美国国防工业基地正在面对一个不太像硅谷叙事的问题：不是没有订单，而是现有工厂里找不到足够的人手，把已经排进计划的线束、连接器和组件按时做出来。线束加工长期依赖熟练工人手持工具完成裁线、剥线、分组和端子压接，这些动作难以用传统示教机器人替代，因为线材柔软、公差不一致、批次间差异大。与此同时，新建工厂周期以年计，审批、选址、设备调试和人员培训都无法在短期内补上产能缺口。Nidus 选择切入的正是这个夹层：不新建工厂，不替换整条产线，而是把具身智能模型部署到客户工厂已有的工业机器人上，先解决线束加工环节的自动化。
2026年11月10日，总部位于纽约的机器人公司 Nidus 宣布完成 3000万美元融资，由 Kleiner Perkins 和 Costanoa 领投，Ludlow Ventures、SF1、Absolute Partners、Tau 以及数位天使投资人参与。公司通稿称，Nidus 正在美国国防工业基地内部部署具身智能，初期产品是线束加工自动化平台。公司通稿还称，其在运营前四个月内收入突破七位数；Upstarts Media 则报道称，公司在四个月内获得超过 100万美元的预订量。两项数据口径不同，均来自公司或单一媒体，尚无独立第三方核证。
这轮融资的特别之处不在于金额本身，而在于一家成立时间极短、客户名称未披露、产品仍聚焦单一工序的公司，如何让两家一线基金同时押注。答案部分藏在 Nidus 的团队背景和部署逻辑里：四位联合创始人曾在国防初创公司 Vannevar 的硬件团队共事，CEO Justin Sealy 在 Palantir 纽约办公室担任过三年部署策略师，并获得参与政府合同的安全许可。公司通稿称，其平台从底层设计以满足 Department of War 的安全要求。这意味着 Nidus 从第一天起就把自己放在国防客户的合规边界内，而不是先做通用机器人、再试图进入受限环境。
| 字段 | 内容 |
|---|---|
| 公司 | Nidus（Nidus Technologies） |
| 轮次 | 未披露；据 Upstarts Media 报道为 pre-seed 与 seed 合计，公司通稿未确认 |
| 金额 | 3000万美元 |
| 投资方 | Kleiner Perkins、Costanoa 领投；Ludlow Ventures、SF1、Absolute Partners、Tau 及天使投资人 Chris Power、Adrian Aoun、Nikhil Goel 等参与 |
| 总部 | 纽约 |
| 创始人 | Justin Sealy、Charu Dwivedi、Harrison Nguyen、Cane Punma |
| 官网 | nidus.tech |
线束是国防工厂里最不性感、却最卡产能的环节
线束并非单一零件，而是由成百上千根导线、连接器、护套和标签组成的装配体。每架飞机、导弹和车辆内部都有大量线束，负责电力和信号传输。公司通稿称，Nidus 的初期产品聚焦线束加工自动化，具体包括裁线和备线等工序。Upstarts Media 的记者在 Nidus 位于纽约 Flatiron 的办公室体验过一套遥操作训练装置：操作者用左手稳定机械臂，右手控制夹爪以约 45 度角接近一段导线，在距离末端约 3 英寸处闭合夹爪，再将导线端头对准旋转轮，让轮子把散开的纤维端头聚拢成束。这个动作对手感要求极高，新手第一次操作往往会让线头四散。
这正是传统工业机器人难以进入线束加工的原因。刚性编程适合重复性高、工件一致性好、位置固定的任务，而线束加工中的导线柔软、端头状态多变，需要实时调整角度和力度。Nidus 的做法不是为每道工序编写控制程序，而是让操作者通过遥操作反复执行任务，采集动作数据，再用这些数据微调机器人基础模型。公司通稿称，其采用主权 AI 训练实践，让每个客户保留自己的专有知识。Upstarts Media 报道称，Nidus 的团队有十几人，正在多套训练装置上采集数据，用于训练面向国防工业客户的定制模型。
从产业链约束看，线束加工自动化的难点还在于国防客户的验收标准。航空和军用线束对端子压接高度、导线剥线长度、护套位置都有严格规范，任何自动化方案都必须在不改变现有质量体系的前提下嵌入。Nidus 声称其平台可以部署在客户现有机器人上，公司通稿称其“将基础模型从实验室带到工厂车间”。但公司未披露目前部署的机器人数量、客户工厂数量或具体验收指标，因此其产品在真实国防产线上的表现仍无法从公开信息中判断。
把 GPU 放到旧机器人旁边，而不是建一座新工厂
Nidus 的商业模式与全自动工厂路线形成对比。Upstarts Media 报道称，Nidus 的创始人设计了一种方式：先利用现有最好的 AI 模型——最初是开源模型，后来是前沿模型——再采集自有数据对模型进行微调，使其适配特定工业场景。定制模型随后部署到工厂，相当于在客户已有的机器人旁边增加 GPU 算力，而不是重新设计产线。公司通稿称，Nidus 正在向客户交付定制模型，用于其专有平台上的线材加工自动化。
