在曼尼托巴省的某个制造车间，一个机器人手臂正在一块厚重的钢板上移动。它停顿、调整角度、然后落下焊枪，飞溅的火花背后是一个多数工厂主不愿直面的算术题：人力成本不断攀升，而招到一名熟练焊工往往需要数月。在农业设备、重型车辆和采矿机械这类行业里，焊接岗位的缺口不是例外，而是常态。当“人”成为整个生产节拍中最不可控的变量时，自动化就不再是一个技术议题，而是一个生存议题。
但这个生存议题长久以来被另一组矛盾卡住。传统的焊接机器人擅长处理大批量、标准化的工作，它们要求每个零件都精确地放置在同一个位置，任何偏差都需要额外的人工干预来修复。而在那些产品批次多、型号杂、零件公差大的“高混合”制造环境里，这种刚性的自动化经济账根本算不过来——编程和调试的时间成本往往超过机器人带来的效率提升。这正是温尼伯初创公司 TetraGen Robotics 试图切入的裂缝。
2026 年 8 月，TetraGen Robotics 宣布完成 180 万加元的超额认购种子轮融资。对于一家在通用制造腹地进行高难度技术攻坚的硬件公司而言，这个融资体量的关键句不在于“拿到了钱”，而在于“什么样的钱、带着什么信号进来”。
| 信息项 | 内容 |
|---|---|
| 公司 | TetraGen Robotics |
| 轮次 | 种子轮 |
| 金额 | 180万加元（超额认购） |
| 投资方 | StepChange Capital（领投）、Emend Vision Fund、Jim Richardson |
| 总部 | 加拿大曼尼托巴省温尼伯 |
| 创始人 | Matt Khoshdarregi 和 Michael Newman（Bhavin Dharia 是否为正式联合创始人存在信息冲突） |
| 官网 | https://www.tetragen.ai |
在加拿大腹地，把一个实验室产物塞进满是油污的工厂
TetraGen Robotics 的起点不是一个商业计划书模板。CEO Matt Khoshdarregi 曾是曼尼托巴大学机械工程教授，专注于智能数字制造实验室的研究。当他在 2022 年创立公司时，手里更多是一套关于“让机器人理解物理世界”的技术理念，以及和当地制造商反复探讨后沉淀下来的痛觉认知：那些生产重型装备的工厂老板，并不需要一个更复杂的编程界面，他们需要一台能在没有博士级工程师常驻的情况下自己干活的机器。
这种“自己干活”的能力，被 TetraGen 分解为三个相互咬合的技术环节。首先是 3D 视觉系统，它让机器人能够看清面前零件的实际形态，而不是盲目相信 CAD 模型里的理想尺寸。其次是 AI 驱动的特征识别和路径生成算法，让系统能够自动判断“这是一个焊接坡口”“那里需要角焊缝”，然后自行生成机器人运行轨迹。最后是一套实时适应机制，当生产条件发生变化——比如上一块钢板和下一块之间存在毫米级的尺寸波动——系统可以自行补偿，而不是停下来等待人工重新校准。
这套系统约两年半前卖出了第一个机器人单元。到目前为止，TetraGen 的产品已经在曼尼托巴省的多个制造商车间里运行，覆盖农业设备、重型车辆和采矿装备三个行业。这三个行业的共同点足够痛：高混合生产、低批次量、零件一致性差、焊接质量要求苛刻。传统机器人在这里几乎寸步难行。
但需要保持审视的是，目前所有已知部署都集中在公司所在地曼尼托巴省。对于一家自称要“加速北美市场商业化”的公司来说，走出创始团队的人际网络和本地信任半径，将是验证技术可移植性的第一个硬仗。
一家硬件创业公司的资本结构，折射出加拿大产业资本的两种逻辑
TetraGen 这一轮 180 万加元的种子轮采用了超额认购的结构，这在加拿大硬件赛道的早期融资里不算常见。领投方 StepChange Capital 是一家位于卡尔加里的投资机构，其董事总经理 Eric Miller 在接受采访时给出了一个非常清晰的驱动因素：尽调过程中，投资团队不是被技术演示打动，而是被现有客户的反馈说服了。这种“从客户端倒推回来的投资逻辑”，对于一家技术来源自学术实验室的硬科技公司而言，构成了某种意义上的信号过滤——客户用到了，客户认可了，然后钱才进来。
