Market Sizing Framework

家用机器人市场规模测算框架

一套可复用的口径定义 → 多路径测算 → 数据源分级 → 交叉验证的完整作业方法，附可交互测算器与参数模板。

出具日 2026-10-01 适用：科技投行 / FA / 投资人 / 产业研究 证据完备度：中（有边界与锚点，缺官方全品类口径） 产业 MCP：三件套已调
先立规矩：家用机器人市场规模是"口径的函数"，不是"事实的函数"。 同一时点、同一品类，不同机构可以给出相差 2 倍以上的数字（本框架第 8 节给出真实案例）。因此本框架的第一性要求是： 先写口径声明，再报数字；任何未声明口径的规模数字，一律视为不可用。

1框架总览

五步闭环：锁口径 → 定分母 → 多路径测算 → 交叉验证 → 区间输出。

步骤动作核心问题产出物不可省略的原因
S0锁口径 算的是"窄（清洁类）／中（+家务陪伴）／宽（+人形通用）"哪一档？报的是硬件收入还是含耗材订阅的总收入池？ 《口径声明》一段话决定性
S1定分母 渗透率的分母是谁？全部家庭，还是"场景适配家庭"（有院、有硬质地板、收入达阈值）？ 有效分母 Heff 与其推导决定性
S2分品类取数 每个品类的销量 Qi 与均价 ASPi 各来自哪个机构、哪个时点？ 基准年量价表（含来源标注）主路径
S3交叉验证 量×价 是否等于第三方公布的金额？上下两条路径的结果是否同量级？ 三角校验表 + 偏差归因主路径
S4情景输出 渗透率、均价、更新周期三变量在保守／基准／乐观下的区间是多少？ 区间结论 + 假设表 + 敏感性矩阵必备
一句话记法：分母定一半，口径定另一半，路径只是交叉验证工具。

2口径层：品类树与三档边界

"家用机器人"不是一个品类，是一个筐。先决定筐里装什么。

2.1 三档口径对照

口径包含品类典型特征适合回答典型年规模量级（中国 2025）
窄口径
最常用		 扫地/拖地机器人、擦窗机器人、泳池清洁机器人、割草机器人 自主移动、任务单一、商业化成熟、有连续的第三方零售监测 "这个赛道有多大"、"龙头能拿多少" 约 220–600 亿元
（含出口/全球口径差异极大）
中口径
投资常用		 窄口径 + 陪伴/教育机器人、宠物机器人、厨房料理机器人、养老居家辅助机器人 品类边界模糊、第三方监测覆盖弱、部分品类与"智能家电"重叠 一级市场赛道判断、平台型公司 TAM 约 300–800 亿元
置信度显著低于窄口径
宽口径
慎用		 中口径 + 家用人形机器人、通用家务机器人 绝大部分是"潜在"而非"已实现"；出货量极小但想象空间极大 远期叙事、终局规模（必须标"预测"） 当期不足百亿
2030 预测可差 10 倍

2.2 各品类的"入筐 / 出筐"判定线

以下边界来自产业知识库（通识口径）与本框架的方法学补充。判定线的价值在于：争议品类的归属会直接改变规模数字。

品类入筐（属于）出筐（不属于）规模测算时的关键分歧点
扫地/拖地机器人 自主导航、自动完成地面清洁的圆盘形设备（含自清洁基站款） 人工操作的立式/手持吸尘器；纯手动拖把 是否含自清洁基站的"系统"收入；基站耗材（尘袋、拖布）是否计入
洗地机易误入筐 — 不属于：洗地机是人工手持工具，不具备自主移动能力 国内部分报告把扫地机+洗地机合称"清洁电器"，两者 2025 年中国零售额分别为 213 亿与 162 亿元，混用会使规模虚增约 76%
割草机器人 自主执行草坪修剪的庭院机器人（埋线款与无边界款均计入） 手动推式/骑式割草机；非割草类园艺机器人（吹叶、修枝） ①分母是"全部家庭"还是"有草坪的独栋住户"；②住宅 vs 商用（高尔夫/市政）是否合并；③"出货"与"装机/激活"口径差异
擦窗 / 泳池清洁机器人 在住宅内完成特定清洁任务的自主设备 商用幕墙清洗设备；商用泳池设备 第三方监测覆盖极弱，多数只能靠厂商出货 + 电商渠道反推
陪伴/教育机器人边界模糊 具备实体、可移动、能主动交互的社交机器人 纯语音助手、智能音箱、纯软件智能体、平板家教机 "主动交互"与"可移动"两条判定线一旦放松，会被智能音箱/学习机撑大数倍
养老/居家辅助机器人 居家场景的照护、康复陪伴设备 机构（医院、养老院）用专业设备；纯护理床、护理床垫等非机器人产品 居家 vs 机构口径不清是最大风险；公开数据多为含机构口径
家用人形机器人远期 拟人形态、面向家庭环境的通用任务机器人 工业/商用/科研人形；轮式底盘机械臂（形态不匹配） 当期出货量以"台"为单位都不够看（千台级），任何千亿级结论都是预测而非现状
知识库明确记录的缺口：产业知识库检索未提供"家用机器人全品类"的中国及全球分年、明确统计期的完整市场规模、出货量、渗透率、均价，也未给出不同区域与细分品类的测算约束差异。 → 这意味着不存在一个可以直接引用的"家用机器人市场规模"权威数字，必须靠本框架自建。

