出门问问亏损收窄背后：中国AI硬件商业化与特斯拉软件路线对照

2025 年，出门问问交出一份很“能说明问题”的成绩单：全年收入 3.23 亿元，亏损收窄 90.5%；其中 AI 硬件收入 1.74 亿元，同比增长 14.4%。对一家 AI 公司来说，这不只是财务数据好看一点，而是一个信号：中国本土 AI 路线正在用“硬件落地+系统集成”把模型能力换成现金流。

这件事之所以值得写进“人工智能在机器人产业”系列，是因为机器人行业最现实的矛盾就是：算法很强、演示很炫，但真正难的是持续出货、持续服务、持续毛利。出门问问的路径，恰好能和特斯拉的“软件优先、数据闭环驱动”的 AI 战略形成对照。你会看到两种路线的核心差异：谁先变现、靠什么变现、以及谁能把数据优势滚成长期优势。

出门问问的财报信号：硬件带动现金流，组织效率决定生死

先给结论：出门问问 2025 年的重点不在“收入增长”，而在“成本结构被改写”。公开信息显示，公司在 AI 软件业务上维持 86.7% 的毛利率，同时通过组织层面的 AI 转型让 运营成本下降 57.4%，并把 人均营收提升 22.5%。这类指标组合在一起，说明公司不是单靠卖更多产品，而是在做“可持续经营”的动作。

为什么 AI 硬件收入 1.74 亿元更关键？

因为硬件收入往往意味着三件事：

1. 产品定义更贴近场景：用户愿意为“拿来就用”的能力付费，而不是为抽象的模型能力付费。
2. 交付链条更长：能卖出去硬件，通常要同时解决供应链、渠道、售后与体验一致性，这对 AI 公司是硬仗。
3. 数据更可控：硬件一旦规模化部署，会自然形成使用数据回流，为后续模型优化、推荐策略、交互体验提供燃料。

放在机器人产业里理解也一样：工业/服务机器人真正落地，很多时候不是缺一个更大的模型，而是缺一个“稳定、可量产、可维护”的端到端产品形态。

亏损收窄 90.5%：不是“省出来的”，而是“系统化经营”

市场常把亏损收窄简单理解为裁员或缩减投入，但从“运营成本下降 57.4% + 人均营收提升 22.5%”这组数据看，更像是：

• 把内部流程用 AI 工具改造（销售、客服、内容、研发协作等），减少重复劳动
• 把业务重心向毛利更高、交付更标准化的方向移动
• 用更少的人做更高密度的产出

我一直认为，AI 公司真正的护城河，除了模型与数据，还有组织把 AI 当作“生产力系统”来运行的能力。这点在机器人公司身上尤为明显：售前方案、现场调试、持续运维，任何环节的低效都会吞掉毛利。

软件先行 vs 硬件落地：特斯拉与中国厂商的两种 AI 战略

先把核心差异说清楚：特斯拉更像“先把软件跑通，再让硬件规模成为数据飞轮”；中国厂商更像“先用硬件把场景占住，再用系统集成和本地化迭代把体验做稳”。

特斯拉的逻辑：软件定义能力，数据闭环决定上限

特斯拉的 AI 战略一直强调软件与数据闭环：

• 通过车端感知与驾驶系统持续采集数据
• 用数据训练迭代模型能力
• 把功能以软件方式持续交付（订阅、分层、OTA 迭代）

它的优势是：一旦闭环跑起来，边际成本下降非常快，迭代速度也快。

但代价也明确：需要极强的数据基础设施、训练能力、算力投入，以及长期主义的资本耐心。这条路线在早期容易被质疑“怎么还不赚钱”，但一旦规模化成功，软件收入会非常漂亮。

