Part 9: Industry Reality · The truth behind shiny demos
Chapter 24
机器人的商业模式 - 谁在赚钱，怎么赚
前面二十三章讲的全是技术 - 传感器怎么选、SLAM 怎么跑、行为树怎么搭。但如果你准备认真进入这个行业，有一个问题比“用什么算法”更重要：这个行业里的钱到底是怎么流动的？
想象你开了一家餐厅。你可能以为核心竞争力是菜好吃，但实际上决定你生死的是租金、翻台率、供应链成本和客单价。餐饮业里，很多菜做得最好的店倒闭了，而那些菜品一般但运营效率高的连锁店活得很好。机器人行业有类似的反直觉逻辑：技术最强的公司不一定赚钱，商业模式对的公司反而能活下来。
这一章我们换一个视角。不聊算法，聊生意。
硬件卖铁价：OEM 本体的价格战现实
机器人本体制造，听起来像是这个行业里最“硬核”的生意。造出一台能动的机器，卖给客户，赚差价。逻辑很简单对吧？
现实要残酷得多。
以仓储 AMR（Autonomous Mobile Robot）为例。2018 年前后，一台仓储 AGV 的售价大概在 15-30 万人民币。到了 2024 年，同类产品的报价被打到了 5-8 万，部分低配版本甚至低于 3 万。这不是因为技术成本降了那么多 - LiDAR、计算平台、电机这些核心零部件的成本下降是有的，但远没有售价跌得快。真正的原因是厂商太多了。中国的 AMR 赛道涌进了上百家公司，每家都在拿融资、抢市场、亏钱卖。
宇树的定价策略是另一个典型案例。Go2 机器狗 EDU 版大概一万多人民币，G1 人形机器人十几万起。这在人形机器人赛道里几乎是地板价。宇树能做到这个价格，靠的是自研电机和减速器带来的成本控制 - 但即使如此，硬件本身的利润率也非常薄。它更像是在用低价策略建开发者生态，赌的是规模上来之后的服务和软件收入。
硬件生意的核心困境是：你卖的是一个一次性的东西。 客户买了一台机器人，付了钱，交易结束。下次再付钱得等他买第二台。中间你要持续提供技术支持、固件更新、售后维修，这些全是成本。更要命的是，硬件同质化严重 - 当大家用的都是同一批供应商的电机、同一款 Jetson 计算平台、同一套开源软件栈，产品之间的差异化越来越小，最后只能比价格。
这就是为什么几乎所有还活着的机器人公司都在想同一个问题：怎么从“卖硬件”转向“卖服务”。
RaaS：机器人即服务
RaaS（Robot-as-a-Service） 的逻辑和 SaaS 很像：客户不买机器人，而是按月或者按任务付费。机器人的所有权还在服务商手里，客户买的是“机器人帮你完成的工作”。
这个模式最成功的案例之一是 Brain Corp。它做的不是机器人本体，而是给商超清洁机器人提供自主导航软件。合作模式是跟 ICE Cobot、Nilfisk 这些清洁设备 OEM 合作，Brain Corp 把它们的手动清洁机改造成自主清洁机器人，然后以订阅制卖给沃尔玛、Sam's Club 这些零售商。按门店按月收费。截至 2023 年，Brain Corp 的平台上有超过 3 万台机器人在运行。它赚钱不靠卖机器，靠的是每个月稳定的订阅费。
另一个经典案例是 Locus Robotics，做仓储拣货协助机器人。仓库不需要买机器人，Locus 按拣货量收费。旺季多部署几台，淡季退掉几台，对客户来说是弹性成本而不是固定资产。这个模式解决了仓储行业的一个真实痛点：双十一需要 100 台机器人，平时只需要 30 台 - 如果让仓库自己买，100 台的钱全是沉没成本。
RaaS 的优势很明显：
- 客户门槛低：不需要一次掏几十万买设备，按月付费几千块就能试
- 可预测收入：服务商有持续现金流，不像硬件生意大起大落
- 数据飞轮：机器人在客户现场运行，产生的数据可以持续优化算法
