产品核心特点与定位 - 产品为短剧生成Agent，旨在解决AI生成精品短剧的高门槛痛点，将2-3分钟成片的制作时间从3-5天大幅缩短，并减少对多种AI工具和创作者深厚功底的依赖 [1] - 产品通过上传小说、剧本或创意，由Agent完成超过90%的工作流程，包括创作故事、拆分脚本、创立人物、设置场景、绘制分镜、生成视频、生成对白、多语言配音、对齐口型、生成音乐和快速剪辑 [1] - 产品未采用主流的一站式全自动AI生成模式，而是设置了“角色库”、“分镜板”、“剪辑板”三个关键界面，将“挑剔权”交还给创作者，允许通过prompt调整细节，实现“新手简单，高手可控” [1][5] - 产品设计理念是AI辅助人而非取代人，让AI处理重复性工作，人专注于审美和判断，以释放创意 [7][10] 公司发展历程与市场表现 - 公司创立不到一年半，从文生漫画工具起步，后打造了海外漫剧APP，在2025年上半年获得奇绩、正轩、后浪、云沐等机构投资后开始发力短剧漫剧AI Agent [2] - 在零投放的情况下，通过AI漫画工具和漫剧APP已收获超过20万注册用户，并在5个月内迭代两个版本，获得20万活跃用户 [2][3] - 短剧Agent产品2.0版已完成内测，计划于12月1日上线，海外版已开启Waitlist，国内版将在完成大模型备案后上线 [2][20] 行业背景与市场机遇 - 短剧作为热门内容形态，对AI而言是复杂场景，大模型难以一次性处理长达2分钟的稳定输出，例如SORA2仅能生成10-15秒短片，扩展至2分钟*100集体量面临多次抽卡和人工拼接问题 [6] - 美国短剧市场2025年行业增速为50%，日本短剧市场规模为美国的1/9，是第二大市场，增速超过85%，预计2025年日本短剧市场规模达4.8亿美元，同比增长85%，占全球市场份额约15% [10] - 漫剧市场增长迅猛，抖音漫剧单日广告消耗已突破1000万人民币，相比24年四季度2000万的充值收入呈现超100倍增长，预计2026年海外漫剧将迎来爆发机会 [10] 团队背景与产品愿景 - 创始团队非典型，CEO刘耕为北京大学哲学系美学博士，曾任武汉大学哲学学院副教授，后任职字节跳动，其美学背景有助于系统化拆解艺术作品并教AI判断和生成好作品 [16][17] - CTO张国栋为北京大学计算机系研究生，前阿里巴巴员工，大学期间展现领导力，吸引技术高手构成公司早期技术骨干 [18] - 公司愿景是打造下一代以虚构故事为主的互娱平台，让每个创作者成为IP工厂，漫剧是打造IP的起点，未来可能拓展至游戏等互动形态 [12][14] - 团队追求“效果挑剔级”，在获得第一笔融资后，用4个月开发出从分镜到成片的Agent，又用3个月完成从创意到成片的复杂Agent，在确定达到“挑剔级”效果后才计划大规模推广 [20]

钉钉AI硬件产品DingTalk A1的定位与使命 - 钉钉首款AI硬件产品DingTalk A1在8月底代号为"蕨"的大版本发布中面世，其使命是让"AI永远在场"[5][6] - 该产品并非为战胜特定公司或作为爆品而生，而是钉钉AI普惠理念落地的第一子，旨在通过工具普惠帮助AI理解物理世界[8] - 产品以卡片式录音笔形式呈现，基于使用"无感"的考虑，交互界面简洁，可实现一键操作和全场景随身携带[12] AI普惠与中小企业市场需求 - 截至2024年底，中国有6000多万家企业，中小企业占绝大多数，但AI应用门槛高，成为"沉默的大多数"[9] - 中小企业缺人、缺钱、缺时间，对AI大模型落地无从下手，期待简单高效的产品解决日常生产力问题[10] - AI真正走向普惠的关键在于让门槛归零，而非单纯追求模型性能提升，软件入口已触及边界（如启动成本高）[12] 空间智能与技术创新路径 - 斯坦福大学教授李飞飞提出"空间智能"概念，认为这是AI技术的下一座高峰，需让AI在现实世界中感知、推理和行动[13] - DingTalk A1是建立语音智能的开端，配置5颗全向麦克风和1颗骨传导麦克风，可识别8米内声音，实现非结构化多维度信息获取[14] - 通过声纹识别不同发言人和方位，"AI听记"功能可实现可视化录音，还原会议现场，推动数据从"溪流"变为"江河"[15] 