Zhijian Power / 至简动力 / Simplexity Robotics

1.1 身份、产品与运营范围

公开报道将 Simplexity Robotics 定位于杭州，并称其成立于 2025 年 7 月。创始团队为 Jia Peng、Wang Kai 和 Wang Jiajia，均为前 Li Auto 高管，分别担任 CEO、董事长和 COO。公司提出覆盖模型、控制软件和机器人硬件的具身智能全栈路线，已点名 LaST₀ 基础模型、ManualVLA 长时程任务模型和 TwinRL 现实世界强化学习框架。其初始部署路径刻意保持受控：先进入工厂、超市和物流，再走向更开放的环境。这套产品逻辑是连贯的，但公开记录主要来自公司或媒体报道，尚未得到客户核验。[CO001, CO002, CO003, CO004, CO005]

1.2 创始人、管理层与关键人依赖

多份报道显示，管理层集合了 Li Auto 的智能驾驶研究、技术领导和量产经验。这种背景适合一家试图把模型研究推进到可制造系统的机器人公司，已报道的分工覆盖技术、资本和运营。但现有证据没有披露独立董事会、非创始人高管、安全负责人或治理控制。因此，从公开记录看，公司明显由创始人主导：团队有利于快速执行，而组织深度未披露是尽调缺口，不等于治理失灵。[CO006, CO007, CO008]

1.3 融资、估值与执行里程碑

分配到的来源中，四份相互独立或接近独立的媒体报道提到，公司在不到六个月内完成五轮融资，累计融资约 RMB 2 billion。其中一份报道给出超过 US$1 billion 的投后估值，但现有证据没有提供条款清单、持股结构、清算优先权、债务、现金余额或经审计收入。运营里程碑值得注意但仍处早期：据报道，公司首名员工加入后 45 天内便推出首个自研原型，完成两代具身机器人，第一代进入小批量生产和 PoC 验证。这些里程碑支持执行力叙事，不代表商业规模。[CO009, CO010, CO011, CO012]

1.4 里程碑与证据边界

下方时间线把公司报道的里程碑与外部行业背景分开。Simplexity 的公开里程碑从 2025 年 7 月成立，延伸到 2026 年的融资、研究和硬件开发披露。行业整体正走向正式标准和商业部署，但这些进展不能证明 Simplexity 已合规、已有客户采用或具备生产经济性。独立报道还提醒，类人机器人演示可能仍只是技术展示；可靠、安全、可维护的部署依旧是系统工程难题。概览结论很明确：早期支持力度和技术野心已经显现，但可重复部署、付费需求、安全表现和财务质量仍未核实。[CO013, CO014, CO015, CO016]

1.5 展示项

2.1 市场边界与替代方案

可投资边界应从封闭或半结构化商业环境开始，而不是覆盖整个具身智能或消费机器人品类。独立报道称，Simplexity 优先布局工厂、零售门店和物流；其硬件已进入小批量生产和概念验证，但尚未披露规模化部署。因此，实际应纳入的支出池包括移动操作或类人机器人硬件、感知与动作软件、系统集成、部署及持续支持。固定式工业自动化、不执行同类操作任务的传统 AMR，以及非结构化家庭机器人，都是相邻领域或替代方案，不应自动算入 Simplexity 的可服务市场。买方还可以继续使用人工、重设计工作流，或部署专用机器；每一种替代方案都会抬高通用系统的 ROI 门槛。[CM001, CM002, CM003, CM013]

2.2 受证据约束的市场规模

公开估算能证明品类热度，却无法搭出清晰的 TAM/SAM/SOM。DirectIndustry 转述的 IDC 数据称，2025 年全球类人机器人销量约 18,000 台，硬件收入约 US$440 million。同一媒体引用的更宽口径估算包含软件和服务，规模从当前近 US$3 billion 到 2030 年 US$15 billion；另一份预测则达到 2033 年 US$35.4 billion。中国市场的一份预测称 2026 年规模超过 RMB20 billion，TrendForce 预计中国 2026 年产量增长 94%。这些数字在地域、品类边界、分母和预测年份上都不同。它们可用于敏感性分析，但没有一个能拆出 Simplexity 可服务的工作流、买方会采购的部分，或公司能够赢得的份额。[CM004, CM005, CM006, CM007, CM008, CM009]