另一家参投方 Emend Vision Fund 的背景同样值得拆解。这家位于温哥华的基金将工业现代化列为投资方向之一，并且其资金结构中包含了与曼尼托巴省政府牵头的 Manitoba First Fund 的关联。这意味着这笔钱背后有一部分公共政策意图——曼尼托巴省希望通过扶持本土制造业技术公司，间接提升辖区内制造商的竞争力和就业韧性。Winnipeg-based 投资人 Jim Richardson 的参与则代表了另一种传统产业资本的回流逻辑，Richardson 家族在农业、食品加工和物流领域的根基深厚，其投资行为可能更多基于对本地制造业生态的长线判断，而非单纯的财务回报预期。
这笔资金的用途被明确划分为几个方向：加速北美市场商业化、扩大自主系统部署、加强工程与商业团队。公司正在将总部面积翻倍至 6000 平方英尺，并在过去六个月内新增了三人。但关于团队当前总规模和预期的招聘节奏，公司并未披露具体数字。对于一个刚完成种子轮、需要同时扩张技术交付和销售落地能力的硬件创业公司，团队扩张的节奏往往比融资金额本身更能预示其后续 18-24 个月的风险曲线。
扔掉示教器和离线编程软件，这套方案是易用还是简陋？
在工业焊接自动化的谱系里，传统方案大致分为两条路线。第一条是固定编程路线，操作员通过示教器手动拖动机器人手臂记录轨迹，或者使用离线编程软件在虚拟环境中生成程序再下载到控制器。这条路线的核心问题是刚性：一旦零件尺寸、装配间隙或焊缝位置与编程时不一致，机器人要么出错报警，要么焊出报废件。因此，这种方案只适用于大批量、高重复性、零件一致性极好的场景。
第二条路线是协作机器人（cobot）加简易编程界面，试图降低编程门槛。但这条路线在焊接领域遇到的实际瓶颈是：降低编程复杂度并不能解决零件变化带来的路径误差。协作机器人更擅长搬运、装配等非接触式任务，焊接这种需要精准控制弧长、速度、角度的连续过程，稍微的偏差就会让焊缝质量失控。
TetraGen 的自主路径规划路线，与这两条路线有着本质的区别。它不是试图让编程变得更简单，而是试图取消“编程”这个动作本身。操作员不需要定义机器人应该怎么走，只需要告诉系统“这是要焊的零件”，剩下的事情由视觉和 AI 共同完成。这种逻辑更接近自动驾驶里的 L4 思维——不是辅助人类操作，而是在一个限定场景里替代人类的决策和操作。
但这里存在一个关键的待验证假设。TetraGen 的展示视频和客户反馈强调了系统在“识别特征、生成路径、适应变化”上的能力，但焊接质量不仅仅取决于路径正确。焊缝质量的影响因素包括焊接参数（电流、电压、速度、送丝速率）、层间温度控制、保护气体效果等，这些变量是否同样由 AI 系统自动决策？如果系统只是解决了“焊枪应该走哪条线”，而仍需要经验丰富的焊接工程师调整工艺参数包，那么它所宣称的“无需专业知识”就需要被重新审视。
“That’s it？”——这是公司在技术演示中引用的一个客户反应，用来说明产品操作之简单足以颠覆制造商对机器人部署的预设。这种用户反馈在销售环节极具价值，但在严苛的工程意义上，它反过来也意味着系统的功能边界可能被早期采用者带来的“应用多样性”快速拉伸。
在“高混合”制造这座孤岛上，焊工缺口正在把自动化逼成刚需
TetraGen 选择的市场切入点，实际上是一个被长期回避的制造业地带。高混合、低批量的重型装备制造，十年之前几乎没有自动化公司愿意涉足。因为在那个时代，要想在这种工况下实现机器人焊接，不仅技术难度高，而且买单方（通常是中小规模的制造商）也付不起整套系统的集成费用。
但今天的约束条件正在剧烈变化。根据加拿大制造商和出口商协会首席经济学家 Alan Arcand 引用的数据，过去一年中约有 13% 的加拿大制造商在运营中使用人工智能，更多的制造商面临的是更根本性的问题——人工本身就招不到。加拿大焊工短缺已经是一个持续多年的结构性问题，加拿大焊接局甚至在 2025 年更新了协作机器人的官方标准，这一动作本身就意味着行业监管意识到了人工补位的无望，开始为自动化腾挪制度空间。
