2026 研究盘点：已经站稳的判断，和还在等证据的判断
一年研究、十二个方向，反复出现同一个越级模式。这篇盘点只用两类材料：已公开发布、可以点开核对的研究，和明确标注的研究讨论。十三个判断，每个都带证据和边界。
一年研究，先分成两个可信度等级
过去一年我的研究横跨十二个方向：摄影机器人、运动硬件、脑机接口、AI 眼镜、家庭机器人、Agent 计量、端侧算力。它们看起来互不相干，放在一起却反复出现同一个越级模式：发现问题就推定用户会采用，看到能力就推定交付完成，拿到日志就推定价值实现。
这份盘点把其中已经能站住的判断集中到一处。材料只用两类：已经公开发布、你可以点开核对的研究，和明确标注为研究讨论的内部交叉分析；内部项目的预算、客户和排期不进来。每个判断都附证据原文和适用边界。可信度也分档：有财务数据和公开审计撑着的是一档，来自讨论框架的是另一档，读的时候请分开掂量。
摄影机器人：移动是卖点，也是未偿还的债
2026 年这个赛道一边创纪录一边翻车。Beni 众筹 458 万美元、达成率 9169%；同一份失败清单也在变长：Sporttotal 破产、MOVE’N SEE 清算、Snap Pixy 停产、Skydio 退出消费级。跟踪算法做出来，从来不足以保证产品成立。
先把品类拆开。「摄影机器人」至少是四类产品：自主移动机位、机器人化运镜设备、固定 AI 摄影师、顺带会拍的机器人。用户在每一类里买的东西不同；把十五家公司放进同一张竞品表，等于默认它们在争夺同一个市场。
对第一类——唯一把「移动」本身当卖点的——我给过一个判断标准：无干预会话比例，也就是用户全程没碰设备、最后还愿意发布成片的比例。这个数字，在我核查的公开资料里没有一家公司公布过。众筹成功只证明品类能被想象，交付和留存才证明产品成立。
移动机位最硬的反例来自一家不做机器人的公司：Veo 用固定全景机位拍下全场，再由 AI 生成虚拟跟拍，2025 财年营收 DKK 5.935 亿、毛利率 62.9%、首次全年盈利。我核查过的这批公司里，唯一能用审计财报证明「靠这个品类赚钱」的，恰恰没让相机走动。这逼着每一家移动派回答同一个问题：移动多出来的东西——视差、遮挡解除、高度变化——值不值得用户为噪声、安全、续航和故障率买单。如果一个镜头用 8K 裁切就能得到，机器人根本不应该动。
运动硬件：最强的信号是 workaround，不是 AI
运动硬件研究里最有分量的发现，不是任何模型跑分，而是一个行为信号：用户已经自己拼了很多年产品。日本球友拉朋友占两席互拍、韩国练习场把手机绑在椅子上、美国玩家用对齐杆加手机夹——跨市场、长期、稳定的 workaround。用户从没说过「我需要一台 AI 摄像机」，但他们为了完成任务，一直在忍受丑陋的操作方式。这比「用户说想要」硬一个量级；它证明痛真实存在，不证明有人愿意掏钱。
所以产品定义的第一问不是「AI 能做什么」，而是「哪一层存在最大摩擦 × 哪一层我能做到足够可靠」。在运动拍摄这个场景，证据最扎实的闭环不是 AI 教练，而是把「架手机、调角度、点录像、走回来、打球、回去停止、找片段、剪视频」这整条工作流，换成「放下设备、打球、视频已经好了」。自动拍摄加自动剪辑消灭的是整个 workflow；一个做到位的记录闭环，可能比一个蹩脚的诊断系统更值钱。
这个项目当前的验证地图：问题验证比较强，方案方向中等，形态不足，付费意愿几乎没有验证，AI 教练 PMF 未验证，留存零证据。最危险的动作不是做错 AI，而是在付费意愿证明之前，把双摄、360、游戏化、AI 教练全部做进去。收敛成一句话：拍对、找到值得看的、知道下一组改什么；其余功能都围绕这三个 job 决定去留。
需求研究：新品类里，问卷测到的是想象
脑机接口研究给我最大的一课在方法层面：在用户没有稳定产品心智的新品类里，问卷和焦点小组很容易测到想象，而不是行为——问卷问不出用户没经历过的东西。证据要到用户已经留下痕迹的地方去找：替代行为、购买记录、长期吐槽。
两个纪律值得带走。一是多框架消融：同一批证据放进互相竞争的叙事框架分别评估，裁决只有三种出口——支持、推翻、样本不足，第三种与前两种同样是正式结论，不许看完数据再改标准。二是付费证据单独成轨：态度和钱包分开放；访谈里的兴趣、众筹的下单和长期使用是三种不同的证明，拼不成一位不存在的完整用户。
Agent 计量：每个用量数字都是自报的
Agent 经济正在把徽章、对比、计量和支付，建在一组没人能验证的数字上。我审计过六个真实的公开用量声称：每个数字都是自报的，而且没有一个发布单位定义——「一笔支付」「一个商家」「一次 AI 请求」到底指什么，六家都没说。当结算以每笔 0.25 美元跑一亿六千万笔时，错误定义的单位就不再是分析问题，是财务完整性问题。
我的应对写进了 AgentMeasure：证据分阶梯，缺失证据记 UNPROVABLE 而不是悄悄记零。第一个公开证据案例跑出来的结论是一个 0%——12 次尝试，安全操作覆盖率 0%，复算脚本随案例发布。第二个案例是一个诚实的零结论：观测到 +25 个百分点但 p=0.29，引擎没有美化它，这正是引擎存在的意义。标准不再只是一份文档，它开始产出自己的证据。
三道门槛：越级是跨研究的共同模式
把十二个方向放回一起，那个反复出现的模式可以命名为三道门槛：有困难，不等于愿意采用你的方案；能力跑通，不等于完整任务交付；执行成功，不等于结果被验收。摄影机器人在第一道门前排队，运动硬件卡在第一道和第三道之间，Agent 计量在修第三道门本身。完整论证另有一篇；这篇盘点负责把每扇门前已经到手的证据摆出来。
下一轮只欠三件事
研究停在判断上是安全的，停在验证清单上是诚实的。下一轮： 一、摄影机器人对照实验：同一场景，固定机位、固定 PTZ、移动机位各拍一版，测用户最终愿意发布哪一版——测发布行为，不测跟踪准确率。 二、运动硬件付费意愿：不研究更多功能，直接验证哪一群人愿意为「少掉这些麻烦」付钱。 三、计量一致性扩展：把「参与 → 证据 → 修复 → 贡献」回路复制到下一批 observability 和 gateway 项目。
每件事都有明确的失败条件。对照实验里如果固定机位版本胜出，移动派的价值叙事就要重写；付费测试如果只有教练侧响应，拍摄闭环的定价假设就要降级；回路复制如果抓不出真 bug，它就不是回路，是运气。