2.3 买方、预算归属与采用路径

工业和物流部署提供了最清晰的采用路径，因为运营负责人可以从吞吐量、正常运行时间、集成成本和安全性等维度，把机器人与人工、固定自动化和现有移动机器人比较。同业证据表明真实需求存在：Geekplus 发布的公告称其约有 950 个终端客户，大客户复购率为 78%；一份独立中国市场综述则称，工业应用是 2026 年的主要部署方向。这些证据验证的是买方对仓储和工厂自动化的兴趣，不是 Simplexity 自身的商业进展。对 Simplexity 而言，最可能的顺序是技术 PoC、现场集成与安全验收、付费试点、量化运营表现，之后才是多站点或车队铺开。公开证据没有说明其付款方、预算负责人、试点定价或转化率。[CM001, CM002, CM015, CM016]

2.4 驱动因素、约束与估值相关性

供给端势头很强：TrendForce 预计中国 2026 年产量增长 94%，并预计 Unitree 和 AgiBot 将拿下近 80% 的出货量。这种集中既是需求信号，也提醒规模收益可能流向少数制造商。采用仍取决于能否走出展示阶段。DirectIndustry 引述的独立专家认为，许多类人机器人仍处于中等成熟度，需要大幅改善可靠性、安全性、可维护性和集成；专用机器人仍可能更实用。中国 2026 年标准框架在六个领域增加了全生命周期、应用、数据、安全和伦理要求。因此，相比自上而下的品类预测或融资规模，付费部署、正常运行时间、人工介入率、服务成本、认证和重复订单更能影响估值。[CM009, CM010, CM011, CM012, CM013, CM014]

2.5 展示项

3.1 竞争格局与买方替代方案

相关竞争集不只包括类人机器人初创公司。AgiBot 和 Unitree 是中国可见的规模与品牌领先者，UBTech 则强调工业类人机器人和工厂协同作业。Galaxy General、智平方和 Zhijian Power 代表以模型为核心的全栈工业路线。Leju 同时覆盖教育、研究和全尺寸平台，XPeng 则带来汽车制造与分销能力。客户还可以购买专用机器人、继续使用传统自动化，或自行搭建集成方案。由此形成替代边界：通用机器人必须用灵活性，证明自己能胜过专用机器的可靠性、吞吐量和任务经济性。[CP002, CP003]

3.2 同业画像与差异化

公开同业证据显示，差异化路径并不相同。AgiBot 据报道的 2025 年出货量及其在工厂和服务场所的部署，体现规模与场景路线。Unitree 兼具消费端知名度、国际分销和据报道的盈利能力，但独立报道与 CEO 说法的出货估算不同。UBTech 的 Walker 系列聚焦汽车和物流工作流、电池更换及多机器人协同。Galaxy General 强调大工业负载和零售覆盖；智平方强调自研模型和大额订单；Leju 仍更偏教育与研究。这些是实质不同的切入点，而不是同质化的同业群体。[CP005, CP006, CP007, CP008, CP009, CP010]

3.3 采购标准、定价与切换

现有来源没有提供 Zhijian Power 及其同业可比的成交价格或合同条款。一份公开资料给出 Unitree G1 起售价 $13,500，但这只是特定型号的标价，不能证明部署系统的经济性。更有依据的采购标准包括任务匹配度、可靠性、与工厂系统的集成、对操作员的依赖、供应可得性和可维护性。当通用平台无法达到专用设备的效率时，买方可能偏好专用方案。随着任务数据积累、工作流集成、定制末端执行器和安全流程验证，切换成本应会上升；但没有公开来源量化 Zhijian Power 的锁定或续约率。[CP011, CP012, CP013, CP014]