另一个背景数据来自加拿大协作机器人市场本身：目前估值超过 5200 万加元，预计将增长至超过 1.29 亿加元。但这里的“协作机器人”数据口径主要涵盖的是通用型 cobot，焊接只是其中众多应用场景之一。TetraGen 的市场边界并非与整个协作机器人市场重合，它切的是一个更窄的细分层——重型结构件的自主焊接。
对于这个细分层的可用市场规模，任何信息来源中都没有提供具体的量化数据。我们能够确认的是，公司在曼尼托巴省拿下的早期客户名单已经涵盖了农业、重载车辆和采矿设备制造商，这三个垂直领域在北美具备明确的横向复制基础，但复制速度和渗透率取决于 TetraGen 能否搭建起跨地域的交付与服务能力，以及其产品在非受控的“外部工厂”环境中的表现。
“加拿大第一家物理AI公司”背后，投资逻辑与交付悬崖同时浮现
在本轮融资的公开表述中，TetraGen 被描述为“加拿大第一家 Physical AI 公司”。这个概念本身在 2025-2026 年的资本市场中具备波段性热度，但也存在模糊性。Physical AI 通常被界定为能在物理世界中感知、规划并执行操作的人工智能系统，这与 TetraGen 的技术路线确实吻合——3D 视觉用于感知，AI 用于路径规划，机器人手臂用于物理执行。但从投资叙事兑现为实际的竞争壁垒，中间必须经过大量的工程死磕和客户验证。
领投方 StepChange Capital 的 Eric Miller 明确表示，他们的投资决策建立在“现有客户的强烈正面反馈”之上。这构成了一种可以被公开引用的信号点，因为它在逻辑上区别于“看好赛道”“看好创始人背景”这类较浅的叙事。客户在生产环境中使用过这个系统，并且愿意在投资人的尽调电话里给出正面评价，这是硬件领域少数可以被外部人检验的早期证据。但我们同样需要指出，“现有客户”是一个小样本集，且全部位于创始团队的地理和信息半径之内，其反馈参考价值无法线性外推至更大规模的市场验证。
这个阶段的交付悬崖，常常出现在“卖出去前三套”和“卖出去第30套”之间的空隙里。前三套系统可以由创始人和核心工程师亲自在现场调试、维护、蹲点优化，这种极高密度的人工服务可以将产品可靠性撑过早期容忍线。但当部署数量突破团队带宽，远程支持和标准化交付流程尚未成熟时，系统表现会急剧下降，客户口碑可能从正面转向沉默，甚至负面。TetraGen 尚未披露它的部署总量，也尚未公开讨论其远程运维或标准化交付体系的建设进展，这使得“跨地域规模化部署”这一资金用途方向暂时缺乏具象的路径支撑。
竞争者不在明处而在暗处，焊接巨头的转身速度才是真正的压力测试
在公开信息中，TetraGen 并未提及直接的竞争对手名称。但这不代表它在无人区行走。这个竞争格局需要从三个层面去理解。
第一层是传统焊接集成商。像 FANUC、ABB、KUKA 这样的工业机器人巨头拥有庞大的现有客户群和成熟的集成合作伙伴网络。它们通常在“自主路径规划”和“AI 视觉”这类新技术路线上采取渐进策略：先在高端产品线中加入视觉功能模块，再逐步向下渗透。TetraGen 在一个关键帖文中特别标注了 FANUC America Corporation 的感谢，这可能暗示公司在硬件本体上使用了 FANUC 的机器人手臂——就像许多新兴智能设备厂商使用 NVIDIA 的计算平台一样。短期内这是生态上的共生关系，但长期来看，硬件平台方一旦决定在其控制器或软件生态中内化类似的 AI 视觉驱动能力，TetraGen 这类独立软件+集成的业务模式就会面临模块化侵蚀的风险。
第二层是来自以色列、美国和欧洲的焊接自动化创业公司。在国际范围内，已有多家初创企业基于相似的技术逻辑进入市场，开发基于视觉和 AI 的焊接自主化系统。这些公司有的专注于特定垂直领域（如钢结构、管道），有的则走通用制造路线。TetraGen 并未在公开材料中与它们进行功能或市场差异化的对比，投资者也暂未提出这种横向比较。对于一家正在宣称要跨地域商业化的公司，明确自己在全球技术谱系中的准确坐标，是后续融资和发展中必须补上的功课。
