64.直击史上机器人浓度最高的春晚：与姜哲源、宁慕楠聊具身、Seedance2.0，行业幕后与未来｜春节特别节目（上）

摘要

• 今年总台春晚机器人赞助战的内幕价码：据主持人披露，智元开到6000万，宇树开出更高价（传闻一亿、未经宇树核实），智元退出后自办“机器人奇妙夜”。 宁慕楠指出，奇妙夜露出时间更长、成本更低；节目约一小时、请来200多个机器人，大部分充当“观众”，智元宣称靠品牌露出收回了几百万成本。主持人还提到，一亿元成本可能够签好几个联合工厂项目；最终登台公司的名单在 transcript 前后有“四家/五家”的口径差异。
• 宁慕楠认为2026是具身智能争夺的重要年份，参照新能源车剧本。 他的判断是：“比亚迪已经出现了，谁能成为具身智能的‘蔚小理’，大家就要拼2026年这一口气”；姜哲源则称2025年行业完成“从Demo走向量产的从零到一”，还没量产的公司“大概率会转型或失去上牌桌的机会”，头部企业账上应该不少于十亿元，中腰部和尾部也有至少一两亿元，行业“不会那么快死，但也不会过得太好”。
• 春晚一线的关键实情：台上没有真正把“大脑”用起来。 主持人提出、姜哲源认同目前没有一家真正把所谓“大脑”搬到舞台上，大家主要还是以运控为主；台词全部预录、机器人由人操控，因为AI上台“没法保证绝对安全”。歌舞类出错时可切备播带，小品类节奏靠演员把握、压力更大；被问到预案时，姜哲源回答“说实话，这个预案没有做”。
• Seedance 2.0对具身训练的价值，是本期最大的路线分歧。 宁慕楠认为，高物理一致性的视频生成模型可以是“某种世界模型”，成为“低成本、源源不断的训练数据生产厂”，并将Seedance比作“DeepSeek时刻”；姜哲源则认为Seedance渲染很真但“物理过程非常非常失准”，用这类数据训练机器人会产生偏差，对“多模态生成数据大大推进机器人训练”这一点表示“我觉得一定不会”，并承认行业尚无共识。
• 宁慕楠指出视频模型与语言模型的商业结构不同：难以开源，蒸馏后也难以保持好效果，反而可能加深大厂垄断。 私有数据训练使开源成本很高，视频模型要达到高拟真效果仍需原生大模型和大型服务器；因此他预计“至少在2026年”会加深大厂的技术垄断优势。Diffusion固定输出帧长度，也让短视频数据更具优势。
• 具身比AI更容易向投资人交代的理由是ROI可算，但行业也存在“本质上是To LP”的现象。 宁慕楠认可主持人提出的说法：部分订单与财务表现可能服务于融资，并存在关联交易，这是AI和机器人时代的共同现象；不过一台约40万元的机器人若顶替两三个岗位，对照工人年薪约7万元，可能两年回本。To Lab模式不长久，学校经费和两三年结项周期限制复购；To Lab订单增量“绝大部分来自中国”。
• 姜哲源的差异化打法：场景战而非价格战，押注K-12与仿生人。 他认为“第二名没有意义，只有成为第一名、市占率达到80%左右，可能才会有很好的复利”；目前站稳的有宇树（运控）和云深处（巡检）。松延的9998元小布米是“史上第一个万元级高性能双足人形机器人”，降价是为了打开全新客群而非内卷切份额；仿生人则瞄准导游导览，姜哲源认为此前轮式导览机器人没有取得特别好的效果，核心问题是缺少关注度和话题度，并称松延在仿生人整体技术方向上处于全球领先水平。
• 量产成为拉开差距的硬指标。 宇树2025年自己公布的数字是生产了5500多台人形机器人，松延产1000多台、去年年底单月产能500台、今年预计单月突破1000台；难点在本体与工艺设计，以及供应链“周期、成本、质量”三角，靠核心零部件库存抵抗交付波动。姜哲源同时承认宇树“还是当今全球机器人运控的第一名”，春晚彩排表现“远远超出预期”。

