⚠️ 市场数字请按『量级』读，不要当精确值。 本篇引用的市场规模/增速来自 Grand View、MarketsandMarkets、Fortune Business Insights 等第三方研究机构，同一市场不同机构口径差 2～10 倍是常态（尤其「物理AI/人形」这种热词）。每个数字都标了来源，结论里只用「这是百亿美金量级、年增 20%+」这种判断，不赌某个精确值。承接上一篇 已有成果总结 的护城河结论。
🌐 这篇要回答什么 + 调研方法
立项的真问题不是「具身AI 火不火」，而是：一支 10 人团队、站在公司 RC 边缘 AI 护城河上、靠现有 4 个 Demo 起步，3 年内往哪走能既赚到钱又活下来？
方法上刻意反着来：不从「买哪条机器狗 / 要不要做人形」这种整机热点切入（那是资本黑洞，见下），而是从我们已经握住的护城河出发，去市场上找『最贴这把刀、且已经有人在付钱』的口子。判断每个方向用三个硬指标：①有没有真实付费方 ②资本/团队规模是否撑得起 ③3 年内能不能产生现金。
📊 第一刀：给「具身AI / フィジカルAI」大势做泡沫体检
先看大数字（标量级，别迷信精确值）：
| 细分 | 量级 / 增速（不同机构口径，仅供量级） | 读法 |
|---|---|---|
| 物理AI（Physical AI） | 一说 2025 ≈ $81B → 2035 ≈ $1.1T，CAGR ~33%1；另一说 2026 仅 $1.5B → 2032 $15B27 | 口径差到几十倍——典型热词，别拿它做决策 |
| 具身AI（Embodied AI） | 2025 ≈ $4.4B → 2030 ≈ $23B，CAGR ~39%2 | 真在涨，但「软件+服务」占大头，不等于整机 |
| 人形机器人 | 保守口径 2024 $1.55B → 2030 $4.0B，CAGR 17.5%3；激进口径 2034 $165B26 | 3 年内绝大多数是 pilot，不是量产收入 |
| 边缘AI（Edge AI） | 2025 ≈ $25.6B → 2034 ≈ $143B；业界称 2026 是边缘 AI 商用突破年13 | 这一层正好压着我们的护城河 |
体检结论（3 条）：
- 整机 / 人形 = 资本黑洞，10 人团队别碰本体。 人形的「万亿 TAM」是投机外推：Goldman 估 2035 年 $380 亿23，Citi 喊 2050 年 $7 万亿、Morgan Stanley 喊 $5 万亿25——同一东西不同投行差到约 180 倍，这种离散本身就说明它是故事不是生意。硬证据：连 Tesla 都在 2026 年初财报会承认 Optimus 已部署的数百台**「主要用于学习而非生产，仍处 R&D 阶段」；去炒作派 Rodney Brooks 直言人形可部署的灵巧操作「拙劣到 2036 年之后」**24。3 年内人形本质仍是 pre-revenue 试点，10 人团队拼本体必死。
- 真正在「现在」流钱的，是把机器变可靠/可感知的『软件与模块层』——边缘 AI、异常检测、安全感知。这层 2026 正好商用放量。而且这些钱有真实「存量盘」托底：IFR 数据全球工业机器人运行存量已达 466 万台21——这几百万台机器人＋数万台 cobot/AMR 全都是「需要异常检测 / 健康监测 / 安全模块」的付费存量。
- 日本国策是这件事最大的顺风（且正中心和我们 3 年完全重叠）。 FY2026 起 ¥1 万亿（约 $63 亿）5 年 AI 扶持28；最关键的是 NEDO 「ロボット向け生成AI基盤モデル・データプラットフォーム」事业规模 ¥205 亿 / 2025–2029 年度（采择方 AIRoA，东大松尾研参画）16——这才是日本身体性AI 国策正中心，时间窗与我们立项 horizon 正重叠；同时 METI ロボフレ（robot-friendly）政策锁定设施管理 / 食品 / 零售 / 物流仓库四个分野改造环境17。「机器人填没人愿意干的岗」是日本未来 3 年最确定的需求12。
