在人形秤出现之前：机器人技术的定价学习曲线 M&A

1. 定义交易决策

买方或投资者应说明其为解决哪些不确定性而付出的代价。机器人目标可以拥有硬件、执行器、控制装置、自主软件、任务数据、部署工具、服务运营、客户合同或集成系统。每一层都有不同的资本要求、竞争边界和现金路径。交易备忘录应确定稀缺资产以及支持其价值的证据。

反事实可能是内部计划、商业伙伴关系、另一个目标、传统自动化或持续劳动。不同的替代方案应使用相同的任务、地点、服务水平和时间范围。当客户的任务稳定且量大时，提供多功能人形形式的目标在经济上仍然可能会输给固定的自动化单元。当多功能性减少重新设计、扩展合格任务或缩短部署时，它就具有价值。

收购论文应该定义价值机制。潜在的机制包括更快地访问可部署产品、专有任务数据、制造技术、安全案例、客户分布、稀缺工程人才或集成能力。每个机制都应该有一个可衡量的基线、实施所有者、所需资本和失败条件。没有现金桥梁的战略语言应该保留在基本估值之外。

时机很重要，因为技术和资本需求共同发展。早期交易可以确保期权价值，并使买方面临技术、生产和采用风险。稍后的交易可以使用更有力的证据，并且可能需要更高的价格。董事会应使用相同的里程碑证据来比较分阶段投资、少数股权、商业权、收购和建立替代方案。

2. 分离机器人价值层

实施例包括机械结构、执行器、电源、传感器、计算、末端执行器和安全硬件。自主性包括感知、规划、控制、任务策略、监控和恢复。该任务包添加了工具、固定装置、工作流程逻辑、站点地图和验收标准。集成将机器人与物理过程、信息系统和工人程序连接起来。服务运营保持车队可用。

蛋鸡可以以不同的速度成熟。一个有能力的原型可以使用昂贵的组件和大量的远程操作。可制造的机器人仍然缺乏可靠的任务自主性。强大的自治堆栈可以依赖于第三方硬件。事务模型应避免为整个系统分配相同的成熟度，因为其中一层在演示中表现良好。

所有权也因层而异。硬件设计可以包含许可组件和供应商控制的固件。 Autonomy 可以使用开源软件、第三方模型、客户数据和承包商代码。部署工具可以依赖于云平台。客户合同可能会限制数据使用或传输。尽职调查应通过实际生产架构追踪权利和依赖关系。

价值桥将收入、成本、资本和风险分配给每一层。硬件可能会通过保修产生销售收入。软件可能会产生经常性订阅收入。部署和支持可能是劳动密集型服务。数据可以提高性能，而无需单独销售。综合毛利率可能会掩盖由工程服务或依赖持续现场劳动力的经常性流补贴的低利润硬件坡道。

3. 在推断之前建立车队队列

应按硬件版本、软件版本、站点、客户、任务、操作环境和部署日期将机群分为多个组。混合机队平均可以将早期原型机、精心监督的飞行员和较新的商业单位结合起来。那么平均值就无法代表任何可重复的生产状态。

每个群体都需要一个稳定的分母。有用的分母包括供电时间、计划时间、生产时间、接受的任务、距离、拣选、案例或其他特定于任务的单位。当部署量较小时，仅凭日历时间就可能夸大学习效果。当几个机器人密集操作时，仅单位数量就可以低估暴露程度。

队列证据应保留纳入规则。因维修、内部演示、培训、客户评估或非生产使用而拆除的设备可能会对结果产生重大影响。管理层应将序列号、软件版本、站点和时间与服务记录和客户账单进行协调。异常情况仍然可见。

交易团队应该区分群组内学习和组合变化。明显的改进可以来自更简单的任务、有利的地点、更强大的操作员或移除困难的单元。有效的学习曲线保持相关条件不变或解释调整。站点扩展应该增加环境的可变性，而不是仅仅复制最好的试点。

每个群组都需要公司特定的定义、协调和验收标准。

4. 在测量自主性之前定义任务

人形机器人可以演示行走、举重或操作，而无需完成客户流程。交易证据应定义从授权开始到接受移交的任务。仓库移动可包括物品识别、抓取、运输、放置、异常处理和确认。制造工作可以包括夹具交互、质量检查以及对人员和流程变化的安全响应。

