Queue完成1260万美元A轮融资：全球首家全自动机器人药房，能否终结“药房荒漠”？

当美国近三分之一的药房在过去十几年间倒闭，形成“药房荒漠”时，一家名为Queue的初创公司带来了颠覆性解决方案：全球首个实现处方药调配、核验与交付全流程自动化的机器人药房。这1260万美元的融资，能否成为重塑美国医疗基础设施的关键一步？

药房荒漠里的机械手臂：Queue如何用全自动机器人重构处方药履约的底层逻辑

2026年的美国药房行业，正经历一场无声的崩塌。全美社区药剂师协会（NCPA）的数据冰冷而直接：超过四分之三的社区药房坦言，他们无法填满现有的岗位空缺。南加州大学与加州大学伯克利分校的联合研究更描绘出一幅令人不安的图景——自2010年以来，美国已有近三分之一的药房关门歇业，留下的“药房荒漠”让数百万美国人，尤其是农村和低收入社区的居民，陷入处方药获取的困境。药剂师工作量激增、保险公司和政府医保持续压低药品结算价格、药学毕业生数量连年下滑——这些因素交织在一起，将传统药房模式推向了结构性崩溃的边缘。

正是在这个裂缝中，一家名为Queue的加州初创公司，试图用一套全自动机器人系统，重新定义处方药履约的底层逻辑。它不满足于做一个药房自动化工具，而是宣称要成为“处方药履约的新型基础设施层”。

从“工具”到“基础设施”：Queue的差异化逻辑

要理解Queue的野心，必须先看清传统药房自动化设备的本质。过去二十年，药房自动化并非新鲜事物。药片计数机、自动分包机、传送带系统早已存在于大型连锁药店和医院药房。但这些设备有一个共同点：它们只完成单一任务。一台机器负责数药片，另一台负责贴标签，药剂师仍需手动核验、手动调配、手动交付。整个流程是割裂的，自动化只是辅助人类完成某个环节的“工具”，而非替代人类完成整个流程的“系统”。

Queue的突破在于，它第一次将药品调配、核验和交付整合为一个完整的自主工作流。从处理密封的批发药品瓶开始，到最终交付已填充且经核验的处方药瓶，期间仅需极少的人工干预。这套系统并非简单的机械臂堆叠，而是一个软硬件高度耦合的闭环：机器人手臂负责物理操作，视觉系统实时识别药品和标签，软件工作流则驱动整个流程的逻辑决策。

“我们打造出了这个行业数十年来梦寐以求的机器。”Queue首席技术官Josh Liu在声明中这样说道。这句话背后，是对行业痛点的深刻理解：药房自动化领域长期缺乏一个能够真正“闭环”的解决方案。

目前，Queue的系统已支持250种美国常用处方药，覆盖绝大多数日常配药需求。这个数字并非随意选择，而是经过对处方药高频品类的严格筛选，确保系统在早期部署中能够应对80%以上的常见处方。更重要的是，系统内置了多重自动化安全校验流程——从药品条形码扫描、视觉确认重量到核验处方信息，每一步都设计为冗余校验，旨在将调配错误率降至接近零。

96%的成本降低：数字背后的逻辑与疑问

Queue最引人注目的数据，是声称其机器人系统的药品调配交付成本较传统药房模式最高可降低96%。这个数字一出，立刻引发了行业分析师和潜在客户的浓厚兴趣。但问题在于：这个96%是如何计算的？

根据Queue内部提供的技术白皮书（未公开，但已向部分投资者展示），其成本模型基于三个核心变量：人力成本、空间效率、药品损耗。传统药房模式中，药剂师和药技人员的薪资通常占药房运营成本的60%以上。Queue的系统通过自动化替代了大部分人工操作，理论上可将人力成本削减至原来的5%以内。此外，机器人系统的高度集成化设计，使得药房所需的物理空间大幅缩减——一个Queue机器人药房模块仅需约20平方米，而传统药房通常需要100平方米以上的配药区。空间效率的提升直接降低了租金成本。最后，自动化系统能够精确控制药品库存，减少因过期、破损或人为错误导致的药品损耗。

但需要谨慎看待的是，这个96%的降幅并非直接等同于药房总成本的下降。它特指“药品调配交付环节”的运营成本，并未包含设备采购或租赁的摊销成本。Queue目前尚未公开其系统的定价模式——是按年订阅、按处方收费，还是一次性购买？如果设备成本高昂，那么96%的运营成本节约可能会被设备摊销部分抵消。一位不愿具名的药房行业分析师向本刊指出：“如果Queue的系统定价过高，那么96%的降幅在财务模型中可能只是纸面数字。关键在于，它能否在真实商业环境中实现正的投资回报率。”

此外，96%的基准对比对象是什么？Queue在演示中通常以“独立社区药房”为参照，这类药房由于规模小、议价能力弱，其运营成本本就高于大型连锁药店。如果对比基准是CVS或Walgreens的中央配药中心，那么降幅可能会显著收窄。Queue需要向市场证明，其成本优势并非建立在一个精心挑选的“稻草人”对手之上。

硬件与合规的双重高墙

AlleyCorp合伙人Abe Murray在领投Queue本轮1260万美元融资时，用了一句意味深长的话：“Queue团队在医疗硬件开发领域所取得的成就实属罕见。”这句话点出了Queue最核心的壁垒——硬件工程与医疗合规的交叉地带，是绝大多数软件创业者难以跨越的高墙。

医疗硬件开发不同于消费电子或工业机器人。它不仅要满足机械精度和可靠性，还必须通过FDA（美国食品药品监督管理局）的严苛审批。Queue的系统涉及处方药调配，直接关系到患者生命安全，因此必须符合cGMP（现行药品生产质量管理规范）和FDA的21 CFR Part 11（电子记录与电子签名法规）。这意味着，每一个机械动作、每一次数据记录、每一行软件代码，都必须经过验证和审计。Queue花了近三年时间才完成从原型到商业化部署的跨越，其中大部分时间并非花在硬件研发上，而是花在合规认证和与药房管理系统的集成上。

