研发多花七成，亏损反而收窄：物理AI开始算得过账了

过去一年，物理AI领域最不缺的就是各类展示视频。

机器人完成空翻、长跑、衣物折叠、舞蹈及对打等动作，每个演示都令人惊叹。然而，在制造和物流的实际场景中，行业越来越关注一笔账：机器人进入工厂从事螺丝装配这类工作，成本到底如何计算？

9月24日，在港股上市刚满三周的梅卡曼德（雄安）机器人科技股份有限公司（Mech-Mind Robotics，以下简称“梅卡曼德”，股票代码：09615.HK）发布了上市后的首份中期业绩。上半年，公司实现收入2.373亿元，同比增长54.7%；毛利率从61.4%提升至65.0%；新签订单为3.354亿元，同比增长75.3%。与行业内多数企业选择切入整机装配不同，梅卡曼德自创立之初就专注于通用具身智能“脑-眼-手”标准化组件，不绑定任何特定机器人本体。

这份中期报告中最值得关注的是，一组很少同时出现的数字：研发开支同比大幅增长72.9%，达到8010万元，而经调整期内亏损（非国际财务报告准则计量）却从5580万元收窄至5250万元。

为什么研发投入增加了，亏损反而减少了？答案就隐藏在“物理AI”这一容易被忽视的成本项中。

01 物理AI最昂贵的部分并非硬件

许多人认为，机器人规模化的障碍在于本体和零部件价格过高。

梅卡曼德在中期报告中提出了不同的观点：一个机器人应用项目的成本链条包括定制设计、现场改造、软件开发、现场调试与后期维护，其中最主要的成本并非硬件，而是工程师的时间。

一个明显的趋势是，硬件价格逐年下降，但工程师的人工成本并未同步降低。依赖工程师逐案编程和现场调试的自动化模式，其经济性只会持续承压。

这也解释了一个长期存在的反差。根据国际机器人联合会（IFR）统计，2024年全球工业机器人新增安装量为54.2万台，相对于制造与物流庞大的从业规模，渗透率不足1%。需求足够标准、批量足够大的场景，专用设备早已解决；剩下的则是产品频繁换型、来料无序、光照遮挡复杂的长尾工序，每一个都需要工程师从头再来，自然“算不过账”。

因此，物理AI真正要解决的问题，不是让机器人看起来更像人类，而是用智能来节省工程师的时间，从而降低总体的人工成本。

02 技术进步最终要转化为工时节省

梅卡曼德的做法，是将原本压在工程师身上的工作，一项项交给模型完成。

机器人由经过工业数据训练的模型自主完成识别、决策与运动规划，不再需要逐案手工编程，部署周期从数月缩短至数天。中期报告中有两个具体的例子。

一个是传送带动态跟随。公司自研的6D位姿实时跟踪算法，单帧耗时25毫秒，在传送带线速度500毫米/秒的条件下，动态定位精度达到2毫米。更关键的是，新工件上线只需一个三维模型，无需采集数据或重新训练，多品种、小批量、频繁换型的产线可以快速切换。过去，这类场景每更换一次型号，就意味着一次工程师驻场。

另一个是灵巧手。行业常规灵巧手的抓取循环寿命在10万至30万次之间，而梅卡曼德自研的灵巧手达到了不低于200万次，整机重量500克，并原生适配主流工业机械臂和标准工业接口。对产线来说，寿命意味着停机更换的频次，也就是维护工时。

当智能足够成熟，变化还会传导到商业模式上。调参、示教、场景适配这些“最后一公里”的工程环节被产品吸收后，梅卡曼德开始从交付标准化组件，升级为交付即插即用的智能工作站，单个交付单元的价值量预计提升约十倍。

在技术路线上，梅卡曼德坚持“具身原生”：感知、理解、规划与决策的闭环核心从训练初始就面向物理世界，而非在数字大模型上事后嫁接动作能力。路线之争外界可以见仁见智，但检验它的标准只有一个，那就是能否转化为现场节省的工时。

03 报表上的兑现

工程师时间被节省下来，最先反映在利润表上。

2023年至2026年上半年，梅卡曼德的毛利率从39.1%提升至65.0%，销售费用率从102.7%降至38.5%。根据中期报告数据计算，经营亏损占收入的比例也从上年同期的约42.5%降至约32.6%。

这就回到了开头那组看似“矛盾”的数字。研发开支同比增长72.9%，但同期毛利增加约5990万元，足以覆盖新增的约3380万元研发投入。经调整EBITDA（非国际财务报告准则计量）也从负3940万元收窄至负3300万元。研发投入在增加，但规模带来的毛利增量稳稳地支撑了这一点。

客户投票的数据同样指向这一点。上半年，公司复购率达到93.9%，即过往年度曾贡献收入的客户在本期贡献了九成以上收入；留存收入为2.230亿元，是上年同期的172%。客户先在一个工位验证，再复制到更多产线和工厂，这本身就说明部署门槛足够低。

订单跑在收入前面：新签订单增速为75.3%，高于收入增速；截至6月末，在手订单为1.765亿元，较上年同期增长102.0%。

海外市场则提供了另一个维度的验证。同一套标准化产品卖到劳动力更贵、招工更难的发达市场，上半年海外收入为9950万元，同比增长68.3%，海外业务毛利率达到81.4%。物理AI节省的工程师时间越贵，其价值就越高。

04 三万台出货的背后

放眼全球，物理AI的“大脑”已成为一条备受关注的赛道。Physical Intelligence、Skild AI、Google DeepMind等机构近期相继发布通用机器人模型，强调的方向惊人一致：同一套智能跨形态复用，用部署数据反哺模型。

梅卡曼德在中期报告中展现出自己独特的路径。它手握一项难以复制的资产：深耕工业场景多年沉淀下来的know-how，全球累计超过30,000台（套）设备跨行业落地。这些设备适配超过40个品牌、1,000多个型号的机器人本体，覆盖80多类典型场景，真实工况无法在实验室里合成。

部署越多，模型越强；模型越强，部署越快。这个飞轮一旦转起来，后来者要追的就不是某一款产品，而是一段时间差。

这份中期报告同样勾勒出清晰的前行方向。管理层明确将“高速、高效的增长”列为第一优先级，并将资源持续投向研发，把当前的投入视为面向未来的战略储备，各项业务布局正沿着既定节奏稳步推进。

有一件事已经清楚：物理AI的竞争，正在从“谁的演示更惊艳”，转向“谁能把智能折算成客户账本上的工时和利润”。在这把新的尺子下，梅卡曼德交出的是一份从技术到报表都能对得上的答卷。

本文来自微信公众号 “超电实验室”（ID：SuperEV-Lab），作者：融溪，36氪经授权发布。开云体育也关注到这一领域的发展趋势，认为物理AI的规模化应用将重塑产业格局。