最近科技圈里冒出一个挺耐人寻味的说法叫“AI龙虾”。第一次听到我还愣了一下后来才琢磨明白龙虾这东西宴席上看着气派红彤彤一盘端上来可真正能下肚的肉就那么几口剩下的全是壳。用来形容某些AI项目尤其是机器人赛道里那些发布会开得震天响、融资一轮接一轮、可最后落地收入寥寥的产品再贴切不过。这阵子很多人把这个词和某位创始人绑在一起聊。大家倒不是恶意嘲讽而是觉得他走的路径太有代表性了——从移动互联网时代的工具产品吃到红利眼见老业务增长停滞果断转身押注AI和机器人一口气推了好几款机器人硬件还反复强调“AI赋能”。但几年过去外界看到的却是高管离职、产品线收缩、融资节奏放缓这类消息。坐在一个“技术很性感、商业很骨感”的赛道里到底谁是救星谁又是幻影这篇东西我不谈八卦只从行业观察者的角度把这家公司和这个赛道掰开揉碎聊一聊。1. AI龙虾这个比喻为什么突然火了1.1 “龙虾”和“瞎”的一语双关精准戳中了行业痛点先解释一下这个梗的几个层次。第一层龙虾贵。请客吃饭点一只波士顿龙虾菜单上动辄几百块派头是有了可问题是贵得有理由吗未必。很多AI公司拿出来的产品也是同理融资估值高市场声量大人形机器人发布会一个比一个炫但你的产品到底创造了多少实际价值没人算得清楚。第二层壳厚肉少。龙虾端上桌钳子、腿、壳占了七八成真正吃进肚子的可能就两口。不少AI机器人产品在演示视频里无所不能用户真买回去才发现“演示即巅峰”大部分能力都在PPT里硬件落地后要么识别不准要么场景太窄要么售后跟不上最后只能搁在角落吃灰。第三层咬不动。龙虾壳硬牙口不好的根本啃不动。对应到行业里就是很多AI项目技术和资金门槛太高普通中小企业既买不起也养不起服务对象永远是银行、医院、商场这种大客户和普通用户的生活毫无关系。更妙的是“龙虾”谐音“瞎”。某位知名产品经理在播客里聊过一句话现在听起来特别应景“AI行业最大的风险不是技术不行是大家都瞎忙活。”你看看各家机器人公司的产品线从送餐机器人到物流机器人从咖啡机器人到儿童陪伴机器人什么火做什么从不问自己为什么要做。这种为了做而做不是为了需求而做的产品本质上就是“瞎”。用“瞎”来形容这批产品真不算冤枉。1.2 一位创始人的二次豪赌从工具出海到机器人星辰大海要理解“AI龙虾”为什么会和这位创始人绑定在一起得先看他前半场的牌打得有多好。移动互联网时代的工具产品靠着“小而美”的实用功能把用户量做到了令人咋舌的规模然后在海外市场做广告变现商业模式简单粗暴但极其赚钱。那个年代这家公司的财务报表放在整个中概股里都算漂亮毛利率高、现金流好、用户数据好看属于被资本追着喂饭吃的类型。但工具产品有个天然天花板没有强粘性用户用完就走广告位就那么多增长迟早见顶。更麻烦的是各大手机厂商开始内置系统级清理和安全功能直接把这批独立工具产品的活路堵死了一大半。于是这位创始人做了一个在当时看来很有魄力的决定All in AI把机器人当成下一个十年的核心叙事。新公司对外讲的故事也很清晰——不搞那种虚无缥缈的通用人工智能而是做“实用主义AI”让机器人给老百姓干活。产品线很快铺开商用服务机器人主打接待讲解儿童机器人主打陪伴教育后来又搞了智能咖啡机器人现场全自动做拉花新闻发布会上一亮相确实吸足了眼球。但从资本市场角度看这个故事却慢慢变了味。原因也不复杂资本市场要的是收入和利润不是发布会上的掌声。这家公司之所以被反复拿来当“AI龙虾”的典型核心在于它完整展示了一个从“工具之王”到“机器人苦主”的转型样本。前半场的成功有多耀眼后半场的转型就有多艰难而这条曲线恰好又是很多想蹭AI风口的企业家正在走的路。看懂它的成败等于看懂了过去五年AI商业化的一部浓缩史。2. 这家公司的产品拼图看起来丰满吃起来骨感2.1 服务机器人一个叫好不叫座的“大市场”先聊它最核心的品类——商用服务机器人。当年发布会打的场景是商场导览、政务大厅咨询、餐厅送餐、酒店送物概念上讲市场空间巨大。中国有几十万家商场、几万家酒店、上百万家餐厅按每台几万元的客单价算这确实是一个千亿级的大盘。