任务定义应记录目标范围、有效负载、范围、精度、周期时间目标、环境、工具、人员接近度和故障后果。如果没有进一步的证据，在受控区域中选定对象获得的结果不能应用于可变生产。定义应说明排除的条件。

任务资格具有商业价值。多功能平台可以将固定工程分散到多个任务中，而每个附加任务都可能需要数据、固定装置、安全评估、验证和客户集成。交易模型应该对成本和时间进行定价，以使新任务富有成效。演示目录比可重复的部署过程要弱。

接受的输出属于客户流程。机器人可以完成其运动，但仍然会在下游造成返工、延误或质量损失。验收标准应包括数量、质量、时间、可追溯性和安全性。客户签字、流程数据和计费证据提供比内部视频更强大的支持。

5. 使用带有操作定义的自治阶梯

自主性应该通过可观察的操作状态来描述。一种可能的阶梯将直接远程操作、监督自主、基于异常的协助和定义域内的无人值守操作分开。这些标签要求干预、恢复、任务接受和安全的阈值。没有明确运营领域的广泛自治主张的交易价值有限。

远程操作可以支持部署、数据收集和恢复。它还会产生劳动力、延迟、连接性、容量和管辖权依赖性。经济模型应包括运营商培训、覆盖、利用、监管、设施、网络和质量控制。支持多台机器人的远程操作员与分配给一台设备的一名操作员具有不同的经济效益。

人机交互研究表明，干预措施可以成为训练数据并改善研究任务中的模仿学习。^[14] 交易团队仍需要证据证明目标公司的干预数据归属正确、可合法使用且对其自身生产任务有效。仅凭数据量并不能说明学习情况。

自治级别之间的进展应该受到限制。在匹配队列证据显示可接受的任务表现、安全性和恢复后，释放可以转向较低的监督。回归触发器应该恢复监督。这种操作纪律为买方评估未来劳动力减少提供了可重复的基础。

6. 衡量干预和恢复

干预率应该有精确的分子和分母。事件可以按生产小时、任务、公里或其他暴露度量进行计数。平台应记录谁干预、干预原因、干预时间、任务是否恢复以及输出是否被接受。将次要援助与安全关键干预措施结合起来会掩盖后果。

干预持续时间比计数更重要。十次简短批准的成本低于一次需要诊断和现场工作的远程恢复。该模型应包括直接操作员时间、队列延迟、机器人停机时间、客户中断和任何返工。并发监督假设需要有关操作员负载和峰值需求的观察证据。

恢复能力影响可用性。检测到故障并返回安全状态的机器人即使没有完成任务也可以减少损失。需要物理重置的机器人可以创造现场劳动力和服务旅行。恢复证据应区分自主重试、远程协助、训练有素的客户操作和专家维修。

学习曲线应显示按原因进行的干预。感知、抓握、运动、规划、硬件、连接、安全和工作流程原因需要不同的补救措施。总速率下降可能与持续的高严重性故障共存。买方应按原因资助并评估修复计划。

7. 将活动转化为任务生产力

任务生产力结合了可接受的输出、周期时间、可用性和人力支持。生产任务时间不包括充电、等待、维护、远程操作、恢复、软件更新和不可接受的工作。该定义应反映商业合同和客户流程。

与人工比较需要完整的基线。劳动力成本包括工资、福利、轮班费、招聘、培训、监督、缺勤和流动（如相关）。它还包括流程差异。机器人可以运行更长的时间，并且可能需要更慢的运动、固定装置、支撑和安全分离。比较应使用所需质量和服务的输出。

客户的瓶颈决定价值。当上游材料或下游检查限制吞吐量时，更快的机器人运动的好处有限。灵活的人形机器人可以通过承担可变任务或轮班来创造价值。站点模型应量化增量接受的输出、避免的成本、服务弹性和集成所需的资本。

任务生产力应按队列和置信范围报告。飞行员时间短可能对停机时间和操作员选择很敏感。投资案例应区分观察到的业绩、资助的改进和管理愿望。只有观察到的和合同支持的福利才属于基本案例。

