在美国东南部的一片人工林里，凌晨四点半，集材机操作员已经离开家。五点半前，他必须坐进驾驶室，否则整条采伐流水线会停摆。接下来九到十个小时，这台几十吨重的机器要反复碾过树桩和岩石，把刚砍下的原木拖到装车点。颠簸通过座椅直接传导到脊柱，驾驶室里的噪声和振动日复一日。Kodama 联合创始人兼 CEO Merritt Jenkins 对 AgFunderNews 描述了一个更残酷的数字：他们合作的一家伐木商，过去一年换了八个集材机操作员。
这不是某个工地的偶发问题。林业承包商同时面对上升的木材、森林管理和野火韧性需求，以及越来越难招到、更难留住的熟练操作员。远程作业点意味着通勤单程往往要 45 分钟到两小时；一旦有人缺勤，昂贵的集材机只能闲置，而伐木是顺序作业，任何一环缺人都会拖垮整条生产线的产出。Kodama 给出的答案不是一步到位的全自主，而是把操作员从驾驶室搬到远程工作站，让机器先处理重复性任务，人只在复杂情况和边缘场景介入。
2026 年 10 月 19 日，这家总部位于加利福尼亚州索诺拉的机器人公司宣布获得 700 万美元融资，由 Konvoy Ventures 和 Breakwater Ventures 共同领投，Blue Forest Asset Management、NYA Ventures、Breakthrough Energy Ventures、Congruent Ventures、Dangerous Ventures、M1C 等参投。本轮金额、领投方和参投方名单均有事件来源原文支持；轮次在 AgFunderNews 和 LetsDataScience 报道中被称为种子轮，公司通稿未明确轮次。公司通稿称，本轮融资使其总融资额达到 1400 万美元。这笔钱将用于扩大商业部署、深化与林业设备制造商的合作，以及继续开发面向复杂越野环境的自主能力。
| 字段 | 内容 |
|---|---|
| 公司 | Kodama（Kodama Systems） |
| 轮次 | 种子轮（据 AgFunderNews、LetsDataScience 报道；公司通稿未明确轮次） |
| 金额 | 700 万美元 |
| 投资方 | Konvoy Ventures、Breakwater Ventures 共同领投；Blue Forest Asset Management、NYA Ventures、Breakthrough Energy Ventures、Congruent Ventures、Dangerous Ventures、M1C 等参投 |
| 总部 | 美国加利福尼亚州索诺拉 |
| 创始人 | Merritt Jenkins、Matt Verminski |
| 官网 | https://kodama.ai |
从野火韧性转向人工林：一个被劳动力逼出来的切口
据 The Robot Report 报道，Kodama 最初关注的是美国西部的野火风险降低，目前聚焦东南部的人工林木材产业。Jenkins 对 AgFunderNews 把问题归结为一句话：头号问题是劳动力可靠性。他算了一笔账：一个伐木企业主通常管理几支作业队，队员早上五点半就要在工地开动机器；如果住得远，凌晨四点就得出门，然后在林地里干九到十个小时。集材机整天碾过树桩和岩石，对身体的损耗极大。与水果采摘不同——雇四十个人来三十个还能继续摘——伐木作业要求每台机器里都有人，而且工序是顺序的，任何一个人当天没出现，整条生产线的产出都会受到重创。
这种结构性短缺不是短期波动。The Robot Report 援引 Kodama 市场拓展人员 Ben Pinfield 的说法称，对很多操作员来说，身体代价与收入不匹配，客户即使招到人也常常不可靠。当年轻劳动力不再愿意进入这个行业，而现有操作员持续退休，供给端的收缩会进一步推高缺勤率和工资成本。Kodama 的产品定位正是建立在这个判断上：不是取代所有操作员，而是让一个远程操作员能覆盖更多机器、更长时间，从而缓解“每台机器必须配一个人”的刚性约束。
监督式自主加遥操作：先把人从驾驶室挪出来