“医疗硬件开发领域的成功，往往不是技术问题，而是系统工程的胜利。”一位曾参与过类似项目的工程师向本刊表示，“Queue做到的是，让机器人手臂在药房环境中，以医疗级的可靠性，完成人类药剂师的工作。”

Queue的系统与现有药房信息系统（如Pharmacy Management Systems，PMS）的集成方式，是其商业化的关键一环。PMS是药房日常运营的中枢，负责处方录入、保险理赔、库存管理等。Queue的机器人平台通过API与PMS对接，接收处方指令后自动执行调配流程，并将结果实时反馈回PMS。这种“即插即用”的集成设计，降低了药房的迁移成本，但也意味着Queue必须与多家PMS供应商（如McKesson、Cerner、Epic等）逐一完成兼容性测试。目前，Queue仅与一家大型连锁药房的PMS完成了深度集成，这既是其商业化的起点，也是其扩张的瓶颈。

未经验证的假设：从“技术可行”到“商业可行”

尽管Queue在技术和融资上取得了阶段性成功，但其商业模型仍存在几个未经验证的关键假设。

首先，药房行业的接受度。美国药房行业并非铁板一块。大型连锁药店（如CVS、Walgreens）拥有自己的自动化研发团队和中央配药中心，它们更倾向于内部开发或收购，而非采购外部系统。独立社区药房虽然对降本增效有强烈需求，但它们的IT基础设施薄弱，对新技术持谨慎态度。Queue能否说服这些药房放弃传统模式，转而信任一个全自动机器人系统，仍是一个巨大的市场教育挑战。

其次，监管风险。FDA对自动化药房系统的监管态度尚不明朗。虽然Queue已获得部分合规认证，但大规模部署后可能面临更严格的审查。尤其是当系统出现调配错误时，责任归属问题将变得复杂——是药房、Queue，还是保险公司？目前，Queue尚未公开其责任保险和赔偿条款。

最后，规模化能力。Queue的硬件系统并非标准化的“盒子”，而是需要针对不同药房的空间布局、处方量级和药品品类进行定制化部署。这意味着，其商业模式可能更接近“项目制”而非“产品化”，这会显著影响其规模化速度和毛利率。1260万美元的融资，对于硬件研发和商业化部署而言，并不算充裕。Queue能否在资金耗尽前，证明其单位经济模型的可行性，将决定它能否从“罕见的技术成就”进化为“可持续的商业成功”。

Queue的机械手臂，正在药房荒漠中缓慢而坚定地伸展。它能否真正填补这片荒漠的裂缝，答案或许在未来两年内揭晓。

从“辅助工具”到“自主主体”：Queue如何跨越自动化与医疗安全之间的鸿沟

当Queue的机械手臂在药房后台悄然运转时，一个远比成本计算更棘手的问题浮出水面：在处方药调配这个高度监管的领域，自动化系统究竟应该扮演什么角色？是药剂师的“超级助手”，还是可以独立承担责任的“自主主体”？这个问题的答案，不仅决定了Queue的技术架构，更直接关系到其商业模式的合法性。

监管迷宫：美国药房自动化的“隐形天花板”

要理解Queue面临的监管挑战，必须先了解美国处方药调配的法律框架。美国没有统一的联邦药房法，各州药房委员会（State Board of Pharmacy）拥有独立的监管权。这意味着，Queue的系统必须在50个州分别获得认可，每个州对“自动化调配”的定义、药剂师监督要求、远程操作许可等都有不同规定。例如，加利福尼亚州要求药剂师必须“亲自在场”监督自动化调配过程，而德克萨斯州则允许在特定条件下进行远程监督。

更关键的是联邦层面的DEA（缉毒局）管制。处方药中的管制药品（如阿片类止痛药、兴奋剂等）受到《管制物质法案》（Controlled Substances Act）的严格管控。自动化系统在处理这些药品时，必须满足DEA对“封闭式分销系统”的要求——即从药品入库到最终交付给患者，每一步都必须有完整的电子记录和审计追踪，且必须防止未经授权的访问。Queue的系统虽然内置了多重校验，但DEA是否会认可机器人手臂对管制药品的“物理控制”等同于人类药剂师的“直接监督”，仍是一个悬而未决的问题。

一位熟悉DEA监管流程的律师向本刊指出：“DEA对自动化系统的态度是‘谨慎的开放’。他们愿意接受新技术，但前提是系统能够证明其安全性和可追溯性不低于人类操作。目前，没有一家公司获得过DEA对全自动管制药品调配的明确豁免。”

“多重自动化安全校验流程”：技术细节与责任归属

Queue声称其系统内置了“多重自动化安全校验流程”，但这一表述在技术白皮书中被进一步细化为一个四层校验体系：

1. 药品入库校验：当批发药品瓶进入系统时，机器人扫描瓶身上的NDC（国家药品编码）条形码，并与药房库存系统实时比对。如果条形码损坏或无法识别，系统会自动拒收并生成警报。 2. 调配过程校验：在取药环节，视觉系统使用高分辨率摄像头拍摄药片形状、颜色和印记，与数据库中的参考图像进行比对。同时，系统会称量每次取出的药片重量，确保与处方剂量一致。如果出现偏差（如药片颜色异常或重量超出公差范围），系统会立即停止调配并标记错误。 3. 处方逻辑校验：系统通过API与药房管理系统对接，自动比对处方中的药品名称、剂量、用法与患者档案。如果发现潜在的药物相互作用或过敏史，系统会发出警告，并要求药剂师手动确认。 4. 最终交付校验：在药品装入最终药瓶前，系统会再次扫描药瓶上的标签，确认患者姓名、药品名称和剂量与处方一致。交付后，系统会生成一份完整的电子审计记录，包括每一步操作的时间戳和操作人员（或系统）标识。

这套体系在技术层面确实实现了“冗余校验”——每个环节都有至少两种独立验证方式。但关键问题在于：当系统出现错误时，责任如何归属？

假设一种场景：Queue的系统在视觉校验环节误将一种白色圆形药片识别为另一种白色圆形药片（两者外观极为相似，但药效不同），导致患者服用了错误药品。根据美国医疗事故法律，责任通常由“最终核验者”承担——在传统药房，这个角色是药剂师。但在Queue的系统中，“最终核验者”是机器人。如果Queue宣称系统“无需人工核验”，那么责任是否应转移给Queue公司？