措施需要稳定的任务定义和一致的客户证据。

8. 将安全视为一项暴露调整的操作措施

ISO 10218-1:2025 解决了工业机器人的安全要求，ISO 10218-2:2025 涵盖了机器人应用和单元。^[6][7] 它们的范围和应用需要专业评估。人形部署还可能涉及需要其他标准和法规的移动、协作、服务或公共访问条件。尽职调查团队应绘制每个申请的地图。

OSHA 指出，机器人事故经常发生在编程、维护、测试、设置或调整等非常规操作过程中。^[8][9] 因此，事务审查应检查部署和服务工作以及正常操作。当承包商和客户事件与系统相关时，它们属于暴露记录。

事故率应使用暴露分母和严重程度。未遂事故、保护性停车、财产损失、急救、伤害和损失时间会产生不同的后果。计数下降可以反映出经营风险减少。董事会应收到绝对事件、风险调整率、根本原因、纠正措施和残余风险。

安全证据影响收入、成本和资本。它可以确定现场验收、保险、保修、产品责任、部署速度和所需的重新设计。依赖固定障碍或降低速度的安全案例也会影响任务生产力。估值模型应该保留这种联系。

类别是分析性的；法律报告和标准合规性需要合格的建议。

9.重构硬件成本和制造良率

物料清单是硬件经济学的起点。完整的单位成本还包括入境物流、劳动力、工厂管理费用、测试、报废、返工、保修条款、备件、现场服务、运费和安装。原型成本可能会随着设计变化和产量而下降，而新的质量控制和服务基础设施会增加成本。

Agility Robotics 于 2026 年 6 月提交的交易演示文稿显示了公司准备的说明性物料清单轨迹和整个生产规模的单位经济效益预期。该文件指出，这些值反映了可能不准确的内部估计和假设。^[1] 交易分析应保留该状态，并将每项主要成本降低与设计、供应商、数量、产量或工艺证据进行协调。

制造良率控制着理论上的物料清单改进是否会变成交付成本。硬件群组应跟踪首次通过率、返工时间、报废、组件故障、校准和最终测试逃逸。当产量和集成度不稳定时，供应商报价并不能证明生产成本。

容量应与吞吐量分开。工厂可以在没有合格供应商、训练有素的劳动力、营运资金、需求或可接受的产量的情况下拥有装机容量。估值模型应该为工具、库存、保证金、质量体系和斜坡损失提供资金。当客户里程碑取决于交付时，它还应该重视延迟。

10、分别测试硬件和软件学习

硬件学习可以来自设计简化、组件协商、工具、劳动学习、良率、测试自动化和服务反馈。软件学习可以来自数据、模拟、模型更新、策略改进和更好的恢复。这些曲线相互作用，但应保持可单独观察。

累积量学习曲线需要一致的成本范围。管理层应说明其中包括哪些成本、生产周期、队列和会计处理。设计替代可以产生不属于批量学习的阶跃变化。供应商的临时让步可以降低成本，但不会造成持久的曲线。

软件学习需要匹配的任务和条件。更新后的性能改进可以反映出更容易的站点组合、更多的干预或更广泛的接受度。目标应保存评估集、生产痕迹、发布记录和回滚证据。 NIST 在人机交互方面的工作强调现实世界团队的可重复指标和测试方法。^[10][11][12]

交易模型应该为每条曲线分配置信度。观察到的生产点可以支持基本情况。签署的供应商协议和经过验证的流程变更可以支持资助案例。未经证实的设计、自主性或规模效益仍然是场景。这种分离有助于董事会对当前能力和未来执行进行定价。

11. 比较销售租赁和服务经济学

机器人技术可以作为硬件出售、租赁、通过机器人即服务提供或与软件、集成和维护相结合。商业形式改变了收入确认、资本、营运资本、残值、服务义务和客户投资回报。 IFRS 15 和其他适用标准要求进行公司特定的会计分析。^[36]

预售可以加速兑现，并使卖方获得保修和验收。订阅或服务模式可以使价格与运营价值保持一致，并要求提供商为硬件和车队运营提供资金。租赁结构增加了残值、融资和利用问题。混合模型需要合同级别的协调。

价格应与客户的贡献挂钩。按小时定价可以奖励可用性，而无需任务质量。按任务定价可以调整输出并需要稳定的验收定义。共享储蓄需要一个可审计的基线。固定订阅可以简化预算并转移需求风险。合同还应涉及最低限度使用、现场准备、干预、数据、安全、损坏和终止。

