物理智能项目的融资尽调，不能把“模型能完成任务”直接等同于“公司能交付产品”。交付能力，是团队在明确的现场约束下，持续实现可验收结果，并把部署、适配和运维成本控制在可持续范围内的能力。评估时，应沿着“任务效果—现场运行—客户验收—重复交付”逐层核验，而不是停留在演示效果或研发计划。
首先要检查任务边界是否清晰：在哪类设备和工位上执行什么工作，哪些环境变化纳入承诺，当前人工或自动化基线是什么，改善如何判定。边界含糊，试点就难以区分模型能力与现场条件，也难判断失败由传感、设备、流程还是算法造成。投资人应要求团队说明任务完成率、人工接管、异常恢复、运行稳定性等指标如何采集，并查看评估条件是否与实际作业一致。
其次要追问试点能否形成闭环证据。试点范围、验收标准、数据权限、安全责任和退出条件是否事先约定？客户的积极反馈是否进一步落实为付费试点、正式采购或续费安排？证据强度并不相同。若项目长期依赖人工兜底，或没有明确的验收人与预算安排，演示成功尚不足以证明交付成立。
还要把交付成本拆开核算。现场勘察、系统集成、数据采集、调试、培训、维护和故障处理，都可能构成单场景成本。若每换一个客户就需大量定制，收入增长未必带来交付效率提升。尽调应关注同类场景复用时，适配工作量是否下降，以及客户实际支付能否覆盖持续服务投入。
最后，融资计划应对应可检验的交付假设：先证明一个任务结果可重复，再验证相近场景的迁移与成本，继而观察采购和续费。真正有说服力的不是试点数量，而是结果可复现、责任边界清楚、验收能够落地，且每次交付都在改善复制能力。