1872 完成 1500 万美元种子轮融资：当 AI 遇上重型钢结构，俄亥俄州如何打造“无人化造船厂”？
2023年深秋，美国俄亥俄州辛辛那提市的坎普华盛顿（Camp Washington）社区，一片沉寂已久的工业区里，铁锈与机油的气味尚未散尽。但在这座曾见证美国工业辉煌的老工业城市腹地，一场与“锈带”命运背道而驰的变革正在无声酝酿。一家名为1872的初创公司，刚刚完成了一笔惊人的1500万美元种子轮融资，而它的目标听起来像科幻小说里的情节：在俄亥俄州打造一座真正的“无人化造船厂”——一个由AI大脑指挥重型机器人，自主完成从钢材切割、焊接、装配到最终检验的钢铁巨兽。
这不仅仅是一家初创公司的融资新闻。在2027年的目标时间线背后，隐藏着一个关于美国制造业焦虑、技术代际断层、以及一群偏执的工程师如何用物理世界AI挑战“不可能三角”的故事。当全球都在追逐生成式AI的虚拟幻境时，1872选择了一条更硬核、更危险、也更具颠覆性的道路：让AI真正走进重型钢结构工厂，去焊接那些重达数吨的船体分段。
“锈带”的觉醒：俄亥俄为何成为“无人化”的试验场？
如果你打开美国制造业地图，俄亥俄州是一个无法忽视的坐标。这里曾经是“世界工厂”的心脏地带，拥有庞大的钢铁产能、熟练的机械工人和完整的供应链。但近半个世纪的去工业化浪潮，让这里留下了大量废弃的厂房、锈蚀的设备，以及一个深刻的社会问题：技术工人严重老龄化，年轻一代几乎不再愿意踏入焊花飞溅、噪音刺耳的车间。
“我们正面临一场史诗级的劳动力危机。”1872的联合创始人兼CEO丹·萨默斯（Dan Summers）在接受采访时直言不讳，“美国目前缺少超过40万名熟练焊工，而这个缺口还在以每年数万人的速度扩大。没有年轻人愿意学焊接了，这被视为一份危险、枯燥、没有未来的工作。但与此同时，我们的国防造船业、基础设施建设和能源项目，对重型钢结构的需求从未如此迫切。”
这正是1872诞生的核心驱动力。萨默斯并非硅谷的AI布道者，而是一位在制造业和工业自动化领域摸爬滚打多年的老兵。他敏锐地意识到，传统的工业机器人（比如那些在汽车生产线上固定焊接车身的机械臂）无法解决重型钢结构制造的核心矛盾：非标、离散、高精度。造船、桥梁、大型储罐……这些场景的每一块钢板、每一个焊缝都是独一无二的，需要工人根据实时情况做出判断和调整。
“你不能用编程教一个机器人去焊一条10米长的、有变形的船体接缝。”萨默斯解释道，“你需要一个能‘看’、能‘思考’、能‘自适应’的物理世界AI系统。” 而俄亥俄州，恰好提供了这种技术落地的绝佳土壤：这里有深厚的工业Know-how、庞大的潜在客户群（如大型造船厂、工程承包商），以及相对低廉的电力与土地成本。更重要的是，州政府主导的“俄亥俄州基金” (The O.H.I.O. Fund) 为这种高风险、高回报的硬科技项目提供了关键的第一桶金——1500万美元的种子轮。
这笔资金不仅用于研发，更直接指向一个具体的地点：坎普华盛顿社区的一个旧厂房。1872计划将其改造为一座“自主钢构工厂”（Autonomous Steel Fabrication Factory），作为其技术验证与商业化的旗舰基地。这里将成为AI与重型钢结构碰撞的第一个“无人区”。
丹·萨默斯的“反硅谷”创业哲学：从焊接面罩到AI大脑
要理解1872的野心，必须先理解其掌舵人丹·萨默斯。他不是一个典型的硅谷连续创业者，没有光鲜的斯坦福CS学位，也没有在FAANG工作的经历。相反，他的职业生涯始于制造业的底层——他年轻时曾亲手拿起焊枪，在密歇根州的汽车工厂里工作过。这段经历让他对焊接的“肌肉记忆”和“工匠精神”有着近乎偏执的尊重。
“焊接不是简单的拼接。一个优秀的焊工，能通过听电弧的声音、观察熔池的颜色、感受送丝的速度，来判断焊缝的质量。这是几十年经验积累的艺术。”萨默斯说，“但问题是，这种艺术正在消亡。”
正是这种对“手艺”的敬畏与对“短缺”的焦虑，驱使他走上了与大多数AI创业者截然不同的道路。当别人在优化大语言模型、训练聊天机器人时，萨默斯在思考如何用AI去理解物理世界的“不确定性”。他组建的团队也极具“反硅谷”色彩：核心成员包括来自俄亥俄州立大学焊接工程系的教授、曾在通用电气（GE）负责重型机械自动化的资深工程师，以及来自Path Robotics（一家专注于焊接机器人的公司）的顶尖机器人专家。