3测算路径：五条腿走路

不要只用一种方法。不同路径的偏差方向不同，交叉起来才能定位问题。

A自上而下：渗透率法
适用：有明确分母与渗透率数据的成熟品类
Heff = Htotal × 场景适配率 Q首购 = Heff × ΔP Q更新 = Heff × P0 × δ S = (Q首购 + Q更新) × ASP

优点：直观、参数少、便于做情景。缺点：分母一旦选错，结果整体偏移；适合做量级判断，不适合精确到个位数。

B自下而上：分品类加总
适用：所有品类；本框架的主力路径
S = Σi ( Qi × ASPi )

优点：最贴近可核对的一手数据（机构出货量 + 渠道均价），可逐项标注来源与时点。缺点：口径对齐工作量大，品类多时容易漏项或重复计。

C存量-流量模型
适用：做 3–5 年预测（替代渗透率线性外推）
Bt = Bt−1 × (1 − δ) + Qt δ = 1 / 平均使用寿命 Qt = Heff × ΔPt + Bt−1 × δ

优点：把"保有量"和"当年销量"分开，避免"渗透率线性外推"这种最常被投决会打回的算法。缺点：需要估计使用寿命 δ（扫地机约 4–5 年，对应 δ≈20%–25%）。

D供给侧反推：出口与厂商端
适用：交叉校验，尤其对中国厂商主导的品类
S终端零售 ≈ 出口额(FOB) × 渠道加价倍数 厂商出货合计 × ASP ≈ 全球终端规模

优点：中国厂商已包揽全球扫地机器人出货前五，供给端数据可得性好。注意：出口额是 FOB 口径，与终端零售额之间通常隔着 1.6–2.2 倍的渠道加价，不能直接等同。

E收入池：硬件 + 耗材 + 订阅
适用：评估企业真实可寻址收入与 LTV
S总收入池 = S硬件 + S耗材 + S订阅/服务

优点：避免低估平台型公司的天花板。缺点：耗材与订阅的公开数据几乎为零，只能用单机年耗材支出 × 保有量估算，误差大。报"市场规模"时必须显式声明是硬件口径还是总收入口径。

!不推荐的做法

✗ 直接引用研报里的一个万亿/千亿数字，不追一手来源与口径
✗ 把不同机构的数字做算术平均（口径不同，平均是伪精确）
✗ 把"预测值"和"实际值"放进同一张表相加
✗ 用"某公司出货 ÷ 全球出货"得到的份额去代表行业普查结果

