Sereact 获 1.1 亿美元 B 轮融资：用“会做梦”的机器人 AI 把仓库自动化率拉到 99.99%

在仓库机器人领域，大多数公司还在炫耀自己部署了多少台机器、完成了多少次抓取，而德国斯图加特的 Sereact 却抛出了一个近乎挑衅的数据：每 53,000 次抓取才需要一次人工远程干预。这不仅仅是效率的提升，它暗示着一种根本性的转变——机器人正在从“被编程的工具”进化为“能自主决策的智能体”。这家公司刚刚完成的 9300 万欧元（约合 1.1 亿美元）B 轮融资，由 Headline 领投，Bullhound Capital、Daphni、Felix Capital 等跟投，老股东 Air Street Capital、Creandum、Point Nine 继续加注，让这场关于“机器人想象力”的赌注变得更加真实。

不是更快的机械臂，而是会“做梦”的 AI 大脑

Sereact 的核心产品是名为 Cortex 2.0 的视觉-语言-动作（VLA）模型。这个命名本身就透露了野心：它不再是一个简单的抓取算法，而是一个试图理解物理世界运行逻辑的 AI 系统。CTO Marc Tuscher 那句“机器人在潜在空间中做梦”并非营销话术，而是技术路线的直白宣言——Sereact 的机器人不是通过预设的规则来行动，而是通过海量数据训练出的“直觉”来预判物体的物理特性、抓取角度和运动轨迹。

这种能力在仓库场景中意味着什么？传统的机械臂只能处理事先定义好的、形状规则的物品，而 Sereact 的系统能应对电商仓库里千奇百怪的包装——从易碎的玻璃瓶到软塌塌的塑料袋，从反光的金属罐到透明薄膜包裹的盒子。公司声称，其系统已经完成了超过 10 亿次实际生产抓取，部署超过 200 套系统，覆盖欧洲多个国家。更重要的是，99.99% 以上的自主率意味着，在绝大多数情况下，系统不需要人类“救场”。

这个数字的含金量需要放在行业背景中看。许多竞争对手的远程操作率在 1% 到 5% 之间，这意味着每 100 次抓取就有 1 到 5 次需要人工介入。Sereact 将这一比例压缩到了几乎可以忽略不计的程度，这直接决定了仓库运营的边际成本——人工远程操作虽然比现场操作便宜，但仍然是成本，而且会限制系统的扩展速度。

它的客户名单很短，但电费账单很长

Sereact 的客户清单令人印象深刻：BMW、PepsiCo、Mercedes-Benz、Daimler Truck、奥地利邮政，以及 bol.、Active Ants 等欧洲电商履约服务商。这些名字代表了两个截然不同的市场——一边是汽车制造商的零部件仓库，需要处理成千上万种不同形状和重量的金属零件；另一边是消费品和电商的履约中心，面对的是高度异质化的包装商品。

这种客户组合本身就是一种战略声明：Sereact 的系统足够通用，可以跨越行业边界。CEO Ralf Gulde 强调“你不能在实验室里构建真正的机器人 AI”，这句话的潜台词是，只有通过在不同场景中的真实部署，才能积累足够多样化的数据来训练模型。200 套系统、10 亿次抓取，这个数据飞轮正在成为 Sereact 最核心的竞争壁垒——竞争对手可以复制硬件，可以复制算法架构，但无法复制这 10 亿次真实物理交互产生的训练数据。

但值得注意的是，这些大客户目前都还处于“试点”或“部分部署”阶段。BMW 和 Mercedes-Benz 这样的汽车巨头通常不会轻易将核心物流环节交给一家初创公司，它们更倾向于先在非关键区域测试，然后逐步扩大。Sereact 能否从“客户的实验项目”转变为“客户的标准配置”，将是决定其能否从千万级营收跃升到亿级营收的关键。

硬件无关的野心与“卖铲子”的商业模式

Sereact 最聪明的战略选择或许是“硬件无关”（hardware-agnostic）。它的 AI 大脑可以运行在任何品牌的机器人上——无论是 Fanuc、KUKA、ABB 还是优傲。这意味着 Sereact 不需要像很多同行那样投入巨额资金研发和制造硬件，也不需要承担硬件供应链的风险和库存压力。

