物理AI改写追觅的成长逻辑

撰文 | 懂懂

编辑 | 秦言

来源：懂懂笔记

2014年，GoPro创始人尼克·伍德曼戴着自家的运动相机，在纳斯达克敲钟上市。那台巴掌大小的运动相机，改变了普通人记录世界的方式。资本市场迅速为这项创造力定价，公司的市值一度超过110亿美元。

GoPro代表了旧时代最令人向往的估值逻辑：发明一个品类或者打造一件爆款，再借助品牌和供应链占领全球市场。资本市场愿意为这种创造力支付科技公司的溢价。

现在AI正在改变这套估值逻辑。

随着摄像头、传感器、算法和大模型进入越来越多的物理设备，产品开始拥有感知环境、理解需求和自主决策的能力。过去高度依附于单一硬件的技术能力，正在被抽象成算法、数据和系统能力，在不同产品之间迁移，并作用于物理世界。

作为AI时代的公司代表，追觅正在验证这套逻辑。这家从扫地机起步的公司，通过与AI的深度融合，已将智能化从清洁领域延伸至家电厨电等全屋生态，打破单纯依靠产品迭代的估值天花板。

AI重构科技公司估值逻辑

近期结束的世界人工智能大会（WAIC）上，一个明显的变化正在发生：人形机器人、车载全域智能、端侧AI手机、工业全链路智能产线成为最受关注的展示载体。越来越多企业开始把AI能力从实验室推向真实场景，从单点技术展示转向系统整合和商业化落地。

这一变化也正在影响资本市场对科技企业的判断，早期，市场潮流是比拼算法，看谁能研发更强的模型。如今，竞争开始进入另一个阶段：各家企业都在试图把AI真正装进产品，进入真实世界。

单纯拥有某项算法能力，并不意味着能够创造长期价值。真正具有想象空间的企业，需要同时具备技术研发、产品定义、制造能力和应用场景，把AI能力转化为持续产生商业价值的产品。

家庭智能是这场变化最早发生的领域之一，扫地机器人则提供了最直观的样本。十多年前，它更多是一台按照固定程序移动的清洁设备。今天，一台高端扫地机器人已经需要完成一系列复杂任务：识别空间环境，判断障碍物类型，规划清洁路径，并根据不同情况调整运行策略，成为AI进入物理世界最成熟的消费级载体之一。

追觅扫地机通过行业首创的超广角双目灵动导航避障技术，实现了行业领先的智能识别能力。该技术结合双 RGB AI摄像头与3D深度感知能力，可精准识别280+类物体，其中线束识别率可达100%，宠物本体识别率99%。同时，双目依托AI算法可精准识别液体污渍、宠物毛发等，即便在暗光、弱纹理等复杂场景下依旧稳定可靠。

同时搭载的全球范围内首创的20万转/分钟高速数字马达，以及同样为首创的仿生机械臂，让扫地机在精准感知之后，能够给出合适的清洁方案，并完成任务。

这种软硬件协同的系统能力，让追觅构成了一套完整的智能系统，在这套系统中，算法的价值不会随着某一代产品退出市场而消失，而是通过不断对家庭空间的理解，迭代其运动控制、语音交互和环境感知等能力，同时出现在各种形态的产品上，不管是扫地机器人，还是下一代具身智能，最终都会落位在家庭真实场景中，解决用户痛点，实现商业化落地。

平台化降低边际成本

对于当下的资本市场来说，人工智能的政策窗口仍在，产业资本开支也没有退潮，但投资人正在追问一个过去被增长掩盖的问题：收入在扩张，但算力成本和客户交付成本也在同步上升，庞大的资本投入，最后究竟能够沉淀多少利润、现金流和股东回报。

平台化能力则能够改变了一家公司投入资本、分摊成本和形成利润的方式。

2017年成立时，追觅最重要的技术标签是高速数字马达。以此为突破口，追觅建立了电磁、气动、驱动、材料、散热和降噪能力。而随着扫地机器人智能化应用，追觅又积累了另一套算法能力：传感、视觉、定位、路径规划和运动控制。

这些技术正是当下物理AI的趋势——让机器理解周围发生了什么，并自主完成任务，而追觅将底层能力抽象出来，让不同产品品类之间形成联动，就构成了平台化技术，只要一台设备能够感知环境、进行决策，并通过控制系统改变物理世界，它就具备机器人的基本逻辑。

追觅已经成熟的视觉识别、定位导航和运动控制算法，可以同时服务于扫地机器人、庭院机器人和泳池机器人；马达、机械臂技术也可以被洗地机、吸尘器调用。而AI平台形成后，同一套算法、数据工具、云服务和控制框架可以支持多条产品线。在此基础上，一次研发投入对应更多收入来源，追觅没有减少研发投入总额，但单位产品承担的研发成本会下降，研发投入的产出效率随之提高。

同时，平台化还可能缩短新产品从立项到上市的周期，利用已有模型和真实场景数据完成训练，在成熟的软件架构上开发产品，减少重复验证和技术探索。研发周期缩短，意味着前期资金占用减少、收入确认提前，新产品达到盈亏平衡所需的时间也可能缩短。

这是一种不同于单纯削减预算的成本优化。平台型企业仍可能维持较高研发投入，但AI时代最终比拼的是底层能力的复用效率，从而支撑更多收入、更高毛利以及更快的资本周转。

产品、数据、算法的正向循环

平台化能力解决了创新的成本与效率问题，但真正改变一家公司长期价值的是技术复用能否形成持续的增长循环。

在平台化能力之上，追觅建立起了一个由产品、数据和算法构成的循环：产品进入更多家庭和场景，在用户授权和隐私保护的前提下形成反馈；数据用于优化物体识别、路径规划和运动控制等算法逻辑；算法升级再提升产品体验，并沉淀为可以迁移至其他品类的能力。

这一循环与传统公司的增长方式不同。传统产品售出后，其技术能力基本固定，企业需要依靠下一代产品升级重新刺激需求。AI时代，旧的产品也可以通过OTA实现不断进化，同时，产品运行中一次识别、一次调整，经过归纳和训练，都成为后续产品解决同类问题的经验。即便一款产品退出市场，其背后的数据、模型和工程能力仍可留在平台上。

而当产品从扫地机器人扩展至不同场景中的终端，数据的价值也开始面向家庭全场景的理解。不同设备面对不同环境，却可以共同完善企业对空间、用户需求和机器行为的认知。这些认知再被转化为新的产品功能和技术模块，推动产品体验继续改善。

由此，一套增长飞轮开始形成：产品规模扩大带来更丰富的场景反馈，反馈推动算法进步，算法提升产品竞争力，并降低新品类开发成本；新品类进入市场后，又为系统增加新的数据和收入来源。由此，追觅的物理AI能力以螺旋式的方式不断循环增长。

回顾前三次工业革命的历程，都是在不断优化、修正、迭代中螺旋式上升，提升生产效率、降低生产成本，最后改写了经济增长引擎。人工智能行业遵循着同样的范式，能否解决现实世界的一系列痛点，能否降低人工智能生产要素的成本，能否跑通规模化的创新与赋能，既是洞见人工智能价值的底层逻辑，也是丈量人工智能企业的终极参考。

冷眼旁观 麻辣点评 深入分析

个人观点，仅供参考