但 RaaS 也有它的难题。首先是前期资本投入巨大 - 你得先把机器人造出来、部署到客户现场，然后慢慢通过月费回本。一台机器人可能需要 18-24 个月才能收回硬件成本。这意味着你需要大量融资来支撑扩张期。其次是运维成本。机器人不是软件，它是跑在真实世界里的物理设备 - 会坏、会撞、会被叉车碾过去。你需要有人去现场修，这在中国的三四线城市仓库里意味着巨大的运维网络建设成本。
还有一个经常被低估的问题：客户教育。很多制造业和物流企业的老板习惯“买设备”的思维，对“租服务”天然不信任。“这机器人不是我的？那你哪天不干了我怎么办？” 这种担心在中国市场尤其普遍。
SI（System Integrator）：按项目收费的集成商
如果说 OEM 卖食材、RaaS 卖外卖，那 SI（System Integrator，系统集成商） 就是上门做私厨 - 根据你家厨房的具体情况，帮你定制一套解决方案。
SI 的商业模式是按项目收费。一个典型的项目流程是：
- 客户说“我的药房需要机器人自动盘点药品”
- SI 去现场勘查 - 药架多高、通道多宽、光照条件如何、网络覆盖怎么样
- 选型 - 用什么本体、什么传感器、什么计算平台
- 开发和集成 - 把导航、感知、业务逻辑串起来
- 现场部署和调试 - 这一步经常占整个项目 30-50% 的时间
- 验收交付 - 客户确认功能达标，付尾款
一个中等复杂度的机器人集成项目，报价从几十万到几百万人民币不等，周期从 3 个月到 1 年。
SI 模式的好处是利润率可以很高 - 因为你卖的是定制化的解决方案和专业知识，不是标准化产品。客户比价比较难，因为每个项目的需求都不一样。坏处是完全不可扩展。每个项目都需要工程师去现场，每个场景都有独特的坑要填。你有多少工程师就只能接多少项目。
这就是为什么 SI 很难成为一家大公司 - 它本质上是一个人力密集型生意。中国的机器人 SI 行业有大量年营收在 1000 万到 1 亿之间的中小公司，但很少有能突破 10 亿的。
不过对于个人开发者和小团队来说，SI 反而是最现实的入行路径。你不需要融一大笔钱去造机器人，只需要掌握前面二十几章讲的那些技术，然后帮客户把机器人从“能动”变成“能干活”。门槛是技术能力而不是资本，回报是项目收入而不是股权增值。很多机器人领域的创业故事都是从“帮别人做集成项目”开始的。
SI 行业还有一个有意思的动态：OEM 和 SI 之间的关系既合作又竞争。 OEM 希望 SI 越多越好 - 更多集成商意味着更多的本体销量。但 OEM 也在往上游走，试图自己提供更完整的解决方案，减少对 SI 的依赖。而 SI 则希望不被绑死在一家 OEM 上，保持多品牌适配能力。这个博弈在中国机器人行业里每天都在上演。
平台层的变现困境
现在聊一个更深层的问题。
你可能注意到，整个机器人行业最核心的软件基础设施 - ROS 2、Nav2、MoveIt、Gazebo - 全是开源的。Open Robotics（现在是 OSRA，Open Source Robotics Alliance）维护了这些项目十几年，被全球几乎所有机器人公司使用。
但 Open Robotics 本身一直在财务上挣扎。2022 年它被 Intrinsic（Google 旗下的机器人子公司）收购，很大程度上是因为纯靠捐赠和合同根本养不活这样一个核心基础设施项目。OSRA 成立后接管了开源治理，但资金和人力仍然是持续的挑战。
这就是平台层的经典困境：大规模采用，零价值捕获。 所有人都在用你的东西，但没有人为此付费。ROS 2 对机器人行业的价值可能有几十亿美元 - 它节省了每家公司从零搭建通信框架的成本 - 但 ROS 2 本身没有从中捕获到几乎任何经济价值。