钉钉的生态优势与产品效能 - 钉钉背靠阿里集团算力、技术和人才，今年一次发布超过10款AI产品，包括钉钉One、AI搜问、AI表格等[17] - 钉钉AI表格与阿里云团队协同推出存算一体架构O-Table，支持单表千万行实时更新，仅需秒级[17] - "AI听记"产品通过超过1亿小时音视频数据训练，对30多种方言和140种语言识别准确率达90%[23] 行业竞争与差异化突破 - DingTalk A1是行业内首款加入实时转写功能的卡片式录音笔，突破算力鸿沟，实现同步转写且容错率低[18] - 市场上同类产品因成本与收费模式限制，无法实现实时转写，而DingTalk A1提供1000分钟免费时长（实时转写不计入）[19] - 产品在双11期间成为录音笔品类黑马，抖音、天猫平台销量领先，一周销量过万，发布3个月即逆袭赛道[24] 企业级AI硬件的战略意义 - AI硬件最终比拼的是AI软件能力及系统生态开发能力，珠三角产业链已消解制造门槛，但核心壁垒在于软实力[17] - DingTalk A1作为阿里真正跑出的第一款AI硬件，承担AI普惠责任，通过软硬件一体实现人机协同闭环[15][16] - 钉钉在AI软件侧首次采用按效果付费模式，垫付中小企业"门票"，让企业敢用、能用、用得起AI[20]

行业背景与市场机遇 - 2024年以来，AI驱动的体感交互被视为下一个技术浪潮，但现有解决方案价格高昂或受限于专用硬件，将大众用户拒之门外[2] - 当前居家娱乐体验存在割裂，游戏主机使用率低且内容同质化严重，用户渴望互动但被硬件成本和内容贫瘠所束缚[4][6] - 市场呼唤更轻量、普惠的解决方案，无需专用硬件即可实现专业级体感交互[3] 公司核心解决方案与价值主张 - 公司主张仅凭一部智能手机即可实现专业级高精度、零延迟的全身3D动作实时反馈，无需任何专用硬件[8] - 技术方案旨在对传统主机外设进行降维打击，目标是将空间智能引擎植入全球50亿部智能手机中[9] - 公司的终极目标是成为AI时代的“任天堂”，重新定义体感互动标准[10] 技术优势与创新 - 公司空间智能引擎可捕捉133个全身关键点，并实现厘米级3D姿态估计，远超传统方案约18-23个2D关键点的能力[13] - 技术方案将单目3D姿态估计误差压至5厘米以内，这是体感体验从“能玩”到“好玩、准、爽”的分水岭[39][42] - 在手机端实现真3D动捕的实时运行，速度高达100fps，是谷歌Mediapipe方案（15fps）的6倍以上[46] - 技术具备极致轻量化，可在iPhone 12及约2000元人民币的安卓手机上流畅运行[48] - 技术优势建立在全球最大的运动数据库之上，该数据库覆盖50多种运动，包含千万级多模态动作数据[49] 产品体验与功能特点 - 技术支持最多4人同时同屏互动，将客厅转变为家庭中心或派对游乐场，实现从“独乐乐”到“众乐乐”的场景延伸[17] - 产品可将手机变为“AI私教”，在用户进行拳击、高尔夫等运动时提供实时动作捕捉与纠错指导，实现从“跟练”到“陪练”的质变[25][27] - 具备自动剪辑游戏高光时刻的功能，增强用户的分享欲与社交粘性[28] - 未来可进化为健康生活管家，通过餐食照片智能分析卡路里及营养成分[30] 团队构成与战略路径 - 创始团队由顶尖AI科学家和游戏行业资深人士组成，具备技术理想与市场嗅觉的复合能力[53][54] - 创始人兼CEO王佳泽拥有8年AI研究与工程积累，其创业动机源于自身作为体感游戏迷所遭遇的体验痛点[56][57] - 公司战略强调将“技术可行”转化为“情感共鸣”，通过内容节奏把控触发玩家的价值共鸣与社交分享欲[63][64] - 商业模式以订阅制为主轴，提供全量游戏库、进阶模式、云端回放等核心权益，并辅以可选的硬件协同，坚持“无硬件可玩，有硬件更爽”的原则[72][73] 市场进入策略与愿景 - 公司计划于2026年Q2率先在海外上线产品，因欧美市场用户教育更充分、付费意愿更高，利于验证产品市场匹配度[72] - 目标用户定位为客厅娱乐与轻运动的泛人群、短视频内容消费者及AI玩法早期采纳者，旨在从Switch和健身App中吸引增量用户[74] - 长期愿景是打造一个“运动-分享-健康管理”闭环，通过社交分享降低用户流失率，将产品从游戏App推向有长期粘性的健康生活方式平台[68][71]