中国本土更常见的逻辑：硬件是“业务容器”，系统集成是竞争力

以出门问问这类公司为例，AI 硬件往往承担了“业务容器”的角色：

• 硬件把能力包装成可购买的产品（降低客户理解成本）
• 本地化交互与渠道分发更贴近国内消费习惯
• 通过硬件部署与服务交付，积累垂直场景数据

这条路的关键不在“模型有多大”，而在：

• 能不能做出稳定的产品体验
• 能不能把供应链与渠道跑顺
• 能不能把软件服务附着在硬件上形成复购与续费

在机器人产业里，这和“先卖本体，再卖配件、维保、软件升级、行业方案”的打法非常相似。

一句话对照：特斯拉把 AI 当作软件平台运营；很多中国厂商把 AI 当作可交付的产品系统来运营。

把出门问问当作“机器人产业的镜子”：商业化要穿过三道门

直接给结论：AI 能力进入机器人产业，要穿过“产品化、规模化、服务化”三道门。出门问问的财务指标，恰好能帮助我们用商业视角拆解这三道门。

1）产品化：从模型能力到可交付体验

机器人与 AI 硬件最怕的不是功能少，而是“功能多但不好用”。产品化的核心是把复杂系统压缩成用户可理解的体验：

• 交互：语音、视觉、触控的组合是否稳定
• 可靠性：在噪声、弱光、网络波动下还能不能用
• 边界：系统告诉用户“我能做什么、不能做什么”

对企业客户来说，产品化还意味着文档、接口、部署流程、权限与安全策略齐备。

2）规模化：供应链、渠道与成本结构决定能不能赚钱

出门问问 2025 年 AI 硬件收入 1.74 亿元且同比增长，说明它已经在“规模化”这关往前走了一步。规模化能力在机器人行业通常体现在：

• 物料与代工稳定，交付周期可控
• 售后体系能覆盖核心城市/行业
• 质量一致性可度量（返修率、投诉率、NPS 等）

更重要的是：规模化不是卖得多，而是卖得多还能保持毛利。

3）服务化：硬件只是开始，复购与订阅才是长期利润

AI 硬件的商业化如果只停留在一次性售卖，现金流会“时好时坏”。更好的结构是：

• 硬件一次性收入 + 软件订阅/增值服务
• 行业方案交付 + 运维托管
• 数据标注/模型迭代服务（合规前提下）

这与特斯拉通过软件功能持续收费的逻辑相通，只是路径不同：特斯拉先有软件平台再放大硬件规模；中国厂商往往先用硬件打开入口再叠加软件服务。

企业如何选路线：软件优先与硬件优先的“适用条件清单”

很多团队纠结“我们到底学特斯拉还是学中国本土硬件厂商”。我的观点很明确：别学叙事，学约束条件。你可以用下面这份清单做判断。

更适合“软件优先”（偏特斯拉）的条件

• 你能长期获取高质量数据，且数据闭环非常清晰
• 你有强算力与训练迭代能力，能把迭代周期压缩到周/月级
• 你的交付主要靠 OTA 或云端更新，边际交付成本低
• 你能承受较长的盈利周期

更适合“硬件优先”（偏出门问问/国内落地型）的条件

• 场景碎片化，客户更想买“整机/整套方案”而非 API
• 渠道与供应链是优势（或能快速补齐）
• 你需要先用硬件占住入口，再慢慢叠加软件订阅
• 行业交付与服务能力强，能把运维做成标准化产品

在机器人产业里，绝大多数公司短期更现实的是“硬件优先+服务化补毛利”。纯软件优先也能成，但它对数据与资金的要求更苛刻。

读者常问：AI 硬件商业化到底靠什么赢？

Q1：AI 硬件为什么常常不赚钱？

因为不少团队只算了 BOM 成本和代工成本，没算“隐形成本”：渠道返点、退换货、售后运维、固件升级、客服与内容、以及库存周转。硬件毛利本来就薄，一旦服务体系没跟上，利润会被吞光。

Q2：出门问问这类公司最值得学的是什么？

不是“卖硬件”，而是把组织效率指标拉到台面上：运营成本下降、人均营收提升，这些比单纯 GMV 更能说明公司是否在走向可持续。

Q3：机器人公司做 AI，最该先补哪一块？

我的建议很现实：先补“交付工程能力”。模型能力可以买、算力可以租，但现场交付、稳定性、运维标准化这些必须自己长出来。

写在最后：中美 AI 路线的差异，本质是商业化路径的差异

出门问问 2025 年的财报告诉我们一件很直白的事：中国本土 AI 公司正在用硬件与系统集成，把 AI 变成“可交付的产品”；而特斯拉代表的路线，则是把 AI 当作软件平台，用数据闭环换取长期复利。

如果你正在做机器人、具身智能或 AI 硬件，这两条路都不是“对或错”，而是“先后顺序与资源禀赋不同”。你更应该问自己：我们更擅长占入口，还是更擅长做平台？我们能把数据闭环做起来吗？我们能把交付标准化做起来吗？

下一篇我更想继续聊：当“具身操作基座模型”开始开源并快速扩散，机器人公司究竟应该押注更大的模型，还是押注更强的产品化与交付体系？你站哪边？