精读

1. 一亿元入场券：智元退出总台春晚，自办奇妙夜

• 主持人卫诗婕披露的圈内戏称——“一亿元的入场券”：智元开到6000万，宇树开出更高价（传闻一亿，主持人称尚未与宇树核实），智元退出并放话“上总台春晚不如我自己办个春晚”。
• 关于弃标的账，宁慕楠指出春晚露出时间短且不可控，花费很高但未必符合预期；主持人则提到，一亿元成本可能够签好几个联合工厂项目，或养一支几十人的核心技术团队。
• 奇妙夜的成本安排：约一小时节目、号称请来两百多个机器人，但“大部分都是所谓的观众”，真正上台的可能只有十分之一；彩排更多依靠机器人表演公司，而非智元自家工程师。智元宣称靠品牌露出已收回几百万成本、实现收支平衡，还希望年年办成自己的“机器人春晚”。
• 宁的观感不留情面：传播度小，多见于通稿，确实“不如真人春晚有吸引力”。主持人还将它与去年总台几十个机器人扭秧歌、转手绢的震撼效果作比较；宁则认为，若未来形成收视率，机器人自办春晚“未尝不是一个未来可以发扬光大的”形式。

2. 从运控秀肌肉到“大脑+小脑”：VLA是今年的看点

• 宁的框架：今年多家提“大脑加小脑”——大脑即VLA（Vision-Language-Action），赋予机器人类似GPT、Gemini、DeepSeek的理解与对话能力；小脑是3D检测、机械臂控制等垂直小模型。VLA“算是今年的一个亮点”。
• 两个落点：工厂里机器人与工人简单交互可“极大降低危险性或提升效率”；家用场景要的不是安静叠衣服的机器，而是“一个能够与你沟通、提供情绪价值的”机器人。
• 一个反转判断：若总台春晚秀出交互能力，反而会让人回看奇妙夜、发现智元早已展示过——“所谓的一亿春晚可能还是有它的价值的”。

3. 双雄战争变四强争霸：2026拼的是“蔚小理”那口气

• 主持人称各家公司从年中五六月开始角逐，最初是宇树与智元的双雄战争，随后变成四强争霸；她列举的最终登台公司为银河通用、宇树、魔法原子、松延动力和追觅。
• 宁的时点逻辑：机器人已经烧了一年的钱，投资人要看成果，宁愿多烧钱买曝光；更关键的类比——“比亚迪已经出现了，谁能成为具身智能的‘蔚小理’，大家就要拼着2026年这一口气”，因为新能源从爆发到落地最关键“也就那么两年的时间”。

4. 三巨头路线图：宇树本体、银河仿真、智元联合工厂

• 银河通用（王鹤）是仿真数据派：实采要一台最少二十来万的本体、操作员编程录制再打标，流程极重；他们用改良的Isaac Sim物理仿真模型，在虚拟环境中生成机械臂抓取、叠被子等类真实视频，降低对实采数据的依赖。
• 智元的路是政企合作联合工厂：设备进厂、操作员戴采录设备，合同约定回采80%—90%的数据，工厂可在正常产出之外获得额外的数据输入；智元“一心要工业化落地”，最近又做了智慧码头。
• 宇树做最酷炫的东西，本体全球领先；主持人认为其重要护城河还包括生态——去年蛇年春晚转手帕的技术出自与英伟达和CMU顶尖实验室的合作，“这个生态是国内其他具身公司很难追上的”。宁对主持人关于真实数据回采价值的判断表示“非常正确”。

5. 新面孔松延与魔法原子：技术不缺，缺的是商业标签

• 宁看松延：背靠清华北大，似乎还有北京市政府支撑；工程师团队以95后、清华北大毕业生居多，小顽童在机器人马拉松上获得过亚军——技术“无需担忧”，但“还没有走出来自己特别有特色的商业化路径”，需要像前三家公司一样把应用场景绑定并宣传出来。
• 主持人判断魔法原子可能是这几家公司中估值最低的，提到其几十亿元量级估值和相对有限的产品露出；宁没有直接核实这一判断，只强调这类公司要讲好商业故事、找好商业生态。关于其与追觅的关系，宁说“坊间似乎已经认定”，但未作确定确认。
• 宁的底层判断：中国工程师供给之下，“各家在技术上的短板差距不会特别大”，行业偏同质化——谁做出差异化、品牌和技术长板，谁就能建立分水岭；“当它有了自己的特点之后”，有意向的投资人或用户会自发找到它。

6. 智元弃春晚的务实逻辑：工厂里天天都是春晚大考

• 宁的翻转视角：春晚式的高压大考在工厂“时时刻刻都会存在”——VLA大模型无论Gemini、GPT还是Claude，都不可避免存在幻觉；对话里的幻觉可能只是引错文献，但在工厂“可能就会引起财产甚至生命的损失”，对品牌会造成巨大负面影响，宁以新能源车事故或起火造成的舆论危害作类比。
• 结论：“一个公司要认清楚自己的产品服务谁”——宇树要炫最先进运控，上春晚是对的；智元要进工厂，把钱集中到工业合作上，宁认为“也是正确的”。