🇯🇵 插页：日本需求「确度分级」——别被热词带偏，挑确定性最高的场景
日本的机器人需求由人口动态 + 法规强制力驱动，不是炒作。但场景之间确定性差很多，立项时要往「★★★」里挑，对「⚠️ 过热」的保守。这张表直接决定主线垂直该锚在哪：
| 场景 | 确度 | 驱动力（为什么钱一定会来） | 我们这层的机会 | 对标 IVIS 已有技术/Demo（有现成技术+人才可支撑） |
|---|---|---|---|---|
| 物流 | ★★★ | 2024 年問題：卡车司机时间外劳动上限年 960h，国交省试算无对策则 2030 年运力缺口约 34%22——规制驱动，预算必到 | AMR/分拣设备的群控·异常检测·需给预测 | Demo① RC 时序异常检测引擎可直接迁移（AMR 群控/振动/电流时序、ROS2 已工程化） |
| 基础设施点检 | ★★★ | 桥梁约 72 万座、隧道约 1 万本，法定 5 年 1 次近接目视，已允许机器人/无人机代替 | 振动/影像损伤检测、点检数据 SaaS | Demo① RC 振动/时序异常 + Demo③ Kria KV260 FPGA 边缘视觉（低功耗损伤检测） |
| 农业 | ★★★ | 基干农业从事者平均 69 岁、超高龄化 | 远程监视、收获/异常 AI | Demo④ 边缘声音异常检测 + Demo① RC 时序异常（远程无人监视、断网现场自学习） |
| 建设 | ★★ | i-Construction 2.0，国交省目标 2040 省人化 3 成 | 远程施工、建机状态监测 | Demo① RC 建机状态/振动时序异常监测（无需加装接触传感） |
| 外食/零售 | ★★ | 慢性人手不足，配膳机器人已量产铺开（本体被中国厂占，差异化在软件侧） | POS/调度软件层 | Demo④ 边缘声音/说话人识别（纯 CPU 在线学习，可做交互/异常/安防层） |
| 介护 | ⚠️ 过热 | 人材不足是真的，但导入率多年仅 2.7–3.7%、约 75% 仍「未导入」，最大壁是预算 | 只押「传感器+数据+业务再设计」，别赌本体、需求要保守 | Demo④ 语音体调异常 / 脚步声识别（仅传感+数据层、别高估本体） |
读法：主线 A（设备异常检测）天然贴「物流设备 / 基础设施点检 / 制造产线」三个 ★★★；介护虽常被当风口，但导入率实测极低，把它当远期探索、别写进 3 年现金计划。
🇯🇵 插页2：日本财政扶持——补什么 / 补多少 / 谁能拿
体检结论里提到「¥1 万亿 5 年 AI 扶持」和「NEDO ¥205 亿基盘模型·数据 PF」。老板会追问：这些钱具体补什么对象、补多少（补助率 / 上限）、IVIS 这种 10 人团队拿不拿得到？ 这一节把日本的钱掰成三类讲清——先记一句：委託費 ≠ 补助金 ≠ 助成金，能不能「直接申请拿钱」全看它是哪一类。
¥1 万亿 5 年 AI 扶持：是复合包，不是一个能「领」的基金
- 上位根据是 「人工知能基本計画」（2025-12-23 閣議決定，基于 AI 推进法）29。但 ⚠️ 「¥1 万亿」并不写在计划本文里，它是 FY2026 预算 / 报道口径的数字——计划本文只列施策方向，金额走预算过程30。
- 它不是单一基金，而是一个复合包：国产基盘模型、数据中心等基础设施、フィジカルAI 研发与实证、startup 支援、中小企业 AI 导入补助金等并行。计划明列的对象含「フィジカルAI 产业先导导入支援【经产省】」「AI 革新技术 startup 等支援」「中小企业 AI 导入促进（补助金）」「AIロボット 公需创出 + 研发实证」29。
- → 对 IVIS 的读法：这 ¥1 万亿不是「直接领一笔」的窗口；真正的实弹入口是下面具体的 NEDO 公募。
NEDO×AIRoA ¥205 亿：是「委託事業」，不是开放申请的补助金
