构建规模化发展的机器人业务

如今，应用型机器人创业者可用的许多工具在一两年前还不存在，其发展速度之快甚至连从业者都为之瞩目。乌里·日林斯基曾在 Waymo 担任高级工程师近八年，目睹该领域从基于规则的层级系统缓慢而艰难地转向端到端人工智能。随后在物理智能（全球资金最充裕的机器人实验室之一）工作的数月间，他见证了同样的变革进程。”项目启动时，我们根本没想到半年内就能研发出能叠衣服的机器人。”他说道。

在贝塞麦 2026 年 3 月于旧金山举办的首届机器人日活动中，现任 Mind Robotics 创始技术成员的尤里，与 Bellboy Robotics 创始人兼首席执行官桑迪·赫夫茨、Covariant 前首席执行官特德·斯廷森共同参加了一场小组讨论，由投资人亚历山德拉·苏金主持。这三位领导者曾在亚马逊、Waymo、Covariant 等全球顶尖机器人机构任职，如今正在酒店、仓储中心和汽车工厂部署机器人。

在此，他们分享了他们认为每位应用机器人创始人应当掌握的要点：从如何选择垂直领域，到如何为那些尚无职位描述的角色招聘人才。

1. 在买家已准备好接受机器人的领域进行构建

选择机器人垂直领域需要权衡多种因素。但对于 Bellboy Robotics 的 CEO 桑迪·赫夫茨而言，最关键的信号是：”最适合构建的地方，正是痛点足够强烈、让机器人技术受到欢迎的领域。”她表示。对于她的公司而言，酒店行业符合这一标准。许多客户正面临严重的人力短缺问题——某家拥有 600 间客房的酒店，每日需 150 名员工才能完成客房周转。这些持续存在的痛点，让潜在客户更愿意尝试新技术来缓解压力。

酒店成为理想的垂直领域还有其他几个原因。环境结构清晰：房间布局可预测，照明可控，任务可重复。重要的是，这些任务可迁移至许多行业。在 Bellboy 的机器人完善了洗衣分类任务后，开始有洗衣公司主动联系他们购买机器人。如今团队正逐步拓展至活动场馆领域，在那里部署机器人完成活动桌位布置工作。

Ted Stinson，Covariant 前首席执行官，回忆起公司早期与客户交流的情景，旨在为团队正在开发的技术确定最佳应用场景。物流看起来是一个有吸引力的垂直领域，因为其任务具有半结构化特点，并且运营规模庞大。“我们当时不知道的是，后来发现这个领域之所以成为绝佳的起步垂直市场，是因为客户需求的紧迫程度，”他表示。

2. 构建全栈式方案带来最深的客户贴近度，但合作关系正成为日益可行的替代方案

在 Covariant 成立初期，团队曾坚信可以保持纯模型公司的定位，通过与传统自动化供应商合作触达客户，同时专注于智能层。虽然这在理论上是一种优雅的战略，但在实践中却造成了障碍。”客户洞察的获取速度和深度，严重限制了我们构建公司的能力，”Ted 表示。团队最终决定转型为全集成机器人系统公司，自主掌控硬件、部署流程以及客户关系。

然而，泰德不愿将他的经验直接套用在今天的创业者身上。他指出，如今的生态系统与七年前已大不相同。”我看到越来越多传统机器人和集成商有潜力成为优秀合作伙伴，”他说道。尽管全栈模式仍能带来最深的客户洞察和最紧密的反馈循环，但在适当条件下，建立卓越的合作伙伴关系如今已成为一个切实可行的战略选择。

3. 不要过早定义你的垂直领域或技术栈

业内一些人预计垂直机器人公司将在未来十年占据主导地位，而另一些人则认为整合不可避免，最成功的应用机器人企业最终会集中在少数应用领域。但正如 Ury 所指出的，这两种观点都基于一个尚未满足的前提条件：硬件需要足够可靠，以便在其上构建一个干净的堆栈。Ury 表示：“目前还没有明确验证过的实体能够完美应对所有场景。你可以说人形机器人能解决所有问题，但这在实践中很难实现。”

“要做到清晰的划分，有人打基础，有人只构建大脑，你确实需要确保基础足够牢固且能解决问题，”乌里说道。他认为，在此之前，掌握更多技术栈并能协同迭代各个环节的公司，会比过早专注单一层面的企业走得更快。

桑迪在贝尔博伊的经历展示了这一过程在实际操作中的样貌。贝尔博伊最初专注于酒店场景，随后扩展至更广泛的洗衣应用领域，如今正为活动场馆布置餐桌。她指出，“垂直领域是个宏大的概念”，并强调将行业与底层任务剥离开来的难度。连接酒店与洗衣服务的纽带并非行业本身，而是任务类型以及机器人所需适应的环境层面。