这种“卖铲子”的商业模式在 AI 领域已经被证明是高效的。就像 Nvidia 不直接生产自动驾驶汽车，但为所有自动驾驶公司提供算力一样，Sereact 试图成为机器人领域的“操作系统层”。对于客户来说，这意味着更低的切换成本——他们可以继续使用现有的机器人硬件，只需加上 Sereact 的软件即可获得自主抓取能力。

然而，这种模式也有其脆弱性。硬件无关意味着 Sereact 无法像垂直整合的公司那样，通过软硬件协同优化来达到极致的性能。当竞争对手推出专门针对 AI 抓取优化的新硬件时，Sereact 可能会在性能上落后。此外，硬件无关也意味着 Sereact 的定价权受到限制——它无法像 Apple 那样通过封闭生态获取高额利润，而必须与硬件厂商分享价值。

欧洲的机器人雄心与波士顿的桥头堡

Sereact 计划在波士顿开设首个美国办公室，这标志着其国际化战略的正式启动。波士顿是美国机器人产业的中心之一，聚集了 iRobot、波士顿动力等知名公司，以及 MIT 等顶尖研究机构。选择波士顿作为美国总部，既可以吸引人才，也便于接触北美的大客户。

但 Sereact 面临的挑战不容忽视。美国市场已经存在一批强大的竞争对手，包括 Amazon Robotics（虽然其系统更侧重于货架搬运而非抓取）、RightHand Robotics（专注于单件抓取）、Covariant（同样使用 AI 进行机器人抓取，且已经获得了大量融资）。Covariant 在 2023 年完成了 7500 万美元的融资，其核心思路与 Sereact 高度相似——用 AI 模型让机器人学会处理未知物体。两家公司正在直接竞争同一个市场。

Sereact 的欧洲背景既是优势也是劣势。优势在于，欧洲的劳动力成本更高、工会力量更强，企业有更强的动力采用自动化解决方案；劣势在于，欧洲的科技融资环境不如美国成熟，且欧洲客户往往更保守，决策周期更长。Sereact 要想在美国市场站稳脚跟，需要证明其系统不仅能在欧洲的仓库中工作，也能适应美国电商和物流行业的特殊需求——比如处理更大尺寸的包裹、适应更高的吞吐量要求。

数据飞轮的真实转速：从 10 亿到 100 亿的跨越

Sereact 目前最有力的竞争武器是它的数据飞轮。10 亿次实际抓取产生的数据，让它的模型能够不断自我进化。CEO Gulde 宣称“没有人接近”这个数据量，这并非没有根据——大多数竞争对手的部署规模还停留在几十套系统的水平，累计抓取次数可能只有几百万到几千万。

但数据飞轮也有其物理极限。仓库中的物品虽然多样，但并非无限。一旦模型已经见过足够多的常见包装类型，新数据带来的边际收益会递减。Sereact 需要证明，它的模型不仅能在已知场景中表现优异，还能在遇到全新物体时保持高自主率。这才是真正的“通用机器人智能”的试金石。

另一个隐忧是，Sereact 的客户目前主要集中在欧洲。欧洲的电商包装习惯、商品种类和物流流程与亚洲、北美有显著差异。如果 Sereact 的数据飞轮主要基于欧洲数据训练，那么它在美国或亚洲市场可能会遇到“水土不服”的问题。公司需要尽快在美国建立部署点，开始收集北美数据，才能保持数据飞轮的全球有效性。

Sereact 的 9300 万欧元融资，是对“机器人 AI 大脑”这一赛道的一次重注。它的技术路线清晰——用 VLA 模型替代传统编程，用数据飞轮构建壁垒；它的商业模式聪明——硬件无关，降低客户进入门槛；它的客户背书有力——BMW、PepsiCo 这样的名字足以让其他潜在客户认真考虑。但真正的考验才刚刚开始：它需要证明 10 亿次抓取的数据优势能够转化为持续的竞争优势，需要证明硬件无关的策略不会成为性能天花板，更需要证明自己能在 Covariant 等强敌环伺的美国市场杀出一条血路。机器人 AI 的竞争，已经从“谁能抓起来”进化到了“谁能抓得更聪明、更便宜、更可靠”。Sereact 拿到了足够的弹药，但战争的胜负远未确定。