物理 Token 经济学：机器人到底该怎么收钱
软件按 token 收费，机器人按小时收费，两条曲线正在中间相遇。这篇算清楚 RaaS 的真实账目——名义小时价、充电比吃掉的有效成本、利用率低于 50% 就打不过人工——然后回答首季的收尾问题：机器人这门生意和 API 生意，结构上差在哪，又会汇合在哪。
软件公司巴不得你多用：token 按量计费，边际成本趋近于零，用量就是收入。 机器人公司最怕你算细账：名义小时价看着便宜，但要保证一个机器人在岗，得配两台——另一台在充电。 2026 年，这两门生意在中间相遇了：软件开始按「任务效果」收费，机器人开始按「小时用量」收费。
这是首季的最后一篇。前五篇讲了模型怎么想、数据从哪来，这篇回答一个所有技术路线最终都要面对的问题：这套东西怎么变成一门生意。
一、名义价和有效价，是两个数字
先看目前最硬的一份样本。Agility Robotics 的 Digit 是截至 2026 年 4 月唯一产生生产性收入的商业人形机器人——它在 GXO 的仓库里搬了超过 10 万个货箱，手里握着 Toyota 和 Mercado Libre 的付费合同。
它的 RaaS 报价没有公开数字，但行业测算给出的区间是每小时 10–12 美元，大约是美国仓库工人时薪中位数（约 30 美元）的三分之一。这个对比构成了所有人形机器人商业计划的起点。
但这个数字有个隐藏的陷阱，来自一个物理事实：机器人要充电。 Digit 的工作充电比大约是 2:1——干两小时，充一小时。要保证一个岗位持续有人在岗，你得配置两台机器人轮班。
于是账变成了这样：
名义成本 = RaaS 月费 ÷ 名义工作小时
有效成本 = 车队总成本 ÷ 实际在岗小时假设一台订阅费折算下来名义时薪 25 美元——听着比人贵。但算上 2:1 的轮换，有效成本直接翻倍。反过来说，Agility 把工作充电比从 2:1 往 4:1 优化的每一步，都等于在不改报价的情况下把有效成本砍掉一截。
还有一个更冷峻的盈亏平衡点：利用率低于 50%，RaaS 就比雇人贵。 单班（每天 8 小时）的部署打不过人工；双班（16 小时）才能把年成本压到人工的一半左右（约 7 万美元 vs 14 万美元）。
这个结构和 API 生意完全不同。 API 的边际成本就是那点 GPU 时间，卖出去一份是一份；机器人的有效成本被物理利用率锁死，卖出去的每一小时背后都站着充电、维护和折旧。
二、2026 年的四档价目表
把行业目前的计费结构整理一下，大致四档：
| 档位 | 形式 | 区间 | 适用 |
|---|---|---|---|
| 订阅制 | 包月 | $499–5,000/月 | 家用到工业全线（1X 的 NEO 消费版就是 20,000 买断） |
| 按量计费 | 按任务或按小时 | 15–50/小时 | 物流、仓储等可计量场景 |
| 效果计费 | 分成或绩效 | 已验证成本节约的 10–30%，或新增收入的 5–15% | 增长最快的一档 |
| 混合 | 基础费 + 按量/效果 | 视合同 | 企业级主流形态 |
注意硬件那头对应的价目：企业级人形机器人 BOM 成本 3 万到 15 万美元，整机购买 15 万到 35 万美元，中端 RaaS 全包价 4 千到 1.2 万美元每月。还有一笔容易被忽略的：集成部署费用通常等于首台硬件成本的 30% 到 100%——现场测绘、流程定制、人员培训、安全验证，桩桩都是钱。软件栈占总成本的两到四成。
三、效果计费为什么涨得最快
四档里最值得盯的是效果计费：不按时间也不按任务收，按「省了多少钱」分成。
逻辑很简单——它转移了风险。 客户买订阅制，承担的是「机器人没干满」的风险；买按量计费，承担的是「机器人干得慢」的风险；只有效果计费，是厂商自己承担「干不成」的风险。
这需要两个前提，缺一个都签不下来：
- 结果可以被定义成 KPI。 「搬了 10 万个货箱」可以，「把仓库整理得更好」不行。
- 数据可追踪。 双方都看得到同一个账本，分成才有依据。