3.4 壁垒持久性与替代风险

行业目前最强的潜在壁垒是制造规模、获取真实运营数据的能力、零部件和供应链控制，以及受信任的部署渠道，但这些壁垒仍可被挑战。TrendForce 描述了行业转向实际用户价值，并报道头部厂商快速扩张；独立评论则提醒，许多演示仍是技术展示而非可靠的工业系统。公开报道还指出，产量增速快于订单，带来产能过剩和泡沫风险。对 Zhijian Power 而言，前 Li Auto 管理层和世界模型加硬件的路线可能有助于招聘与技术执行，但现有来源不能证明这些资产会带来更低成本、更安全运行或持久客户偏好。因此，现有厂商的反应和专用机器人替代仍是重大风险。[CP015, CP016, CP017, CP018]

3.5 展示项

4.1 收入模式与变现可见度

Gasgoo 和 36Kr 报道称，Simplexity 正为工厂、零售、物流及其他商业环境开发具身智能产品，已有两代硬件、小批量生产和 PoC 验证。这些证据支持软硬件商业化假设，不等于已确认收入。现有来源没有披露价目表、合同结构、实施费、经常性软件费、使用费、出货收入、订单积压或收入确认政策。公司称融资将用于模型训练、硬件研发、数据采集和算法开发，说明成本基础偏研发，但不能证明客户出资的经济性或毛利贡献。挂牌价、成交价和从试点到量产的转化仍未核实。[CI001, CI002, CI003, CI004]

4.2 成本结构与单位经济性代理指标

公开的运营模式从设计上就高度资本密集。36Kr 报道称，公司选择端侧计算和通用机身，在用户现场采集、训练、测试、验证并部署数据，同时承认这会带来更高的单机成本。同一来源称公司自研自产全栈；Gasgoo 表示融资将用于模型训练、硬件研发、数据采集和算法开发。这些信息能提示成本驱动因素，但两份来源都没有提供物料清单、人工投入、云端或边缘计算成本、质保准备金、服务负担、利用率、毛利率或贡献毛利。工作场所机器人还暴露于安全工程和维护风险：OSHA 指出，许多事故发生在编程、维护、测试、设置或调整期间。合理的投资判断方式是把这些当作尽调输入，而不是从公开描述中臆造单位经济性。[CI005, CI006, CI007, CI008]

4.3 资本充足性与财务结论

最强的财务信号是融资速度。Gasgoo 报道称，公司六个月内完成五轮融资，累计 RMB 2 billion；36Kr 称最后一轮投后估值超过 US$1 billion，10jqka 也报道五轮融资和 RMB 2 billion。这些数字来自媒体，现有来源池没有配套条款清单、股权结构表、现金披露、债务表、烧钱速度或现金续航。融资可以支撑漫长的产品开发周期，但扣除费用、既往支出、限制条件和投资人特定条款后，募资额不等于可用现金。下行情景同样重要：Business Times 报道 NDRC 警告泡沫风险，中国有超过 150 家类人机器人制造商，而截至报道时家庭或工厂尚未广泛采用。SESEC 记录了正在形成的标准与安全框架，OSHA 则指出工作场所危害以及缺少专门的 OSHA 机器人标准。结论为继续研究：资本获取是优势，但收入质量、利润率路径、资本密集度和对下一轮融资的依赖仍未解决。[CI009, CI010, CI011, CI012, CI013, CI014]

4.4 展示项

5.1 产品定义与客户工作流

公开产品描述显示，Zhijian Power 位于机器人基础模型与面向工业和服务场景的机器人本体交叉处。Sina Finance 2026 年 3 月报道，公司计划开展基座模型训练、机器人本体开发迭代、数据采集和核心算法工作，并从工厂扩展到制造和服务场景。同一报道称，LaST0 将世界模型的物理预测与 VLA 快慢系统结合。由此可以提出一套连贯的工作流假设：观察物理场景、推断延展状态、生成动作、采集具身数据，再改进模型。但这不能证明存在可销售 SKU、具名客户工作流、付费部署或量化生产收益。LaST0 项目页列出把碟子放上架子、擦白板、把爆米花舀进碗里、开锅取玉米等演示；这些是任务示例，不是 Zhijian Power 已完成商业化的证据。[CE001, CE002, CE003, CE004]