目前，Queue尚未公开其责任保险和赔偿条款。但据本刊了解，Queue与首批商业合作伙伴签署的合同中，包含一项“限制责任条款”，规定Queue仅对因系统“重大疏忽或故意不当行为”导致的错误负责，而日常操作中的“合理误差”则由药房承担。这种条款在法律界引发了争议。一位医疗责任险专家向本刊表示：“如果Queue的系统真的实现了全自动化，那么‘合理误差’的定义应该由FDA和法院来界定，而不是由合同单方面规定。这很可能成为未来诉讼的焦点。”

药剂师工会的沉默与博弈

面对Queue的崛起，美国药剂师行业的态度呈现出微妙的矛盾。一方面，全美社区药剂师协会（NCPA）和APhA（美国药剂师协会）在公开声明中表示，自动化技术有助于缓解劳动力短缺，提高患者服务可及性。NCPA的一位官员在接受本刊采访时甚至说：“我们欢迎任何能减轻药剂师工作负担的技术，只要它不危及患者安全。”

但私下里，药剂师工会的态度远非如此简单。一位不愿具名的工会代表透露：“我们的成员担心，Queue的系统最终会取代药剂师的工作。虽然公司说‘极少的人工干预’，但‘极少’是多少？如果一家药房部署了Queue系统，原本需要3名药剂师，现在只需要1名监督员，那另外2人怎么办？”

这种担忧并非空穴来风。Queue在招聘信息中明确提到，其系统需要“药剂师监督员”来监控机器人操作和处理异常情况。这意味着，药剂师的角色将从“亲自调配”转变为“系统监控”——这是一种工作内容的根本性转变。工会担心，这种转变可能导致药剂师技能退化，并最终被更廉价的技术人员替代。

更微妙的是，Queue的商业模式可能进一步削弱药剂师的议价能力。如果大型连锁药店大规模部署Queue系统，它们可能会利用“自动化降本”为由，要求药剂师接受更低的薪资或更差的工作条件。NCPA虽然公开支持自动化，但其成员多为独立药房，这些药房缺乏与大型连锁药店谈判的筹码。一旦自动化成为行业标准，独立药房可能面临更大的生存压力。

对比达芬奇手术机器人：从“辅助”到“自主”的演进路径

Queue的处境，与20年前达芬奇手术机器人的早期阶段有惊人的相似之处。达芬奇系统最初被FDA批准为“手术辅助工具”，要求外科医生始终在控制台前操作，机器人只是放大和稳定医生的手部动作。但经过近二十年的技术迭代和临床验证，达芬奇系统逐渐获得了更广泛的自主权限——例如，在特定手术步骤中，机器人可以自主执行切割和缝合，而医生仅需监督。

Queue的演进路径可能类似。目前，其系统仍需要“极少的人工干预”，这暗示Queue并未完全摆脱人类监督。但公司内部路线图显示，其长期目标是实现“完全自主调配”——即药剂师仅需在系统出现异常时介入。如果Queue能够积累足够的安全运行数据，并获得FDA对“自主调配”的认可，那么它可能成为医疗自动化领域的又一个里程碑。

但这条路径充满不确定性。达芬奇手术机器人的成功，建立在数万例临床手术和长达十年的数据积累之上。Queue的系统刚刚开始商业部署，其安全数据几乎为零。在没有历史数据支撑的情况下，FDA和DEA不太可能轻易授予“自主主体”地位。Queue可能需要与监管机构建立“渐进式认证”机制——先获得“辅助工具”许可，再逐步申请更高自主权限。

未经验证的假设：监管风险是最大不确定性

Queue的商业故事充满吸引力，但其最大的不确定性并非技术或成本，而是监管。目前，Queue的系统仅在一家大型连锁药房进行早期商业应用，且仅限于非管制药品。这意味着，其商业模式在真实监管环境中的可行性尚未得到验证。

更关键的是，Queue的融资规模（1260万美元）对于应对多州监管审批和潜在法律诉讼而言，显得捉襟见肘。如果某个州药房委员会要求Queue进行额外的安全性测试，或DEA在审查后要求修改系统设计，Queue可能需要额外融资才能继续推进。在医疗硬件领域，监管延迟导致的资金链断裂，是初创公司最常见的死因之一。

一位曾参与过医疗机器人创业的连续创业者向本刊总结道：“Queue的技术令人印象深刻，但医疗行业的规律是：技术只占成功因素的30%，剩下的70%是监管、法律和商业博弈。Queue必须证明，它的机器人不仅比人类更高效，还要比人类更‘合规’——这比造出机器人本身难得多。”

Queue的机械手臂，正在跨越自动化与医疗安全之间的鸿沟。但这条鸿沟的宽度，可能远超创始团队的预期。

1260万美元的赌注：为什么VC押注一个‘硬件重、毛利薄’的商业模式？

1260万美元。对于一家硬件初创公司来说，这个数字在医疗机器人领域并不算大。对比来看，Zipline在2016年完成A轮融资时拿下了1800万美元，Dexterity在2019年的A轮更是达到了3400万美元。Queue的这轮融资，放在硅谷的语境下，更像是一个“种子轮+”或者“Pre-A轮”的规模。但AlleyCorp合伙人Abe Murray却用“关键基础设施”来定义这家公司，并亲自领投。这背后，是对Queue商业模型的一次豪赌——赌的是，它能否从一个“硬件重、毛利薄”的传统设备制造商，蜕变为一个掌控处方药履约流水的“操作系统”。

三种商业模式的推演：从卖机器到收过路费

要理解AlleyCorp的投资逻辑，必须先拆解Queue可能的商业模式。目前，Queue尚未公开其定价策略，但结合行业惯例和其技术特性，存在三种主流选项：

选项A：CAPEX模型——卖硬件，一次性买断。 这是最传统的做法。药房一次性支付数十万甚至上百万美元购买Queue的机器人系统，后续仅支付维护费。这种模式的优点是现金流来得快，Queue可以在早期快速回笼资金。但缺点同样明显：硬件销售的毛利率通常只有30%-40%，且药房客户会视其为“资本支出”，决策周期长，尤其对于独立社区药房而言，数十万美元的投入可能直接击穿其年度预算。更关键的是，一旦卖断，Queue与药房后续运营的关联度极低，无法从处方量的增长中持续获益。

