 的基准，但说明行业发货叙事可能领先于工厂采用。抓取的 ManiSkill 页面只有标题元数据，无法提供可用技术基准。指定证据池没有披露 Sudu 的生产正常运行时间、事故率、制造准备度、客户验收和重复部署数据。因此，sim-to-real 迁移和现场可靠性仍是重要的未解决风险敞口，不是失败证据。[CR006, CR007, CR008, CR009, CR015, CR016]

7.3 依赖、融资与论点失效触发器

行业资本密集度和集中度使融资与依赖风险成为论点核心。S&P Capital IQ 的一条记录称，Sudu 于 2026-05-08 宣布获得 $500 million 融资，并描述发行可转换优先股，战略和财务投资者参与。该报告未披露条款、现金跑道、清算优先权、契约或现金可用性，因此不应把这笔融资视为不受限制的现金或运营现金跑道。行业融资证据还显示，大型投资者和企业合作伙伴正集中于拥有部署和制造能力的公司；KraneShares 页面则显示，可投资生态横跨大脑、本体、感知、材料和集成商。Sudu 的供应商、云、资本提供方和客户依赖仍未核实；实际缓解措施是在评估规模前取得依赖图谱、集中度表、融资文件和生产验收指标。[CR010, CR011, CR012, CR013, CR014]

7.4 展示项

8.1 建议与入场纪律

合适的公开证据立场是跟踪 / 继续研究，而不是买入。S&P Capital IQ 确认一笔 2026 年 5 月 Sudu 融资，其标题标注金额为 $500 million，正文称发行了可转换优先股；但抓取正文对金额的呈现不一致，因此仍需通过交易文件核实确切对价。该记录未说明投后估值、稀释、清算优先权、转换条款或现金跑道。因此，当前估值无法从该证据池观察到。建议取决于价格：融资额证明投资者参与，不证明可用现金或有吸引力的入场价格。公司层面记录也未能证明收入、ARR、客户数、毛利率或生产量。这些遗漏阻碍了有依据的收入倍数或单位经济性结论。纪律性的下一步，是在评估入场价格前取得股权结构表、已签署条款清单、经审计或管理层财务资料以及客户合同。[CV001, CV002, CV003, CV004]

8.2 投资论点与反论点

该论点有两个得到证据支持的要素。第一，所报道融资列出 GL Ventures、BlueRun、Tencent、Ant Group、CATL、Alibaba 和 IDG Capital 为参与者，说明成熟的财务和战略投资者愿意提供资本。第二，行业拥有明显的政策和资本顺风：The Diplomat 将具身智能描述为中国第 15 个五年计划草案中的战略性新兴产业专门赛道。品类追踪数据将 Figure AI 的累计融资额和估值分别置于约 $1.9 billion 和 $39 billion，并将 Apptronik 的估值置于约 $5.5 billion 或更高；Tech Market Briefs 则按报道中的 Unitree IPO 估值情景计算出 23–29x 的历史收入区间。这些只是方向性参照，不是标准化的 Sudu 可比公司：工具、阶段、收入画像和证据质量均不同。就今天的投资判断而言，反论点更强。Voxos 报道称，受控实验室中的成功率在部署中可能大幅下降，人形机器人项目仍处于早期试点；Morningstar 对一只广泛的物理 AI ETF 给出中性评级，也说明主题暴露不等于预期跑赢。Sudu 的商业化、可重复性和价格支撑仍未验证。[CV005, CV006, CV007, CV008, CV009, CV013, CV014]

8.3 乐观、基准与悲观情景

情景分析应作为决策框架，而不是预测。乐观情景要求 Sudu 将技术差异化和融资渠道转化为可重复的付费部署，披露足够运营数据以支持模型，并在不受惩罚性稀释的情况下筹集后续资本。基准情景假设技术持续进步但商业化延迟，下一轮融资依赖战略投资者和叙事支持，而非可量化的经常性收入。悲观情景则是下轮融资或融资停滞叠加持续的 sim-to-real 缺口、高硬件成本和客户支付意愿有限。Voxos 描述典型人形机器人电池续航为 90–120 分钟，而工业要求为 8–20 小时；受控环境成功率为 95% 时，现实世界成功率仅为 60%。这些是行业信号，不是 Sudu 的测量值，但足以支持明显的执行折价。在公司提供增长、利润率、部署和所有权分母前，Sudu 的估值区间应保持不披露。[CV010, CV011, CV012, CV016]

8.4 尽调要求与退出准备度

根据现有证据，退出准备度目前较低。一套可信的投资判断材料需要准确的 2026 年 5 月融资工具、完全稀释后的所有权、期权池、优先股堆叠、债务和项目融资义务，以及任何投资者附函。还需要月度收入桥、订单储备和已签客户管线、按硬件和软件组件拆分的毛利率假设、部署正常运行时间、安全事故，以及在经过筛选的演示之外测量的 sim-to-real 表现。可比数据必须按商业模式标准化：Humanoid Index 混合了私人融资、上市公司、收购和子公司，而 Morningstar ETF 持仓是上市零部件和工业公司，并非 Sudu 的直接同行。ManiSkill 记录了仿真吞吐量和 sim-to-real 工具，但该能力不是 Sudu 生产表现的证据。论点失效触发器包括以明显更低的条款融资、无法证明付费的重复部署，或无法填补上述证据缺口。[CV003, CV009, CV015, CV016]

8.5 展示项