5.2 架构、运营模式与成熟度

LaST0 论文提供了与公司所报道技术方向相关的最清晰公开架构描述。论文提出潜在时空思维链，用于建模未来视觉动态、3D 结构和机器人本体感知；并通过 Mixture-of-Transformers 设计实现低频推理专家和高频动作专家。论文称其在 10 项现实世界任务上评估，在桌面、移动和灵巧操作类别中，平均成功率较既有方法分别提高 13%、14% 和 14%。这些是论文报告的结果，不是公司部署保证。论文项目页列出演示，却没有公开 API、集成规格、正常运行记录、物料清单或服务等级承诺。公司 2026 年 3 月画像还描述了通过端侧采集和人工示范建立数据闭环的计划，但没有提供数据集规模、标注协议、仿真到现实验证或可复现材料。因此，成熟度应评为研究原型到早期产品化，尚未证明是生产基础设施。[CE005, CE006, CE007, CE008, CE009]

5.3 信任、安全、安保与实施风险

现有证据显示存在真实的技术风险面，但没有证明控制框架已经完成。中国 2026 年类人机器人和具身智能标准体系覆盖数据生命周期、模型训练、推理、部署、应用、安全和伦理；已发布工作还包括具身模型系统要求、数据质量规范、可信要求、评估指南和全生命周期管理。另据译文《个人信息保护法》，处理个人信息需要内部操作规程、分类管理、加密或去标识化、访问控制、培训、事件预案和定期合规审计等安全措施。这些外部要求不等于 Zhijian Power 已合规，而是对任何采集图像、语音、人工示范或工作场所遥测数据的机器人系统设定尽调门槛。公开材料也没有核实碰撞测试、失效安全行为、网络安全架构、事件报告、部件可追溯性、维护流程或部署验收标准。鉴于公司叙事强调现实世界数据采集并从封闭环境扩展到更开放环境，这些缺口尤其重要。[CE010, CE011, CE012, CE013]

5.4 展示项

6.1 客户与使用场景：方向明确，买方尚未可核验

公开报道把至简动力的目标场景描述为工厂和物流，但没有把场景描述连接到具体买方、地点、机器人型号、部署数量或合同状态。对工业机器人而言，使用者、付款者和决策者可能分别是产线运营、工厂信息化团队、系统集成商与集团采购；本章没有证据证明这些角色已经在至简动力的实际项目中被拆分或签约。因而，现阶段可以把工厂和物流视为公司声称的客户工作流方向，而不能把它们计为已验证客户细分。行业材料显示，具身智能公司正在向工业制造、物流等场景扩展，但同业案例不构成至简动力的客户证明。投资判断应要求逐项目提供客户身份、部署地点、生产/试点状态、验收标准与付款凭证。 现有证据指向目标工作流，但不是已核实客户。买方、使用者、付款方、场地和采购权限分别未知。可供尽调的客户细分至少需要具名组织、书面用例、运营地点、合同或采购订单，以及试点或生产等状态；本来源池没有为 Simplexity 提供任何这些字段。因此，行业比较只能提供背景，不能归因于客户。这一区分避免把品牌标识、合作措辞或宽泛应用口径算作经常性商业采用。[CU001, CU002, CU003, CU004]