听起来无比美好但真跑到一线去问客户得到的反馈基本都是“好看但没必要”。为什么这么说我们算一笔实际账。一台商场导览机器人售价四五万元大堂经理雇一个实习生月薪三千一年三万六还不算社保和培训成本。机器人能替代这个岗位吗能干但只能替代最表面的那部分——查楼层、指路、说欢迎语。客户真遇到问题比如东西丢了要调监控、跟商家发生纠纷要协调机器人一个都处理不了。也就是说机器人的能力只覆盖了这个岗位20%的职责但客户付的价格相当于一个全职工人的年薪。这不是客户不会算账是这笔账怎么算都划不来。更尴尬的是商用服务机器人听起来销量不小但很多订单是政策驱动型的比如科技展馆采购、数字经济示范项目这类项目回款慢、定制要求多、验收周期长。真正靠市场化复购撑起来的收入在行业整体财报里占比低得可怜。我接触过几家做机器人的供应链公司他们透露了一个行业里心照不宣的事实很多所谓“销量破万台”实际是经销商压货加政企项目撑出来的数字真实终端激活率要打个五折。这种注了水的故事吃起来怎么可能有肉。2.2 产品线疯狂跳跃咖啡、儿童、机械臂到底哪个是主线如果说服务机器人还算路径明确那后面推出的几款产品就有点让人看不懂了。儿童机器人可以理解毕竟陪伴教育市场确实有钱可赚家长为教育买单从不手软。但智能咖啡机器人这种品类就很有“龙虾味”了——听起来很有科技感做一杯拉花咖啡的演示视频社交媒体上传播量很高但仔细想想它面对的竞争对手不是一个咖啡师而是一台十几块钱的自动咖啡机后者已经在便利店、加油站密密麻麻铺开了。你花几万块买的机械臂做一杯咖啡的成本和速度大概率赶不上消费者在便利店花九块九买一杯。这种产品的宏大叙事和现实需求之间横着一条巨大的成本鸿沟。你可能会说这是战略布局多产品线试错没什么问题。但问题在于对一家资源有限的创业公司来说每个新品类都意味着供应链投入、研发投入、售后体系搭建每一条线都在烧钱而机器人行业本身又是出了名的毛利低、账期长、损耗高。热门赛道一年能容忍的战略资源冗余到第三年就是生死问题。到后期外界明显感觉到这家公司的产品发布会变少了媒体沟通会措辞也不再高调转而强调“聚焦”。这个转向本身其实就是对一个行业真相的承认把自己的摊子铺成龙虾宴不一定能留住客人反而可能把后厨拖垮。3. 为什么这些机器人越做越像“幻影”技术、成本与账期的三重绞杀3.1 机器人本体没有护城河护城河在买不到的算法和数据很多人误以为做机器人是高技术门槛的活其实在行业里的人都知道机器人本体也就是那个壳子加底盘加机械臂今天已经高度模块化。激光雷达有成熟供应商SLAM导航算法有开源方案连机械臂都可以直接采购现成的模组。你花几百万搭一条产线做出来的本体和隔壁厂找同一家供应链公司攒出来的性能差距极小。真正拉开差距的是场景理解、数据积累和交付效率。比如同一台送餐机器人在100平的餐厅和1000平的餐厅环境的复杂程度完全不一样高峰期人流、光线变化、餐桌位置移动这些都需要大量真实场景数据去迭代算法。没有足够多的付费客户跑数据模型就永远停留在demo水平。讽刺的是这个行当里很多公司恰恰是反着做的。先把机器人造出来却不知道卖给谁再回头找客户拿客户当免费的算法采集器。某星公司也不例外。它的机器人在商场地推时遇到过不少客户直接问“能不能免费试用一个月”。这个问题的背后逻辑很现实客户对机器人能干什么没有信心凭什么付钱一旦开启免费试用就很容易被大客户套住陷入长期不收钱、算法又没法进步的恶性循环。护城河这东西与其说是技术实力不如说是能不能在一个行业里沉下心做五年脏活累活。3.2 一台机器人的成本账算明白了才知道多难赚钱这里可以给一台典型的室内服务机器人列一个简化的成本结构表成本项占整机成本比例说明硬件物料底盘、传感器、屏、电池约40%-50%采购价随行情波动芯片紧张时成本会明显上浮模具与整机代工约10%-15%小批量生产成本极高想摊薄必须走量算法与软件研发摊销约15%-25%按年研发费用分摊到每台机器上销售与渠道费用约10%-15%B端销售周期长返点高售后与运维约5%-10%部署、维修、后台支持长期持续支出假设一台机器人对外售价5万元硬件加上代工成本大约2.5万研发摊销1万销售费用0.5万售后预留0.5万粗算毛利只有0.5万元毛利率10%。