提供商的贡献模型包括收入减去折旧或硬件成本、融资、干预、云和连接、现场服务、备件、保修、保险、客户成功和积分。扩展应通过可重复的部署和利用来提高贡献。需要比例工程或远程操作劳动力的收入增长具有不同的价值。

12. 安全数据模型和客户权利

机器人数据可以包括视频、音频、位置、工人活动、客户流程、对象库、故障、干预和维护。目标需要有合法的基础和可执行的收集、培训、评估、支持和转让权利。权利可能因客户、地点、地理位置和目的而异。

数据计划应将每个数据集与来源、同意或合同、保留、访问、安全、标签、模型使用和删除连接起来。客户数据可以改进任务，而无需用于一般模型训练。交易不会自动扩展允许的目的。控制权变更和分包商条款需要审查。

模型权限包括权重、代码、训练输入、评估集、第三方许可证和部署权限。开源组件需要完整的软件材料清单和许可证合规性。基础或视觉-语言-动作模型可以引入提供商条款、区域限制和依赖性。买方应确定供应商变更后哪些功能可以运行。

数据价值取决于覆盖范围和因果有用性。与具有准确结果标签的多种干预措施相比，数百万个相似的框架所增加的价值要小得多。目标应显示数据集如何改变任务性能、恢复或部署时间。除非目标公司已经拥有权利和访问权，否则买方拥有的分销渠道应保持买方协同作用。

13.测试客户订单和部署质量

订单公告的范围可以从不具约束力的利益到已接受的现金生成承诺。应尽职尽责地对备忘录、试点、采购订单、框架协议、保留、有条件订单和部署合同进行分类。每个课程都有不同的取消、里程碑、接受、价格和资助条款。

Agility Robotics 2026 年 6 月材料披露了超过 USD 300 million 份多年订单，并描述了公司准备的交易材料中的商业模型和部署里程碑。^[1][2] 上述数字需要根据其合同定义和备案资格进行分析。买方应协调客户、单位、价格、里程碑、验收、终止和现金。

部署质量可以通过从合同到现场准备、安装、首次接受的任务、合同服务水平和扩展的时间来衡量。长期整合的大型管道可能会先消耗资本，然后再消耗收入。与不相关的试点相比，现有站点的扩张可以提供更强有力的产品市场证据，因为客户已经观察到了运营绩效。

集中度对于客户、集成商、站点和用例都很重要。战略客户可以提供数据和可信度，还可以协商价格、要求定制工作或终止实质性收入分成。估值应测试客户特定条款下的更新、扩展和贡献。

法律效力以实际协议为准；该表支持勤勉分类。

14. 承保网站集成和支持

站点集成可包括测绘、网络、电力、充电、固定装置、工具、安全评估、工作流程重新设计、信息系统接口、工人培训和验收测试。该成本可由提供商、客户或集成商承担。合同经济应与实际责任相匹配。

重复性决定规模。目标应记录每个站点的工程时间、运行时间、行程、硬件修改、软件配置和客户工作量。类似站点的改进支持部署学习曲线。包含持续定制工程的标准清单仍然可以是服务密集型的。

支持需要响应、远程诊断、备件、现场技术人员、返厂维修、软件发布和事件处理。在收入达到规模之前，分布在各个地区的车队可能需要库存和服务密度。服务水平承诺可以创造积分或终止权。该模型应该为预测部署图所需的足迹提供资金。

合作伙伴依赖属于整合计划。系统集成商、合同制造商、云提供商、连接、组件供应商和客户工程团队可以控制交付。买方应测试容量、激励措施、控制权变更和替代。目标公司的毛利率可以依赖战略合作伙伴暂时提供的支持。

15. 绘制供应链和过时情况

人形平台结合了执行器、电机、驱动器、传感器、电池、计算、通信、结构部件和安全组件。一些组件的交货时间长、最低订单量、出口限制或单一来源暴露。物料清单应标明供应商、国家/地区、合同、交货时间、备用资格和库存。

设计变更可以降低成本并产生资格风险。新的执行器或传感器可以改变可靠性、控制软件、安全验证、工具和备件。交易模式应包括工程变更、测试、报废和现场改造。仅在经过必要的验证后，成本节约才属于基本情况。