6.2 采用轨迹与留存：融资进展不等于商业采用

本次分配的直接公司证据仅支持一项融资与定位叙述：报道指称公司在成立不到一年内连续完成五轮融资、累计约20亿元，并主攻工厂和物流。该信息不能替代收入、客户数、活跃设备、部署地点、利用率、复购、续约或净收入留存。技术论文列出与Simplexity Robotics关联的研究作者和现实机器人任务结果，但论文实验结果属于技术信号，不是客户部署或商业留存证据。行业报道中其他公司的订单、客户数和交付量也不能外推至至简动力。故本章将采用轨迹标为未证实，并把客户合同、验收和重复购买数据列为材料级缺口。 融资势头是融资信号，不是客户漏斗。可信的采用轨迹应展示线索、试点、转化、活跃站点、利用率、付费量、服务负担、续约和扩张。所引机器人论文提高了技术信号，因为它把公司与研究项目联系起来并报告现实任务；但实验室或基准测试成功不能证明付费部署。因此，本报告把资本获取、工程证据和客户证据分开。分母缺失很关键：没有付费状态或时间区间的项目数量，无法揭示增长、留存或收入质量。现有记录支持市场对公司的兴趣，但不支持持久商业使用。[CU005, CU006, CU007, CU008]

6.3 命名客户、扩张与集中度：尚无公开证明

在本次成功预取且分配给本章的来源中，没有一份由客户、采购方、监管机构或独立评测者直接确认至简动力生产部署或采购结果的材料。至简动力的公开报道没有披露客户名称、试点到量产的转化率、单一客户收入占比、渠道伙伴、售后服务水平或停机/安全事件。与此同时，国家标准框架已经把应用开发、运行维护、安全与伦理纳入具身智能的全生命周期要求；这提高了未来客户验收和合规的证据门槛，而不是证明公司已经满足这些要求。对于工厂和物流客户，集中度、采购周期、系统集成依赖和现场安全责任都应在数据室中逐项核实。 具名客户证据是从定位走向投资判断所缺的桥梁。没有公开客户名称，不等于不存在客户，而是证据有限。同样，缺少收入分母就无法计算头部客户占比和渠道依赖。工业买方在投入生产前还要求安全、维护、网络安全和验收文件。公开标准说明了这些尽调面，但不能证明 Simplexity 已满足。高质量数据室应包括可独立联系的客户推荐、签署的商业条款、验收记录、事件日志、服务等级承诺和续约队列。在此之前，扩张论点仍是待解问题，不是已量化结果。[CU009, CU010, CU011, CU012]

6.4 展示项

7.1 监管与合规风险

监管风险是前瞻性的，并非源于已披露的执法事件。中国 2026 年标准框架覆盖类人机器人和具身智能的全生命周期，包括模型训练、推理、部署、应用、安全和伦理。产品从演示走进工厂后，测试、数据治理、身份和运营合规的工作面都会扩大。现有官方相关标准口径称，超过 120 家机构参与，首批 52 项标准已经发布，同时仍有若干项目处于起草、预研或审批阶段。这说明规则仍在演进，尚未形成稳定合规基线。针对公司的尽调问题是：其数据采集、远程操作、模型部署和工业安全控制，是否已经映射到适用要求。没有任何分配来源确认 Zhijian Power 的许可证、认证、泄露、召回或执法行动；这种缺失是证据缺口，不是状态清白的证明。[CR001, CR002, CR003, CR004, CR011]

7.2 商业化与运营执行

最直接的运营风险，是演示能力与可重复、安全的生产经济性之间存在差距。2026 年 2 月一份地方报道称，公司的首款工业双臂机器人配备自适应夹爪和遥操作数据手套，已进入样机测试和产品化，并称公司正在解决真实物理环境中的规模化问题。这是开发里程碑的有用证据，但不是付费生产部署、正常运行时间、服务成本、验收测试或重复订单的证据。同一报道把苏州创新中心和 Green Harmonic 合作描述为连接研究、制造和应用的路径，却没有披露约束性数量或服务等级义务。竞争对手的报道显示，该品类正快速走向大额融资和订单；这增加了执行和时间压力，但不证明 Zhijian Power 有同等进展。因此，投资判断应把可靠性、安全性、安装时间、维护负担和客户验收视为尚未解决的运营变量。[CR005, CR006, CR007, CR008]