- 委托先 = 一般社团法人 AIロボット協会（AIRoA），事业规模 ¥205 亿 / 48 个月（2025–2029 年度）16。
- ⚠️ 性质是 NEDO → AIRoA 联盟的「委託事業」，不是按公司开放申请的补助金——三阶段推进（现场高质量机器人数据收集整备 → 汎用基盘模型 → 用例别模型 + 社会实装）。参画 / 再委托方含早稻田、丰田、产综研、东大松尾·岩泽研等31。
- → IVIS 这种 10 人外部团队只能间接参与：① 进 AIRoA 联盟 / 当再委托方 ② 向数据 PF 贡献数据·组件（喂数据） ③ 当基盘模型 / PF 的下游利用方。公司单独从这 ¥205 亿「申请补助」是不行的（委託スキーム）。
IVIS 真正能「直接申请」的 NEDO 公募（对象 / 上限 / 补助率）
- ディープテック・スタートアップ支援基金（DTSU）——基金总额 ¥877 亿、事业期 2023–2032 年度10，法形式是助成金（补助率 < 100%），对象是「需长周期 + 大额研发」的深科技 startup：
- 「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」公募——对象含企业 / 大学等，性质是「研究（委託・共同研究・补助）」的复合型，公募期 2026/03–049；⚠️ 具体预算额 / 补助率要領未明记，标「未确认」，申请前查公募要領。
三类钱掰开（一句话辨析）
| 类型 | 谁的事业·谁出钱 | 自己掏不掏 | 成果 / 知财 | 本页对应 |
|---|---|---|---|---|
| 委託費 | 国家把「自己的事业」代行委托 | 100% 国出资、自己不掏 | 资产 / 成果原则归国（知财可经日本版バイ・ドール 100% 归受託者） | NEDO×AIRoA ¥205 亿 |
| 补助金 | 对「你自己的事业」给一部分财政援助 | 补助率 < 100%、有上限、必须配套自掏 | 原则归自社 | （一般补助金） |
| 助成金 | 同补助金（NEDO 法形式上 DTSU 即助成金） | 同上，有自负担、有上限 | 归自社 | DTSU |
一刀切记法：委託費 = 干国家的活、全额、成果偏国家；补助金 / 助成金 = 干自己的活、部分、要自掏、成果归己。
对 IVIS 的实操结论：间接参与的只有 NEDO×AIRoA ¥205 亿（委託、不可单独申请）——靠联盟参画或向数据 PF 喂数据；能直接申请拿钱的本命是 DTSU 助成金（补助率 2/3、单阶 ¥3–25 亿、总额最大 ¥30 亿 / 6 年），叠加 IVIS 既有 NEDO 委托实绩，续接申请可信度更高。
🎯 第二刀：把护城河对准市场分层
具身AI 技术栈从下到上大致是：本体机械 → 驱动/电源 → 感知传感 → 状态估计/异常检测 → 规划/控制 → 安全 → 云/数字孪生。10 人软件团队不该碰最底两层（重资本）和最顶云层（巨头主场），要吃的是中间三层：感知—异常检测—安全—轻量控制——而这恰好是我们 4 个 Demo 已经跑通的地方。
一句话定位：把团队定义成「具身AI 的『异常检测 / 安全感知 / 轻量边缘控制』软件与模块供应商」，不是「机器人公司」。 护城河（RC：超轻量、低功耗、在线增量学习、擅长时序异常检测）正好压在这一层，资本轻、可授权、可受託、可长成产品。
两个『可赚钱的相邻服务层』——不靠 RC 护城河，但适合团队/硬件伙伴一起吃，用来垫 Year-1 现金：
- 系统集成（SI）= 中小团队最现实的赚钱层。 行业高度碎片、无赢家通吃，是项目制/服务型收入、几乎零产品研发资本；退出路径也清晰（JR Automation 被日立以 $14.25 亿收购20）。和「他社硬件工厂经理」的合作天然落在这里——选一个垂直场景（食品包装/电商分拣/特定工序上下料）做深。
- 功能安全合规咨询 = 法规刚需、轻资本。 ISO 10218-2:2025 已把 ISO/TS 15066 正式并入，集成商在法律上成为整机 workcell 的「制造商」，必须出风险评估与 CE 标记18；新标落地会持续制造合规需求。
