一、先找到明确买单者，再谈技术突破

在访谈中，孙影把场景筛选标准进一步压缩为四项：付费方、ROI、环境容错率和数据积累。四项并不处于同一时间尺度。

付费方决定项目是否有商业起点；ROI决定它能否活下去；环境容错率影响技术落地速度；数据则在项目成立后逐渐变成壁垒。

“付费方清晰是底线，找不到明确的买单者，技术再强场景也是虚幻。

ROI是生存关键，无法在合理周期内证明经济价值的项目很难持续。

环境容错率决定了落地速度，高频刚需且容忍一定错误的场景更易突破。

至于数据积累，它是长期壁垒而非短期门票。

如果非要选‘一票否决’项，我认为是付费意愿不明。”

这套标准解释了恒东为何把“功能性”放在客户决策第一位。

To B/G客户不会因为“AI”或“机器人”概念本身买单，她们会围绕采购价格、可替代人工数量、仓库租赁、管理成本、安全风险、运维成本和回本周期做决策。

“客户采购这款机器人后，可以替代几位员工，这几位员工一年的工资是多少？节约了多少租赁成本与管理成本，减少多少安全隐患，都是我们要算的‘小账’，我们的客户平均三年或者两年半就能收回成本。”

孙影也披露过否决案例的判断逻辑：过去两年被否决的场景，通常是技术成熟度与场景需求错配，或者市场培育成本过高；她举例称，某些教育场景和农业场景曾因此被否决。访谈没有进一步披露具体项目名称与测算过程，这一结论应理解为受访者的项目筛选经验，而非对相关赛道的整体否定。

“先客户后研发”并不等于从零做定制

恒东的方法是：技术储备在先，客户共定义在前，工程化落地在后。

团队先保持可复用的技术能力，再与客户沟通业务目标、价格承受范围和交付边界，最后在原有基础上快速工程化，而不是签下合同后从零研发。

“很多商业逻辑在促成合作之前必须有技术储备，而不是先签订合同再研发技术储备。我们在原有基础上进行了较小的改动直接落地。”

这套方法成立需要四个前提：

• 有可复用的技术储备，否则“客户前置”会变成定制项目外包；

• 客户能明确表达目标、效率、成本、流程和风险类型；

• 价格与ROI能在立项前测算，BOM控不住，产品做出来也没有竞争力；

• BU有止损机制，阶段性投入与效果不达预期就会被砍掉。

同时，ROI模型既要算清经营账，也要处理组织和社会语境。

二、场景选择决定生死：四种生意，而不是四个技术热点

孙影反复用“场景”解释机器人公司的生存线。早期不少机器人公司没有找到合适的商用场景而消失；她以云迹切入酒店场景并与华住合作为例，说明技术只有进入明确的客户关系和付费结构，才可能跨过商业化门槛。恒东的场景组合也不是从单一技术路线推导出来的，而是逐一回答“谁付钱、怎么算账”。

物流仓储：当前主攻，交付一座可自主运营的智能仓

恒东提供“交钥匙工程”：客户交出一个空仓库，团队完成整体流程规划，配置仓储机器人、输送线、AGV、AMR、拆码垛机器人，接入WCS、WMS和数字孪生等软件系统，并完成培训，最终交付一套可以直接运营的智能仓。

轮式双臂具身智能机器人已用于保税仓开箱检测和快递“供包台”扫码环节，团队也在积累海关、邮政快递、物流行业的垂类数据与模型能力。

客户的核心痛点不只是减人，而是在不增加仓库租赁成本的前提下提高单位产出——孙影将其概括为“让一个仓库发挥接近三个仓库的作用”，同时让流程规范化、数据化和可追踪。金华与义乌的地缘密度、高频见面和快速响应，也构成获客与交付优势。

畜牧巡检：主流叙事之外，ROI反而更清晰

团队经过约两年的静默研发和数千万元级投入，开发猪场巡检机器人。产品采用轮式或履带式底盘，坚持“即买即用”，不走需要大规模改造猪舍的轨道吊装方案；通过视觉、红外热成像和气味传感器等多模态方式，对猪只体温、行为、叫声和体态进行非接触监测，识别疾病隐患，并与饲喂系统联动。