第三层是最隐蔽但最危险的对手——传统工艺路径的惯性。在重型装备制造领域，焊接工段的负责人通常是拥有数十年经验的资深技师，他们对“机器人能不能焊好”这件事的怀疑在情感和利益上都是根深蒂固的。TetraGen 卖的不仅是一套设备，更是一种对生产流程控制权的重新分配。这种组织心智上的转换成本，有时比技术缺陷更难突破。
把钱拆开看：6万平尺总部、三人增长和一笔八个月的募资
180 万加元对于一家硬件创业公司的种子轮而言，体量处于合理区间。但如果把它拆解到 TetraGen 宣布的使用方向上，资金压力并不会因为“超额认购”四个字就消失。
公司正在将总部面积扩展到 6000 平方英尺，这在温尼伯地区的租金和改造成本将构成一笔刚性开支。工程师和商业团队的扩张，即使按照相对保守的薪资水平计算，180 万加元在扣除基础设施成本后，能够支撑的团队增量和运营时间窗口并不会很长。CEO Khoshdarregi 在采访中透露，本轮募资过程持续了八个月，到春季才正式关闭。八个月的募资周期对于一个正在成长中的团队而言，本身就意味着承压——创始人的精力分配在那个阶段会被严重稀释。
我们没有获取到这笔融资的估值信息、稀释比例、董事会席位变动或额外条款。这些未披露的资本结构细节，实际上是判断一家早期公司到底拿到的是“资源型股东”还是“资金型股东”的关键依据。Jim Richardson 和 StepChange Capital 的本地产业关联、Emend Vision Fund 与 Manitoba First Fund 的公共政策纽带，共同构成了一条独特的资本拼接线：私人产业资本、专业投资机构、省级政策引导资金三股力量在同一个 Seed Round 中交汇。这种交汇的好处是资源协同，风险则在于，一旦这三股力量的回报预期和退出路径在某个时点出现分歧，公司的战略自主权就会受到考验。
要证明这不是一台只能在温尼伯成功的机器
TetraGen Robotics 讲述的故事在逻辑上是自洽的：制造业面临焊工短缺，传统机器人无法处理高混合工况，用 AI 和 3D 视觉让机器人自主适应变化，就可以把这个巨大的自动化盲区变成可开采的市场。第一批加拿大客户已经在使用，投资人进行了尽调并给了正面反馈，现在拿着钱准备向北美扩张。
但在逻辑自洽的叙事下面，几层待验证假设清晰可见。第一层是产品本身的工艺深度——自主路径生成与焊接工艺参数的自动化决策之间，目前公开信息无法确认其整合程度。如果系统止步于路径规划层面，那么“无需专业知识”的产品体验就存在尚被掩盖的断点。第二层是跨地域交付能力——目前所有已知部署均在曼尼托巴本地，创始团队的人际网络和现场响应速度构成了一种无法在安大略或德克萨斯复制的隐藏补贴。一旦这个条件被抽离，系统能否维持相同的客户端表现，是一道未知数。第三层是竞争窗口期——在 FANUC 等平台方的合作与潜在竞争中，TetraGen 需要证明自己不是硬件巨头的一个功能插件，而是一个具有独立客户关系护城河的系统级方案提供商。
对于一家 2022 年诞生于大学实验室的公司来说，走到种子轮超额认购、客户愿意为投资人的尽调电话说好话，已经完成了一次从零到一的艰难跨越。但从一到十的路径不在温尼伯的 6000 平方英尺总部里，而在那些远离曼尼托巴的陌生车间中。那儿的零件可能会更脏，公差可能会更任性，工厂经理的耐心也可能会更薄。
RecodeX 极客视：TetraGen 本质上在做一件反共识的事——在自动化行业最顽固的高混合制造区搞自主化，而且是硬碰硬的焊接场景。它的技术逻辑是对的，但商业化路径上的变量还很多。这个阶段的超额认购更像是一种对正确问题的高溢价押注，而非对正确答案的确认。值得进一步审视的是，这笔融资背后拼接着私人产业资本、专业投资机构和省级政策引导资金三条逻辑，它们在共同推动公司跨出曼尼托巴的同时，也可能在回报预期上形成张力。更关键的悬念藏在技术细节里：如果 AI 只解决了焊枪走哪条线，而工艺参数仍靠老师傅的经验，那么“无需专业知识”的承诺就还绑着一个隐形的技能锚点。换句话讲，TetraGen 证明了自己能在熟人的车间里干活，但接下来它需要让陌生人也相信，这台机器不会水土不服。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。