过时会影响原型机和商业车队。快速计算和传感器开发可以提高性能，同时缩短组件可用性。客户服务期限可以超出供应商路线图。买方应为上次购买、重新设计和软件维护提供资金，并确定哪些承诺将传递给客户。

营运资金可能成为融资限制。押金、模具、库存和合同制造承诺可能先于交付和验收。服务模型将硬件保留在提供商的资产负债表上，并可能增加债务或租赁融资需求。下行需求可能会导致特定于一种设计的组件陷入困境。

16. 构建一个假设的车队案例

假设一家公司拥有 120 个人形机器人，分布在三个硬件组和四个客户站点。案例中的每个值都是方法演示的管理假设。它不是预测、市场报价或指定公司的代表。

最老的队列包含 20 个试点单位，中间的队列包含 40 个早期商业单位，最新的队列包含 60 个生产意向单位。该公司记录机器人和现场的计划工时、生产工时、接受的任务、干预、安全事件、维护、收入和直接成本。

所有数值均为说明性管理假设。

最新的队列显示了更好的假设利用率、干预和单位成本。事务模型不会自动将该结果应用于完整预测。它测试暴露时间、场地组合、任务一致性、硬件产量、保修和客户接受度。它还包括更换或升级旧设备的成本。

该公司假设每个部署的机器人每月收取 AED 38,000 的费用，并收取单独的部署费。由于干预、现场服务、折旧和保修不同，不同群组的贡献也不同。只有在站点满足商定的输出和安全门之后才会进行扩展。

基本估值使用观察到的部署和合同近期单位的最新同类表现。资助案例假设在特定的工程和制造里程碑之后进行了明确的改进。战略上的好处是在单独的证据之后增加了新的任务和买家分布。这种结构使当前值与执行值不同。

17.搭建完整的单位经济桥梁

单位经济桥梁始于收集的客户收入。它减去了硬件折旧或成本、融资、远程操作和监管、云和连接、现场支持、现场服务、备件、保修、保险、客户成功、积分和分配的部署劳动力。公司研究和一般管理在贡献下方仍然可见。

使用率影响多条线路。更高的生产时间可以分散硬件和支持成本，并可以提高可变计算、维护和能源。每个任务的合同增加了价格和数量的敏感性。固定订阅可以提高收入稳定性，并使提供商面临业绩不佳的风险。桥梁应显示机器人级别和站点级别的贡献。

客户价值决定了定价边界。买方应验证支持价格的劳动力、吞吐量、质量、弹性或安全效益。声称的劳动力替代可以通过剩余的操作员、监督和支持需求来减少。机器人仍然可以通过增加产能或弥补不需要的轮班来创造价值，而无需消除角色。

假设的最新队列在扣除中央成本、税收和增长资本之前，每个机器人每月贡献 AED 14,000。试点人群仍然呈阴性。因此，综合贡献取决于机队结构、升级成本以及新机队取代早期机队的速度。仅基于最新同类经济数据的估值可能会高估短期现金。

现金需要第二座桥梁。即使单位贡献为正，客户押金、交付里程碑、验收、应收账款、零部件押金、库存和资本支出也可能会产生资金缺口。交易计划应确定承诺的流动性和下行契约。

18.强调学习曲线

负面影响应该将硬件、自主性、安全性、需求和融资结合起来，而不是单独强调每一个因素。较低的产量会延迟交货并增加成本。延迟交货会降低客户的信心和收款。利用率低会增加干预负担并削弱客户的业务案例。安全事件可能会减慢部署速度并需要重新设计。

该模型应包括恢复时间。硬件重新设计、供应商资格认证、软件验证、现场重新验收和客户同意可能需要不同的时间。双重运营和现场改造消耗现金。保险和监管效果需要专业评估。

所有数值和概率均为说明性管理假设。

反向压力测试可以识别耗尽流动性、违反契约或破坏收购论点的情况。该委员会可以监控生产利用率、干预时间、首次通过率、保修、已接受的积压、收款和安全风险。应在关闭前定义阈值。

情景权重是管理假设。基本案例应依赖于观察到的群体和可执行的合同。由资助工作支持的改进可以放在执行案例中。新市场、通用自主权和未签约的客户需求属于战略上行空间，除非有证据支持采取不同的处理方式。