其付费逻辑来自生物安全与规模化管理：非洲猪瘟等疫情背景下，人员进出猪舍需要隔离，机器人可减少进舍频次并支持兽医远程诊断；在上万头规模的猪场，有时两三台机器人即可按巡检要求运行。该方向由集团董事长亲自拍板投入。

K12心理健康：把陪伴重新定义为长期无感检测

恒东把产品定位为心理健康检测终端，而非只会对话的情感陪伴玩具。约1.2米高的互动机器人或互动大屏部署在学校心理咨询室或教室，结合摄像头微表情、声纹和答题互动等数据，长期记录学生心情图谱。

该方向由一位浙大应用数学系背景的负责人历时数年构建心理模型，并与学校教育专家、青少年心理学专家合作；产品已获浙江省内多所学校采购。

巡逻巡检：维持运营，本身就是一种取舍

巡逻巡检主要由“小远”品牌承接，客户包括公安、消防、厂区、国家电网等；团队与机器狗本体厂商合作，搭载视觉、多模态传感器和协作机械臂等模组。

孙影对该方向的定位是维持运营、不追加投入。并非所有已进入的方向都要加码，停止继续投入同样属于场景管理。

三、从Demo到可运行系统，真正难的是工程化闭环

当客户购买的是完整结果，机器人公司的成本就不只在本体。整体解决方案能提高客单价并加强客户绑定，但也会增加方案设计、系统对接、现场调试、人员培训和售后运维成本。孙影把商业账拆成收入、成本与复购三端。

收入端：整体解决方案提高客单价，也放大交付责任

物流、畜牧等强流程场景中，客户更可能为一套可运行系统付费，而不是购买一个单点机器人。对供应商而言，这意味着从卖硬件转向承担流程设计、系统集成和长期运维。

成本端：研发、BOM、交付、运维四类成本必须一起算

其中BOM是报价能否进入客户ROI模型的生死线。恒东不自研所有硬件，而是保留核心软件和系统能力，其她部分依托合作多年的成熟供应链伙伴。这样的取舍并不追求技术栈全自研，而是让整体方案进入可成交的价格区间。

复购端：功能、性价比和稳定性交叉验证

孙影的判断是，只要功能符合要求、性价比处于行业较高水平，B端复购率仍然相当高，部分客户还会向集团或兄弟单位推荐。复购因此不仅是销售结果，也是功能性、稳定性与ROI是否同时成立的验证。

产品化的三条边界

• BOM成本决定产品有没有商业化资格：成本控制是产品立项的第一约束；

• 现场稳定性比实验室参数更接近客户价值：真实环境包含高温、高湿、高腐蚀、粉尘、网络屏蔽和复杂光照；

• 垂类数据闭环比通用模型接入更难复制：数采、清洗、有效数据提取、算法优化和决策反馈需要持续迭代，畜牧与K12还需要养殖专家、心理专家和教师的KnowHow。

环境容错率由此不只是技术指标，也是落地速度变量。高频刚需且能够容忍一定错误的场景更容易突破；一旦现场对网络、感知或安全的容错极低，产品就必须先补齐稳定性，Demo的领先并不能直接转化为交付。

四、技术路线：从“能看清”走向“能预判”

孙影观察到行业围绕VLA与世界模型展开讨论。她最初认为世界模型距离落地很远，但近几个月发现，团队的实际工作正在向世界模型靠近。

“我们教机器人会的东西，不是通过文本语言类的方式告诉她这个东西是什么，而是真正让她实打实地认识、理解物理世界，用世界模型进行学习、感知、决策、执行、优化，继而产生数据飞轮。”

与此相关，她认为AI已让机器人视觉感知从“能看清”升级到“能预判”：多传感器数据互补与算法协同，可以输出预知判断并给客户置信度。

触觉也可能成为情感交互的重要信息入口——未来交互不能只依赖视觉、语音和麦克风阵列，机器人能否感知触碰并理解情感，会影响反馈是否自然。

团队层面，恒东与多所高校合作，并招募海外归国技术人才，其中包括数位VLA方向的算法专家。

纯运动控制的独立价值正在收窄

孙影在追访中表示：“现在回头看，这个判断基本验证了。纯运动控制公司如果拿不到场景数据，就只能在低端市场打价格战，很难形成真正的护城河。”

