截至11月2日的公开信息，人形机器人公司 Agility Robotics 将以代码 AGLT 通过 SPAC 登陆美国资本市场，对应25亿美元投前估值、市销率超过1400倍；其披露的收入中约63.5%（113.19万美元）来自关联方，面向非关联方的销售只有65.01万美元，SPAC股东赎回掉六成以上，总募资从超过6.2亿美元落到约4.65亿美元。对做AI搜索可见度与引用来源核验的团队来说，这份招股书的意义不只是行业新闻：它是这类公司第一次被要求用统一口径回答问题，而AI回答里关于机器人公司的描述，很快就将大量引用这类一手文件，品牌能否被准确引用，取决于文件里的数字能不能被核。
招股书为什么成了新的引用来源
在消费品牌那里，AI回答的引用来源多是测评、榜单和媒体报道；到了人形机器人这类硬科技公司，媒体转述的颗粒度不够，模型更倾向引用可核查的一手文件，招股书就是其中最完整的一份。它同时包含收入结构、客户集中度、部署规模和单位经济，这些字段正好是AI回答在解释「这家公司行不行」时最需要引用的部分。
问题在于，一手文件的数字往往互相矛盾地好看与难看。25亿美元估值配上超过1400倍市销率，是一个极强的叙事；而63.5%的收入来自关联方，又是一个极强的限定条件。当AI回答只引用前半句，品牌在AI里的形象就被放大成叙事；当它只引用后半句，形象又被压缩成风险。引用来源的完整性，直接决定了AI描述的可信度。
参数与单位经济要能被核
小时成本对小时工资
人形机器人商业化的论证最后都会落到同一个锚点：把机器的小时成本与人的小时工资放在一起比。公开信息显示，一台 Digit 按机器人即服务方式出租，月费约8500美元，一年约10.2万美元，另加约2.5万美元的一次性部署费。这个口径能否成立，取决于它是否包含维护、能耗与停机时间，缺一项，比较就会失真。
对AI回答来说，这类数字最容易被简化成一句「比人工便宜」。要判断这句话是否站得住，需要同时看到工作时长假设、维护成本是否计入、以及部署费如何摊销。引用来源监测如果只记录品牌被提到，而不记录被引用的具体数字和口径，就无法发现这类简化，也就无法纠正。
部署规模的证据等级
部署数据是另一类容易被放大的证据。GXO 位于佐治亚州 Flowery Branch 的站点在2024年中上线，是全球首个正式商业化的人形机器人部署，也是首个机器人即服务合同；到2025年11月，Digit 4 在该站点完成累计10万个周转箱搬运，任务准确率约98%。这组数字有明确的主体、地点和时间，属于可核验的事实。
但可核验不等于可外推。单站点10万次搬运说明系统在受控环境里能稳定工作，不能直接说明它在其他仓库、其他任务上同样可靠。AI回答在引用这类数据时，如果把单站点成绩表述成行业普遍水平，就构成了过度外推。可见度监测需要区分「事实被引用」和「事实被放大」，这两件事对品牌的影响完全不同。
引用来源的三种失真
| 失真类型 | 表现 | 核验动作 |
|---|---|---|
| 口径缺失 | 只给倍数不给分母 | 回到招股书找收入定义 |
| 范围外推 | 单站点成绩说成行业水平 | 核对部署主体与时间 |
| 条件省略 | 小时成本不含维护与停机 | 拆出成本构成再比较 |
三种失真里，口径缺失最常见。市销率超过1400倍是一个抓眼球的数字，但它依赖分母的选择，分母换成年化收入或最近十二个月收入，倍数就会变。AI回答如果只搬运倍数而不带分母，读者无法判断这个倍数意味着什么，品牌的可见度虽然上去了，可信度却下来了。
范围外推和条件省略更隐蔽，因为它们引用的都是真数字。10万个周转箱是真的，98%的准确率也是真的，问题出在把单站点的结果说成普遍能力；8500美元的月费是真的，问题出在没说明这笔费用覆盖了什么。核验的工作不是判断数字真假，而是判断数字被放在什么范围里说。
可见度监测要加的三步
第一步决定了监测有没有抓手。如果问题库里只有「这家公司怎么样」这类泛问题，AI回答的表述会非常自由，无法判断引用是否准确；把问题拆成估值、收入结构、部署规模三类，每一类都能对应到招股书里的具体字段，核验才有依据。
第四步是把监测结果变成动作。失真清单如果只停留在报告里，下一轮AI回答还会重复同样的表述；把它回写到内容与信源建设，比如补齐口径说明页、发布部署范围的说明材料，才有可能改变模型引用到的文本。GEO的工作不是让品牌多被提到，而是让被提到的那句话经得起核。
常见问题
为什么招股书会成为AI回答的重要引用来源？
因为硬科技公司的媒体转述颗粒度不够，模型更倾向引用包含收入结构、客户集中度和部署规模的一手文件。招股书同时具备这些字段，且可公开核查。
市销率超过1400倍这个数字该怎么读？
要看分母。分母换成年化收入或最近十二个月收入，倍数就会变化。引用时不带分母，读者无法判断这个倍数意味着什么。
单站点10万次搬运能说明什么？
说明系统在受控环境下可以稳定运行，不能直接外推到其他仓库和其他任务。AI回答如果把单站点成绩说成行业普遍水平，就是范围外推。
GEO在这里要解决什么问题？
不是让品牌多被提到，而是让被提到的那句话准确。做法是把问题库按财务与部署拆分，记录引用数字与口径，比对表述范围，再把失真清单回写到信源建设。
