S3/S4
AI stack
NVIDIA Isaac GR00T、Figure Helix、Tesla physical AI 把机器人 AI 从单点 demo 推向 foundation model、simulation、teleoperation 和 deployment stack。
Robotics intelligence draft
机器人产业的信号与噪音
从产业链、技术拐点到投资机会
一个面向投资者的机器人研究框架，用来区分 AI 驱动机器人周期里的真实进展、产业噪音和可验证机会。
Draft updated 2026-06-13. This page is a working surface for review before the final publishing flow.
Current thesis
AI-driven robotics is moving from demo narratives toward early deployment evidence, but the sector is not yet broadly de-risked. The decisive signals are production volume, field reliability, paid deployment, customer payback, and filing-backed revenue exposure.
Site scope
This public site is the mid-thickness layer: thicker than a slide deck, cleaner than the internal research base, and limited to public-safe evidence. Slide compression will happen later.
Why robotics now
S3
Hardware cost curve
Unitree 公开价格把 humanoid hardware 压到 R1 from US$4,900、G1 from US$13.5K、H2 at US$29,900 的区间，扩大开发者和早期试错基数。
S4
Deployment KPI
Figure 披露 BMW 11 个月部署、10-hour shifts、90,000+ parts loaded、1,250+ runtime hours 和 30,000+ X3 vehicles contributed。
S4
Manufacturing metrics
Figure 披露 350+ Figure 03 delivered、1/day 到 1/hour cadence、>80% EOL first-pass yield；Tesla 披露 Fremont/Texas designed capacity。
S4
Supplier filings
绿的谐波 2025 年报和 2026 Q1 把工业及具身智能机器人相关增长写进 filings，但仍需客户和 margin 验证。
我们跟踪什么
商业化
付费客户、重复订单、部署时长、产能、交付数量、客户回本周期。
技术能力
自主程度、任务成功率、续航、负载、可靠性、安全事件和现场表现。
单位经济
ASP、BOM、毛利率、维护成本、RaaS 定价和单台机器人价值量。
供应链暴露
是否有真实客户、收入占比、产能瓶颈、替代风险和价格压力。
Charlie research memos
Public-safe company map
Company map: four focused evidence curves
Tesla Optimus、Figure AI、Unitree 和绿的谐波是当前公开站点聚焦展示的四条证据曲线；其他公司资料保留在 Notion / research workspace，不做网页展示。
Field guideWhy now: three catalysts
AI/model/data stack、低成本硬件和 deployment KPI 同时变得可跟踪；这是更好的证据环境，不是 S5 商业化证明。
MethodologyS5 upgrade map
把当前 S3/S4 信号和真正的 S5 要求分开：付费部署、复购、uptime/intervention、客户 ROI、产量、毛利和财务重要性。
Review checklistFalsification checklist
包装前的反 hype gate：designed capacity 不是 actual production，customer KPI 不是完整 economics，低价不是可靠性。
Layer mapRobot foundation-model layer
Physical Intelligence 和 Skild AI 让 model/data layer 成为可跟踪层，但仍缺 ARR、license economics、robot counts 和 ROI。
Priority company pageTesla Optimus: capacity ambition vs proof
Tesla 已披露 Fremont 1M/year 和 Texas 10M/year designed capacity；但仍缺实际产量、外部客户、收入和单位经济。
Priority company pageFigure AI: deployment KPI, economics missing
BMW 11-month deployment、1,250+ runtime hours、90,000+ parts loaded 与 BotQ manufacturing metrics 构成强 S4 信号。
Priority company pageUnitree / 宇树: cost-access curve
R1 from US$4,900、G1 from US$13.5K、H2 US$29,900 降低实验成本，但未证明部署经济性。
Public-safe comparisonThree paths: Tesla / Figure / Unitree
Tesla 测试垂直整合规模，Figure 测试工业部署和制造爬坡，Unitree 测试低成本硬件和开发平台。
Supplier case, not stock pitch绿的谐波: supply-chain case study
强报表信号：2025 revenue +47.31%、harmonic reducer sales +72.48%；但客户和经济性仍未 S5 验证。
MethodologyFive questions
先定义市场口径、周期阶段、AI 改变量、价值迁移和 thesis-changing signals，再讨论公司。
Signal vs noise
S5
Thesis-changing
Signal: 量化产量、外部客户、收入、毛利、订单或大规模部署。
Noise: 没有数字的“即将量产”。
S4
Material
Signal: 具名客户、任务指标、产能计划或被验证的供应链关系。
Noise: 只有合作发布会，没有经济条款。
S3
Useful monitoring
Signal: 官方 demo、产品迭代、论文或开发者生态进展。
Noise: 病毒视频、二手传闻、TAM-only 叙事。
Open signal framework · Open S5 upgrade map · Open falsification checklist