“硅谷的AI是‘数字世界’的AI，它处理的是文本、图像和代码。而1872的AI是‘物理世界’的AI，它必须处理的是钢材的变形、焊丝的抖动、电弧的漂移，以及车间里无处不在的灰尘和震动。”萨默斯强调，“这完全是两个维度的挑战。我们的AI不能只给出一个概率答案，它必须输出一个精确到毫米的机器人运动轨迹，并且要在一个不可预测的物理环境中实时调整。”
这种“反硅谷”的务实哲学，也体现在1872的融资策略上。他们没有追逐那些追逐热点的沙丘路VC，而是选择了与俄亥俄州深度绑定的“俄亥俄州基金”。这不仅是资金，更是一种战略背书。“我们需要的是理解制造业周期、能忍受长回报周期、并且能帮助我们对接国防和重工业客户的耐心资本。”萨默斯说。
从“视觉感知”到“运动智能”：如何让AI看懂并焊好一万吨钢材？
1872的技术核心，并非单一的“黑科技”，而是一套深度融合的“感知-决策-执行”闭环系统。这远比大多数人想象的复杂。
第一层：物理世界AI软件——让机器“看见”并“理解”
传统的工业机器人大多依赖“示教器”编程：工人手动引导机器人走一遍路径，机器人之后便重复这个动作。但对于重型钢结构，这种方法完全失效。因为每块钢板的尺寸、形状、坡口角度都存在毫米级偏差，而且焊接过程中钢材受热会变形。
1872的解决方案是：给机器人装上“眼睛”和“大脑”。他们开发了一套基于深度学习的计算机视觉系统，能够实时扫描三维空间中的待焊工件。不同于常见的2D视觉，这套系统融合了激光雷达、结构光和多光谱摄像头。它能在高亮、高反光的金属表面，以及焊花飞溅的恶劣环境下，精确识别出焊缝的位置、宽度、深度和形状，甚至能“看到”钢材内部的应力变形。
“我们的AI模型是在数十万小时的真实焊接数据上训练的。”萨默斯透露，“我们甚至专门搭建了一个实验工厂，让焊工们戴上各种传感器去焊接，记录他们的眼睛运动、手腕发力、送丝节奏，然后将这些‘工匠经验’数字化，转化为AI可以理解的奖励函数。”
第二层：自适应运动规划与控制——让机器人像人一样“灵活”
“看见”只是第一步。更难的是如何“行动”。一个重达数吨的机器人手臂，要在一个动态变化的环境里，以毫米级的精度完成复杂的焊接路径。这需要极其强大的运动规划与控制算法。
1872没有采用传统的基于模型的规划方法，而是引入了深度强化学习（DRL）和模仿学习。AI系统在虚拟环境中进行数百万次模拟焊接，学习如何在焊枪角度、送丝速度、电弧电压、行走速度等多个参数之间找到最优平衡点。更重要的是，它能实时处理“扰动”。比如，当焊接过程中钢板因受热发生微小变形时，AI系统能立刻通过视觉反馈，在毫秒级内重新规划机器人下一个动作，自动调整焊枪的轨迹和姿态，确保焊缝质量始终稳定。
第三层：与Path Robotics的“灵魂共鸣”
1872的技术路线图上，有一个关键的合作伙伴：Path Robotics。这家同样位于俄亥俄州的明星公司，是工业焊接机器人领域的颠覆者，其核心产品就是一套能够自主规划焊接路径的AI系统。1872与Path Robotics的关系并非简单的供应商或客户，而是一种深度的技术协同。
“Path Robotics解决了‘如何让机器人自主焊接’的问题，而1872要解决的是‘如何让整个工厂自主运行’的问题。”萨默斯解释道，“我们需要将Path的AI与我们的工厂级调度系统、物料搬运系统、质量检测系统无缝集成。这相当于从单点自动化升级为系统级自动化。”
在1872的自主工厂蓝图里，Path Robotics的机器人是“执行单元”，而1872自研的物理世界AI软件则是“大脑中枢”。这个大脑不仅要指挥焊接，还要协调龙门吊、AGV小车、自动切割机、无损检测设备等所有元素，实现从钢板入库到成品出库的全流程无人化。
2027年“无人化”倒计时：造船厂里的“特斯拉超级工厂”
1500万美元的种子轮融资，对于一家试图打造“无人化造船厂”的公司来说，似乎只是杯水车薪。但萨默斯对此有着清晰的路线图和时间表。他将2027年设定为“全面自主工厂”的最终目标，并采取了一种极其务实的“渐进式自主”策略。
第一阶段（2024-2025）：人机协作，攻克核心工位