- ⚠️ 反面教案（务必看）：做「智能安全防护产品」的明星公司 Veo Robotics 累计融资 $5600 万、拿到 TÜV 认证，最后只被 Symbotic 以 $870 万贱卖（约融资额 1/6）19。教训：做安全『产品』是烧钱坑，做安全『咨询/集成』才是小团队能赚的钱。
🔍 第三刀：5 个候选方向逐条速评（带打分）
打分维度：付费方清晰度 / 护城河契合 / 资本轻重 / 3 年现金 / 竞争烈度（🟢好 🟡中 🔴差）。
方向 A 设备预测性维护 · 时序异常检测（🟢🟢🟢🟢🟡）—— 最稳的近场现金牛
- 市场：预测性维护 2025/26 ≈ $14–17B → 2034 ≈ $97B，CAGR ~24–28%4；其中振动监测占 ~40% 份额、声学监测增速最高（CAGR 42.7%）5——而振动/声学/电流时序的异常检测，正是我们 Demo ① 那套「正常数据训练→偏差报警」的主场。
- 付费方：工厂/设备运营方，已经在为这个掏钱（停机一小时损失巨大）。需求成熟、不需要市场教育。
- 护城河契合：极高。RC 的「边缘在线增量学习」恰好解决该市场最大痛点——每台设备工况不同、无法预先标注、要现场快速适应（Augury 这类靠云端大模型 + 自家高端传感器，贵且重）。
- 竞争：激烈但分层。头部 Augury（融资 $369M，最高）、Senseye（西门子）、IBM Maximo、GE APM、Tractian、Nanoprecise（声学）6主攻「高价值大型设备 + 云平台」。留给我们的差异化口子 = 「低成本、纯边缘、不上云、现场自学习」的中小设备 / 隐私敏感 / 断网工况。
- 判断：这是主线现金牛候选。先做「振动/电流/声学边缘异常检测盒子或软件模块」，靠受託 + NEDO 起步，再产品化。
方向 B 机器人安全模块 · 无传感碰撞检测 / 机器人健康监测（🟢🟢🟢🟡🟡）—— 最贴 Demo ①、可授权
- 市场逻辑：协作机器人（cobot）/ 移动机器人爆发，安全是刚需且受法规驱动。业界明确区分「碰撞检测 vs 碰撞避免」，而基于模型的『无传感碰撞检测』（监测期望动力学与实测的偏差）本就是公认路线——「实时响应、不加硬件」15。这正是 Demo ① 的做法，我们的 RC 版是其中一种实现。
- 付费方 + 存量盘：机器人整机厂 / cobot 厂 / AMR 厂——他们买「让我的机器更安全/更可靠」的模块，比自研便宜。盘子有 IFR 数据托底：全球工业机器人存量 466 万台21、cobot 约占年装机 10%，外加百万级 AMR（仅 Amazon 自用就破 100 万台），都是健康监测/安全模块的潜在装机面。
- 护城河契合：高，直接复用 Demo ①（ROS2 输出，已工程化）。
- 风险：①整机厂可能自研（sensorless 碰撞检测已是常识方法）→ 我们要靠 RC 的轻量 + 在线适应做差异（不同机型不重训）；②销售周期长（卖给 OEM 要进它的产品线）。
- 判断：副线/模块授权候选。和「他社硬件工厂经理」的合作天然契合——他出渠道与整机，我们出安全/健康监测软件层。
方向 C 声音 × 异常 · 边缘健康/安防/脚步识别（🟡🟢🟢🟡🟢）—— 蓝海但需找买家
- 依据：Demo ④ 已点名应用——语音体调异常检测、脚步声防盗，纯 CPU 在线学习。
- 市场：声学监测是预测性维护里增速最快的子项（CAGR 42.7%，同上）；安防/护理在日本是劳动力短缺刚需场景11。
- 风险：付费方不如「工厂设备维护」清晰，需求要教育；护理/健康涉医疗合规。
- 判断：探索性副线，可作为 NEDO 课题或与护理/安防 SI 联合 PoC，不作主线现金。
方向 D 边缘自适应控制（贴 Demo ②）（🔴🟢🔴🔴🟡）—— 最前沿、最远，别当饭吃