7. 退潮与洗牌：投资人会照着新能源剧本再走一遍

• 对“2025年第一波机器人退潮已发生”的说法，宁的校准是：如果说完完全全退潮，可能还为时尚早；小公司此时进入“不是一个明智的选择”，对中大型品牌谈清退机制“还为时尚早”，只是这个时间“也没有想象的那么长”。他以哪吒、威马、高合等新能源品牌的事实退场作参照。
• 有过新能源经验的投资人会沿路径找“最有可能复刻的”项目：有商业模式、有目标用户，最重要的是让目标用户知道“我想实现我的目标，我就得买你的”。
• 创业者仍前赴后继的两个原因：市场理论上接近无限——每个家庭一台或每个工厂十台“都是无比广阔的市场”；且国内工程师与供应链很强，做出一个具体产品相对容易，再拿它获取投资——这是宁所说的“2025年的现状”，2026年、2027年是否仍会如此尚未知。

8. “本质上是To LP”：AI时代的泡泡与具身可算的ROI

• 主持人抛出行业说法：不存在To B/To C，“本质上是To LP”，订单与财务收入很多来自融资项目，并存在关联交易。宁表示“我认为就是这样”，认为这是AI与机器人时代的共性——马斯克称如果没有AI这波狂欢，美国“可能马上就要破产”，OpenAI、甲骨文、英伟达互相融资、互相吹泡泡，“大环境如此，也不用过分苛责”。
• 但宁认为中国具身智能的泡沫比美国AI“好一点”：ROI可算——假设工人年薪7万元、机器人40万元，回本要六七年；“但假如这一台机器人可以顶替两到三个岗位，可能两年就能回本”，看得见、摸得着，比AI更有商业场景。
• 对照AI的付费模式至今没搞清楚：大厂为绑定用户把App端做成免费；宁提到腾讯请姚振宇过去、给两个亿招人才，纯靠元宝目前看很难收回。视频模型不开源，定价贵了用户不买账、便宜了又难以收回昂贵的数据和服务器成本。

9. 四种商业模式里，To Lab有天花板，租赁表演像大疆

• 宁明确看空To Lab的持续性：学校经费不是无限的，一百万元项目买一两台就花得差不多，结项周期两三年内未必复购；特朗普上台后冻结许多教育经费，美国项目反而难申请，“To Lab订单的增量绝大部分来自中国”。中国本土又逃不开周期问题，除顶尖985高校外，年年都有几百万元大项目很难。
• To B里的租赁和表演模式，宁认为“可能是一个比较好的模式”，参照大疆：几千架无人机集群卖到海外，给阿拉伯富豪提供情绪价值，为他们画头像。

10. 宁的2026三大预判：人类视角采数、跨场景ROI、RL自主进化

• 数据采集通用化：操作员头上绑摄像头、手腕处戴手环或绑摄像头，学的是“动作逻辑”而非电机参数——电机参数换一台本体就难以继续使用，人类视角数据经模型映射后具有通用性，机器人迭代后也可以接着用这批数据训练。智元的联合工厂已经宣传过这套方式。
• 跨场景是算清ROI的钥匙：过去码垛的只能码垛、搬运的只能搬运，工厂根本算不清回报；VLA加持下，一台机器人若能“像真人一样代替整条生产线上的工人”，采购意愿才可能真正起来。
• AlphaGo式进化：2025年已有机器人陆续进厂，能否像AlphaGo靠强化学习越下越强——“人做一个岗位二十年一定是领域内的专家，机器人能不能也在一个岗位做二十年成为专家？”若部署后能自主寻优，进化速度可能比现在更快。

11. Seedance 2.0（正方）：物理一致的视频生成就是某种世界模型

• 宁的核心命题：能生成与现实物理一致视频的模型，“就可以认为它是某种世界模型”。他认为Seedance 2.0的突破在物理一致性：大幅度动作看不到明显穿模；他举的样本包括特朗普骑马时白衬衫下的小肚子随马一上一下地跳，以及动作大胆的打斗视频。
• 对具身的诱惑：把奥特曼大战换成机械臂抓取、叠衣服，只要物理一致性保得住，它就是“低成本的、源源不断的训练数据生产厂”——省掉实采和打标签的高成本，足不出户即可持续生成数据。
• 定性：“有点像二零二五年春节前的DeepSeek时刻”——从特定用户工具变成“什么东西都能做的玩具”。宁认为Seedance支持原生2K，物理一致性可直接对标Veo 3，当前时间段“已经实现了对国外的技术超越”。

