月租 8500 美元的机器人，小时成本是 20.35 而不是 16.35：把 RaaS 报价拆成四行

一个月有多少小时？30 天乘 24 小时，720。

但机器人不会 24 小时连轴转。Agility 的模型假设是：每周 6 天、每天两班、每班 10 小时。

算一遍：每天 2 × 10 = 20 小时，每周 6 天 = 120 小时，一个月按 4.33 周算，约 520 小时。

8500 ÷ 520 = 16.35 美元/小时。这个数与 ForkLog 给出的完全一致，说明它的除数就是 520。

注意一个隐含事实：520 / 720 = 72%。这套模型默认机器人的日历利用率是 72%，已经扣掉了每周一天停机、每天两小时空档。

如果你的实际场景是单班 8 小时、每周 5 天，那月可用小时是 8 × 5 × 4.33 ≈ 173 小时，同样 8500 美元的月租，小时成本变成 49.1 美元——比人工的 30.5 美元贵 61%。

判断：同一份租赁合同，能不能省人工，几乎完全由「排班密度」决定，而不是由机器人性能决定。这也是为什么所有 RaaS 厂商都拼命往「两班制、三班制」场景里挤——不是那些场景的活更好干，是那些场景的分母更大。报价谈判时第一个要谈的不是月租，是「保底运行小时」。

把部署费和集成费摊进来，账会变得很难看。

算法很简单，写在这里以便复核：

首年现金支出（不含集成）= 8500 × 12 + 25000 = 127000 美元；首年可用工时 = 520 × 12 = 6240 小时；两者相除 = 20.35 美元/小时。

再加集成费：127000 + 40000 = 167000，折 26.8 美元/小时；127000 + 100000 = 227000，折 36.4 美元/小时。

对照人工 30.5 美元/小时：

所以「54%」这个说法，只在最理想的口径下成立，而且这个 54% 本身还有争议。

ForkLog 的原话是「Agility concludes the android cuts payroll costs by 54%」；而 UNUM 对同一份文件的表述是「差距约 46.4%」。16.35 ÷ 30.5 = 53.6%——54% 是「剩下多少」，46.4% 才是「省了多少」。两家英文源一个把补数当成了降幅，一个算对了。本号采用 46.4%。

判断：这是过去两年机器人行业最常见的一种数字误用——把「成本降到原来的 X%」写成「成本降低了 X%」。两者相差一倍有余。看到任何「节省百分之几十」的说法，先做一次除法验证，三十秒就能判断真假。

如果把 RaaS 理解成「分期付款买机器」，那就完全看错了。它转移的是三件风险：

这三项里，第一项是租赁的天然优势，第二项取决于合同条款，第三项——恰恰是租赁最容易漏掉的一项。

判断：谈 RaaS 合同时，最该争的不是月租，是「集成费谁出」和「uptime 达不到怎么赔」。月租降 5% 一年省几千美元，集成费谈下来能省四万到十万美元，uptime 条款谈成了能省一整条产线的停工损失。谈判优先级搞反的公司很多。

把公开可查的订阅价排一排，会看到一个跨度接近 19 倍的市场。

家用 449 美元、工业 8500 美元，相差 19 倍。这个价差不是「品牌溢价」，是工况差异：家用机器人一天干 2 小时，工业机器人一天干 20 小时，且要满足安全、可靠性与停机赔付。

另一个必须记住的数字：58 款在售人形机器人里，只有 11 款有可核实的价格，占 19%。

判断：一个 81% 的产品不敢公开报价的市场，谈「价格战」还太早。现在发生的是「报价不透明下的个别低价」，不是「透明市场里的充分竞争」。对采购方来说，这意味着每一单都必须自己建成本模型，因为没有可比价可参照。

第一件：保险。

传统工业机械臂在受控环境里做固定任务，风险好定价。人形机器人跑在神经网络上，在人群中自由移动，遇到开发者没写过的场景会自己决定怎么做——这种风险目前没有可靠的定价方法。经纪商 WTW 指出的问题是责任在一条长链上分散：制造商、AI 开发者、集成商、操作员、服务承包商。一台机器砸到员工，原因是机械故障、软件缺陷、训练集盲区，还是操作失误？传统保单把财产、网络、工伤、一般责任分得很清，一次事故可能同时落在几张保单上，谁也说不清该谁赔。

还有一层：整机队的系统性失效。全球成千上万台机器跑同一个模型，一次错误更新或一个共享的训练盲区，可能让整个机队同时瘫痪。对保险方来说，这破坏了「分散风险」的基本前提。

中国已经出现了第一个商业解法：中国太平洋保险推出了人形机器人专用产品，同时覆盖摔倒造成的财产损失与软件更新失败导致的算法错误责任。

判断：RaaS 厂商把保费打进月租，是一个聪明的设计——它让「机器人的主人给自己的财产投保」，客户在月租里为风险付费，不必单独买保单。但对采购方来说，这意味着月租里有一块是不透明的。谈合同时应当要求拆分：月租里包含多少保费、保额多少、免赔额多少。

第二件：数据归属。

每一次搬箱都可能成为一个训练样本。客户付了机器小时的钱，却可能在无意中为厂商创造了一项可以复用到其他客户的能力。

现在的通行做法是合同约定：厂商可用遥测与传感器数据改进模型，客户获得保密承诺（比如商品标签匿名化），但不持有训练后模型的任何权益。

家用场景更麻烦。1X 公开承认 NEO 部分由远程操作员控制，每一次远程会话都是被公寓里摄像头记录下来的标注样本；一旦出事，责任可能在制造商、软件方、操作员与机器所有者之间按原因分摊，而这类影像的保存规则在美国和欧盟都还没有专门立法。

目前浮现出三种数据治理路径：全部归厂商（机队像单一有机体一样学习，客户通过更新受益但不拥有模型）、全部归客户（为每个客户做隔离模型版本，更慢更贵但保密）、开放数据集（降低门槛但不解决具体车间的数据归属）。三种都没有被写进法律。

判断：未来两年，大合同里「运行数据」会从附属条款变成独立谈判项。这一点对做机器人交付的公司尤其重要——你的客户如果是车企、大制造，他们对「在我厂里训练出来的能力流到竞争对手那里」是零容忍的。把数据隔离做成可报价的选项（而不是免费承诺），既是合规，也是毛利。

把上面所有内容压成六行，签合同前逐行填。填不出来的那一行，就是这单的风险所在。

最后一句给做租赁的同行：如果你的报价单只有「日租／月租」一栏，客户迟早会自己算出那个更小的数字。主动把四行写全，反而是最容易建立信任的做法。