- 依据：Demo ② 的「RC 世界模型 + 强化学习」做样本高效边缘控制。技术性感、论文/演示价值高。
- 风险：离付费产品最远，控制安全认证门槛高、客户信任周期长。
- 判断：当『研发招牌 / NEDO 课题 / 招人名片』养着，不指望 3 年内变现。
方向 E 搭日本「フィジカルAI 国产基盘模型」国策顺风车（🟡🟢🟢🟡🟡）—— 拿经费 + 卡生态位
- 依据：日本身体性AI 国策的正中心是 NEDO 「ロボット向け生成AI基盤モデル・データプラットフォーム」事业（¥205 亿 / 2025–2029，采择方 AIRoA）16，外加 「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」9。基盘模型本体轮不到 10 人团队，但**「边缘侧轻量异常检测/安全组件 + 数据采集」是基盘模型落地缺的一块**，可作为配套课题/数据 PF 的一环切入——而且时间窗（2025–2029）和我们 3 年路线完全重叠。
- 杠杆：我们已有 NEDO 委托实绩（Demo ④ 的 RC 追加学习成果即 NEDO 委托产物），续接申请可信度高。
- 判断：贯穿性资金/背书来源，不是独立产品方向——A/B/C 都该尽量包装进 NEDO 申请。
速评汇总：主线 = A（预测性维护/边缘异常检测）；模块副线 = B（机器人安全，配合硬件伙伴）；探索副线 = C（声音×异常）；招牌 = D；资金生态 = E 贯穿。
⚔️ 第四刀：竞争现实 check —— 我们到底差异化在哪
老实说，「边缘异常检测」不是无人区，必须正面回答「凭什么是我们」：
- vs 云端预测性维护巨头（Augury/Senseye）：他们贵、重、要上云、要自家高端传感器。我们的口子是「便宜、纯边缘、断网可用、现场自学习」——服务他们看不上的中小设备与隐私/断网工况。
- vs 主流 TinyML（isolation forest / TCN / autoencoder 上 MCU）：TinyML 已能在单片机上 1.2–6.4 秒训练、<16ms 检测、80KB RAM 跑异常检测14——这说明「边缘异常检测」可行且有竞品，护城河不是『能不能上边缘』，而是 RC 的『在线增量学习 + 时序动态模式』在『工况持续漂移、要边用边学』场景下是否更优。这点必须用我们的 PoC 数据去证明，不能只讲故事。
- vs RC 硬件派（TDK 模拟储备池芯片7、Quantum Computing 光子 RC NeuraWave8）：他们做的是 RC 芯片/硬件；我们做的是 RC 的『算法+应用+在线学习工程化+ROS2/产线集成』软件层——反而可以成为他们芯片的应用方/合作方（TDK 在日本，是潜在伙伴而非纯对手）。这说明 RC 正从学术走向商用，时间窗对我们有利。
差异化一句话：别说「我们会 RC」，要说「我们能把 RC 做成『装进现场小设备、断网也能边用边学的时序异常检测/安全模块』，并集成进机器人和产线」。 这是工程+应用护城河，不是单纯算法噱头。
🧭 第五刀：商业模式与 3 年路线（让会长敢投、让团队能活）
核心节奏：现金先行 → 产品化一个垂直 → 长出 recurring。
| 年 | 主目标 | 现金来源 | 里程碑（给会长/投资方看的 KPI） |
|---|---|---|---|
| Year 1（活下来 + 选垂直） | 受託 + 抢 NEDO，用真实项目验证「RC 边缘异常检测」在 1–2 个垂直的价值 | 受託开发（贴硬件伙伴的项目）+ NEDO 助成（已有实绩，叠基盘模型/Deep-Tech 基金，单项目上限可达 ¥30 亿/6 年10） | ≥1 个付费 PoC 客户；NEDO 立项 1 件；锁定主线垂直（建议设备振动/电流异常检测） |
| Year 2（产品化） | 把 PoC 收敛成一个可重复交付的产品/模块（边缘异常检测盒子或可授权软件 SDK） | 受託续单 + 首批产品订单 + NEDO 续阶 | 3–5 家付费客户；毛利 > 受託；可复制的部署 SOP |
