仓库里最贵的东西不是机器人，是它停下来的每一分钟
在布鲁克林 Industry City 的一间第三方物流仓库里，三台固定式双臂机器人每天重复着同一件事：从传送带上取下商品、装进纸箱、封口、贴标。它们不移动、不换电池、不需要休息。按照运营方 Highline Commerce 工程负责人 Charlie Lockwood 的说法，这些机器接手的是“重复性、高强度的活”，让人类员工去处理“真正需要人手的工作”。
这一幕看起来像是仓库自动化的标准叙事，但真正值得注意的细节藏在另一个数字里：据 Globe Market Research 报道，Physical Intelligence 的 π0.6 模型在一次八小时仓库班次中达到 96.4% 自主运行。这个数字针对特定部署，不代表所有仓库环境的保证性能。换句话说，即便在最理想的客户现场，每一百次操作里仍有近四次需要人类介入。仓库机器人真正的门槛从来不在演示视频里，而在连续数月、每天两班甚至三班的真实运行中，把那些“近四次”一点点压下去。
2026 年 10 月 9 日，这家名为 Ultra 的布鲁克林机器人公司宣布完成 5000 万美元 A 轮融资，由 Framework Ventures 领投、Y Combinator 参投。加上此前由 Y Combinator 和 NextView Ventures 联合领投的 1200 万美元种子轮，公司累计融资 6200 万美元。Ultra 的卖点不是技术演示，而是它声称已经跨过的那道“部署墙”——把机器人放进真实仓库，让它们连续运行，并且让客户愿意按月付费。
| 字段 | 内容 |
|---|---|
| 公司 | Ultra（Ultra Robotics） |
| 轮次 | A 轮 |
| 金额 | 5000 万美元（A 轮）；累计 6200 万美元（含 1200 万美元种子轮） |
| 投资方 | Framework Ventures（A 轮领投）；Y Combinator（A 轮参投、种子轮联合领投）；NextView Ventures（种子轮联合领投） |
| 总部 | 美国纽约布鲁克林 |
| 创始人 | Jon Miller Schwartz（联合创始人兼 CEO）、Max Friefeld（联合创始人兼 COO）、Chetan Parthiban（联合创始人兼首席科学家）、Oliver Ortlieb（联合创始人兼 CTO） |
| 官网 | https://ultra.tech |
把机器人租出去，而不是卖出去：一笔先亏后赚的账
Ultra 的商业模式在仓库自动化领域不算首创，但它的执行方式比大多数同行更窄、更具体。公司不直接出售 Operator（OP1）机器人，而是采用机器人即服务（RaaS）模式：客户支付一次性安装费，之后按月支付订阅费，覆盖硬件使用、软件和技术支持。据 WOWTALE 报道，公司称这种定价结构在客户锁定后为其提供了提价空间。据 ValueAddVC 援引 Fortune 报道，Ultra 的收入被描述为可观，但未披露具体金额。
RaaS 的吸引力在于降低了客户的初始资本门槛。传统工业机器人采购通常需要数十万美元的前期投入，加上系统集成、产线改造和维护团队的成本。Ultra 的 OP1 接入标准 120V 电源和专用以太网线，公司称可在数小时内完成上线，无需厂房改造或复杂系统集成。对于订单波动大、资本预算有限的中小型第三方物流服务商而言，订阅模式把固定成本变成了可变成本。
但 RaaS 的另一面是资本密集。每台出租的机器人在产生经常性收入之前，都是 Ultra 需要先行承担的硬件制造成本。只有客户现场的利用率保持在高位，订阅费才能覆盖折旧、维护和资金成本。公司未披露每台 OP1 的制造成本、月度订阅价格或客户平均合同期限，因此外部无法判断其单位经济模型是否已经跑通。ValueAddVC 在其分析中明确指出，这笔账只有在客户现场利用率保持高位时才成立。
Ultra 的定价策略还隐含一个张力。公司称其定价结构在客户锁定后有提价空间，这暗示管理层认为转换成本足够高。但仓库自动化市场的现实是，客户通常同时评估多家供应商，且机器人部署的物理迁移成本低于传统产线设备。如果 Ultra 在合同续约时大幅提价，客户是否愿意继续留在平台上，目前没有公开数据可以验证。
身体与大脑的分离：Ultra 不拥有的那一层才是关键