这个数字放在制造业里都算低的更别说和软件公司动辄80%的毛利比了。更要命的是B端订单还有账期行业平均3到6个月有些政企项目一年都收不回款。实话说这个生意本质上是一个毛利率低、现金流差、重服务的生意。指望靠卖机器人本体赚大钱基本是幻想。真正赚钱的环节其实是后续的软件订阅、配件更换和增值服务。可如果没有足够的终端保有量这些后市场收入根本撑不起来。这就是一个“先有鸡还是先有蛋”的死局很多公司就卡在这个环节里逐渐失血。3.3 大客户没那么容易伺候免费定制改到崩溃再补一个B端销售的真实细节。商用机器人有一个大家不常说的隐性成本就是定制开发。酒店客户会要求机器人能自己坐电梯餐厅客户希望它帮忙传菜到二楼还得带保温功能商场客户则要求在特定节假日换装和语音播报。每一家客户都觉得自己提的需求是“很简单的修改”但落到研发排期上就是一个个新功能模块有的还要联动硬件接口改一处动全身。某星公司的交付团队在早期接项目时据说有70%的交付精力都花在按客户需求做定制上标准的通用产品反而卖得少。这个局面对任何一家做机器人的公司来说都是巨大消耗。你越是想服务好大客户越容易被单个客户的特殊需求绑架你越想做标准品跑量越发现B端买单人根本不认标准品。定制与标准盈利与口碑长期来看都很难两全。这就是为什么很多机器人公司做到后面管理层最头疼的不是产品研发而是怎么把一批“被宠坏了”的定制客户体面地送走。4. 从“AI龙虾”案例里提炼的避坑清单4.1 判断一个AI项目是真需求还是伪需求四把尺子够用聊了这么多案例分析如果你是自己做产品或考虑接相关项目这四把尺子应该值得收下。第一客户愿不愿意持续付费持续付费的意思是复购不是一锤子买卖。很多AI产品第一年卖得不错第二年客户就停用原因很简单——产品价值没过试用期就露馅了。第二效率提升能不能量化你要能用一句话说清楚这个产品帮客户省了多少人力、提升多少转化、降低多少投诉。如果只能说“提升用户体验”“增加科技感”那基本就是伪需求。第三有没有更便宜的替代品用实习生替代、用平板电脑替代、甚至用A4纸打印一张楼层指引替代都能完成你的产品功能客户为什么要选你第四场景是不是足够聚焦什么都干等于什么都干不好。真正能跑出来的产品往往是死磕一个极其细分的长尾需求把交付和体验做到极致后再往外延展。拿这四把尺子去对标市面上几乎所有惨淡收场的AI项目你会发现它们全都踩中了至少两条。这四把尺子听着简单但能在立项阶段拦住一半以上的拍脑袋项目。4.2 评估一家AI创业公司是否靠谱看这五个问题就够了如果你是投资人、潜在合作渠道或者正准备采购这类产品可以在尽调时把这几个问题当面问清楚。别信发布会别信宣传册直接看对方怎么回答。第一你们的收入结构里标准品收入和定制项目收入各占多少比例如果定制收入超过四成这家公司本质上是一个项目外包公司不是产品公司。第二过去一年老客户的续约率是多少续约率低于50%说明昨天演示的场景客户用过之后根本不觉得有必要再用。第三你们的标杆客户到底是谁介绍的是靠销售地推触达的还是靠关系介绍来的如果全是关系单说明产品缺乏市场化竞争力。第四你们的毛利率是多少如果毛利率低于15%就算账面流水再大公司也随时可能被一笔坏账拖垮。第五研发团队里做传统硬件的人和做AI算法的比例是多少如果算法人员占比太低说明所谓“AI”很可能只是买了别人的模组贴牌做的。这五个问题问的是商业本质不是技术参数。技术参数可以被包装但商业模式不会说谎。4.3 复盘一次真实采购踩坑从耀眼演示到大堂吃灰分享一个我身边真实的采购案例。某连锁餐饮公司老板在某次科技展会上看中一台接待机器人现场演示效果堪称完美——自动巡航、识别来宾、主动问候、带着人走到指定包厢所有功能一镜到底老板当场拍板订了两台。等到真正部署在店里问题从第一天就开始蹦出来。