19. 在规模成熟之前先看重平台

收入评估应使用来自合同和可支持的机队部署的概率加权现金。该模型应包括开发、制造、营运资本、车队融资、集成、服务和修复。终端假设需要一个成熟的群体，并提供有关替代、价格、贡献和客户保留的证据。

市场比较需要对业务模式、部署成熟度、资本密集度、经常性收入、客户集中度、权利和安全性进行调整。当硬件和服务消耗大量资本时，应用于合并收入的软件倍数可能会夸大价值。工业倍数可能会低估宝贵的自主权、数据或经常性软件，而这些权利和保留都很强。

更换成本可以体现工程、工具、数据和团队价值，但可能无法占用客户访问或时间。期权价值可以来自适应性实施例、任务数据、制造能力或战略分布。行使每项选择权所需的概率、资金和时间应明确。

IFRS 3、IFRS 13、IAS 36 和 IAS 38 涉及业务合并、公允价值、减值和无形资产。^{[32][33][34][35]} 适用的会计分析取决于事实和合格的建议。交易模型应提供现金和经济观点以及财务报告处理。

买方协同效应应保持独立。分销需要合格的客户、销售能力、整合和保留。制造协同需要兼容的流程和合格的供应商。数据协同需要合法的权利和有用的覆盖范围。向卖方支付买方拥有的资产可以转移价值，但不会降低执行风险。

20. 定义 M 和 A 的基本原理和反事实

当收购能够获得稀缺的平台、团队、数据权、安全案例、客户地位或时间优势时，买家无法通过建设或合作经济地获得这些优势，那么收购就是理性的。董事会应命名资产并量化所避免的延误。进入机器人领域的远大抱负是一个不够充分的交易论点。

反事实应包括合伙企业和少数股权投资。商业协议可以在购买前提供部署证据。少数股权可以确保信息或权利，也可能使以后的出售复杂化。分阶段收购可以将控制权与里程碑联系起来。内部构建应包括招聘、原型、数据、验证、制造和损失的市场时间。

竞争主管机构审查当前合并框架下的实际市场结构、客户、技术、生态系统和潜在的取消抵押品赎回权。^{[38][39][40][41]} 机器人交易还可能涉及出口、国家安全或外国投资审查，具体取决于技术、当事人和司法管辖区。合格的律师应绘制归档和补救路径。

集成设计应遵循价值资产。研究团队可能需要自主权和保留权。制造可能需要快速的质量和供应链整合。客户部署需要连续性和明确的支持权限。数据和模型集成需要目的、访问和安全控制。价值计划应保留所购买的功能。

21. 建立可重复的勤勉室

尽职调查室应允许评审员选择机器人队列、任务和地点；再现性能；追踪干预措施和事件；协调硬件和服务成本；检查权利；并将接受的输出连接到计费和收款。管理演示是一个起点，而不是完成证据。

核心记录包括序列号配置、软件发布、任务定义、操作日志、合法可用的视频、干预跟踪、安全和维护登记册、物料清单、供应商合同、产量、保修、客户协议、验收、发票和现金。相同的群组标识符应将技术和财务计划联系起来。

抽样应涵盖困难场所、绩效较差的单位、非常规工作、不利条件和客户投诉。排除失败的飞行员或退役的硬件可能会夸大学习成果。买方应保留分母并解释排除情况。独立复制在可行时提供了更有力的证据。

该清单要求针对具体交易进行技术、法律、安全和财务调整。

危险信号包括无记录的群组变更、被排除在自主权之外的人工协助、没有暴露数据的安全事件、没有收益的物料清单索赔、没有取消条款的订单价值、没有流程证据的客户利益、没有培训权利的数据、超出需求的供应商承诺以及没有资助服务能力的车队增长。每个问题都需要补救、价格、期限或拒绝处理。

22.通过条款和执行分配不确定性

购买价格可以结合现金、股票、托管、保留和或有对价。里程碑可以使用已接受的部署、车队小时数、任务绩效、干预、产量、安全关闭、合同贡献或现金收集。指标应该是可审​​计的，并且能够抵制夸大数量、同时降低质量或利润的行为。

表述可以涉及知识产权、数据、软件、硬件规格、安全记录、客户、供应商和财务信息。具体赔偿可能涉及已确定的风险。保修和赔偿保险改变追索权，但不取代技术证据。合格的顾问应该调整结构。