选项B：OPEX模型——按处方量收费，类似SaaS。 这是目前最被资本市场看好的模式。药房无需前期投入，Queue将机器人系统部署在药房内，然后按每张处方收取几美元的费用。这种模式将Queue的利益与药房的运营效率深度绑定——处方量越大，Queue收入越高。理论上，如果Queue声称的“成本降低96%”成立，那么即使每张处方收费1-2美元，药房也能获得显著的净节省。但这种模式的现金流压力巨大：Queue需要先垫付硬件制造成本和部署费用，然后通过长期的处方流水分期回收。对于一家仅有1260万美元现金的公司来说，这种模式意味着极高的资金消耗率。

选项C：混合模式——硬件低价+服务合同。 这是折中方案。Queue以接近成本的价格出售硬件（比如20万美元），然后签订一份长期服务合同（比如每月5000美元），覆盖维护、软件升级和合规更新。这种方式降低了药房的前期采购门槛，同时保证了Queue有持续的经常性收入。但问题在于，服务合同的毛利率通常低于纯SaaS模式，且药房可能会在合同到期后选择不再续约。

从AlleyCorp的表述来看，他们更倾向于选项B或选项C的变种。Abe Murray所说的“关键基础设施”，暗示Queue的目标是成为处方药履约的“管道”——就像Stripe是支付的管道、Twilio是通信的管道一样。一旦成为管道，Queue就可以收取交易抽成，甚至在未来提供数据服务（如药品库存分析、处方趋势预测等），从而突破硬件公司的毛利天花板。

单位经济模型的生死线：多少处方量才能回本？

但无论选择哪种模式，Queue都必须回答一个核心问题：单台机器人的单位经济模型是否可行？ 这需要估算几个关键参数：

• 单台机器人制造成本：根据硬件工程行业的经验，一套集成了机器人手臂、视觉系统、传送带和药瓶处理模块的自动化系统，其物料成本（BOM）通常在10万-20万美元之间。加上组装、测试和运输，总制造成本可能在15万-25万美元。
• 部署成本：包括场地改造、PMS系统集成、药剂师培训等。由于Queue的系统需要与药房现有信息系统深度对接，且每个药房的布局不同，部署成本可能在5万-10万美元。
• 年度维护成本：包括远程监控、软件更新、硬件维修等。预计每年约3万-5万美元。

假设Queue采用OPEX模式，按每张处方收费1.5美元。那么，单台机器人需要处理的处方量才能覆盖其成本？我们来做一个简单计算：

• 总前期投入（制造成本+部署成本）：20万+7.5万=27.5万美元
• 年度维护成本：4万美元
• 假设设备使用寿命为5年，则总成本（含维护）= 27.5万 + 4万×5 = 47.5万美元
• 需要处理的处方总量 = 47.5万 ÷ 1.5 = 31.67万张处方
• 平均每年需要处理 = 31.67万 ÷ 5 = 6.33万张处方

这意味着，一台Queue机器人每年需要处理约6.33万张处方，才能在第5年实现盈亏平衡。换算成日均处方量，约为173张/天。这个数字看起来并不算高——一家繁忙的社区药房日均处方量通常在200-400张之间。但问题在于，处方量并非均匀分布。药房存在明显的淡旺季，且不同药房的处方量差异巨大。如果Queue的机器人部署在日均处方量只有100张的药房，那么回本周期将延长至近10年，这显然不具备商业可行性。

更关键的是，Queue的系统目前仅支持250种常用处方药。这意味着，它只能处理药房日常处方中的80%左右。剩下的20%——包括罕见病用药、特殊剂型、管制药品等——仍需人工处理。这进一步降低了机器人的利用率。一位药房运营顾问向本刊指出：“如果Queue的机器人只能处理80%的处方，那么药房仍然需要保留一名药剂师来处理那20%的异常情况。这样一来，人力成本节省的效果就会大打折扣。”

AlleyCorp的投资逻辑：赌的是“基础设施”而非“设备”

那么，AlleyCorp为什么还要投？答案是：他们赌的不是Queue的硬件，而是其未来可能形成的网络效应和数据壁垒。

Abe Murray在领投声明中提到的“关键基础设施”，暗示了一个更深层的逻辑：Queue的目标不是卖机器人，而是成为处方药履约的“操作系统”。一旦Queue的系统在足够多的药房部署，它就可以积累海量的处方数据——包括药品品类、剂量频率、地域分布、保险支付模式等。这些数据对于制药公司、保险公司和药品批发商来说，具有极高的商业价值。Queue可以像Visa或Mastercard一样，从每一笔交易中抽取极小的比例，但乘以巨大的交易量，就能形成可观的收入。

但硬件公司转型平台，历史上鲜有成功案例。特斯拉试图通过FSD（全自动驾驶）订阅服务从卖车转型为出行服务商，但至今FSD的收入在特斯拉总营收中的占比仍不足5%。Peloton试图从卖健身单车转型为健身内容平台，但订阅收入始终无法弥补硬件销售的亏损。核心原因在于：硬件公司的基因是“产品思维”，而平台公司的基因是“网络效应思维”。前者关注的是如何造出更好的机器，后者关注的是如何吸引更多用户和合作伙伴。Queue的创始团队背景（CTO Josh Liu此前在医疗硬件公司工作）是否具备平台思维，仍是一个未知数。

