过去一年，物理AI最不缺的就是演示视频。

机器人翻跟头、跑马拉松、叠衣服，跳舞，对打，看起来每个演示都令人叹为观止。但在制造与物流的真实现场，行业里同样有一笔越来越受关注的账：机器人进厂打螺丝，成本这笔账到底怎么算？

9月24日，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）交出了上市后首份中期业绩。上半年公司实现收入2.373亿元，同比增长54.7%；毛利率由61.4%提升至65.0%；新签订单3.354亿元，同比增长75.3%。与行业内多数厂商选择切入整机装配不同，梅卡曼德自创立第一天起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。

这份中报最值得琢磨的，是一组鲜少同时出现的组合：研发开支同比大增72.9%至8010万元，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。

为什么钱花得多了，亏得反而更少了。我们发现答案就藏在“物理AI”这个容易被忽视的成本项里面。

01 物理AI最贵的不是硬件

很多人以为，机器人规模化的障碍在于本体太贵、零部件太贵。

梅卡曼德在中报里给出了一个不同的判断：一个机器人应用项目，成本链条覆盖定制设计、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。

而一个显而易见的趋势就是硬件一年比一年便宜，工程师的人工成本却并没有逐年递减。依赖工程师逐案编程、逐个现场调试的自动化模式，经济性只会持续承压。

这也解释了一个长期存在的反差。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，专机早已解决；剩下的是产品频繁换型、来料无序、光照遮挡复杂的长尾工序，每一个都要工程师从头再来，自然“算不过账”。

所以物理AI真正要解决的问题，不是让机器人看起来更像人，而是用智能把工程师的时间省下来，从而降低总体的人工成本。

02 技术进步，最终要折算成工时

梅卡曼德的做法，是把原本压在工程师身上的工作，一项项交给模型。

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，不再逐案手工编程，部署周期由数月压缩至数天。中报里有两个很具体的例子。

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2毫米。更关键的是，新工件上线只需要一个三维模型，不需要采集数据、不需要重新训练，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，每换一次型号，就意味着一轮工程师驻场。

梅卡曼德智能机器人处理各类真实复杂工件

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，梅卡曼德自研灵巧手做到了不低于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。

梅卡曼德自研灵巧手

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之后，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。

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，那就是能不能折算成现场省下的工时。

03 报表上的兑现

工程师时间被省下来，最先反映在利润表上。

2023年至2026年上半年，梅卡曼德的毛利率由39.1%提升至65.0%，销售费用率由102.7%降至38.5%。按中报数据计算，经营亏损占收入的比例也由上年同期的约42.5%降至约32.6%。

这就回到了开头的那组看似“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）也由负3940万元收窄至负3300万元。研发在加码，规模带来的毛利增量把它稳稳托住了。

客户投票的数据同样指向这一点。上半年公司复购率达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2.230亿元，为上年同期的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75.3%，高于收入增速；截至6月末在手订单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9950万元，同比增长68.3%，海外业务毛利率达81.4%。物理AI省下的工程师时间越贵，它的价值就越高。

04 三万台出货的背后

把视线放到全球，物理AI的“大脑”已是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。

梅卡曼德在中报里展现出自己独特的路径。它手里握着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。

梅卡曼德增长闭环示意

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。

这份中报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。