Ultra 的机器人“大脑”并非自研。公司负责硬件设计、制造与部署，AI 模型来自机器人基础模型公司 Physical Intelligence。据 WOWTALE 报道，2026 年 2 月 Physical Intelligence 公布结果显示，在其 π0.6 模型上基于 Ultra 现场数据进行微调，显著提升了每小时打包吞吐量。双方将合作描述为“身体与大脑”的分工：Ultra 负责机器人设计、制造与安装，Physical Intelligence 提供感知与控制模型，使机器人能适应客户布局而非执行固定脚本。
这种分工在当前的物理 AI 生态中并不罕见，但它对 Ultra 的长期价值主张提出了一个尖锐问题：如果最难的工程问题——让机械臂理解它从未见过的料箱、传送带布局和包装材料——由另一家公司解决，那么 Ultra 的护城河到底在哪里？
RobotAIGeek 的报道将这一动态称为“手与脑的分离”。该报道指出，Physical Intelligence 的软件已经运行在多家机器人制造商的设备上，Ultra 自身公告也将该关系描述为多个合作之一而非排他安排。这意味着对于潜在客户而言，Ultra 的差异化故事不在于它使用了哪个基础模型，而在于它的硬件、安装流程和服务组织能否把一个共享模型的能力转化为真实仓库里被打包的订单。
从已披露的信息看，Ultra 的竞争壁垒可能在于部署经验和客户关系，而非技术独占性。公司称过去两年半将机器人投入客户现场，以仓库环境作为训练场和测试床。据 Pulse 2.0 报道，公司称其机器人已在美国纽约、佐治亚、新泽西和得克萨斯的仓库运行，累计打包超过 50 万件订单。这些运营数据构成了 Physical Intelligence 模型微调的基础，也构成了 Ultra 对客户的价值主张：不是“我们有最好的 AI”，而是“我们知道怎么让 AI 在你的仓库里跑起来”。
但这一壁垒的可持续性取决于 Physical Intelligence 的战略选择。如果 Physical Intelligence 调整方向、直接面向仓库客户，或者将 Ultra 的现场数据用于训练服务于其他机器人制造商的模型，Ultra 的核心差异化将收窄。双方未披露财务条款、排他性条款或合同期限，数据所有权问题悬而未决。一个与 Ultra 签约的仓库运营商，实际上也在与一家它从未直接接触过的 AI 公司建立数据关系。
50 万订单背后的真实部署规模，仍是一个问号
Ultra 最常被引用的运营数据是“累计打包超过 50 万件订单”。这个数字在多个来源中一致出现，据 WOWTALE 报道，公司称其机器人已在纽约、佐治亚、新泽西和得克萨斯的仓库运行。但 50 万件订单本身并不能回答一个更关键的问题：这些订单是在多长时间内、由多少台机器人完成的？
公司未公开披露已部署机器人总数或每台机器平均处理订单量。旗舰部署客户 Highline Commerce 据 WOWTALE 报道已引入三台 Operator 设备，处理其最高 30% 的订单量。如果以三台设备为基准做粗略推算，50 万件订单意味着每台设备累计处理约 16.7 万件。但这一推算建立在“所有订单均由 Highline Commerce 的三台设备完成”这一未经证实的假设上，实际部署的设备数量可能更多，订单分布也可能更分散。
更值得注意的是“最高 30%”这一表述的模糊性。它没有说明这是峰值处理能力、特定时段的订单占比，还是稳定运行状态下的平均占比。Highline Commerce 位于布鲁克林 Industry City 园区，与 Ultra 总部同处一个园区，这种地理邻近性既降低了部署和运维成本，也意味着旗舰客户的成功未必能直接复制到更远、更复杂的客户现场。
据 Globe Market Research 报道，公司曾与物流企业 Highline Commerce 和 Manifest 合作展示其技术。Manifest 的具体合作深度、是否转化为付费订阅客户，均未披露。从公开信息看，Ultra 的付费客户基础仍然很薄，Highline Commerce 是唯一被明确提及的部署客户。
竞争不在技术演示，而在谁能让客户续约