这个困境不是机器人行业独有的。Linux 花了几十年才通过 Red Hat 模式找到可持续的商业路径。Kubernetes 背后有 Google 的战略投入。但机器人行业还没有找到自己的 “Red Hat”。
少数在平台层尝试变现的公司选了不同的路径：
- PickNik Robotics 开源了 MoveIt 的核心代码，但推出商业版 MoveIt Pro，加了企业级功能（可视化行为树编辑器、更好的部署工具）。这是经典的 open-core 模式
- Foxglove 的核心可视化工具开源，但企业版提供团队协作、数据管理和部署功能来收费
- NVIDIA 不靠 Isaac 软件本身赚钱，靠的是卖更多 Jetson 和 GPU。Isaac 是 Jetson 生态的“肥料”
对于开发者来说，平台层的变现困境意味着一个实际的职业观察：如果你想在机器人领域赚钱，不要只做“基础设施”。 离客户的具体问题越近，你能捕获的价值越大。做一个通用的 SLAM 算法很酷，但帮某个具体行业解决某个具体问题更赚钱。
开源 vs 闭源的战略选择
最后聊一个每个机器人公司都会面对的战略问题：你的软件到底开不开源？
先看两个极端。
完全开源派的代表是 ROS 生态。好处是建立了全行业最大的开发者社区、消灭了重复造轮子、加速了整个行业的技术发展。坏处上面说了 - 你自己赚不到钱。
完全闭源派的代表是传统工业机器人的四大家族 - ABB、FANUC、KUKA、安川。它们的控制系统、编程语言、软件工具全部闭源、专有。好处是 lock-in 很强，一旦客户用了你的系统，迁移成本极高。坏处是创新速度慢 - 你要自己做所有东西，社区帮不了你。而且在 AI 时代这变成了一个巨大的劣势，因为 AI 模型的发展速度远超任何单一公司的内部研发能力。
大多数新一代机器人公司选的是中间路线：
- 核心控制和商业差异化的部分闭源（比如自研的运动控制算法、场景特化的感知模型）
- 通用基础设施和接口层开源（SDK、ROS 2 驱动、URDF 模型、仿真环境）
宇树就是这个模式。unitree_sdk2 是开源的，你可以用它控制机器狗、读传感器数据。但宇树内部的步态控制 RL policy、电机驱动固件这些核心技术是闭源的。这让开发者可以在上层自由开发，同时宇树保留了底层的技术壁垒。
对于开发者和创业者来说，开源 vs 闭源的选择取决于你的竞争优势在哪里：
- 如果你的护城河是数据和行业 know-how（比如你比别人更懂药房的布局和流程），那软件开源反而有利 - 降低获客成本，建立社区信任，你的真正壁垒别人拿到代码也复制不了
- 如果你的护城河是算法本身（比如你训了一个特别好的抓取模型），那核心模型权重闭源，推理接口开放，是更合理的选择
- 如果你还在早期探索阶段，开源几乎总是更好的策略 - 你需要用户反馈远多于你需要保护 IP
一个实战中的判断标准：如果开源了这个东西，竞争对手三个月内就能复制你的核心优势，那就闭源。如果竞争对手即使拿到代码也需要一年的行业积累才能达到你的水平，那就开源。 因为开源带来的社区效应、招聘吸引力和客户信任，价值远大于代码本身。
回到开头的餐厅类比。机器人行业目前的状态有点像 2010 年前后的外卖行业 - 基础设施（机器人本体、通信框架、算法）已经基本可用，但最终的商业模式还在剧烈迭代中。卖硬件的发现利润太薄，做 RaaS 的发现运维太重，做 SI 的发现规模不了，做平台的发现收不到钱。
但历史告诉我们，这种混沌期恰恰是新入场者的窗口期。当行业格局已经固化时，后来者没有机会。而现在，一个懂技术的开发者 - 特别是一个同时懂 AI 和机器人的开发者 - 有机会在商业模式的探索中找到自己的位置。你不需要选对“唯一正确的模式”，你需要的是足够近地观察客户的真实需求，然后快速迭代。