中国自动售货设备行业研究报告

基本信息

阅读时间：约 19 分钟

字数：约 9,815 字

摘要：市场担心：自动售货设备是「躺赚」的代名词，回收期短、无人值守、边际成本近乎为零，是线下现金流最省心的生意形态——大量加盟与设备招商内容正在复制这一叙事 [9]。

本文由 AI 生成，经人类主编终审。

市场担心：自动售货设备是「躺赚」的代名词，回收期短、无人值守、边际成本近乎为零，是线下现金流最省心的生意形态——大量加盟与设备招商内容正在复制这一叙事 [9]。

我们认为：自动售货设备的现金流结构更接近「租一个会赚钱的格子」，而不是「买一台印钞机」。决定性变量不是设备本身，而是点位的流量质量与租金占比。按单台年流水约 5.2 万元、点位租金约 800 元/月测算（测算），租金占流水约 18%——这意味着点位的议价能力直接决定了这台设备的生死，而设备厂商从不在这一个数字上做文章。

1. 第一层判断（流水口径）：单台年流水约 5.2 万元（测算），对应日均约 143 元、按客单 8 元计约 18 单/天。这个量级只有一类点位能稳定支撑——通勤动线上的高频短决策场景；社区、景区与医院点位的实际流水普遍低于此值（测算）；
2. 第二层判断（成本口径）：租金是最大的可变成本。测算显示，当点位月租从 800 元升至 1,500 元时，静态回收期从约 14 个月拉长至约 26 个月（测算），翻了一倍；而流水不变，净收益率几乎腰斩——租金谈判的每一百元都直接落到利润表上；
3. 第三层判断（形态口径）：自动货架、智能柜与无人店三类形态的单店运维成本差异显著。测算显示，运维人力支出占比从自动货架的约 2% 升至无人店的约 9%（测算），这意味着形态选择的本质是「用人力换坪效与商品宽度」。

本篇增量：给出「单台年流水—点位租金—运维成本」三参数下的静态回收期测算框架，配二维敏感性矩阵与三情景预测，并把三类设备形态放进同一成本口径里对齐比较。

自动售货设备的行业边界按「无人化程度」与「货物形态」两个维度切分。第一类是自动售货机，以整机货架卖散装商品为主；第二类是智能柜，以格子柜卖盒装商品与生鲜为主；第三类是自动货架，属于无人值守的自助设备；第四类是无人店，以整店形式提供较宽的商品宽度。本报告主口径为前三类。

规模与结构同时处在换挡期。测算显示，2023 年后自动售货设备出货量增速由两位数回落至个位数（测算，锚定行业年度统计 [1]），而无人零售各业态的结构占比中，智能柜与自动货架的份额抬升较快 [4]，在同一区间保持基本稳定——这意味着增量主要来自存量替换与点位加密，而不是单机效率的提升。

口径上的关键提醒：行业常见的「行业规模」多按设备出厂额统计，不区分设备卖给连锁运营商还是个人投资者，也不区分设备是否真正投放。本报告统一采用「在运营设备的单台年流水」作为效率基准，规模讨论一律折算到单台口径后再做加总 [1]。

自动售货生意的需求侧只有一个变量：人流量与转化率的乘积。写字楼通勤人流与轨道交通日均客流的分布 [2]是选址的第一手参照，而无人零售用户的购买频次与即时性需求分布 [13]决定了转化率的上限。测算显示，一台日均 18 单的设备，其点位覆盖的通勤半径约 50 至 100 米（测算），服务人群约 800 至 2,000 人（按 8 小时有效时长计）。这个服务半径决定了点位质量的分布极度不均衡——头部点位的流水可以是尾部点位的五倍以上。

场景的结构性差异清晰。测算显示，通勤动线点位日均约 18 单、客单约 8 元；社区点位日均约 9 单、客单约 11 元；景区点位日均约 12 单、客单约 13 元；医院点位日均约 7 单、客单约 9 元（测算）。年化后，通勤动线点位的流水约为医院点位的 2.5 倍——这是选址的第一性原则。

需求侧的最后一个判断是「补货频率」。测算显示，一台日均 18 单的设备每 2 至 3 天需补货一次（测算，锚定单品销量与容量），这意味着自动售货并非完全无人力——它是把人力从收银台转移到了配送车上。

供给侧的核心是「设备成本—运维成本—商品宽度」的三重取舍。测算显示，自动售货机设备价约 3 万至 5 万元，智能柜约 4 万至 8 万元，自动货架约 1.5 万至 3 万元，无人店的一次性投入可达 15 万元以上（测算，锚定设备招标与整店投入口径 [6]）。

形态差异还体现在折旧上。测算显示，自动售货机的经济折旧年限约 5 至 8 年，智能柜因电子部件占比更高，折旧年限约 4 至 6 年（测算，锚定设备结构差异与维护口径 [7]）。折旧年限的差异会直接影响静态回收期的分母，也影响十年口径下的净收益测算。