仓库自动化赛道并不缺少资金。据 WOWTALE 报道，Dexterity 于 2025 年由 Lightspeed 和住友商事领投融资 9500 万美元，估值 18 亿美元，其业务覆盖卡车装卸、包裹分拣、码垛等更大规模的自动化场景。Ambi Robotics 率先采用与 Ultra 相同的 RaaS 模式，据 WOWTALE 报道，该公司 2021 年由 Tiger Global 领投融资 2600 万美元，次年再融资 3200 万美元，并与物流服务商 OSM Worldwide 签署四年分拣机器人订阅协议。Covariant 曾从 Index Ventures 等投资者处融资 2.45 亿美元，据 WOWTALE 报道，2024 年亚马逊通过 acqui-hire 其整个创始团队及约 25% 员工的方式将其吸收，结束其独立运营。
与这些竞争对手相比，Ultra 的差异化不在于技术领先，而在于场景聚焦和部署策略。编辑分析认为，Ultra 选择了一个更窄的切入点：单一工作站级别的打包、分拣和配套作业，只以订阅制销售，不做移动机器人，不做大规模产线自动化。这种聚焦降低了单点部署的复杂度，但也限制了单客户的价值天花板。一台固定式双臂机器人能处理的订单量有物理上限，Ultra 要增长，就必须不断获取新客户或向现有客户部署更多设备。
Ambi Robotics 的轨迹提供了一个参照。该公司在 2021 年融资 2600 万美元后，次年又融资 3200 万美元，并签下四年订阅协议。但四年协议本身并不等于续约保证。RaaS 模式的真正考验在于合同期结束后的客户留存率，以及客户是否愿意为持续服务支付溢价。Ultra 目前没有披露任何续约数据或客户流失率，其定价能力的声明缺乏可验证的公开证据。
Covariant 的结局则提醒市场，即使拥有领先的抓取 AI 技术，独立机器人公司也可能在巨头整合中被吸收。Ultra 对 Physical Intelligence 的依赖使其面临类似的结构性风险，只是方向相反：Covariant 是被客户吸收，Ultra 可能面临的是被供应商架空。
Framework Ventures 在赌什么：不是 AI，是安装能力
Framework Ventures 领投本轮 A 轮，Y Combinator 参投。据 Globe Market Research 报道，本轮融资的核心字段——A 轮金额与领投方——来自公司通稿，Fortune 报道亦转述该口径，尚无独立第三方验证。Framework Ventures 没有公开其投资逻辑，但从本轮的结构和 Ultra 的商业模式可以推断，这笔投资押注的不是 AI 模型的领先性，而是 Ultra 把机器人装进仓库并持续收费的执行能力。
RobotAIGeek 的报道将这一逻辑表述得更为直接：Framework Ventures 和 Y Combinator 押注的是分发和安装能力；更难、更不可见的赌注则押在 Ultra 并不完全控制的一段关系上。这一判断与 Ultra 的融资叙事形成微妙张力。公司通稿强调其使命是“打造世界上最有用的可部署机器人”，但可部署性的核心依赖——AI 模型——来自外部供应商。
Y Combinator 的参与具有更强的信号意义。Ultra 的 CEO Jon Miller Schwartz 是连续创业者，据 WOWTALE 报道，他此前创办了 3D 打印制造初创公司 Voodoo Manufacturing（YC W17）和 Layer By Layer（YC S13）。Y Combinator 在种子轮联合领投、在 A 轮继续参投，表明其对创始人团队的持续背书。但 YC 的投资金额通常较小，其参与更多是品牌信号而非资本承诺。
从资本结构看，Ultra 的累计融资 6200 万美元在仓库机器人赛道属于中等规模。Dexterity 单轮融资 9500 万美元，Covariant 累计融资 2.45 亿美元。Ultra 的资金规模决定了它不能像 Dexterity 那样同时推进多个大规模自动化场景，也不能像 Covariant 那样在 AI 研发上投入巨资。它必须用相对有限的资金证明 RaaS 模式在单一场景下的单位经济模型，然后才能说服下一轮投资者支持更大规模的扩张。
资金用途清晰，但验证路径仍然漫长
据 Globe Market Research 报道，公司称新资金将用于扩大机器人平台部署、推进工程开发并支持商业扩张。公司未公开披露资金在各业务活动间的详细分配。从 Ultra 的商业模式看，资金最可能的去向是制造更多 OP1 设备、扩大部署团队、以及支付 Physical Intelligence 的软件授权费用。