Kodama 的技术路线有一个明确的时间顺序。Jenkins 对 The Robot Report 表示，公司从两年半前就明确选择从遥操作起步、逐步增加自主能力，而不是先做全自主、再用遥操作兜底。这个选择直接决定了产品形态：集材机先被改装，操作员在远程工作站接管，系统处理重复性动作，人处理复杂判断和边缘情况。
硬件栈的具体构成，据 AgFunderNews 报道，包括最新 NVIDIA 计算单元、8 个摄像头、2 个 LiDAR、Starlink 和 GPS。改装一台集材机需要 1 到 1.5 天。这个速度意味着 Kodama 可以在不打断客户作业节奏的情况下快速部署。更重要的是，LiDAR 不受光线限制，系统可以在夜间运行。Jenkins 称，公司正准备把日作业时间从 10 小时延长到 20 小时。
数据是这套系统的另一条主线。Jenkins 对 The Robot Report 称，每天远程操作产生约 1TB 训练数据。这些数据来自东南部不同地形、不同作业队和不同工作流程，覆盖设备、操作员、工地和林业任务的完整闭环。公司通稿称，随着部署机器数量增加，数据优势会通过持续学习循环不断累积；这一累积效应属于公司口径，尚无独立验证。这个逻辑在物理 AI 领域并不新鲜，但林业场景的特殊性在于，公开可用的越野作业数据远少于公路或仓库环境，Kodama 每多部署一台机器，其数据集的稀缺性就增加一分。
不过，这里需要划清边界。公司通稿称，过去六个月配备 Kodama 技术的机器搬运了超过 10 万吨木材；Jenkins 对 The Robot Report 称，每天远程操作产生约 1TB 训练数据。两者均来自公司或创始人单方口径，本次来源材料未提供独立第三方验证。10 万吨是配备 Kodama 技术的机器搬运的总量，不等于完全自主搬运量；Superpower Daily 的报道也明确提醒了这一点。Jenkins 对 AgFunderNews 称，公司基准测试显示其系统与手动操作机器的小时生产率相当；测试条件、样本规模和统计口径未披露。这些数字适合作为商业化进展的信号，但不宜当作经过独立审计的绩效证明。
机器人即服务：日费到月费的定价，绕不开的柴油与润滑脂
Kodama 的商业模式是机器人即服务。Jenkins 对 AgFunderNews 表示，伐木承包商按日费到月费支付服务费用。这种模式降低了客户的前期投入门槛，也把 Kodama 的收入与机器实际使用时长绑定。Jenkins 称，远程操作员的薪酬与驾驶室操作员相近，但综合用工成本更低，因为工伤补偿支出减少，且省去了往返林地的交通成本。随着一个操作员能控制多台机器，单位经济性会进一步改善。
但林业不是数据中心，机器不能只靠软件运行。Jenkins 承认，这些集材机仍然烧柴油，需要加油和润滑，现场的其他设备操作员仍要提供基础支持。这意味着 Kodama 的 RaaS 并不能完全消除对现场人力的依赖，它改变的是关键操作环节的人力配置，而非整个作业面的人员结构。对于潜在客户来说，真正的 ROI 来自三处：延长作业时间、减少通勤成本、提高出勤可靠性。Jenkins 称，最大的 ROI 是有人来上班。
渠道结构是另一个值得注意的设计。Kodama 的直接客户是伐木承包商，但触达路径通常经过林地所有者、OEM 和经销商网络。Jenkins 对 AgFunderNews 解释，这些渠道相对集中，公司可以通过少量关系触达大量承包商。他称，目前几乎整个南方伐木行业都知道 Kodama。这个说法同样属于公司单方口径，但它指向一个关键问题：在林业设备市场，经销商的推荐和 OEM 的兼容性认证往往比创业公司直接销售更有效。Kodama 能否把“知道”转化为“付费部署”，取决于经销商是否愿意把它纳入现有销售体系，以及 OEM 是否在技术层面持续开放接口。
与 OEM 集成而非对抗：一条被建筑机械反例验证的路径
Kodama 选择与现有设备制造商合作，而不是另起炉灶造机器。Jenkins 对 The Robot Report 称，公司已与全球最大的三家林业设备制造商中的两家集成。这个策略的直接好处是，可以利用 OEM 已有的传感器和故障检测系统，避免从零开始构建车辆底层数据通道。Jenkins 对比了建筑机械领域的情况：卡特彼勒等厂商倾向于封闭系统，后市场改装套件难以与 OEM 直接协作。林业设备市场尚未形成同等程度的封闭生态，这给了 Kodama 一个窗口期。