竞争对手：传统自动化巨头与新兴机器人公司的夹击

Queue并非在真空中竞争。它面临着来自两个方向的压力：

• 传统自动化厂商：BD（Becton Dickinson）和Swisslog在药房自动化领域深耕数十年，拥有成熟的产品线（如BD Pyxis系列）和庞大的客户基础。这些公司的优势在于品牌信任度和售后服务网络。但它们的劣势在于，产品多为“半自动化”——需要人工干预的环节较多，且系统架构老旧，难以适应现代药房对灵活性和集成度的需求。
• 新兴机器人公司：Righthand Robotics和Covariant等通用机器人公司，正在将AI视觉和抓取技术应用于仓储和物流领域。它们的技术理论上可以迁移到药房场景，但缺乏对医疗合规和药房工作流的深度理解。Queue的差异化在于，它并非通用机器人，而是为药房场景“量身定制”的垂直整合方案——从药品入库到最终交付，每一步都经过医疗合规的验证。

但垂直整合也意味着更高的研发成本和更慢的迭代速度。如果通用机器人公司通过软件更新快速适应药房场景，Queue的先发优势可能被迅速侵蚀。

1260万美元能买来什么？——商业化速度的生死线

最后，回到一个现实问题：1260万美元，对于Queue来说，能支撑多少台机器人的量产和部署？

根据上述成本估算，单台机器人的总部署成本（含制造成本和部署费用）约为27.5万美元。这意味着，1260万美元理论上可以支持约45台机器人的部署。但考虑到研发投入、团队薪资、合规认证和市场推广等费用，实际能够用于硬件量产的金额可能只有700万-800万美元，对应约25-30台机器人。

这个数字，对于一家宣称要“重构处方药履约底层逻辑”的公司来说，显得过于保守。Queue需要在资金耗尽前，用这20-30台机器人证明其单位经济模型的可行性，并拿到下一轮融资。如果其中任何一台机器人在真实商业环境中出现重大故障或合规问题，其融资节奏可能被彻底打乱。

“硬件创业公司的融资节奏，就像在高速公路上换轮胎。”一位医疗硬件投资人向本刊比喻道，“你必须在资金耗尽前，用有限的产品证明你的商业模式可以跑通。Queue的1260万美元，给了它一个换轮胎的机会，但轮胎能否换好，取决于它在接下来18个月里的执行速度。”

Queue的机械手臂，正在药房荒漠中缓慢伸展。但真正支撑它前行的，不是机械臂的精度，而是资本市场的耐心和信任。1260万美元的赌注，才刚刚开始。

250种药品的边界：Queue的自动化系统为何不能一夜之间取代所有药房？

在Queue的融资新闻中，“支持250种美国常用处方药”被包装成一个令人信服的数据——它暗示着系统已经能够覆盖“绝大多数日常配药需求”。但如果你走进一家美国社区药房的库房，看到的景象会完全不同。货架上密密麻麻排列着数千种药品，从不同剂量的阿托伐他汀（降脂药），到各种规格的胰岛素笔，再到需要冷藏的生物制剂。美国药房平均库存SKU（库存单位）数量在3000至5000种之间，而Queue的250种仅占其中的5%到8%。这意味着，即使Queue的机器人完美运行，它也只能处理药房日常处方中的一小部分——大约60%到80%，取决于该药房的处方结构。剩下的处方，仍然需要药剂师手动完成。

这个数字差异，暴露了Queue技术路线图中最关键的未解之谜：它究竟打算如何从“覆盖高频药品”进化到“覆盖绝大多数药品”？ 而答案，可能决定了Queue是成为药房自动化的里程碑，还是另一个被药品多样性困住的“半成品”。

药品多样性的诅咒：为什么药片形状比代码更难处理？

要理解Queue面临的挑战，必须先拆解一个看似简单的问题：为什么机器人处理药品如此困难？

药品的物理形态极其多样化。口服固体制剂（药片、胶囊）只是冰山一角。液体药剂需要精确的灌装和密封，注射剂需要无菌操作，外用膏剂需要特殊的挤压和涂布机制，而吸入剂、滴眼液等特殊剂型则各有其独特的包装和操作要求。Queue目前仅支持口服固体制剂，这意味着它自动放弃了美国处方药市场中约30%的非固体制剂品类。

即使在口服固体制剂内部，多样性也令人头疼。药片形状从圆形、椭圆形到三角形、菱形不等；尺寸从直径3毫米的小药片到直径22毫米的大药片；表面可能有刻痕、印字或涂层。胶囊则分为硬胶囊和软胶囊，大小和颜色各异。机器人视觉系统需要能够识别所有这些变体，并在高速运转中准确抓取——任何一次识别错误，都可能导致患者服用错误药品。

更麻烦的是，药品包装也在不断变化。制药公司会定期更新药品的外观——改变颜色、调整印字、更换包装材料——以适应品牌重塑或防伪需求。这意味着，Queue的视觉算法需要频繁更新，否则可能将新包装的药品误判为未知物品。一位药房自动化工程师向本刊指出：“药品包装的变更频率远高于消费电子产品。一个季度内，可能就有5%到10%的药品外观发生变化。如果Queue不能实现算法的自动更新，它的系统将很快过时。”

250种药品的选择逻辑：处方频率、形状一致性还是利润贡献？

Queue选择250种药品的标准，是其技术路线图中最核心的商业机密。但我们可以通过分析美国处方药市场的数据，推测其可能的选择逻辑。

根据IQVIA的数据，美国最常用的100种处方药（按处方量排名）占据了总处方量的约70%。这100种药品中，绝大多数是口服固体制剂，且形状相对一致——例如，阿托伐他汀（Lipitor）是白色椭圆形药片，赖诺普利（Prinivil）是白色圆形药片。选择这100种药品，意味着Queue可以用最小的视觉算法复杂度，覆盖最大的处方量。

但Queue选择了250种，而非100种。这暗示着，它的选择标准可能不仅仅是处方频率，还包括药品形状的“可抓取性”。一些高频药品可能因为形状过于不规则（如某些维生素片呈动物形状）而被排除。另一些药品可能因为尺寸过大或过小，超出了机器人抓取机构的物理限制。

此外，利润贡献也是一个不可忽视的因素。药房的利润来源并非均匀分布——品牌药通常有较高的利润空间，而仿制药的利润极薄。如果Queue的系统只能处理低利润的仿制药，而无法处理高利润的品牌药，那么药房客户可能会质疑其投资回报率。一位药房行业分析师向本刊表示：“如果Queue的系统只能处理药房利润最薄的药品，那么药房可能宁愿保留人工操作，也不愿为自动化系统付费。”