机器人在特定环境中运行的时间越长，积累的上下文就越多，而这种上下文是竞争对手难以复制的。贝尔博伊部署机器人的每一栋建筑都会生成一个持久且专属该建筑的模型，该模型能够学习与之协同工作的人员的习惯，例如，它会知道三号电梯比二号电梯更慢。桑迪指出，这种特定场所的知识可能会以仅凭原始任务能力无法实现的方式，在不同用例之间迁移。

4. The hardest role to fill in applied robotics doesn’t have a job description yet  

在大多数应用型机器人公司中，人们本能地倾向于先招聘研究员和工程师，其他问题后续再解决。但这种做法往往忽略了负责弥合实验室与现实世界之间差距的关键角色。至关重要的是，这个差距恰恰是部署成败的关键所在。

“在实验室里让系统运行是一回事，”泰德说道，“真正看到它在现实世界中运转，并发现那些每两小时或每周才发生一次、此前未曾理解的问题，又是另一回事。但这些都会成为你的系统必须处理的实质性挑战。”要跨越这道鸿沟，需要有人在研究、产品与现实限制之间同时做出权衡决策。多数公司并未明确为此设立招聘要求，但当缺失这类人才时，便会切实感受到其影响。

“我们是通过艰难的方式才认识到这个岗位的必要性，”Ted 回忆道，“我们让一些最顶尖的研究人员去挑战这项任务，但没人愿意在肯塔基州路易斯维尔的分拨中心连续工作四周。”这段经历催生了一个现在被 Ted 称为现场部署工程师的岗位。这个岗位的理想人选需要具备技术能力，但不必是资深研究员，同时要有深刻的客户同理心，以及将现实洞察反馈给工程团队的沟通技巧。“目前还没有与之对应的经典岗位描述，”Ted 说。

5. 领域深度与信念对于融资工作至关重要

桑迪表示，一年半前让投资者相信物理 AI 即将迎来“ChatGPT 时刻”确实很困难。Bellboy 的首轮融资并非来自风投，而是来自一位拥有 170 家酒店、每天亲身面对这一问题的投资人。这使公司首次得以部署产品，并在受控环境之外获得了首个实证。“如今，市场存在真实需求，我们也有证据表明可以成功部署，因此规模化路径已清晰可见。”她说道。

但乌里认为，如今更具吸引力的融资资产是领域深度与真实愿景的结合。”归根结底，这取决于你对自己所构建之物的深刻理解，以及能否在真实环境中部署、学习、理解并从中汲取经验。”他说道。

然而，仅凭过去的部署成功和领域深度并不足够。“如今已有足够证据表明应用机器人技术是可行的，”Ury 表示，“现在人们寻找的不仅是理解应用场景的人，更是有梦想的人。”Ted 也强调了创始人远见的重要性：“Sandy 告诉我，她怀揣这个愿景已有十年之久，始终在思考并设想实现它所需的一切。”

6. 每一家机器人公司都在为使用并非为其设计的模型而付出代价。

当前多数机器人公司正基于语言和视觉模型进行开发，而非针对物理部署。尤里指出：”许多企业在沿用非专为机器人设计的现有框架。不少公司声称’增加数据、微调模型、预训练系统’，但这种做法反而拖慢了整体进度。”

在 Mind Robotics，他们的应对策略非常明确：直接在 Rivian 工厂车间收集以自我为中心的数据，而不是依赖借用的训练数据。Ury 表示：“我们的整个战略都基于在 Rivian 工厂收集数据的能力。在此基础上进行构建是根本，也是让我们达到相对较高性能的关键。”

第二个瓶颈加剧了第一个瓶颈。对于特别困难的任务，从模仿学习推进到强化学习需要从零开始构建复杂的基础设施，因为目前没有现成的解决方案。“我真的很想找到那种模式，”尤里说，“拥有这样的模式对所有人都有好处。”

7. 赢得未来十年的机器人公司，或许是那些专注于构建最佳集成方案的企业。

今天的工厂和仓库是为人类建造的，机器人只是围绕现有基础设施进行改造补充。泰德认为这种情况即将改变。”工厂和仓库的运营方式将越来越多地体现自动化优先的理念，”他说道。

各个部分已经逐渐成形。泰德表示：”硬件模块正在迅速变得像乐高积木一样，已经有一些了不起的公司正在构建物理智能层。”他将自己预见到的未来图景比作《星球大战》中的酒馆——一个充满各色各样的实体、各自行事却又奇妙共存的空间。

“我认为目前缺失的是快速集成并部署大规模定制化系统的能力，”他表示，“而如今我们在这方面的能力远比以往任何时候都更接近实现这一目标。”