从产业链角度看，这个窗口期的价值取决于两个变量。第一，OEM 是否会把 Kodama 视为互补者而非潜在竞争者。目前 Kodama 做的是改装套件和远程操作系统，不制造整机，与 OEM 没有直接产品冲突。第二，OEM 自身是否在开发类似能力。待核验假设：林业设备制造商的自研投入规模尚不明确，需以公开研发支出或产品路线图验证。长期看，如果自主作业成为林业设备的核心卖点，OEM 完全可能通过收购或自研收回控制权。
Kodama 目前的集成深度也未完全披露。Jenkins 对媒体称已与两家 OEM 集成，但未披露集成的具体技术层级。不同层级对应完全不同的技术壁垒和替换成本。这是评估 Kodama 护城河时的一个关键待验证假设。
“只有自己的领域”：竞争真空是机会还是错觉
Jenkins 对 AgFunderNews 称，Kodama 目前“基本上处于一个只有自己的领域”，因为其他聚焦复杂越野环境的机器人公司多选择建筑、采矿和农业。这个判断在方向上可以理解：林业的作业环境比农业更崎岖、比采矿更分散、比建筑更缺乏结构化基础设施，技术难度高而市场注意力低。但从竞争分析的角度，需要把“直接竞争对手少”和“没有替代方案”区分开。
Kodama 的替代方案首先是传统的人力操作。它的价值主张必须持续证明远程操作加监督式自主的综合成本低于雇佣和留住驾驶室操作员。其次是其他形式的机械辅助，比如更舒适的驾驶室、更好的悬挂系统、或半自动辅助功能，这些都可能由 OEM 以较低成本提供，缓解但不解决劳动力短缺。第三是未来可能进入林业的跨界玩家。建筑和采矿领域的自主技术积累，尤其是非结构化环境下的感知与路径规划能力，理论上可以迁移到林业。目前这些公司没有进入，可能是因为林业市场规模不足以吸引它们，而非技术不可行。Kodama 的“只有自己”更像是对市场空白的事实描述，而不是可长期依赖的竞争壁垒。
投资方 Konvoy Ventures 的管理合伙人 Jackson Vaughan 在公司通稿中称，Kodama 构建的不只是自主软件，而是集成硬件、客户与设备制造商关系、以及真实世界数据集的组合，这种组合难以复制，并随着每台机器和每个客户上线而增强。Breakwater Ventures 的普通合伙人 Will Finney 则强调，AI 在各工业领域的采用将由解决当下真实运营问题的公司赢得，Kodama 已经在帮助林业承包商更好地利用熟练劳动力。这些是投资方的判断，不是独立验证的结论。但从投资逻辑看，两家机构押注的是同一个叙事：在 AI 向工业渗透的早期，拥有真实部署数据和客户关系的公司会比纯算法团队更快建立复利。
700 万美元能买到的，和买不到的
这笔 700 万美元种子轮融资，加上此前融资，总融资额为 1400 万美元。对于一家需要改装重型机械、维护硬件栈、雇佣远程操作员并同时开发自主算法的公司来说，这个体量的资金意味着必须高度聚焦。前述三项资金用途之间存在资源竞争：商业部署需要现场支持和客户成功团队，OEM 集成需要工程资源，自主算法开发需要数据和算力投入。700 万美元相对三项用途的资源分配关系，需以公司披露的预算分配或人员计划验证。
从资本结构看，Konvoy Ventures 是一家投资关键行业的早期投资机构，覆盖自主系统、国防、航空航天、先进制造、半导体、能源和深科技；Breakwater Ventures 是一家位于西雅图的 pre-seed 和种子基金，投资于解决劳动力短缺的赛道。Blue Forest Asset Management 的投资领域在本次材料中未见披露。这个组合覆盖了技术和劳动力两条逻辑线，但没有任何一家是传统林业设备或木材产业资本。这意味着 Kodama 在获得财务支持的同时，尚未通过股权绑定一个能直接带来订单的产业战略方。公司称通过 OEM 和经销商网络触达客户，但这些关系目前停留在商业合作层面，而非资本纽带。
另一个未披露的关键变量是估值。公司未公布本轮估值，也未披露员工人数和具体财务数据。对于种子轮公司，这并不罕见，但它限制了外界对资金效率的判断。据 Jenkins 对媒体披露，公司技术已在商业伐木作业中部署约一年；公司通稿称过去六个月搬运量超过 10 万吨；Jenkins 对 The Robot Report 称已与两家 OEM 集成。这些进展的含金量仍需时间验证。