文章核心观点 - 公司正式发布全球首个支持全景图输入、推测空间深度的空间大模型Argus 1.0，其核心路径是“真实复刻”而非“虚构”世界 [2] - 该模型基于公司构建的“数字空间-算法-行业应用”飞轮驱动，其决定性优势在于海量、高精度、高一致性的真实世界数据 [6][41] - Argus 1.0实现了兼容性、实时性与生成质量三大突破，标志着空间智能领域从底层重建走向顶层AIGC应用的新纪元开始 [16][42] Argus 1.0的技术特性 - **兼容性突破**：是业界首个且唯一支持全景图作为输入的深度推测大模型，并广泛兼容单张/多张普通照片及AI生成图片 [17][19] - **实时性突破**：推理效率达毫秒级，是首个实时的全景图全局重建系统，通过将深度推测和位姿计算融合到一个算法模块，实现全流程无感知响应 [23] - **生成质量突破**：得益于独有的高精度、带尺度、像素级对齐的真实数据库，在处理玻璃、镜面等传统难题时表现稳健，生成质量显著优于其他方案 [11][24][29] 公司的技术积累与战略布局 - **核心数据资产**：拥有全球最大的三维空间数据库，截至2025年9月，累计数字空间数据突破5300万套，覆盖面积超过44亿平方米 [7][8] - **高质量数据特色**：通过自研硬件（如伽罗华系列3D激光扫描仪）确保数据在源头实现像素级精度的对齐，图像与点云平均匹配误差小于2个像素 [10][11] - **持续研发投入**：公司坚持应用导向的底层创新，平均每年研发投入在2亿人民币以上，已积累600余项国内外授权专利 [13] 空间智能版图与未来规划 - **四层理论框架**：公司提出空间智能四层理论，包括物理数据重建、潜藏数据感知推理、融合数据业务及AIGC生成交互，Argus 1.0是第一层的集大成者 [31][34][36] - **未来技术路线**：团队下一个重点难题是攻克第四层AIGC，预计明年初发布的Argus 2.0将用于实时渲染的3DGS模型和精细Mesh模型，赋能高阶应用 [36][38] - **开放行业生态**：为加速空间智能领域研究，公司计划于今年年底开放10000套室内房屋数据集，是目前最大规模的空间三维数据集 [39]

AI发展的核心不确定性 - 通用人工智能（AGI）能否实现仍不确定，未来可能由数百种专用“弱人工智能”组成[10] - AI计算架构存在中心化与去中心化之争，当前70%计算发生在边缘端，未来可能形成混合格局[14][15] - AI对就业的影响表现为任务替代而非工作消失，使用AI的员工效率平均提升约25%[16][17] AI前沿技术发展方向 - 符号推理方向将结合神经网络与逻辑推导，构建具备推理能力的结构化智能[22][23] - 空间智能让AI理解物理世界，通过数字孪生体和AR/MR技术实现与现实交互[25][27] - 情感智能使AI具备共情能力，未来在教育、心理健康等领域形成情感联结[29][30] - 智能体经济将形成新生态系统，数万亿智能体通过稳定币进行自动交易[30][31] AI对产业与组织的影响 - AI应用呈现渐进式渗透，未来十年是人机协作的关键适应期[36][37] - 知识密集型行业如软件开发、金融、医疗将率先被AI改造[39] - 企业引入AI遵循“三次试验”规律，第三次尝试时应用才真正成熟[42] - 工作结构重组形成“人机协作团队”模式，人类专注创造性与责任性工作[43] 中国在AI时代的发展机遇 - 中国具备成为“酷国家”的潜力，通过卓越产品、文化输出和魅力城市展现吸引力[60][61] - 工程师文化赋予中国在AI落地方面的独特优势，可能率先产出顶尖AI芯片[62][65] - 中国有机会构建AI赋能的公正社会，在智慧城市和社会治理方面引领创新[69][70]