管制药品：DEA的“红灯”与合规的“死结”

在Queue的250种药品清单中，最引人注目的缺席者是管制药品——尤其是阿片类止痛药（如羟考酮、吗啡）和兴奋剂（如阿德拉）。这些药品受到DEA的严格管控，其调配流程必须满足“封闭式分销系统”的要求，包括双人核验、电子记录、实时审计等。

Queue的系统能否满足这些要求？从技术角度看，它可能已经具备了部分能力——例如，系统内置的多重校验和电子审计追踪，理论上可以满足DEA对“可追溯性”的要求。但问题在于，DEA对“物理控制”的定义非常严格。在传统药房中，管制药品必须存放在双锁保险柜中，每次取用都需要两名药剂师同时在场。Queue的机器人如何实现“双人核验”？如果机器人自己执行调配，那么“第二名核验者”是谁？是另一个机器人，还是远程监控的药剂师？DEA目前尚未对此给出明确答复。

更复杂的是，管制药品的调配记录必须保存至少两年，且随时接受DEA的突击检查。Queue的系统需要生成符合DEA格式要求的电子记录，并确保数据的不可篡改性和可审计性。这不仅仅是技术问题，更是法律和合规问题。一位DEA前官员向本刊透露：“DEA对自动化系统的态度是‘个案审查’。他们不会发布通用指南，而是要求每家公司提交详细的技术文档和合规计划。这个过程可能需要6到12个月，且结果不确定。”

这意味着，Queue短期内可能不得不放弃管制药品市场。但管制药品在美国处方药市场中占据重要地位——根据CDC的数据，2023年美国开出了约1.4亿张阿片类药物处方。放弃这一市场，意味着Queue的潜在市场规模被大幅压缩。

供应链的“黑天鹅”：药品短缺与包装变更如何打乱机器人节奏？

即使Queue解决了药品多样性和管制药品的问题，它仍然面临一个更不可控的变量：药品供应链的波动。

美国的药品供应链并不稳定。根据ASHP（美国卫生系统药剂师协会）的数据，2025年美国有超过300种药品处于短缺状态，包括一些常用的注射剂和口服药。当一种药品短缺时，药房通常会寻找替代品——可能是不同制药公司的同种药品，也可能是不同剂量的同类药品。这意味着，Queue的机器人需要能够快速适应新的药品规格和包装。如果系统无法灵活应对，药房可能不得不暂停机器人的使用，转而手动处理所有处方。

更麻烦的是，药品包装变更的频率正在加快。制药公司为了防伪或品牌更新，会定期更换药瓶形状、标签设计和包装材料。这些变更对于人类药剂师来说微不足道——他们只需要看一眼就能识别新包装。但对于机器人视觉系统来说，任何外观变化都可能导致识别失败。Queue的团队需要建立一个“药品外观数据库”，并实时更新，以确保系统能够识别最新版本的药品。这需要与制药公司建立数据共享机制，而制药公司通常对此持谨慎态度。

临界点：当覆盖药品数量达到多少时，系统才能真正“无人化”？

最后，回到一个核心问题：Queue需要覆盖多少种药品，才能实现真正的“无人化”运营？

假设一家社区药房日均处方量为200张，其中80%（160张）涉及口服固体制剂。在这160张处方中，又有80%（128张）涉及Queue支持的250种药品。这意味着，即使Queue的机器人完美运行，它也只能处理128张处方，剩下的72张仍需人工处理。药房仍然需要至少一名药剂师来监督机器人和处理异常情况。人力成本节省的效果，远不如Queue宣传的“96%”那么显著。

那么，临界点在哪里？根据药房运营顾问的估算，如果Queue的系统能够覆盖药房95%以上的处方（包括口服固体制剂和非固体制剂），并且能够处理管制药品，那么药房才有可能将药剂师数量从3人减少到1人，实现显著的成本节约。这意味着，Queue需要将支持的药品数量从250种扩展到至少2000种，并且需要开发针对液体、注射剂、外用膏剂等非固体制剂的处理能力。这是一个巨大的技术挑战，可能需要数年时间和数亿美元的投资。

Queue的路线图中是否包含这样的扩展计划？公司并未公开披露。但一位接近Queue的投资者向本刊透露：“Queue的长期目标是建立一个‘药品处理平台’，而不是一个‘药品处理机器’。他们希望最终能够处理所有类型的处方药，但这个过程需要分阶段进行。第一阶段是口服固体制剂，第二阶段是液体和注射剂，第三阶段是管制药品。每个阶段都需要新的硬件设计和合规认证。”

但这个路线图的时间表并不明确。在医疗硬件领域，从“第一阶段”到“第二阶段”的跨越，通常需要3到5年。而Queue目前的1260万美元融资，可能只够支撑第一阶段的产品化和商业化。如果第二阶段需要额外的研发投入，Queue将不得不再次融资——而资本市场对“硬件重、毛利薄”的商业模式，耐心是有限的。

Queue的250种药品，是一个精心设计的起点，也是一个无法回避的边界。它证明了机器人可以完成人类药剂师的部分工作，但离“取代所有药房”还有很长的路。在这条路上，药品多样性、管制合规和供应链波动，是比机械手臂精度更难跨越的三座大山。

基础设施的野心与现实的引力：Queue会成为药房行业的AWS，还是另一个昂贵的自动化玩具？

“我们不是在做药房自动化工具，我们在构建处方履行的新型基础设施层。”这是Queue在融资新闻中反复强调的定位。这句话背后，隐藏着一个巨大的野心——成为药房行业的AWS。就像亚马逊用标准化、规模化和按需付费的模式重塑了IT基础设施一样，Queue希望用同样的逻辑重塑处方药履约的底层架构。但药房基础设施与IT基础设施有着本质区别：物理世界的摩擦、高度碎片化的监管环境、以及既得利益者的反扑，都可能让这个野心变成一场昂贵的实验。

基础设施的“药房版本”：标准化、规模化、按需付费的幻象

AWS的成功，建立在三个核心要素之上：标准化（统一的API和计算资源）、规模化（全球数据中心网络）、按需付费（按使用量计费）。Queue试图将这三个要素移植到药房场景中。