在坎普华盛顿的旗舰工厂里，初期并非完全无人。1872将首先在几个核心工位（如船体分段的主焊缝焊接、复杂节点焊接）部署其AI机器人系统，由少量经验丰富的焊工担任“监督员”和“教练”。AI系统会学习焊工的操作，同时自主完成大部分重复性、高强度的焊接任务。这个阶段的目标是：将单个工位的生产效率提升300%，并将焊接缺陷率降低80%。
“我们不会一开始就追求100%的自动化。”萨默斯强调，“制造业不是软件行业，不能‘快速试错’。我们必须确保每一个焊缝都通过X光检测。所以，第一阶段的核心是让AI与人类工匠磨合，建立信任，同时积累海量的真实场景数据。”
第二阶段（2025-2026）：局部自主，打通生产孤岛
在验证了核心工位的可靠性后，1872将开始打通工厂内部的物料流和信息流。通过部署AGV和自动龙门吊，实现板材的自动配送；通过集成在线检测系统，实现焊接质量的实时监控与自动反馈。这个阶段的工厂，将实现几个关键工艺环节的“无人值守”，但整体生产调度仍由人类控制中心负责。
第三阶段（2027）：全面自主，定义新制造范式
最终的2027年目标，是实现“黑灯工厂”式的全面自主化。届时，工厂的ERP系统、MES系统、AI调度系统与所有机器人设备将完全打通。从订单下达、钢材采购、切割下料、组对焊接、质量检测到成品发货，整个流程由AI自主决策和执行，人类只需进行远程监控和异常处理。
“我们不是在造一个普通的工厂，我们是在造一个‘制造工厂的工厂’。”萨默斯描绘了一个更具野心的愿景，“一旦这套系统在造船领域跑通，它可以被复制到桥梁、大型储罐、海上风电基础结构等任何重型钢结构制造领域。这将是制造业的‘特斯拉超级工厂’时刻——通过AI重新定义生产流程，实现成本、效率和质量的数量级跃升。”
“锈带”新叙事：AI能否拯救美国制造业的“工匠之魂”？
1872的故事，不仅仅是关于一家公司的崛起，更是关于一个区域、一个产业的自我救赎。在“锈带”地区，无数老工厂关闭，工人失业，社区凋敝。但1872提供了一种截然不同的未来：不是用AI取代工人，而是用AI去延续和放大那些即将失传的“工匠之魂”。
“我们的目标不是消灭焊工这个职业，而是重新定义它。”萨默斯纠正了许多人对自动化的误解，“未来的焊工，不再需要穿着厚重的防护服在恶劣的环境里挥汗如雨。他们可以坐在控制室里，通过AR眼镜和触控屏，同时监控和指导多台AI机器人。他们的工作将从‘体力劳动’升级为‘脑力劳动’——成为AI的训练师、工艺的优化师和系统的维护师。”
这种叙事，对于正处于“再工业化”焦虑中的美国来说，具有强大的吸引力。拜登政府的《芯片与科学法案》和《通胀削减法案》刺激了美国本土的制造业回流，但回流的前提是必须有足够的工人。如果AI能够弥补数百万的劳动力缺口，同时提升生产效率，那么“锈带”就有可能重新成为全球制造业的创新引擎。
然而，挑战同样巨大。首先，技术风险依然存在。物理世界AI的鲁棒性、复杂环境的适应性、以及极端情况下的安全性，都还需要大量验证。其次，成本问题。一套高度自动化的重型钢结构工厂，初始投资极其高昂，对于大多数中小型承包商来说难以承受。1872必须证明其技术能够带来足够显著的投资回报率。最后，是来自传统势力的阻力。强大的工会、对技术不信任的工人、以及复杂的行业监管，都可能成为前进路上的绊脚石。
从“铁锈”到“硅基”：一场关于制造业未来的豪赌
站在坎普华盛顿社区的旧厂房前，丹·萨默斯的目光穿过锈迹斑斑的钢架，仿佛已经看到了2027年那个由AI驱动的、寂静而高效的“钢铁丛林”。1500万美元的种子轮，只是这场豪赌的入场券。真正的考验，在于能否将实验室里的算法，变成车间里稳定、可靠、经济的生产力。
1872的故事，是“锈带”地区在AI时代最激进的叙事之一。它试图证明：制造业的未来，不在于将工厂转移到劳动力更便宜的地方，而在于用AI去创造一种全新的、不受制于人类的物理生产力。如果成功，俄亥俄州将不仅仅是一个“制造”中心，更将成为“制造AI”的中心。如果失败，它将成为又一座在技术浪潮中搁浅的“铁锈”纪念碑。
但无论如何，当AI的算法开始理解焊花的语言，当机器人的手臂学会模仿工匠的韵律，一个关于制造业的古老故事，正在俄亥俄州的土地上，被重新书写。这场从“铁锈”到“硅基”的转变，注定不会一帆风顺，但它所指向的那个“无人化”的未来，已经不可逆转地，被推上了历史的台面。