第二条正是这个专栏反复回到的主题。读过共享管道那篇的读者会记得那个论点：管道层的可观测性不是工程美德，是商业前提——你算不出账，就签不了效果合同。机器人版一样：没有遥测，就没有效果计费；没有效果计费，这门生意的风险就全压在客户身上。
四、两条曲线在中间相遇
现在把视角拉开，看一个我觉得是全篇最有意思的结构。
软件侧的计费正在从「按用量」走向「按效果」：API 按 token 收费，但 agent 的产出是一个任务，所以行业在推任务级计费、按结果分成——效果计费同样是 AI 软件里增长最快的模式。
硬件侧的计费正在从「卖硬件」走向「按用量」：传统自动化设备是一次性资本采购，人形机器人把它拆成按小时的运营开支。
两条曲线的方向相反：
软件：按 token → 按任务 → 按效果 （越收越「结果」）
硬件：卖整机 → 订阅 → 按小时 → 按效果 （越收越「用量」）它们会在中间相遇——汇合点就是「按任务计费」。 一个任务的物理形态是「搬完这箱货」，软件形态是「完成这次订舱」。到那一天，客户买的不是模型也不是机器，是完成量，至于是模型在云端想、还是机器人在现场动，对买方不重要。
这也解释了一个产业现象：为什么 Physical Intelligence 坚持「只做智能层不造本体」、为什么英伟达把 GR00T 开源给一打本体厂商。如果汇合点是按任务计费，那么「本体」和「模型」都会被商品化，能收租的位置只有一个——调度任务的那一层。 这和 harness 系列的论断是同一句话的机器人版本：壳的位置在往上移。
五、对驾驶那边的回望
自动驾驶就是这套演进的完成时态，只是行业自己没这么称呼它。
Robotaxi 就是纯粹的按任务计费：你付的不是车钱、不是模型钱，是「从 A 到 B」这一单。而在它之前，ADAS 走的是软件订阅（FSD 按月），传统自动驾驶方案商走的是一次性授权——软件侧的整个计费谱系，AD 全都走了一遍。
所以机器人行业的路线图，很大程度上可以从 AD 的账本里直接抄，包括那些坑：单班利用率打不过司机的时段、保险和责任怎么定价（ISO 10218 和 ISO 13482 是机器人侧的底线标准，对应 AD 的功能安全体系）、以及规模上不来时单位成本降不下去的死循环——Tesla 把 Optimus 目标价压到 3 万美元以下赌的就是先放量再降价，这个赌局的输赢 AD 行业三十年前见过的版本叫「先有路还是先有车」。
六、首季收尾
六篇写完，把贯穿全季的一条线收拢：
- 01 立了参照系：驾驶是跑完一轮压力测试的具身智能。
- 02 讲了路线收敛：VLA 吞下世界模型，变成 WAM。
- 03 拆了架构妥协：频率鸿沟逼出双系统，而失效模式指向缺失的世界状态。
- 04 算了数据账：缺口五个数量级，遥操作从主粮降级成种子。
- 05 揭了捷径机制：泛化不是能力，是负空间，解药在数据分布里。
- 06（本篇）看了账本：两条计费曲线在「按任务」汇合，智能层是那个想收租的位置。
串起来读，会发现这六篇其实在反复确认同一件事：具身智能的每一条技术约束——频率、数据、泛化、物理利用率——最终都指向同一个方向：把「智能」和「本体」解耦，然后在不同层次上重新组装。 谁在解耦后的哪一层收钱，就是这个行业未来三年的全部故事。
第二季见。
信息源：Agility Robotics Digit 在 GXO 搬运 10 万+ 货箱、Toyota 与 Mercado Libre 合同、「截至 2026-04 唯一产生生产性收入的商业人形机器人」的定位，引自 Success Knocks《Robot-as-a-Service (RaaS) Pricing Models: The Complete 2026 Guide》（2026-06 更新）；RaaS 四档结构（订阅 0.10–5.00/任务或 10–12 与美国仓库工人 70,080 vs 499/月或 30k–150k、整机 4k–12k/月、集成费 30–100% 首台硬件成本、软件占比 20–40%、ISO 10218/13482 标准，引自 The Humanoid Race 2026 行业简报；Tesla Optimus 长期目标价低于 $30k 为其公开表述。「两条计费曲线在按任务汇合」「智能层收租」及与 AD 账本的类比属于本专栏分析，非行业共识。