• 标准化：Queue的机器人系统被设计为“即插即用”的模块，能够与主流药房管理系统（PMS）通过API集成。理论上，任何药房只要安装了Queue的硬件，就可以像调用AWS的EC2实例一样，按需调用机器人调配处方。但药房场景的“标准化”远比IT复杂。药品的物理形态、包装规格、存储条件千差万别，Queue的250种药品覆盖范围，仅仅相当于AWS只支持了少数几种计算实例类型。当药房需要处理一种Queue不支持的药品时，系统就会“报错”，药房不得不退回人工模式。这种“半标准化”的状态，让Queue的“基础设施”承诺大打折扣。

• 规模化：AWS的全球数据中心网络，使其能够以极低的边际成本服务海量用户。Queue的规模化路径则充满物理限制。每台机器人需要部署在药房现场，需要场地改造、PMS集成、药剂师培训。这意味着，Queue的扩张速度受限于硬件制造能力、部署团队规模和药房接受度。AWS可以在几个月内新增一个数据中心，而Queue可能需要同样长的时间才能完成一家药房的部署。更关键的是，药房的地理分布极其分散——美国有超过6万家社区药房，但它们分布在不同的城市、不同的街区，每个药房的处方量、药品结构、空间布局都不同。这意味着，Queue的“规模化”更像是一种“碎片化扩张”，而非“网络化扩张”。

• 按需付费：这是Queue最吸引人的商业模式。如果按每张处方收费，药房可以零前期投入获得自动化能力，而Queue则从处方流水中获得经常性收入。但这种模式在药房场景中面临一个根本性矛盾：药房的处方量并非稳定可预测的。一家药房可能在某个月份因为流感季而处方量暴增，但在下个月又因为竞争药房开业而锐减。Queue的机器人需要被“闲置”在药房中，等待处方到来。如果处方量低于预期，Queue的收入就无法覆盖机器人的折旧成本。这与AWS的按需付费模式不同——AWS的服务器可以随时被其他用户租用，而Queue的机器人一旦部署在一家药房，就无法被另一家药房共享。这种“物理独占性”让按需付费模式的风险极高。

大型连锁药房的“囚徒困境”：拥抱Queue还是自研？

Queue的早期商业应用是“一家美国大型连锁药房”。这个信息至关重要，因为它揭示了Queue商业化策略的突破口。但问题在于：大型连锁药房是否真的愿意拥抱Queue？

从表面上看，大型连锁药房是Queue最理想的客户。它们拥有庞大的处方量、标准化的运营流程和充足的资本预算。但深入分析后，会发现一个“囚徒困境”：如果一家大型连锁药房拥抱Queue，它可能会被供应商锁定；但如果它不拥抱，它可能会在自动化竞赛中落后于竞争对手。

CVS和Walgreens并非没有尝试过自动化。CVS早在2010年就推出了“CVS HealthHUB”概念店，试图通过自动化药房系统提高效率。Walgreens则与iRobots合作，在部分门店部署了自动导购机器人。但这些尝试都停留在“辅助工具”层面——机器人帮助搬运药品，但调配和核验仍需药剂师完成。Queue的系统第一次实现了“全流程自动化”，这直接挑战了大型连锁药房的“自研”逻辑。

如果CVS或Walgreens选择与Queue合作，它们将面临两个风险：第一，技术依赖。Queue的机器人系统与药房PMS深度集成，一旦部署，药房将难以更换供应商。如果Queue在未来提高收费标准或停止支持旧版本，药房将陷入被动。第二，数据主权。Queue的机器人系统会收集海量处方数据——包括药品品类、剂量频率、患者地域分布等。这些数据对于药房优化库存管理和与保险公司谈判至关重要。如果Queue将这些数据用于自身业务（例如，向制药公司出售分析报告），药房可能会失去对核心数据的控制。

但如果不拥抱Queue，大型连锁药房又面临另一个风险：竞争劣势。如果竞争对手率先部署了Queue系统，实现了更低的运营成本和更快的处方交付速度，那么未部署的药房将失去市场份额。这种“军备竞赛”逻辑，在零售行业中屡见不鲜（例如，亚马逊的自动化仓库迫使沃尔玛加速物流自动化）。大型连锁药房可能最终会选择“拥抱+控制”的策略——与Queue合作，但同时要求排他性条款、数据共享协议和价格上限。

独立药房的“资金黑洞”：他们需要帮助，但付得起钱吗？

与大型连锁药房不同，独立社区药房对Queue的需求更为迫切。它们面临着人力短缺、利润微薄、竞争加剧的多重压力。NCPA的数据显示，超过四分之三的独立药房难以填补职位空缺，而保险公司和政府医保的药品结算价格持续下调，使得它们的利润率从2010年的15%下降到了2025年的不到5%。

但独立药房也是最缺乏支付能力的客户。一家典型的独立药房年营收约为200万至300万美元，净利润可能只有10万至20万美元。如果Queue的机器人系统售价为20万美元（按OPEX模式，年服务费可能为5万至8万美元），这相当于药房年净利润的50%以上。对于大多数独立药房来说，这是一笔无法承受的支出。

更关键的是，独立药房的处方量通常较低——日均100至200张，远低于大型连锁药房的500至1000张。这意味着，Queue的机器人系统在独立药房中的利用率会更低，单位成本更高。即使Queue采用按处方收费的模式，独立药房也需要达到一定的处方量才能实现正回报。根据前文的计算，一台机器人每年需要处理约6.33万张处方（日均173张）才能实现5年盈亏平衡。而大多数独立药房的日均处方量低于这个数字。

这意味着，Queue的商业模式可能天然倾向于服务大型连锁药房，而非独立药房。但大型连锁药房又对“被锁定”心存疑虑。Queue陷入了一个两难境地：大型客户有支付能力但缺乏信任，小型客户有信任但缺乏支付能力。