文章核心观点 - 人工智能（AI）的发展正从“理解语言”迈向“理解世界”的新阶段，空间智能被认为是AI的下一个前沿，其目标是让AI具备在现实世界中感知、推理和行动的能力 [1][4][9] 当前AI的局限与空间智能的定义 - 当前以大型语言模型和多模态大模型为代表的AI系统，虽然在文本和图像生成上表现出色，但在物理世界的表征与交互上存在根本局限，例如在估算距离、方向、大小时的表现往往不及随机水平，且生成的视频在几秒内会失去连贯性 [4] - 这些局限使得AI难以真正赋能需要理解物理空间和因果关系的创造性工作，如教育、建筑设计、影视游戏创作等 [4] - 空间智能是人类认知的核心能力，它融合了想象、感知与行动，驱动着创造与推理，其核心在于实现从“知道”到“理解”的跨越 [4] - 具备空间智能的AI将能理解事物之间的关联与意义，从而真正拓展人类的创造力与理解力，带来从医疗健康到艺术创作等各领域的变革 [4] 实现空间智能的路径：构建世界模型 - 实现真正的空间智能需要突破现有大型语言模型的范式，转向构建一种能理解语义、几何、物理和动态规则的“世界模型” [6] - 这种世界模型应能感知多模态输入，预测场景变化，并与环境进行交互 [6] - 当前相关研究方向包括生成三维物体与场景的3D生成模型、模拟动态过程的物理引擎，以及通过交互学习的具身智能系统，但能整合全部能力的通用世界模型仍处于起步阶段 [6] - World Labs团队正在研发的世界模型可在语义与几何层面理解复杂3D场景，推理物理属性与交互关系，并生成连贯、可探索且遵守物理规律的虚拟空间 [6] - 其开发的Marble平台已应用此能力，使创作者无需传统3D建模工具即可快速创建和编辑完整的虚拟世界，标志着AI从生成图像迈向生成世界 [6] 空间智能的应用前景与影响 - 在创意与叙事领域，空间智能将重新定义创造方式，使导演、游戏设计师、建筑师及个人创作者能在三维空间中自由构建和可视化虚拟世界 [8] - 在机器人领域，空间智能是实现具身智能的关键，能让机器人在虚拟环境中高效训练、理解空间关系与人类意图，从而在从实验室到家庭的各类场景中安全协作 [8] - 在科学、医疗与教育领域，空间智能将成为人类探索的倍增器，AI可模拟实验、加速药物研发与影像诊断，并让学生“走进”分子或历史现场，使抽象知识具象化 [8] - 空间智能将重新定义AI的功能和行为方式，使机器从被动分析转向主动规划和适应，例如仓库机器人可动态规划路径，自动驾驶汽车可预测行人移动 [8] - 空间智能的目标是增强人类的专业判断力、创造力与共情力，让技术更深地服务于人性，帮助人类理解疾病、重塑叙事、陪伴脆弱群体并加速科学发现 [9] - 空间智能不仅将改变AI的能力，更将重塑人类“如何与世界共处”，标志着AI正迈向一个真正能理解现实的新时代 [9]

AI发展路径与当前局限 - 现代AI的黄金配方是神经网络、大数据与GPU的结合，ChatGPT的成功仍基于此配方[4][5] - 单纯依靠扩大数据规模和算力的Scaling Law不足以实现智能突破，当前AI仍难以完成精确计数物体、推导物理定律等对人类简单的任务[1][8] - 距离具备创造力、抽象能力和情感智能的AI系统还有很长的路，需要根本性的技术创新而非简单堆叠算力[1][9] 对AGI概念的看法 - AGI定义模糊，更像营销话术而非严谨科学术语，科学家应关注解决根本性技术挑战而非概念争论[1][7] - AI与AGI的区别不明确，该领域核心问题始终是机器能否像人一样思考和行动[7] 空间智能与世界模型的前景 - 语言智能不足，人类在关键场景依赖空间智能，研究空间智能对机器人、具身智能发展有极大作用[3][9] - 世界模型是推动AI下一阶段发展的关键，能生成完整虚拟世界并让智能体互动推理，是机器人规划操作的基础[9][10] - 空间智能可增强人类在空间理解、物体操作和现实世界任务中的能力，并影响设计、工程和科学发现[10] 机器人技术与创业挑战 - 机器人领域数据极难获取，缺乏结构化动作标注，且涉及物理系统、硬件等复杂因素，"苦涩的教训"不完全适用[15][16] - 自动驾驶发展近20年仍未完全成熟，而三维空间操控物体的机器人技术面临更大挑战[3][16] - AI创业竞争空前激烈，涉及模型技术之争和顶尖人才争夺，World Labs团队拥有约30人[12][14] 历史项目与核心理念 - ImageNet项目收集了1500万张图片、2.2万个物体类别，为现代AI发展奠定基础[5] - AI进步是几代研究者共同积累的成果，而非个人奇迹[6] - World Labs产品Marble能通过一句话或一张图像生成可探索的三维世界，核心关注空间智能而非仅生成视频[11]