制造更多设备意味着前期资本支出增加。在 RaaS 模式下，每台新部署的机器人都需要 Ultra 先行承担硬件成本，而订阅收入的回收周期取决于合同期限和利用率。如果 Ultra 用 A 轮资金快速扩大部署规模，其现金消耗速度将显著加快。公司未披露本轮融资的估值、投资方持股比例或资金跑道长度，外部无法判断 5000 万美元能支撑多大规模的扩张。
从验证路径看，Ultra 需要证明的关键假设包括：第一，OP1 在 Highline Commerce 之外的新客户现场能否达到类似的自主运行率和客户满意度；第二，订阅收入能否覆盖硬件折旧、维护和软件授权成本，并产生正毛利；第三，Physical Intelligence 的合作关系能否在合同续签时保持稳定，或者 Ultra 能否逐步降低对单一 AI 供应商的依赖。这三个假设目前都没有公开数据支持。
96.4% 自主运行率是公开材料中唯一一个与模型性能相关的量化指标。这个数字来自 Physical Intelligence 在特定部署中的测试结果，据 Globe Market Research 报道，该数字针对特定部署，不代表所有仓库环境的保证性能。对于潜在客户而言，真正重要的是 Ultra 能否在其仓库的具体条件下复制或接近这一表现。Ultra 尚未公开披露任何关于新客户部署后的性能数据。
验证边界：哪些是公司口径，哪些是媒体转述
本轮融资的核心事实——A 轮 5000 万美元、Framework Ventures 领投、Y Combinator 参投、累计融资 6200 万美元——在多个来源中一致出现。其中，A 轮金额与领投方来自公司通稿，Fortune 报道亦转述该口径，尚无独立第三方验证。种子轮 1200 万美元由 Y Combinator 和 NextView Ventures 联合领投的信息，据 ValueAddVC 援引 Fortune 报道，同样属于公司披露口径的转述。
运营数据方面，累计打包超过 50 万件订单、机器人运行于纽约、佐治亚、新泽西和得克萨斯等州，均来自公司通稿或公司声明，未经过独立审计或第三方核实。Highline Commerce 引入三台 Operator 设备处理最高 30% 订单量的信息，据 WOWTALE 报道，该报道引用了 Highline Commerce 工程负责人 Charlie Lockwood 的直接引语，但订单占比数据本身来自公司或客户单方披露。
Physical Intelligence 的 π0.6 模型达到 96.4% 自主运行率的数据，据 Globe Market Research 报道，该报道文末列出了 Fortune 与 SiliconANGLE 的链接，但本次来源未提供这些链接的正文内容，因此不能声称已独立验证 Fortune 或 SiliconANGLE 的原始报道。该数字的测试条件、部署地点、样本规模和统计口径均未披露。
公司称其定价结构在客户锁定后有提价空间，这一表述来自 WOWTALE 对公司声明的转述。ValueAddVC 援引 Fortune 报道称 Ultra 的收入“可观”，但未给出具体金额。公司未披露估值、收入、订阅价格、利润率或客户合同期限。这些缺失使得外部无法对 Ultra 的单位经济模型和估值合理性做出独立判断。
RecodeX 极客视：Ultra 的融资故事真正的信息量不在 6200 万美元这个数字，而在它揭示的行业结构变化：仓库机器人的价值正在从“谁拥有最好的 AI”转向“谁能让 AI 在真实仓库里持续工作”。Ultra 选择了一条窄路——固定式双臂打包机器人、RaaS 订阅制、依赖 Physical Intelligence 的模型——这条路的优点是聚焦和可复制，缺点是天花板有限、供应商集中。50 万件订单证明了它跨过了演示阶段，但距离证明 RaaS 单位经济模型可持续，还差至少一轮融资和一批续约客户的数据。在仓库里，真正值钱的不是机器人能做什么，而是它能不能在连续三个月、每天两班的运行中不让你半夜接到停机电话。
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。