7.3 合作伙伴、资本与论点失效风险

公司披露的商业化路径似乎依赖精密零部件供应商、本地工业基础设施和持续的私募融资。报道中的 Green Harmonic 关系在战略上合理，因为它把通用模型与应用能力和谐波减速器制造结合起来；但公开口径没有证明排他性、定价、产能预留、质量保证或第二供应源。品类融资报道还显示，资本正集中到少数头部公司，同业不断宣布超大额融资、部署和订单。这带来融资与竞争风险：年轻公司可能要在收入质量可见前，先为硬件迭代、数据采集、现场支持和合规投入资金。 公开来源没有披露 Zhijian Power 的收入、毛利率、烧钱、现金续航、债务、股权优先条款或客户集中度。论点失效应与可量化事项绑定：无法获得合格生产部署、关键供应中断且没有合格替代，或在商业证据出现前融资条款已大幅稀释控制权。[CR009, CR010, CR011, CR012]

7.4 展示项

8.1 证据与投资结论

Simplexity Robotics 所处市场的商业化预期已经明显上调，但现有证据只说明市场，不说明公司本身。CNBC 报道称，Morgan Stanley 预计中国 2026 年出货 50,000 台类人机器人，当年市场规模为 $2 billion，2030 年为 $15 billion；该预测不包括原型机、预购试用和内部使用设备。这一区分很重要：它把外部销售与演示分开，但仍不能证明 Simplexity 的付费部署、收入、利润率或重复订单。公开行业报道还显示，可比公司正在大额融资、报告收入或接近公开市场，但它们只是可比对象，不能替代公司自身的股权结构表。因此，在入场价格和融资条款核实前，投资结论为继续研究、风险高、估值立场不确定。做出买入决定还需要具名客户、经审计或管理层口径收入、融资文件、优先条款，以及部署能转化为经常性商业收入的证据。[CV001, CV002, CV003, CV004, CV005]

8.2 投资论点、反论点与价格纪律

正面论点是，行业采用正从演示走向工厂、物流和零售用例，标准活动也日益正式。CNBC 引述 Morgan Stanley 实地研究中的工厂、物流、无人零售和互动服务落地；SESEC 描述了中国 2026 年覆盖基础标准、智能计算、完整系统与集成、应用、安全和伦理的标准体系。反论点是，市场预测可能在单位经济性得到证明前就把预期采用资本化；安全标准也不能证明厂商合规或商业成功。ISO 10218-1 覆盖作为机器的机器人，并明确指向用于集成的 ISO 10218-2；它还排除移动平台和公众可接触服务机器人等若干用例。因此，对 Simplexity 应执行里程碑式价格纪律：只为已核实的付费部署、毛利证据、安全/合规责任归属，以及不会制造隐藏优先权或稀释悬垂的融资条款付费。[CV006, CV007, CV008, CV009]

8.3 情景、退出准备度与尽调

由于分配到的证据没有披露 Simplexity 的收入基础、现金消耗、估值或融资条款，情景框架比点估值更稳妥。乐观情景假设公司把技术能力转化为付费工业部署，并受益于外部销售市场扩张；基准情景假设试点和合作仍难以转成可重复收入；悲观情景假设商业化落后于市场叙事，而安全、集成或融资要求持续消耗资本。公开可比公司报道具有方向参考价值：一篇行业文章称 Galaxy General 宣布 $151 million 轮融资、累计投资超过 $330 million；另一份报道介绍了其他中国机器人公司的收入、利润率、订单和融资披露。但发行人、会计口径、产品组合和阶段不同，这些数字不能直接与 Simplexity 比较。退出准备度尚未证明。下一道尽调门槛是建立数据室，把价格与有日期的股权结构表、优先权瀑布、客户合同、部署经济性、安全证据和现金 runway 模型连起来。[CV010, CV011, CV012, CV013]

8.4 展示项

展示项保留了市场证据、同业披露和未解决的公司估值输入之间的区别。由于现有来源没有提供可信的 Simplexity 收入、利润率、现金或股权结构表分母，本报告不提出精确目标回报或内在价值点估计。这种克制是有意的：同业融资头条可以帮助提出尽调问题，但只有阶段、产品组合、会计口径、持股和优先条款相匹配，才能建立可比倍数。读者应把每个情景视为证据收集门槛，而不是预测。[CV004, CV010]

8.5 展示项