4交互测算器

三条路径各自独立可算，参数已预置一组真实锚点（中国扫地机器人，2025 基准）作为起点。改数字即看结果，推导过程逐步展示。

有效分母 Heff
—万户
当年总销量
—万台
当年市场规模
—亿元
期末保有量
—万台
—

预填行标注了来源；标 待核 的行请自行替换为可溯源数据。逐行口径必须一致（同为终端零售额、同为同一地域与时点）。

品类出货量（万台）均价（元）规模（亿元）来源 / 口径标注
扫地/拖地机器人—奥维云网 AVC 推总，2025 中国零售量/额，引自科沃斯 2025 年报
割草机器人（住宅）—单一来源（第三方研究报告），口径为"中国出货"；与 IDC 全球口径不可混用，建议交叉验证后替换
擦窗机器人—公开监测覆盖弱，无可靠一手数据 → 待核，请用电商渠道或厂商出货补
陪伴 / 教育机器人—品类边界模糊，需先明确"可移动 + 主动交互"判定线 → 待核
养老 / 居家辅助机器人—公开口径多含机构场景 → 待核，须剥离非居家部分
洗地机（非机器人，对照行）—AVC 2025 中国（零售额 162 亿元）。不计入合计，仅作口径对照
窄口径（清洁类）
—亿元
中口径（+家务陪伴）
—亿元
已填行合计
—亿元
未填品类数
—个
—
当年更新替换
—万台
当年总销量
—万台
当年市场规模
—亿元
预测年末保有量
—万台
—
预置参数的自我校验：路径 A 用"5.1 亿户 × 60% 场景适配 × 5.5% 渗透 + 20% 更新率 × 3165 元"算出约 203 亿元， 与路径 B 中 AVC 公布的 2025 年中国扫地机器人零售额 213 亿元偏差约 5%。 两组完全独立的数据能在 5% 内互相印证，说明分母（场景适配率）与更新率的取值是合理的——这正是交叉验证要做的事。

5变量字典

测算里所有会出错的地方，都是这几个变量。逐个钉死定义。

变量符号定义要点首选取数来源常见错误
家庭户数Htotal统计口径的"户"，非"人"；注意第七次人口普查基数与年度抽样推算的差异国家统计局《中国统计年鉴》用"人口数/3"当户数；用常住人口口径混户籍口径
场景适配率a真正具备使用条件的家庭占比（住房类型、地板材质、有无庭院、收入阈值）无现成数据，需自建：统计年鉴住房结构 × 收入分层最常被忽略直接用全部家庭当分母，导致渗透率被严重低估
渗透率P必须与分母配套声明。同一 5.5%，分母是全部家庭还是城镇家庭，含义完全不同Statista、AVC、IDC（多为一手机构测算，非普查）分母不声明；把"百户保有量"与"家庭渗透率"混用
更新/淘汰率δ= 1 / 平均使用寿命。扫地机约 4–5 年（δ≈20%–25%）；割草机更长无公开系统数据；用电商复购周期、厂商保修数据倒推把 δ 设为 0，等于假设永不换机，长期预测严重低估
出货量Qsell-in（厂商出货）≠ sell-out（终端零售）≠ 装机/激活量。三者可差 15%–30%IDC（全球）、AVC（中国零售）、海关总署（出口）混用三口径用 sell-in 乘终端零售价
均价ASP需声明是线上、线下、全渠道；是含税零售价还是出厂价AVC、GfK、电商平台监测用首发价或旗舰款价代替全品类均价
渠道加价倍数k终端零售额 / 出口 FOB 额，消费电子通常 1.6–2.2 倍由出口数据与终端零售额反算，分区域取把海关出口额直接当行业规模
时点as_of研报发布日 ≠ 数据统计期。两者都要标报告首页 + 数据表脚注时点错配把 2025Q1–Q3 的数据当作 2025 全年

