实验室自动化绝非“一招鲜吃遍天”的生意。原文公司把业务切成了“智慧实验室”和“智能制造”两大块，数据上看：

智慧实验室：2022年收入1.86亿 → 2023年降到1.61亿（跌13.5%）→ 2024年反弹到2.95亿（涨83%）。这种过山车，明显暴露出场景切换时的脆弱性——2023年下滑据说是“疫情相关需求退潮”，说白了就是其产品在非紧急状态下价值与紧急状态下价值存在巨大差距。

智能制造：成了增长主力，三年收入2.69亿 → 5.02亿 → 6.35亿，尤其在芯片、锂电装配检测领域。这类场景标准化高、对精度和良率敏感，企业愿意为“减少报废率”买单，所以毛利率（32.3%）也显著高于实验室板块（21.9%），但是高毛利都没有的设备制造业，还有什么钱去做运维和售后呢？

为什么实验室场景更难赚钱？

非标性强：药企的细胞实验、高校的课题流程、化工的反应控制，需求千差万别。虽然推了 “AI中台”，但落地时仍要大量定制——研发成本（占收入42.4%）很大程度耗在适配甲方五花八门的操作SOP上，却难转化为产品复用，要你命三千。

客户付费意愿分裂：安捷伦这类大客户看重系统展示，愿为品牌宣传溢价付费；但中小实验室更关心“能否省下两个技术员年薪”，对价格极其敏感，市场买单的意愿存在质疑。对于2024年实验室毛利率仅21.9%，甚至低于一些代理贸易商，说明其方案可能被当作“高级组装工具”，而非不可替代的智能体。

二、“数据倒手”：集成商还是真技术？行业心照不宣的灰色地带

Tecan收入数据，戳中了行业痛点。招股书里那个“全球第六、中国第一”的排名，把Tecan“实验室相关收入”算成3.8亿人民币，可人家2024年总营收82亿人民币——这口径差异大到离谱。

是“本土化集成商”而非“核心技术方”：

硬件外购+软件封装：比如色谱检测系统，依赖AGV+机械臂精准上样（±0.03mm），但机械臂核心部件是否自研？否。而软件平台虽然宣传“自然语言指令生成实验流”，底层依赖DeepSeek-R1模型，就我一个人花点时间都能接入，运动程序机器人厂家有调试服务，上位机软件用各种命令的吊用，所谓的AI更只是停留在UI。

研发投入流向存疑：三年研发烧掉10.42亿，但成果有多少沉淀为专利壁垒？对比国际龙头Tecan研发占比仅7%，净利率却达7.2%，所谓的“技术投入”更像在填无限循环的定制项目的坑。

真正的市场检验在客户复购率：2022年新客户复购率74%、收入留存率115%，看似健康——但那只是2022年，一个所有人呆在家里捅鼻子，用纳税人为其付费的一年。

三、“资产折旧”是照妖镜，AI实效不是PPT

用户端的实际买单量（CapEx）和持续服务支出（OpEx）才是硬指标。客户当固定资产买入才是硬道理。实验室设备不是快消品，用户买完才是考验的开始：

折旧压力真实存在：一台自动化工作站价格动辄数百万，按5–10年折旧，每年摊薄几十万利润。如果设备故障率高（尤其是精密机械臂、温控模块）、维护成本超出预期，客户会觉得“买了个祖宗”，更别提复购。

AI是否真省人省时？ “自驱动实验室”，但现实中多数甲方反馈：自然语言生成实验代码错误频出；数据闭环依赖人工校验；跨设备通信协议不兼容要写大量胶水代码……结果“无人实验室”仍需专人值守，AI成了汇报PPT的亮点，而不是每日工作的刚需。而且做过自动化的人都有的常识，自动化需要运维，人力和服务运维成本也是相当高的一部分。

行业路线反思——以下仅仅是个人的观点

价值——只是把AI+自动化的概念推到台前，甚至《Nature》背书“自驱动实验室”。但目前的困境也警示我：

放弃“全场景通吃”幻想：博主目前也就只针对一个行业，别的行业碰都不会多碰一下。

像华大智造专注基因测序自动化（毛利率44.39%），反而比铺开无数个行业更易建立壁垒。细分领域做透，ROI才算得过来账。

技术投入必须指向产品化：研发费用不能只烧在定制项目上。

学习Tecan的思路，把核心模块（如液体处理工作站、视觉检测算法）做成标准化产品，通过软硬件迭代降本，而非永远“接项目-堆人力”。可能永远做不大，但永远有钱赚。

我们不求“在手订单15亿”，我们只求怎么提供15亿的价值。IPO不管成败，都值得尊重，拼搏的一帮人；但行业想真正赚到钱，就得回到实验室里，盯着设备上的折旧标签，一行行调试代码。什么时候客户说“这钱花得值”，什么时候才算跑通了生意，然后通过资本和运营形成良好的生态。

来源：智能实验室研习社