文章核心观点 - AI领域顶尖专家杨立昆和李飞飞均指出当前大语言模型的局限性，并强调发展“世界模型”是通往通用人工智能的关键路径[1][3][4] - “世界模型”的核心在于让AI系统具备理解物理世界、进行预测和规划的能力，其灵感来源于动物和人类大脑的智能行为学习机制[5][6][8] - 人类大脑新皮质的生成模型特性（如填补性、逐一性、无法忽视性）是实现模拟、想象和预测的基础，这为构建AI“世界模型”提供了神经科学依据[11][12][13][15][16][20][27][29][31][32] AI专家动态与研究转向 - 杨立昆计划离开Meta，筹备以“世界模型”为核心的AI公司[1] - 李飞飞提出AI未来应聚焦“空间智能”，而非单纯扩大语言模型规模[3] - 两位专家共同认为“世界模型”能弥补当前AI系统在物理理解、行为预测等方面的不足[4][6] 当前AI系统的局限性 - AI无法产出完全接近现实的视频，也未发明出能完成家务的实用机器人[5] - 系统缺乏对物理世界的理解，如距离、大小、远近等基本概念[5][6] - 过度依赖语言和符号，忽视了动物所展现的更基础、更早进化的智能行为[6] 人类感知特性与生成模型 - 人类感知具有三大属性：填补性（自动补全缺失信息）[12][13]、逐一性（一次只能选择一种解释）[15][17]、无法忽视性（一旦形成解读便难以推翻）[16][20] - 亥姆霍兹提出感知是“推断”过程，即大脑模拟现实而非直接感知输入[20][27] - 杰弗里·辛顿的“亥姆霍兹机器”通过生成与识别模式切换，实现了无监督学习手写数字识别与生成[21][22][25][26] - 生成模型能解释人类幻觉、做梦、睡眠及想象等机制，新皮质在生成模式下可模拟现实[27][28][29] “世界模型”的智能行为基础 - 大脑新皮质支持规划、情景记忆和因果推理等高级智能行为[33] - 想象力与感知共享同一系统，想象时瞳孔扩张，实际视觉处理暂停[30] - 预测能力依赖持续对比模拟数据与实际感觉，异常触发即时反应（如踩空警觉）[31][32] 行业应用与前沿探索 - 麦克斯·班尼特通过研究大脑进化史，著书《智能简史》架起神经科学与AI的桥梁[10][35] - 其创立的AI公司Alby致力于整合大语言模型至企业网站，提升智能化导购与搜索体验[37] - 班尼特曾联合创立的Bluecore估值突破10亿美元，为全球顶尖公司提供AI技术服务[37]

AI发展历程与驱动力 - 21世纪初AI领域处于漫长寒冬，更常被称为机器学习，公众关注度低且资金投入少[10][14] - 2006-2007年启动ImageNet项目，从互联网搜集1500万张图像并打上22000个类别的精准标签，该项目开源并启动年度挑战赛[21][23] - 2012年多伦多大学研究团队使用2块英伟达GPU和ImageNet数据训练出AlexNet，标志着深度学习与现代AI起步的关键时刻[23][24] - 大数据、神经网络和GPU构成现代AI发展的黄金三件套[6][26] - 2015年中至2016年中，硅谷大厂刻意避谈AI一词，一年后AI拐点出现，众多公司开始将自己定位为AI公司[26] 世界模型与空间智能 - AI未来十年的下一个前沿是空间智能与世界模型，其核心在于将语言之外的智能、具身AI机器人和视觉智能串联起来[28][33] - 世界模型被定义为一个基础层，通过输入一张图或一句话即可生成一个可无限探索的3D世界，人们可在此基础上进行推理、交互和创造[37][38] - 人类作为具身智能体同样能从世界模型和空间智能中获益，例如科学家通过2D X射线衍射照片在脑海中构建3D模型从而发现DNA双螺旋结构[39] - 