6数据源体系（八级分层）

按"可核对性"排序，而不是按"知名度"排序。前两级定分母与量级，第三、四级定具体数字。

层级来源类别具体来源主要用途可信度 / 注意
L1官方统计 国家统计局（家庭户数、城镇化率、人均可支配收入、社零家电类、规模以上工业产品产量中的"服务机器人"）；工信部装备工业司机器人运行数据；海关总署 HS 编码进出口；各地统计公报 分母、宏观增速、出口侧校验 最高但官方"服务机器人"产量含商用，不能当家用口径
L2行业协会 / 官方智库 中国机器人产业联盟（CRIA）《中国机器人产业发展报告》；中国家用电器协会 / 全国家用电器工业信息中心；中国电子学会；国际机器人联合会 IFR《World Robotics》 产业整体量级、政策口径、国际对比 高IFR 以工业与服务机器人为主，家用清洁覆盖有限
L3商业研究机构 核心：IDC（全球/中国智能家居与扫地机器人季度追踪）、奥维云网 AVC（中国零售推总）
国际：GfK/NIQ、Counterpoint、Canalys、Omdia、TechInsights
国内：沙利文、艾瑞、头豹、赛迪顾问、中商产业研究院
海外综合：Global Market Insights、Mordor、MarketsandMarkets、Statista		 出货量、份额、均价、渗透率的主力来源 高（IDC/AVC）；二手转引机构口径普遍偏宽，须回溯一手
L4上市公司披露 科沃斯、石头科技、九号公司、安克创新、莱克电气、富佳股份、春光科技、德昌股份、美的/海尔/格力；海外 SharkNinja、iRobot
未上市：追觅、云鲸、MOVA、库犸、末岚大陆（九号子公司）、宝时得 WORX → 通过供应商公告、IPO 招股书、工商年报间接取数		 可核对的量价、份额、毛利率、"行业情况"章节常直接引用 IDC/AVC 高免费、有审计；但公司口径≠行业口径
L5渠道与交易数据 AVC 零售监测、魔镜市场情报、生意参谋、京东商智；Amazon Best Sellers 榜单与 Keepa 价格轨迹；众筹平台 Kickstarter / Indiegogo（新品类先行指标，如人形家务机器人） ASP、渠道结构、新品渗透速度、早期需求信号 中高电商数据偏线上，需补线下权重
L6一级市场与工商 IT 桔子、企查查、鲸准、烯牛数据、Crunchbase、PitchBook、Dealroom；产业基金动向（如追创机器人产业创投基金：100 亿成长期 + 10 亿中早期孵化） 玩家图谱、融资热度、赛道验证 中融资金额常含未披露部分，不可作市场规模证据
L7专利与技术 智慧芽 PatSnap、incoPat、Google Patents、WIPO 技术成熟度、进入壁垒、玩家技术路线 中专利数≠商业化能力
L8用户侧调研 自建问卷（建议 N≥800，分层：城市线级 × 家庭收入 × 住房类型）；GWI、凯度、尼尔森消费者研究；电商评论 NLP 情感挖掘 支付意愿、渗透意愿、价格带接受度、场景适配率校准 高（若自建）是校准"场景适配率"的唯一可行手段

6.2 按变量速查：这个数该去哪儿取

要取的数第一顺位来源第二顺位（交叉验证）备注
家庭户数 / 城镇户数国家统计局《中国统计年鉴》各省统计公报户均规模约 2.6 人，注意逐年下降
扫地机器人全球出货量IDC 季度追踪四大厂商年报"行业情况"章节2025 全球出货约 2412.4 万台（同比 +17.1%，IDC）
扫地机器人中国零售量 / 额奥维云网 AVC 推总上市公司年报 / 券商研报引述2025 中国零售额 213 亿元、零售量 673 万台
中国扫地机器人渗透率Statista / 机构测算自建：保有量 ÷ 有效分母公开值约 5.5%–6%，但分母普遍未声明
割草机器人出货量IDC（无边界款分类）海关出口量 + 厂商出货口径分歧最大见第 8 节案例
各品类均价 ASPAVC（线上/线下分列）GfK、电商平台监测须区分含基站系统价与单机价
出口额与出口量海关总署 HS 编码行业协会出口统计FOB 口径，需乘渠道加价倍数
厂商出货与份额IDC / AVC 份额榜厂商年报、IPO 招股书2025 全球前五均为中国厂商（石头 17.7%、科沃斯 14.3%、追觅 10.5%、小米 6.7%、云鲸 5.3%，IDC）
新品类早期信号众筹平台（Kickstarter / Indiegogo）电商新品榜、CES/IFA 展品清单人形家务机器人现阶段主要靠此判断
已获投创业样本IT 桔子 / 企查查产业 MCP 已获投样本检索用于验证赛道是否已形成共识
服务机器人产量（官方）国家统计局月度工业产品产量工信部运行月报含商用口径，仅作宏观景气参考（2026 年 8 月同比 +5.0%）