前 180 天应保护服务并创建一个证据系统。第 1 至 30 天建立车队、任务、安全、权利、成本和合同基线。第 31 至 90 天重现优先任务、协调贡献、关闭关键控制并测试供应商能力。第 91 天到第 180 天仅扩展通过定义的门的队列和站点。

整合团队应报告生产利用率、接受的任务、干预、恢复、安全暴露、产量、交付成本、保修、订单转换、收款和流动性。措施仍然与群体和客户相关。董事会根据已核实的进展释放资金并保留停止条件。

决策备忘录应注明排除值。通用自主权、未经验证的任务、未签署的需求、买方拥有的协同效应和无资金支持的成本削减仍然不属于基本情况。明显的下降条件可能包括不可转让的权利、不可接受的安全证据、没有改善的干预经济学、无法融资的营运资金或不支持预测的客户合同。

结论

人形机器人M&A需要一种在成熟规模之前有效的估值方法。该方法从定义的客户任务开始，并通过实施、自主、站点集成、接受的输出、贡献和现金来跟踪证据。每个环节都可能独立失效，强有力的演示并不能证明完整的链条。

舰队队列提供了基础。硬件版本、软件版本、站点、任务、曝光和商业状态应保持可识别性。混合平均值可以隐藏原型机、有利的飞行员和表现不佳的单位。匹配的群体可以让买家测试改进是否来自工程学习或更简单的操作组合。

干预是一种经济投入和学习信号。事件计数、持续时间、原因、操作员负载、排队时间和恢复决定了人力支持曲线。远程操作可以加速部署和数据收集。它还产生了属于完整单位成本的劳动力、连通性和容量依赖性。

任务生产力将机器人性能与客户价值联系起来。生产时间不包括等待、充电、维护、远程协助、恢复和拒绝输出。客户流程决定接受程度。吞吐量、质量、服务和安全性应该一起衡量，因为改进其中一个因素会限制另一个因素。

安全需要日常和非常规工作中经过暴露调整的证据。标准和监管指南支持评估，而应用责任仍然具体。事故、未遂事故、保护性停机和维护事件会影响部署速度、保险、保修、产品责任、客户接受度以及收入增长的速度。

硬件学习需要的不仅仅是不断减少的材料清单。产量、返工、测试、保修、现场服务、物流和安装决定了交付成本。产能需要合格的供应商、劳动力、工具、营运资金、需求和质量。没有这些资源的生产目标只是一种经营愿望。

软件学习应该可以按任务和群组进行复制。发布记录、评估集、干预跟踪和回滚提供了审计跟踪。当权利受到保护并且数据改善性能、恢复或部署时，数据就有价值。没有覆盖范围和归属的数量可能会造成资产薄弱。

商业证据具有层次结构。利息、试点、有条件订单、接受的采购订单、部署的订阅和扩展具有不同的现金和取消属性。交易模型应使规定的订单价值与可执行的条款、里程碑、交付、验收和收集相一致。

估值应将观察到的机队价值、资金执行和战略优势分开。基本案例使用经过验证的群组和可支持的合同。执行案例的价格定义了工程和制造的里程碑。战略选择保留明确的概率、资本和时间。买方分销和制造资产仍然保持着单独的协同效应。

交易条款可以分配剩余的不确定性。或有对价、​​保留、保留、保证和阶段资本可以将付款与接受的部署、贡献、收益、安全关闭和现金联系起来。指标应保持质量并避免奖励不能创造客户价值的单位或时间。

然后，董事会可以决定拥有哪种不确定性。具有制造、分销和集成能力的买家可能会合理地购买较早的平台。金融投资者可能需要更强的合同出资和融资规模。战略合作伙伴可以在投入资金之前验证任务和权利。每条路线都使用相同的证据链。

实际目标是建立一支学习速度快于资本消耗速度的车队。结果体现在提高任务接受度、减少干预、控制安全风险、提高产量、降低交付成本、重复部署、客户扩展和收集贡献等方面。当这些措施协调一致时，机器人学习曲线就成为可投资的运营资产。