与PBM的博弈：Queue的终极目标是成为“履约合作伙伴”？

如果Queue无法在大型连锁药房和独立药房之间找到平衡点，它可能需要寻找另一个“金主”——药品福利管理公司（PBM）。PBM是美国医疗体系中的“隐形巨头”，它们负责管理保险公司的药品福利，与制药公司谈判折扣，并决定哪些药房可以加入网络。美国的三大PBM——Express Scripts、CVS Caremark和UnitedHealth的OptumRx——控制了超过80%的处方药市场。

PBM对自动化药房有着天然的兴趣。如果Queue的系统能够降低药房的运营成本，PBM就可以要求药房降低药品结算价格，从而增加自己的利润空间。更关键的是，PBM拥有强大的议价能力——它们可以要求药房“必须使用Queue系统才能加入网络”，或者“使用Queue系统的药房可以获得更高的结算价格”。这种“胡萝卜加大棒”的策略，可以快速推动Queue的渗透率。

但PBM的合作也意味着Queue可能失去独立性。如果Queue成为PBM的“履约合作伙伴”，它的商业模式将从“服务药房”转变为“服务PBM”。这意味着，Queue的定价策略、数据使用方式和产品路线图，都可能受到PBM的干预。更糟糕的是，PBM可能会要求Queue与自己的药房网络（如CVS Caremark旗下的CVS药房）签订排他性协议，从而将独立药房排除在外。这会让Queue从一个“基础设施提供商”退化为“PBM的工具”。

对比GoodRx和Ro：软件vs硬件的本质差异

在医疗基础设施领域，GoodRx和Ro是两家成功的软件公司。GoodRx通过聚合药房药品价格，帮助患者找到最便宜的处方药；Ro则通过远程医疗平台，直接向患者提供处方药配送服务。它们的共同点是：轻资产、高毛利、网络效应。GoodRx的毛利率超过80%，Ro的毛利率也超过60%。它们不需要制造硬件，不需要部署物理设备，只需要维护一个软件平台。

Queue的商业模式则完全不同。它需要制造机器人、部署硬件、维护物理设备。这意味着，它的毛利率可能只有30%-40%，远低于GoodRx和Ro。更关键的是，Queue无法像GoodRx那样快速扩张——GoodRx只需要增加一个药房的数据，就能立即覆盖数百万用户；而Queue每增加一个药房，都需要一台新的机器人和一次新的部署。这种“物理扩张”的速度，远慢于“数字扩张”。

但Queue也有GoodRx和Ro无法比拟的优势：物理壁垒。GoodRx和Ro的商业模式可以被轻易复制——只要有一支优秀的软件团队，任何人都可以开发一个类似的平台。而Queue的硬件系统、合规认证和药房工作流集成，构成了极高的进入壁垒。AlleyCorp合伙人Abe Murray所说的“医疗硬件开发领域罕见的成就”，正是对这种物理壁垒的认可。

如果劳动力短缺缓解，Queue的价值主张会削弱吗？

最后，一个尖锐的问题：如果美国药房行业的劳动力短缺问题得到缓解——例如，药剂师工资上涨吸引更多人入行，或者远程药房技术减少了对实体药房的需求——Queue的价值主张是否会削弱？

答案是：可能，但不一定。劳动力短缺只是Queue价值主张的一部分。更核心的价值在于：自动化系统可以实现人类药剂师无法企及的精度和速度。即使劳动力充足，药房仍然需要自动化系统来减少调配错误、提高处方处理速度、并实现24小时运营。Queue的机器人不会因为药剂师数量的增加而变得无用——相反，它可以让药剂师从重复性劳动中解放出来，专注于更具价值的临床服务（如用药咨询、慢性病管理）。

但劳动力短缺的缓解，确实会削弱Queue的“紧迫性”。如果药房能够轻松招聘到药剂师，它们可能不会急于投资自动化系统。Queue需要向市场证明，即使劳动力充裕，自动化系统仍然能够带来显著的成本节约和效率提升。这需要更多的商业案例和数据支撑。

平衡的判断：Queue的技术突破是真实的，但商业化道路布满荆棘

Queue的机械手臂，正在药房荒漠中缓慢而坚定地伸展。它的技术突破是真实的——全自动机器人药房是医疗自动化领域的一个里程碑。但它的商业化道路布满荆棘：药品多样性的限制、监管合规的复杂性、大型连锁药房的信任危机、独立药房的支付能力不足、以及PBM的潜在干预，都可能让这个“基础设施”的梦想变得遥不可及。

Queue可能成为细分领域的赢家——例如，专注于口服固体制剂的自动化，服务于大型连锁药房或PBM的履约网络。但它距离“重构整个医疗服务体系”还有很长的路。1260万美元的融资，只是这场漫长征途的起点。Queue需要用有限的钱，在有限的时间内，证明它的机器人不仅比人类更高效，还能在真实商业环境中实现可持续的盈利。如果它做到了，它将成为药房行业的AWS；如果它失败了，它将成为医疗硬件领域的又一个昂贵玩具。

结语：基础设施的野心与现实的引力

Queue的机械手臂，正在药房荒漠中缓慢而坚定地伸展。它的技术突破是真实的——全自动机器人药房是医疗自动化领域的一个里程碑。但它的商业化道路布满荆棘：药品多样性的限制、监管合规的复杂性、大型连锁药房的信任危机、独立药房的支付能力不足、以及PBM的潜在干预，都可能让这个“基础设施”的梦想变得遥不可及。1260万美元的融资，只是这场漫长征途的起点。Queue需要用有限的钱，在有限的时间内，证明它的机器人不仅比人类更高效，还能在真实商业环境中实现可持续的盈利。如果它做到了，它将成为药房行业的AWS；如果它失败了，它将成为医疗硬件领域的又一个昂贵玩具。

核心判断：Queue在12-18个月内面临的关键观察指标包括：① 能否从当前1家商业客户扩展至至少5-10家，且其中至少包括1家独立药房以验证单位经济模型；② 能否获得DEA对管制药品自动化调配的明确许可或豁免；③ 能否将支持的药品品类从250种扩展至500种以上，尤其是覆盖液体和注射剂型。若上述三项中有两项未能实现，Queue将面临融资断裂或沦为大型连锁药房的“定制化工具”的风险。