7交叉验证规程

测算结果出来之后的"自证清白"环节，也是投决会上最容易被追问的部分。

  1. 双源规则：任何一个进入结论的关键数字，必须有 ≥2 个相互独立的来源。
  2. 20% 阈值规则：两源偏差 > 20% 时，禁止取平均，必须先做口径对齐表（地域/时段/统计对象/sell-in or sell-out/含税与否），对齐后再判断谁更可信。
  3. 不加总规则：口径不同的数字只能并列，不能相加。（第 8 节案例 1 就是这条规则的实战演示）
  4. 回溯一手规则：凡引用"某研报称×××"，必须追到原始机构名 × 报告时点；追不到的一律降级为"参考信息"。
  5. 量价自洽规则：出货量 × 均价 应约等于第三方公布的金额，偏差 > 15% 就要查是量的问题还是价的问题。
  6. 路径互证规则：路径 A（自上而下）与路径 B（自下而上）的结果应在 ±20% 内；超出则说明分母或口径有系统性错误。
  7. 预测标记规则：所有预测值单列成表，标注假设与年份，不得与实际值混在一张表里相加。
推荐的交货格式：规模给"区间 + 中枢"，不给单点值。例如"2025 年中国窄口径家用机器人零售额约 220–260 亿元，中枢 240 亿元（口径：终端零售额，不含耗材与订阅）"。

8十个真实陷阱（附实例）

下面每一条都对应真实的公开数据冲突，是这套框架存在的理由。

陷阱 1 · 同一品类、同年份，机构间差 2.1 倍
2025 年全球割草机器人出货量：IDC 口径 199.2 万台（同比 +63.8%）；第三方研究报告口径 247 万台；另有报告口径 420 万台。 市场规模同样离散：34 亿美元 / 38.6 亿美元 / 46.8 亿美元 / 68.2 亿美元。
✓ 正确处理：分别标注"统计对象（住宅/含商用）"、"出货/装机"、"统计期"，四组数字并列，禁止求和或取平均。在本框架里，按 IDC 口径做基准，其余作为敏感区间上界参考。
陷阱 2 · 把非机器人品类装进筐
洗地机是人工手持工具，不具备自主移动能力。但 2025 年中国洗地机零售额 162 亿元，规模接近扫地机器人的 213 亿元，行业内普遍以"清洁电器"合并发布，稍不注意就会把家用机器人规模虚增约 76%。
✓ 正确处理：在口径声明里明确列出"排除项"，并单列对照行（本框架测算器路径 B 已内置该对照行，但不计入合计）。
陷阱 3 · 分母选错，渗透率失真
割草机器人的渗透率，若分母用"全部家庭"，在中国会得出极低的数字；但中国绝大多数家庭并无庭院，正确的分母应是"有草坪/庭院的独栋住户"。反过来，欧美用总数家庭当分母，渗透率则会被系统性低估。
✓ 正确处理：永远先算 Heff = Htotal × 场景适配率，并在报告里把这一个乘数单独列出来——它往往比渗透率本身更决定结果。
陷阱 4 · 用出口额代替终端市场规模
2025 年全球割草机器人进出口总额约 21.8 亿美元，而同期终端市场规模在 34–68 亿美元区间——出口额只有终端的 1/1.6 至 1/3。FOB 口径与终端零售额之间隔着渠道加价、关税与物流。
✓ 正确处理：出口额 × 渠道加价倍数（消费电子通常 1.6–2.2 倍）再与终端规模比较；倍数应由同一区域的出口与零售数据反算，不要拍脑袋。
陷阱 5 · 公司口径冒充行业普查口径
"某公司出货量 ÷ 全球总出货量 = 39% 市占率"这类计算，本质是公司自身出货除以机构估算的全球总量，双方统计对象未必一致（是否含代工、是否含海外子公司）。
✓ 正确处理：把这类数字标注为"公司/项目口径"，用于趋势判断可用，用于绝对份额结论需另找 IDC/AVC 的份额榜。
陷阱 6 · 把当年出货当保有量
当年出货量 ≠ 市场存量。保有量 = 累计出货 − 累计淘汰。用当年出货去乘单价得到的是"流量规模"，用保有量去乘单价得到的是"存量价值"，两者用途完全不同（前者看行业景气，后者看耗材/订阅的收入池）。
✓ 正确处理：走路径 C 的存量-流量模型，显式引入淘汰率 δ。
陷阱 7 · 忽略商用与机构场景
割草机器人中，住宅场景约占出货量的 76%–83%，其余为高尔夫球场、市政绿地、大型庄园等商用场景；养老机器人公开口径多含机构。混算会让"家用"规模显著高估。
✓ 正确处理：在数据源筛选阶段就按"住宅 / 商用"拆分，无法拆分的来源标注为"含商用，需折减"。
陷阱 8 · 时点错配：季度数据当全年
"2025 年前三季度全球扫地机器人累计出货 1742.4 万台（同比 +18.7%）"是 9 个月口径；而全年口径为 2412.4 万台。两者相差 38%，混用会直接导致结论失真。
✓ 正确处理：数据表强制包含"统计期"与"观测日"两列，两者缺一不得入表。
陷阱 9 · 用宽口径的远期预测支撑当期估值
家用机器人宽口径（含人形）的 2030 年预测，在不同机构之间可以差出一个数量级；而当前真实出货量仍在千台级。某机构预测全球具身智能市场 2025 年 120 亿美元 → 2030 年 850 亿美元（CAGR 47.5%），这属于"预测"，不能与当期实际值放在同一张表里。
✓ 正确处理：预测单列，标注假设（渗透率路径、价格下降曲线、技术成熟节点）；在估值模型里对预测值做折现，而不是直接乘市销率。
陷阱 10 · 用行业平均数冒充未披露公司数据
未上市公司的财务未披露时，用行业平均毛利率/均价代替，会让整个测算失去可辩护性——尤其在测算器里，一个拍脑袋的 ASP 会直接线性放大到结论。
✓ 正确处理：未披露即标"未披露"，用可比公司的区间作为敏感上/下界，而不是填一个单点值。