风险不在算法，在泥地里
Kodama 面对的最直接风险是硬件可靠性。Jenkins 在公司通稿中的原话是，这套技术栈“不是可以 vibe code 出来的”，必须在恶劣环境中保持高正常运行时间。待验证风险：硬件故障对客户生产计划的影响程度，需以现场停机数据验证。
第二个风险是自主能力的演进速度。Kodama 目前的模式依赖远程操作员处理复杂情况，这意味着服务能力的扩展与远程操作员的数量和质量直接相关。Jenkins 称远程操作员可以在一两天内完成培训，公司偏好有真实机器操作经验、同时有游戏经验的人，年龄多在二十多岁到四十出头。这个人才池的规模是否足以支撑快速扩张，尚未被验证。如果从监督式自主向更高程度自主的跃迁慢于预期，Kodama 就可能长期停留在“远程驾驶服务商”的阶段，其单位经济性改善将受限于人力成本。
第三个风险是客户集中度。Kodama 的收入几乎全部来自林业行业，更具体地说，是美国东南部的人工林采伐承包商。Jenkins 对 AgFunderNews 称，公司已收到从巴西到澳大利亚的国际兴趣，但他也承认，不同地理市场的商业模式会因行业结构而异。待核验：国际扩张所需的 OEM 关系、法规适配和作业习惯调整成本尚未披露。
从已披露的信息看，Kodama 的验证路径是清晰的：在东南部人工林场景中证明远程操作加监督式自主能稳定替代驾驶室操作员，并把单台机器的服务成本降到客户可接受的日费或月费水平。据公司通稿披露，10 万吨搬运量说明产品已经走出概念阶段，但该数字未经独立验证。距离证明“一个远程操作员控制多台机器”的核心经济性假设，还有一段路。Jenkins 称公司当前的重点正是实现一个操作员控制多台机器，但尚未披露多机控制的实际运行数据。
从集材机到整个作业面：一个尚未兑现的平台故事
Kodama 的长期叙事不止于集材机。Pinfield 对 The Robot Report 表示，最终目标还包括伐木作业队中的其他机型——伐木机和装载机。Jenkins 则描绘了一个更完整的图景：目前工地上的多台机器靠 CB 电台协调，而 Kodama 知道机器的实时位置、生产率、油耗和冲击振动数据，未来可以进一步优化机器的使用方式和相互协调。
这个故事的吸引力在于，它把 Kodama 从“集材机改装商”提升为“林业作业操作系统”。但要实现这一步，Kodama 需要先证明三件事：第一，集材机之外的其他机型也能用同样的硬件栈和软件架构高效改装；第二，多机数据能真正转化为可执行的协调优化，而不是停留在仪表盘展示；第三，客户愿意为作业面级别的优化额外付费。目前，这三件事都还没有公开数据支持。公司通稿称正在扩展对其他设备平台的支持；具体机型和时点未在本次材料中披露。
还有一个容易被忽略的增量：数据本身。Jenkins 对 AgFunderNews 提到，系统在疏伐作业中全天生成高分辨率林冠下地图，剩余树木的每英亩株数、胸径和断面积等参数都包含在 LiDAR 数据中。这意味着 Kodama 的机器在搬运木材的同时，也在为林地所有者生产森林资源数据。如果这个数据层能独立变现，它将为 Kodama 增加一条不依赖设备工时的收入线。但这条线目前仍停留在描述阶段，尚未形成产品化报价。
Kodama 下一步需要验证的具体指标包括：多机控制的实际运行数据、OEM 集成的具体技术层级、单台机器的服务成本，以及数据层能否形成独立报价。这些指标将决定它能否在 OEM 收紧接口之前，把数据规模和客户关系转化为足够深的护城河。
RecodeX 极客视：Kodama 的融资故事里，最值得关注的不是 700 万美元的数字，而是一个被行业长期忽视的事实——林业机械的自主化瓶颈不在算法，而在凌晨四点半的通勤路上。当其他机器人公司追逐全自主的叙事时，Kodama 选择先把操作员从驾驶室挪到远程工作站，用监督式自主解决最直接的劳动力可靠性问题。这个选择务实，但也意味着它的天花板暂时受限于远程操作员的人效。真正的分水岭在于，一个操作员控制多台机器的单位经济性何时被数据证明，以及 OEM 留给第三方改装商的时间窗口还有多长。
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。