12. 但视频模型难以开源、蒸馏后效果不好：2026反而加深大厂垄断

• 与DeepSeek的关键不同：视频模型数据与运算成本极高、使用私有数据训练，“开源本来就是一件很亏的事情”；它也不像语言模型那样容易通过蒸馏保持效果，蒸馏后效果不好，用户可能不愿意使用，仍需原生大参数模型部署到大型服务器。
• 由此推论：世界模型/视频模型的技术升级，宁预计至少在2026年仍会由互联网大厂主导，并“加深大厂的技术垄断优势”；厂商会打造封闭环境让用户付费。Sora曾宣称可以替代90%的CG及广告行业工作，但没有完全做到；宁对Seedance替代许多中低成本CG和广告生成工作仍“比较乐观”。
• 私域数据解释了国内格局：语言模型训练很多使用公开公域数据，多模态模型更多依赖各家的私域视频——字节Seedance、快手可灵领先，正因为它们本身是短视频或视频类社交平台。

13. 为什么是短视频公司赢：固定输出帧长度的一堂技术课

• 宁的类比讲解：语言模型预测下一个Token，可以一直往下生成；Transformer加Diffusion的视频模型则像“给你三十二张纸，你把这三十二张纸画满，OK，视频生成好了”——输出是固定帧长度，恰好落在短视频的优势区间。长视频训练会造成时序断裂、属性对不齐。
• 超长生成靠接龙：用30秒最后一帧作为下一轮起点拼出60秒，代价是不可控的细微漂移，“到后面人可能都长得不一样，或者性格动作有很大偏差”。

14. 2026最热vs最重要：视频世界模型的诱惑，与具身的Scaling Up

• 最热的方向是基于视频模型的世界模型：在符合物理规律的前提下所见即所得，能做短剧、CG、游戏创意，更能替工厂生成第一人称、第三人称和全厂视角的数据——机器人“上岗那个瞬间已经是有几百天工龄的老专家”，进厂调试可从六到八个月压到“六到八周，甚至六到八天”。
• 最重要的方向是具身能否实现Scaling Up：现在的VLA“本质上吃的是大语言模型的老底”，以较好的基础模型为基础微调，还要人工精心打标；若能用一大批纯第一视角或纯机械臂数据从零训出“机器人的大脑模型”——像小孩接受几万乃至几百万小时视频后涌现智能——A工厂换到B工厂只需“干个半天”就熟悉环境，“那时候就是一个具身智能的新时代”。

15. 姜哲源春晚一线：全家族登台、《奶奶的最爱》与隐藏的名头

• 松延不是单机上台而是全产品家族：小顽童N2上两台（奔跑、空翻、侧手翻），一米四的E1（拟人行走、变魔术、伸脖子比王天放还高的梗），9998元的小布米“戏份相对比较大”，外加仿生人产品线。
• 节目是与蔡明、喜人奇妙夜冠军王天放合作的小品《奶奶的最爱》，如不出意外第三个播出、约八点半：孙子久未回家，被机器人蔡老师一直怼，并与几个小机器人争宠，最后合跳一支舞。
• 仿生蔡明是节目最大的梗：一比一复刻、拥有超高自由度和仿生表情；后台明星路过打招呼“蔡老师好”，机器人不理，仔细看才发现是仿生的蔡老师。
• 名头的玄机：四家公开名头各不相同——银河通用称“具身大模型机器人”，宇树称“春晚机器人合作伙伴”，魔法原子称“战略合作伙伴”，松延称“春晚人形机器人合作伙伴”。松延原定“春晚独家仿生机器人合作伙伴”，但一露出就会剧透节目，最终用“人形”盖住“仿生”。