首先是地图构建门店大厅挑高较高玻璃墙面多激光雷达扫描出来点云图总是不完整导致机器人走着走着就往玻璃上撞然后是网络问题店里WiFi覆盖有死角机器人一到角落就掉线姿态停在原地不动来来回回的客人还得绕道走更大的问题出在售后致电客服排队半小时加急处理还要等一周才能派工程师上门最后机器人被挪回仓库吃灰。老板跟我算了笔账两台机器连带部署费用买下来近十万实际用了不到两个月每天真正能被唤起使用的次数是个位数绝大部分时间都在充电桩上插着。这个案例非常典型演示环境永远是干净的、空旷的、信号满格的真实场景是拥挤的、嘈杂的、充满不确定性的。AI产品能否落地不取决于实验室里的完美表现而取决于它能不能在“脏乱差”的真实环境里稳定运行三个月不出大毛病。这个坎儿过不了再性感的叙事都是海市蜃楼。5. 大模型入局能把这盘龙虾做成硬菜吗5.1 大模型给机器人行业带来的不是改良是重构以前机器人行业的困境在于每一个新场景都要单独训练模型数据采集成本极高定制化项目吃力不讨好。但大模型出现以后情况发生了一个微妙但重大的变化。机器人第一次有了一个可以先做通用理解、再针对具体任务微调的“大脑”。过去调一个语音交互功能要录制上千条语料训练好几个月今天用大模型做底座加几十条行业数据做微调几周就能上线一个还不错的版本。识别模糊指令、理解上下文、处理用户换一种说法表达的意图对大模型来讲已经是基本功了。这意味着什么意味着机器人公司最烧钱的“定制化”环节成本被大幅压缩。以前一家餐厅想要一个能听明白方言的送餐机器人得派算法工程师驻场采集语料现在用一个开源模型做底座十几分钟就能适配一套新的语音指令集。行业长期以来“每做一单亏一单”的魔咒第一次有了被打破的可能性。所以“AI龙虾”这道菜虽说现在的肉不多但厨师手里突然多了一把好用的新厨具值得重新审视。5.2 真正能赚到钱的AI落地形态长什么样聊完了机器人我们把视野放大一点。今天AI行业到底哪些钱是真赚到手了我总结下来是三类。第一类是“工具替代型”的软件产品比如客服机器人、代码生成工具、营销文案生成器。这类产品不需要硬件成本按账号按调用量订阅收费毛利率极高。第二类是“服务重构型”的智能硬件典型如智能学习机、词典笔、AI录音笔。这些产品不同于机器人的点是它们不需承担物理世界的移动和执行任务只在信息处理和交互层面发力出故障的概率小退货率低容易走量。第三类是“具身智能”的早期雏形比如自动驾驶、物流分拣机器人、工业机械臂。它们背后的场景足够刚性客单价足够高一旦技术跨过临界点需求会立刻爆发。真正的具身智能大概率也是从这里先长出第一根枝丫。对比这三类机器人公司最大的劣势在于它的产品形态同时承担了“算法难”“硬件杂”“场景碎”三重压力。想同时解决这三个问题需要的资源投入是海量的远不是一个创业公司靠两轮融资就能撑下来的。5.3 给想下场或者还在牌桌上的人三个冷建议最后说点实际的体会。无论你是创业者、从业者还是准备接AI项目的相关方我这两年看到的大多数失败案例其实都不是技术不行而是败在商业常识上。所以这三个建议值得反复揣摩。第一别去追那些“所有大厂都在做”的宏大叙事。通用人形机器人确实是星辰大海但那是一场马拉松式的烧钱游戏只适合巨头。中小创业公司冲进去连入场券都买不起。优先找一个你比所有人更懂、且客户愿意连续付费的垂直场景把交付做到挑剔的客户无话可说。第二谈合作之前先把“账期”和“回款”写进合同里。B端项目最大的风险不是做不出来是做完了对方拖延付款。报价时宁可留足弹性也不要在动工之后因为资金链断裂而烂尾。第三一定要区分“演示的成功”和“商业的成功”。一台机器人在发布会上跑得再流畅只要不能规模化、低成本地复制给100家客户就仍然只是技术样品不是商品。一家公司的价值不在于它有多少技术专利而在于它能不能让一个普通餐馆老板心甘情愿地为这台机器按年付费。结尾处分享一个最近听到、也很认可的说法与其用三年时间在发布会上造梦不如用三个月时间去拜访十个真实客户。客户不会为“AI赋能”付钱但会为“省了一个人的工资”付钱。AI龙虾这道菜不是不能吃关键是知道从哪儿下口。先剥最硬的那层壳再把肉挑出来慢是慢了点但至少不会饿死。时间是最好的验钞机谁是真救星谁是幻影翻翻财务报表心里就有数了。