来源

1. 美国证券交易委员会，Agility Robotics 投资者介绍会，2026 年 6 月， 阅读主要来源
2. 美国证券交易委员会、Agility Robotics 和 Churchill Capital Corp XI 联合新闻稿，2026 年 6 月 24 日， 阅读主要来源
3. 美国证券交易委员会、特斯拉公司 2025 年年度报告、 阅读主要来源
4. 美国证券交易委员会，Serve Robotics Inc 2025 年年度报告， 阅读主要来源
5. 国际机器人联合会，2025 年世界机器人， 阅读主要来源
6. 国际标准化组织，ISO 10218-1:2025 工业机器人的机器人安全要求， 阅读主要来源
7. 国际标准化组织，ISO 10218-2:2025 工业机器人应用和机器人单元的机器人安全要求， 阅读主要来源
8. 美国职业安全与健康管理局，机器人概述， 阅读主要来源
9. 美国职业安全与健康管理局，工业机器人系统和工业机器人系统安全， 阅读主要来源
10. 美国国家标准技术研究所，人机交互性能， 阅读主要来源
11. 美国国家标准与技术研究所，有效人机交互的测试方法和指标， 阅读主要来源
12. 美国国家标准技术研究院，机器人安全人体检测系统的性能评估， 阅读主要来源
13. 国家标准与技术研究所，人机交互理论与评估， 阅读主要来源
14. Mandlekar 等人，使用远程遥控进行人机循环模仿学习， 阅读主要来源
15. 他等人，学习人对人的实时全身远程操作， 阅读主要来源
16. Penco 等人，《人形机器人远程操作调查》， 阅读主要来源
17. Open X 实施例协作、Open X 实施例机器人学习数据集和 RT X 模型、 阅读主要来源
18. Google DeepMind，RT 2 新模型将视觉和语言转化为行动， 阅读主要来源
19. Octo 模型团队，Octo 开源多面手机器人政策， 阅读主要来源
20. NVIDIA，用于人形机器人的 GR00T 项目， 阅读主要来源
21. 谷歌 DeepMind，机器人， 阅读主要来源
22. 波士顿动力公司，道德原则， 阅读主要来源
23. 欧盟，关于机械的第 2023/1230 号法规， 阅读主要来源
24. 欧盟委员会，AI 法案监管框架， 阅读主要来源
25. 美国国家标准技术研究院，AI风险管理框架， 阅读主要来源
26. 美国国家标准技术研究院，生成 AI 简介， 阅读主要来源
27. 美国国家标准与技术研究院，网络安全框架 2.0， 阅读主要来源
28. 国际标准化组织，ISO 13849-1 控制系统安全相关部分， 阅读主要来源
29. 国际标准化组织，ISO 12100 机械安全风险评估和风险降低， 阅读主要来源
30. 国际标准化组织，ISO TS 15066 协作机器人， 阅读主要来源
31. 国际标准化组织，ISO 13482 个人护理机器人安全， 阅读主要来源
32. IFRS 基金会、IFRS 3 企业合并、 阅读主要来源
33. IFRS 基金会、IFRS 13 公允价值计量、 阅读主要来源
34. IFRS 基金会、IAS 36 资产减值、 阅读主要来源
35. IFRS 基金会、IAS 38 无形资产、 阅读主要来源
36. IFRS 基金会、IFRS 15 客户合同收入、 阅读主要来源
37. 国际评估标准理事会，国际评估标准， 阅读主要来源
38. 美国司法部和联邦贸易委员会，合并指南， 阅读主要来源
39. 欧盟委员会，合并控制， 阅读主要来源
40. 英国竞争和市场管理局，合并评估指南， 阅读主要来源
41. 美国联邦贸易委员会，合并前通知计划， 阅读主要来源
42. 美国证券交易委员会，网络安全风险管理策略治理和事件披露， 阅读主要来源
43. 经济合作与发展组织，负责任商业行为尽职调查指南， 阅读主要来源
44. 经济合作与发展组织，AI原则， 阅读主要来源
45. 国际电工委员会，IEC 61508 功能安全， 阅读主要来源
46. UL 标准和参与、UL 1740 机器人和机器人设备、 阅读主要来源
47. 国际机器人联合会，2025年世界机器人服务机器人， 阅读主要来源
48. 美国证券交易委员会，Agility Robotics 交易备案， 阅读主要来源
49. 美国证券交易委员会、Apptronik 和 Dexmate 披露， 阅读主要来源
50. 国家职业安全与健康研究所，机器人研究所， 阅读主要来源