16. 台上没有真正使用大脑：预录台词、人工遥控、没有预案

• 主持人先提出“目前没有一家会真正把所谓的大脑搬到舞台上”的判断，姜哲源表示认同，并补充“大家主要还是以运控为主”。台上不能让这类AI真正运行，姜称“没法保证绝对的安全”，所以台词提前录好、机器人由人操控；被追问原因时，他只说这是“一个现实情况，不是我能解释原因的事情”。全自主奔跑要到今年四月的马拉松展示。
• 风险结构决定了压力：歌舞类节奏严丝合缝，出错时可切备播带；小品类节奏靠演员把握，难度更高，“这是让我们压力最大的一点”。被问到预案，姜回答“说实话，这个预案没有做”——能做的是每次上台前熬夜，把每台机器整体检查一遍。
• 姜所说的四家各有分工：宇树表演武术炫技，松延做语言类小品，魔法原子据说上歌舞类，银河通用与沈腾合作微短剧，体现一些大脑与上肢操作能力；姜也承认这类能力“在公众层面的展示度和关注度”不如舞蹈、双足。

17. 仿生人的商业逻辑：导游导览、“奇观属性”与相似度争论

• Killer场景的答案是旅游导览：招不到导游“不是工资的事儿”——要背几万字讲稿、出错还可能被罚钱，令人望而却步；仿生机器人“完全可以很轻松地记住所有讲稿”。当前形态是轮式底盘加人头，已经实现梯控、自主规划和自主回充。
• 主持人追问为什么非得像人，大白、机器狗是否也可以；姜认为猎户星空、小笨等纯轮式导览机器人没有起到特别好的效果，核心是“本身不具备关注度和话题度”——人们去景区、博物馆是为了看奇观，一个带人脸的导游会让人产生“天然被吸引的感觉”。
• 主持人问太像真人会不会让人害怕；姜承认第一次见Hanson Robotics的Sophia时，想上去摸一下都觉得“是不是有点不尊重它”，但判断这种震撼“更多是积极的”。他也作了区分：真正进入家庭干活的机器人，“加一个仿生脸的意义可能不是百分之百的必要”。影视是另一个需求场景；姜称全世界仿生脸做得最好的公司是Disney。

18. 连杆驱动vs绳驱：一句“全球最领先”的技术底气

• 姜把Sophia所采用的绳驱方案称为“可能算是上一代技术”：用电机拉线驱动面皮，钢丝绳随使用次数增加可能发生不可逆塑性形变——绳子可能越用越长，仿生控制就不精准；Disney的卡通仿生形象，如《疯狂动物城》的牛局长，自由度需求相对不高。据此他称松延在仿生人整体技术方向上处于全球领先，与大部分公司可能存在代差。
• 松延独创的是连杆驱动面皮与仿生人脸皮结合的技术：连杆不能像绳子一样自由弯曲走线，设计难度高得多；脸皮本身也存在两难——太厚小电机拉不动，太软则会塌在骨骼上。松延使用铂金硅胶，已从进口材料换成国产材料。

19. 春晚三十多年未有人买走景片；宇树“远远超出预期”

• 第一次进央视一号厅合练时，蔡明和王天放“演得非常好”，自家机器人走位“说白了都没有练好”。当晚半夜两点，姜把台上小品的景片搬回公司，一比一复刻整个春晚场景排练；据姜后来听说，春晚历史上三十多年没有人把主舞台景片买走过，松延“可能算是第一个真正意义上做这件事的人”。蔡明、王天放也多次来公司合练，导演组评价松延是四家里“最努力的”。
• 对同行的姿态：外界以为竞争激烈，实际“处于不同的赛道”；“我们不太关心别人怎么样”，帮助演员团队和节目组演出好节目，是“最重要、也是唯一重要的一件事情”。
• 姜对宇树的评价最为突出：“远远超出预期”——空翻、跳鞍马、飞檐走壁、醉拳都很精彩，“宇树还是当今全球机器人运控的第一名”。他读书时就买过宇树机器狗、加过王兴兴微信，也曾几次去杭州请教。

20. 小布米9998元：降价是开新市场，不是内卷

• 小布米90多厘米，是“史上第一个万元级高性能双足人形机器人”（姜称此前应只有万元级机器狗），瞄准K-12编程教育、讲故事与陪伴，目标是“人形机器人里真正意义上第一款销量突破1万台的产品”。
• 姜的定价哲学是这段访谈里最完整的推理：降价有两种可能——同场景切份额，“这个事情没有意义，总有人能比你降得更低，最后所有人都没有利润”；或打开全新客群——9998元“一下子打开了所有C端客群，尤其是有孩子、相对高净值的家庭”，是做巨大增量而非切存量，“不是为了卷而降价”。
• 与宇树的差异化：人形机器人场景“呈现一个多而散的状态”，还没有特别巨大的Killer应用，两家重合度本就不高——宇树做科研、教育、表演，客单价更高；松延做K-12与陪伴，选择竞争相对少一些的场景和价格带。姜同时强调，松延产品与纯AI陪伴类产品存在区分，并不完全是同一类人群。