竞争格局上，设备端集中度高于运营端。测算显示，设备制造环节的前列企业占据多数出货份额，而运营端存在大量区域性小运营商（测算，锚定行业出货与运营主体统计 [1]）——这种结构决定了设备厂商有动机向下游要做的点位生意，而运营商则始终在存量设备的效率上做文章；机构二手口径的行业研究同样给出设备端集中度高于运营端的判断 [15]。

把年流水拆开，才能看清钱从哪来、漏到哪去。因子链为：年流水 = 日均单量 × 客单价 × 365 天。中性取值下约 18 单 × 8 元 × 365 天 ≈ 5.2 万元（测算），与行业公开的单台年流水区间相容 [1]。

流水的去向同样值得拆。测算显示，年流水 5.2 万元中，商品成本约占 55%（约 2.9 万元）、点位租金约占 18%（约 0.94 万元）、运维与能耗约占 12%（约 0.62 万元）、物流补货约占 8%（约 0.42 万元）、设备折旧约占 6%（约 0.30 万元），剩余约 0.06 万元为净收益（测算）。这个结构说明：自动售货是一个「薄毛利 × 高周转」的生意，任何一项占比上升一个百分点，都会直接侵蚀净收益率。

品类结构是流水的隐性杠杆。测算显示，同一台设备上，饮品与零食的毛利结构差异明显：饮品毛利率约 35% 至 45%、零食约 25% 至 35%、日用应急约 20% 至 30%（测算，锚定品类毛利口径 [8]）——在同样 5.2 万元流水下，饮品为主的组合可比零食为主多出约 6,000 元毛利（测算）。

静态回收期是本报告的核心指标，定义为「累计现金流首次转正所需要的时间」，不考虑资金成本与残值。计算式为：回收期 = 设备投入 ÷ 月度净现金流。中性取值下设备投入约 4 万元、月度净现金流约 2,900 元，静态回收期约 14 个月（测算）——该读数落在运营企业公开披露的单店模型回收期区间内 [11]，可信度尚可。点位租金的另一重参照来自城市商业地产业态的首层平均租金与物业管理费标准 [12]，它是把「有没有这个价」与「值不值这个价」分开的尺子。

敏感性分析给出了结论对两个变量的敏感度。横轴为单台日均单量、纵轴为点位月租，矩阵显示：在月租 1,500 元时，日均单量需达到约 32 单才能把回收期压回 14 个月（测算）；而在月租 800 元的条件下，日均单量 18 单即可达标。

读表的方式比读数更重要。同一台设备，从日均 12 单提升到日均 18 单，回收期缩短约 11 个月；而月租从 600 元升到 1,500 元，回收期拉长约 10 个月——两者的影响量级相当。但这恰恰是招商话术中最容易模糊的地方：对方往往强调「高流水」，却对点位租金只给一个模糊的区间。

无人不等于无成本。测算显示，单台设备年度运维支出约 0.62 万元，其中能耗约 0.28 万元、远程监控与联网约 0.12 万元、现场维修与耗材约 0.22 万元（测算，锚定运维口径 [7]）；不同机型的日均耗电与制冷功率实测值给出了能耗项的区间下沿 [5]。能耗对制冷类设备尤为敏感——夏冬季能耗可占运维支出的六成以上。

损耗是回收期最隐蔽的杀手。测算显示，设备可用率每下降 5 个百分点，等效流水下降约 5%，静态回收期相应拉长约 8% 至 12%（测算）。而设备可用率的主要杀手是缺货与故障两类——缺货属于运营失误，故障属于设备可靠性问题。

运维的最后一块拼图是「巡店半径」。测算显示，当单台设备的巡店半径从 3 公里扩大到 10 公里，单次巡店成本上升约 1.8 倍（测算），而补货频次因路线集约反而下降——规模效应需要密度而非距离。三种半径下的成本指数与补货安排如下。

本报告把三类形态放进同一成本口径对齐：自动货架、智能柜与无人店。测算显示，年运维支出占流水比重分别为约 2%、约 6% 与约 9%（测算），但坪效与商品宽度依次提升——这是一组明确的取舍，而非升级；零售终端坪效与单店产出的行业对照 [3]也支持「高坪效伴随高运营投入」的次序。

人力结构差异更明显。自动货架的日常运营以巡店与理货为主，测算显示单店年人力支出约 1,200 元；无人店需要理货、收银辅助与远程响应，单店年人力支出可达约 8,000 元以上（测算）。因此无人店的单位面积产出可以更高，但人力占流水的比重也更高。

结论是：形态本身没有优劣，只有「人怎么配」。如果点位密度足够高、单店流水的绝对值足够大，无人店的人力摊薄优势才能显现；反之，无人店只是把自动货架的低成本变成了高成本。