9落地 SOP（七步）

步骤动作具体操作可交付中间物
1写口径声明三档口径选一档，明确列出包含项与排除项（如"排除洗地机、排除商用"），声明是硬件口径还是含耗材订阅的总收入口径口径声明段（200 字内）
2定有效分母取家庭户数 → 施加场景适配率 → 得 Heff；把适配率的推导依据写清楚（住房结构、收入分层）分母推导表
3建基准年量价表按品类逐行填 Q 与 ASP，每行标注"机构 × 统计期 × 口径"，缺失行留空并写"待核"基准年量价表（即测算器路径 B）
4量价自洽检查验证 Q × ASP 与第三方金额的偏差；检查是否有品类重复计入（如扫地机与洗地机的边界）校验记录
5路径互证路径 A（渗透率）与路径 B（加总）并行算，偏差 > 20% 则回到第 2 步检查分母三角校验表
6供给侧校验用海关出口数据 + 主要厂商出货量合计做第三路验证供给侧校核表
7情景与输出渗透率增速、ASP 下行斜率、更新周期三变量做三情景；输出区间结论 + 假设表 + 口径声明结论页（一页纸）

9.2 敏感性设计（三变量三情景）

变量保守基准乐观为什么它重要
渗透率年变动+0.5 pp+1.0 pp+2.0 pp对成熟品类（渗透率已 5%+）影响最大；对 0 渗透的新品类影响较小
ASP 年变动−10%−5%0%价格战是行业常态；ASP 下行会吃掉量的增长，出现"量增额不增"
更新/淘汰率 δ15%20%25%决定存量替换盘的厚度；对 3 年以上预测影响迅速放大
输出建议：不做单点预测。给出 3×3 场景矩阵中的对角区间即可：如"2028 年中国扫地机器人零售额 240–340 亿元"。区间宽度本身就是结论的一部分——它诚实反映了不确定性。

10合规与披露边界

边界要求
事实 / 观点 / 假设 三分表格与正文中标明每一条的性质。第三方机构的出货量是"事实（机构口径）"，渗透率预测是"观点/假设"，自建的场景适配率是"假设"。
可溯源每个数字附"机构 × 报告时点"。转引研报数据必须回溯到一手机构；回溯不到的降级为参考信息，不进入结论。
不杜撰不编造 PE/估值、投资意愿、未披露企业的财务数据。未披露即写"未披露"，用可比区间替代单点值。
一方 / 公开信息分离可触达企业的一手信息与纯公开信息分栏存放，不得混入同一结论。
口径并列不加总不同机构、不同地域、不同统计对象的数据只能并列展示，不做求和与平均。
不替代专业意见本框架产出的是测算方法与区间估计，不构成投资建议；涉及法律、税务、审计口径的，须由持牌专业人士确认。
对外交付前自检：文中是否残留核验过程痕迹（如"某库未命中""待补来源"）？对外稿只应保留结论与已核实来源；核验过程留在内部底稿。