| Year 3（recurring） | 从「项目」转「订阅/授权」，跑通可复制销售 | 产品订阅 + 模块授权（B 方向授权给机器人厂） | recurring 收入占比 > 30%；团队自负盈亏；拿到下一轮立项依据 |
10 人团队配置建议（从公司 AI 与先进技术部门抽）：
- 2–3 RC/ML 算法（护城河，已有人）
- 2 边缘/嵌入式工程（FPGA/MCU/Pi，Demo ③④已练）
- 1–2 机器人/ROS2 + 控制集成（Demo ①②）
- 1 数据/信号处理（振动/声学/电流特征）
- 1 解决方案/售前 + 1 PM/商务（对接硬件伙伴渠道、写 NEDO 申请、谈客户）—— 这两个最容易被忽略，却是『活下来』的关键。
和「他社硬件工厂经理」的分工：他出硬件本体 + 渠道 + 落地操盘，我们出软件/感知/异常检测/安全这一层——典型「软件层独立玩家」打法，避开本体重资本，正好用我们的牌。
⚠️ 第六刀：失败模式与规避
小型具身/边缘AI 团队 3 年内死掉，几乎都死在这几条：
- 去拼整机本体 → 资本碾压。规避：永远只做软件/模块层，硬件靠伙伴。
- 掉进『定制项目陷阱』 → 每个客户都重做、永远长不出产品、人均产出被锁死。规避：Year 1 就刻意挑『能收敛成同一产品』的受託，第 N 个项目复用率必须上升。
- 技术自嗨、没有付费方 → 把 D 方向当饭吃。规避：主线必须选『客户已经在掏钱』的预测性维护，而不是最性感的控制。
- 销售周期长过现金跑道 → 卖给 OEM/大厂签约慢。规避：用 NEDO 助成 + 受託垫现金，扛过长销售周期；会长的投资定位成『跑道补充』而非『等回报』。
- 护城河讲故事但没数据 → 被 TinyML 平替。规避：尽早做对比 PoC，用真实工况漂移数据证明 RC 在线学习的优势，把它写成可复现的 benchmark。
✅ 推荐结论：一条主线 + 一组下注
主线（押 70% 资源）：方向 A —— 设备预测性维护 / 边缘时序异常检测。 理由：付费方最清晰、护城河最契合、资本最轻、3 年最可能产生现金；日本劳动力短缺 + 制造业基本盘 + 政府国策三重顺风。
副线（押 30%，对冲 + 卡位）：
- B（机器人安全/健康监测模块） —— 直接喂给「硬件工厂经理」的合作，做可授权模块；
- C（声音×异常） —— 作探索性 NEDO/PoC，不指望它当年现金；
- D（边缘自适应控制） —— 当研发招牌和招人名片养着；
- E（NEDO フィジカルAI 国策） —— 贯穿所有方向的资金与背书来源，把 A/B/C 尽量包装进申请。
给会长的一句话版：「我们不做机器人本体（那是资本黑洞），我们做『让机器人和工厂设备变可靠的边缘 AI 大脑』——踩在公司已有 NEDO 实绩的储备池计算护城河上，先靠受託和国家经费活着，3 年内把『设备异常检测』做成可复制的产品，赚劳动力短缺时代最确定的钱。」
🔎 待核实与情报缺口（请用真实数据校正后再拍板）
- 市场数字口径差异大：上文所有市场规模/增速均来自第三方研究机构，同一市场不同来源差数倍，仅作量级判断，不可写进投资回报模型当精确值。
- 护城河的『硬证据』还缺：RC 在线学习相比主流 TinyML（isolation forest/TCN/autoencoder）在『工况漂移』场景的优势，目前是推断，需要自己的对比 benchmark才能对外宣称（这是 Year 1 必须补的）。
- 付费意愿与定价未验证：方向 A/B 的真实客户报价、采购周期、决策链未调研——需要硬件伙伴的渠道去做 3–5 个真实客户访谈。
- NEDO 申请的具体公募与额度：本篇引用的是 NEDO 基金/フィジカルAI 公募的存在与上限10，具体哪期公募、能否叠用、IVIS 资格 需找 NEDO 担当确认。
- 竞争对手在日本本地的实际渗透：Augury/Senseye/Tractian 在日本中小制造业的实际占有与价格，未逐一核实。