21. 量产的含金量：双重设计与供应链三角

• 数字先行：宇树2025年自己公布的数字“应该是”生产了5500多台人形机器人；松延产1000多台，去年年底达到单月产能500台，今年预计单月突破1000台。姜也承认宇树“在本体设计到整个生产环节上确实有竞争优势，也有时间积累形成的壁垒”。
• 量产到底难在哪（姜自问“多雇点工人不就解决了吗？”）：一是设计——本体图纸之外，还有工艺工程师设计工装、检测工位和整条产线；二是供应链三角“周期、成本、质量”，最大痛点是交付周期，解法是资金够时为核心零部件建立库存、抵抗波动，并从成品库现货直发。
• 2025年供应链生态变化明显：机器人大部分供应链与消费电子、汽车耦合，唯有关节是机器人特有的板块；供应商中出现定制开发、零售、KA大客户等不同服务形态。姜认为行业越来越成熟，对松延“肯定是好事”。

22. RL没有Scaling Law，世界模型炒不熟西红柿鸡蛋——Seedance的反方

• 针对王兴兴“机器人RL的Scaling Law还没有出现”，学Deep RL出身的姜更进一步：“单纯Deep RL本身并不存在所谓的Scaling Law”——RL数据来自Replay Buffer和仿真Rollout，不是外部信息；“讲RL加Scaling Law这个事情有点怪”。他认为，真正可能谈Scaling Law的情况，是用大量人类动作数据训练全身操作的RL Agent，以及上肢的VLA。西湖大学、宇树在相关方向做得不错，松延也有初步成果，预计年后发布；训练范式则从2024全年至2025年上半年以手工调参为主，转向2025年Q2—Q4的人类动作数据驱动，“现在也是”。
• 对世界模型派的釜底之问：世界模型=渲染器+物理引擎；“做西红柿炒鸡蛋——蛋液在不同温度下从液态变成固态的过程，这个事情能学出来吗？学不出来，它提供的信息就是有偏差的”。
• 主持人转述宁的Seedance观点后，姜直言“我不是特别认同”：Seedance渲染很真，但“物理过程非常非常失准”——即使专为物理世界设计的Isaac Gym，精度也不算高，Sim-to-Real Gap仍然较大；他前一天在小红书刷到Seedance 2.0生成的玩具火车，出现乱飞乱蹦、经常突然消失等不符合物理规律的现象。
• 结论毫不含糊：多模态生成数据会大大推进机器人训练速度吗？“我觉得一定不会。当然，如果我说错了，我就为我的错误买单——买单就是我错过的机会成本。”双方都承认这是行业尚无共识的路线之争，各自有各自相信的方向。

23. 洗牌快有定论，场景战开打：第二名没有意义

• 姜给2025年的注脚：抛开技术，行业最大变化是“从Demo走向量产的从零到一”；还没规模化生产和销售的公司“大概率会考虑转型，或者失去上牌桌的机会”，卡点是资金体量与时间周期——“出来太晚的公司，这么短时间确实来不及做好一款能交付的产品”。
• 资金面印证主持人的消息：姜认为头部具身企业账上“应该都不少于10亿元人民币”，中腰部和尾部也有几个亿现金，至少有1亿到2亿元——“这个行业不会那么快死，但说实话也不会过太好”。剩下的企业要么凋亡、要么转型或在细分领域做差异化，除非“新的技术黑天鹅出现”，牌面仍可能改变。
• 价格战没开始，“场景战”开始了：“第二名没有意义，只有成为第一名，市场占有率达到80%左右，可能才会有很好的复利”。他认为站稳场景第一名的有宇树和云深处（巡检），松延要占的生态位是K-12教育。自评仍“在牌桌边缘上”——总台春晚之后，“站位会稍微稳一点”。
• 松延自己的2025是补短板之年：2024年或2025年年初时“全是搞技术的”，甚至没有人力资源和销售；花一整年建组织，至少让公司像一个正规公司，而不是纯实验室。姜认为现在已经到了需要交出第一份小答卷的阶段，拼的就是量产和商业化。

Verification Notes

• Transcript前段由主持人列举五家最终登台公司，后文主持人与姜哲源多次按“四家”讨论，未据此确定追觅是否属于同一口径的登台企业。