2024年通过TED演讲系统化阐述空间智能和世界模型理念，并创办World Labs公司以推动该领域发展[34][36] 技术应用与行业影响 - World Labs推出的Marble平台应用于电影虚拟制片、游戏互动内容及机器人模拟训练等领域[41] - 在电影拍摄中，Marble平台通过描述生成可导航的3D世界，使虚拟摄像机自由走位且场景可反复修改，艺术家团队称制作时间缩短40倍[43] - 游戏开发者可将Marble生成的世界导出至游戏引擎用作关卡原型，助力小团队打造大片级场景而不受美术资源限制[43] - 机器人领域面临数据困境，其输出为真实三维世界中的动作，训练数据极难获取，需通过遥操作、合成环境等方式收集[44][45] - 机器人是物理系统，更像自动驾驶汽车而非大语言模型，需同时解决算法模型、硬件本体和应用场景问题，发展路径漫长且挑战多维[45][46] 研究理念与未来方向 - 智能通过大数据学习获得，关键是为机器人提供足够多且多样的世界经验，Marble平台通过提示词生成各种场景供机器人在虚拟世界练习[46] - 在AI与AGI之间没有清晰科学界限，AGI更像营销用语而非严谨科学术语，其定义未统一[26] - 研究者应关注最令人兴奋且难以入眠的科学问题，而非仅聚焦盈利最多的领域，同时不过度放大失败可能性，并重视团队协作价值[47]

行业趋势与核心观点 - 斯坦福大学教授李飞飞将空间智能定位为“AI的下一个前沿”，是推动AI从“语言智能”向“物理智能”跨越的核心引擎 [1] - 物理AI是融合世界模型、物理仿真引擎与具身智能的系统性工程，正成为数字孪生、具身智能落地的核心基石 [1] - 智能驾驶与具身智能是物理AI最具想象空间的两大应用，而智能仓储凭借商业化落地成熟度高、场景需求刚性强、价值兑现路径清晰，已成为具身智能和物理AI技术规模化应用的核心突破口 [1] 物理AI技术架构与公司技术突破 - 物理AI的实现依赖“世界模型-物理仿真引擎-具身智能控制器”三大技术协同，其中具身智能控制器是连接虚拟推理与物理执行的关键 [2] - 公司全球首发的具身智能“无人拣选工作站”及全流程无人拣选方案，借助物理AI推动智能仓储迈入“真无人”新纪元 [2] - 无人拣选工作站由自主研发的具身智能基座模型Geek+ Brain驱动，采用“感知-策略”分层架构，实现“虚拟决策-物理执行”全链路闭环 [2] - 该模型基于千万级仓储真实数据预训练，具备三大核心优势：覆盖数万级SKU且无需后训练，48小时快速部署；百毫秒级推理支持7×24小时作业，拣选效率较人工倍增，1-2年即可实现优异ROI；本地数据处理模式满足医药、零售等行业的安全合规需求 [2] 公司市场地位与商业化实力 - 公司被认定为物理AI产业链“整机厂商”核心标的，整机厂商需要理解行业knowhow以及物理处理逻辑，实现落地应用和最终的价值变现 [1] - 公司已服务全球超850家大客户，业务覆盖40余个国家，连续6年稳居“全球最大仓储履约机器人企业”领导地位 [2] - 公司在欧洲、美洲、亚太等关键市场建立本土团队，设有超52个服务站点与12个备件中心，提供7x24小时技术支持 [3] - 公司2024年实现收入24.1亿元，稳居港股机器人板块收入体量首位；2025年上半年录得营收10.25亿元，同比增幅达31.0% [3] - 公司2025年上半年经调整EBITDA首次实现转正，金额达1162.1万元，成为港股机器人赛道中首家达成该盈利指标的企业 [3] - 公司客户黏性突出：2024年整体复购比例达74.6%，其中关键客户复购率高达84.3%；2025年上半年整体复购率进一步攀升至80%以上 [3] 公司未来战略与行业展望 - 随着拣选环节已实现全流程无人化，公司下一步将攻克机械手打包环节技术，向彻底实现“全流程无人仓”的战略目标迈进 [4] - 行业趋势清晰指向“技术落地+场景深耕”，公司以具身智能技术为核心、全流程方案为载体、全球化服务为支撑，走出了物理AI商业化的“仓储路径” [5] - 随着技术持续迭代，“全流程无人仓”的全面实现将进一步释放物理AI产业价值 [5]