她的判断不是运动控制不再重要，而是单独依赖“小脑”和运动控制，很难支撑一家公司的长期差异。

部分企业可能退回关节模组、电机或核心运控供应商角色；真正决定产品能否留在客户现场的，是场景数据、垂类模型、系统集成和交付能力的组合。

五、两种创业形态之后，孙影给出的三条经验

孙影经历过自主创业与集团内部BU孵化两种不同创业形态。

前者需要直接面对融资、市场和组织不确定性；后者拥有主业利润、供应链与客户资源，但同样受阶段投入、业务效果和止损机制约束。

基于这两段经验，她把具身智能创业建议压缩为三条。

“第一条：先找到能跑通商业闭环的场景，再谈技术突破。技术再炫，没有客户买单就是自嗨。

第二条：团队要有一个能扛住长期不确定性的核心人物，不能指望外部资本一直输血。

第三条：不要试图一开始就做通用机器人，那是一条烧钱无底洞。先在一个垂直场景里扎下去，把场景吃透，把数据攒够，把交付做到位，再考虑横向扩展。通用是结果，不是起点。”

这三条经验共同指向同一个顺序：先验证商业闭环，再把技术能力压进真实场景；先形成一支能扛周期的核心团队，再谈规模扩张；先积累可迁移的数据和交付方法，再追求通用性。

六、哪些方向被高估，哪些能力被低估？

可能被高估的三类方向

• 纯运动控制机器人：仅依赖“小脑”和运动控制的公司，可能因缺少场景数据而进入低端价格战；

• 技术先行、市场滞后的创业公司：技术出色不等于凭想象力定义的产品会被市场接受；

• 只会对话的陪伴机器人：长期壁垒在持续感知、心理模型和情绪/行为等多模态对齐数据，而不是聊天能力本身。

可能被低估的四类能力

• 传统制造业集团孵化机器人业务：主业利润、供应链与客户资源提供更长验证期；

• 整体解决方案能力：强流程场景中的客户更愿意为可运行系统付费；

• 儿童心理健康检测：与泛化情感陪伴相比，学校采购与心理健康任务形成了更明确的场景锚点；

• 场景判断力本身：会选场景，可能是机器人公司最被低估的能力。

投资判断：团队、客户，再到核心骨干

孙影在筛选具身智能初创公司的投资并购机会时，既看团队、技术，也看客户，但排序有先后：

• 第一看创始人有没有在真实场景里打过仗、能不能扛住周期；

• 第二看客户的支付意愿及能力；

• 第三看核心骨干的稳定性与成长性。

这套排序与她做产品的逻辑一致：技术能力必须进入一个真实团队、真实客户和真实交付周期中被验证。

单次Demo、融资声量和概念热度，都不能替代创始人的场景经验、客户买单与组织稳定。

七、未来6—12个月，回看三个可验证判断

预测一：纯运动控制机器人需求继续降温

适用范围：仅依赖“小脑”和运动控制、缺少场景数据与上层交付能力的机器人公司。验证时间：至2026年底。建议观察项目数量、价格变化，以及企业是否转向关节模组、电机或核心运控供应商角色。

预测二：陪伴机器人热度继续上升，但订单之后要看使用

孙影判断陪伴机器人热度会上升。该判断应继续通过真实交付、持续使用、场景留存和复购验证，而不只看发布量与订单声量。

预测三：世界模型成为具身智能的重要路线

时间范围：2027—2028年。建议观察世界模型是否在真实场景中提高任务成功率、预测能力与跨环境迁移，而不是只看模型演示。

评价一家机器人公司也可以更接近这套顺序：先看付费方与任务是否真实，再看ROI和交付是否成立，随后看现场稳定性、复购和场景数据，最后才看技术路线与融资声量。