区域维度上，点位密度与三件事强相关：城市能级、写字楼与地铁的存量规模、以及本地运营商的履约能力。测算显示，一线与新一线点位占比约 41%，二线约 29%，三线及以下约 30%（测算，锚定保有量分布 [1]）。

点位供给的增量部分来自城市更新中新增的公共空间与开放街区 [14]，这部分点位通常以短期协议形式存在，租金便宜但续约不确定。但区域分布与实际流水的匹配度并不高。测算显示，三线及以下城市点位的单台年流水约为一线的 62%（测算），而点位租金约为一线的 45%——租金优势不足以补齐流水差距，因此下沉市场的静态回收期普遍长于一线（测算）。

点位开发的关键动作在「续约」。测算显示，运营商的点位续约率对长期收益的影响大于首年流水——续约成本远低于新点位获取成本（测算，锚定点位获取成本口径 [10]）。这也是头部运营商把重心从开店转向守点的原因。不同点位类型的协议条件差异进一步放大了这个效应。

测算框架是一条可相乘的因子链：单台十年净收益 = 年流水 × 十年 − 年成本 × 十年 + 残值。参数全部有外部锚或显式假设，无外部锚的部分一律降级为定性讨论。

中性情景下，单台十年净收益约 3.5 万元（测算），对应年均约 3,500 元——这个数字远比招商叙事中的「年入十万」朴素。但要留意口径：它已扣除商品成本、租金、运维与折旧，未扣除资金成本、点位获取成本与管理人力分摊。

以下风险与正文判断一一对应，按「自身经营—行业结构—政策外部」三类列示：

1. （一）点位租金上行吞掉净收益率
2. （二）单台流水不及预期
3. （三）设备可靠性与缺货损耗
4. （四）品类结构与毛利错配
5. （五）点位续约与审批不确定
6. （六）设备更新与折旧压力
7. （七）财商教育与投资边界提示

对号入座：（一）对应第五章与第六章，租金占流水约 18%，一旦租金上行将直接反映在回收期上；（二）对应第三章，单台流水高度依赖点位质量；（三）对应第六章，可用率下降会等效削减流水；（四）对应第五章，品类毛利差异可达 20 个百分点以上 [8]；（五）对应第七章，点位获取的审批与续约存在不确定性；（六）对应第四章，折旧年限差异会改变十年净收益的分母。

财商教育风险提示：本报告属于行业研究性质的财商教育内容，不构成任何投资建议、金融产品推介或收益承诺。文中出现的静态回收期、十年净收益等测算结果，均为基于公开资料与假设条件的推演，不代表任何真实项目的实际经营成果，亦不构成对任何主体未来收益的预测或保证。读者据此进行投资、加盟或经营决策的风险与后果由读者自行承担。市场有风险，决策需谨慎。

结论一：自动售货是薄毛利、高周转、重点位的选择题。单台年流水约 5.2 万元（测算），净收益率仅约 1%（测算），任何一项成本上升一个百分点都会直接抹平全部利润。结论二：静态回收期对单量与租金的敏感度接近等权（测算），点位谈判能力是这门生意最重要的能力，而不是设备选择。结论三：无人店的运维成本优势只在点位密度足够时才成立（测算），形态选择的本质是人力配置而非技术层级。

1. 单台日均单量的分位数（验证点位质量分布，证伪线为中位数超过 30 单）；
2. 点位租金占流水比重年度读数（验证成本结构，证伪线为长期低于 8%）；
3. 设备可用率与缺货频次（验证运维假设，证伪线为可用率低于 92%）；
4. 分品类毛利率变化 [8]（验证毛利杠杆，证伪线为品类毛利差异收敛至 5 个百分点内）；
5. 点位续约率与新点位获取成本 [10]（验证守点策略，证伪线为续约率跌破七成）。

本报告共设六条可证伪链，覆盖摘要驱动结构、点位质量、成本结构、回收期敏感度、形态取舍与规模预测。每条链均给出依据、边界、反面证据、跟踪指标与证伪条件。

本报告所有关键数据均按四档标注数据来源档次，以区分证据强度与可复核性：

• [T1]一手或官方口径：上市公司公开年报、政府与行业协会正式发布的统计，可直接复核；
• [T2]机构二手口径：咨询机构、行业研究与专业数据库的整理数据，口径可能存在差异；
• [T3]媒体转引口径：媒体报道或企业对外宣传口径，未经独立审计，仅作参考；
• [缺口]数据缺口：无法获得可靠来源的数据，本报告一律降级为定性讨论或不写。

所有标注「测算」的数字，均为本报告基于外部锚参数推算的结果，推算公式与参数取值在正文中逐项给出；测算值与外部锚存在偏差时，均在正文标注对账结果。不同机构因统计口径差异（如保有量含不含非运营设备、流水含不含非饮品品类），同一指标可能存在数值差异，以原始口径为准。