这种“旧机器人加新模型”的路径降低了客户的前期资本开支，但也带来一个关键问题：模型能力受限于底层机器人的自由度、传感器配置和控制器接口。如果客户现有机器人不具备力控或高精度关节，模型再强也无法完成需要精细力反馈的动作。Nidus 未披露其模型适配的机器人品牌、型号或传感器配置，也未说明是否需要客户对现有设备进行改造。公司通稿只称其平台从底层设计以满足 Department of War 安全要求，但未展开具体的安全架构、数据隔离方式或部署模式。
主权 AI 训练是 Nidus 产品叙事的核心。公司通稿称，这一实践让每个客户保留其集体知识，这在安全环境中至关重要。Upstarts Media 报道称，Nidus 与每个客户采集和使用的数据是私有的、专有的，投资方 Kleiner Perkins 的合伙人 Aatish Nayak 认为这使其更难被复制。从编辑角度看，这一说法需要拆成两层：数据私有是产品架构层面的可验证命题，但“更难被复制”是投资人的竞争判断，不是已证实的事实。Nidus 未披露其模型是否在客户本地训练、是否支持离线部署、以及模型更新是否需要数据回传，这些直接决定“主权”在技术上的实际含义。
3000万美元背后的资本结构，公司通稿没有说清
公司通稿只称 Nidus“宣布 3000万美元融资”，由 Kleiner Perkins 和 Costanoa 领投，未说明轮次结构。据 Upstarts Media 独家报道，这笔 3000万美元由 Costanoa 领投的 pre-seed 轮和 Kleiner Perkins 领投的 seed 轮组成，公司通稿未确认这一拆分。该拆分目前仅来自 Upstarts Media 单一媒体口径，尚无公司或第三方独立确认。Costanoa 创始人兼管理合伙人 Greg Sands 在公司通稿中称，Costanoa 在 pre-seed 阶段就投资了 Justin 和团队，这为 Upstarts 的轮次拆分提供了一部分交叉印证，但两轮各自的金额、估值和股权比例均未披露。
天使投资人名单也值得注意。公司通稿列出的天使投资人包括 Hadrian 创始人 Chris Power、Dulo、Foundational Industries 和 Seneca 的联合创始人 Adrian Aoun，以及 Archer 首席商务官 Nikhil Goel。Upstarts Media 报道还提到 Amca CEO Jai Malik 参与，但公司通稿未将其列入天使投资人名单。Hadrian 本身是一家试图用自动化重建美国精密制造能力的公司，Chris Power 的参与在产业链上有一定逻辑关联，但来源未说明其投资金额或是否附带商业合作条款。
AlleyWatch 在 2026 年 11 月 10 日的融资汇总中称 Nidus 成立于 2025 年，而 Upstarts Media 报道称四人于 2026 年 3 月正式创立公司。Upstarts 的 2026 年 3 月创立有创始人访谈细节支撑，AlleyWatch 的 2025 年仅为汇总条目，可能指公司前身或注册时间，本文无法确认，故以 Upstarts 的 2026 年 3 月为准，并保留差异说明。这一差异对融资事实本身无影响，但提示 Nidus 的公开信息仍存在多处未对齐之处。
商业验证的颗粒度：收入与预订额不能互换
公司通稿称，Nidus 在运营前四个月内收入突破七位数，按美元计至少 100万美元，但未给出上限，币种以公司通稿为准。Upstarts Media 报道称，Nidus 在四个月内与未具名国防工业客户达成超过 100万美元的预订量。收入与预订量是两个不同口径：收入通常指已确认的到账或开票金额，预订量则可能包括意向订单、合同额或尚未交付的承诺。两者不可直接换算，也不应被当作同一组数字引用。公司通稿未披露收入确认方式、客户数量或合同周期，Upstarts Media 也未说明预订量的定义。
客户数量同样模糊。Upstarts Media 原文使用复数表述“unnamed defense industrial customers”，即未具名国防工业客户，但未披露具体数量。公司通稿称 Nidus“正在国防工业基地内部部署”，未说明是几个客户、几个工厂或几条产线。公司通稿还称其“迅速超越七位数收入”，但未提供任何可核验的合同、交付或验收证据。对于一家成立不到一年、产品聚焦单一工序的公司而言，100万美元量级的收入或预订额意味着至少有一个愿意付费的国防客户，但无法据此判断复购率、合同持续性或规模化能力。
从编辑角度看，Nidus 的商业验证仍处于早期。公司通稿和 Upstarts Media 的报道都未提供客户名称、合同金额、交付时间表或产能提升数据。公司称其平台“从底层设计以满足 Department of War 安全要求”，但未披露是否已通过任何安全认证、是否已进入正式采购流程，或是否仍处于试点阶段。这些缺失使得“已在美国国防工业基地部署”这一表述的实际含义难以评估。
通用机器人实验室进不了的门，Nidus 想先进去
Upstarts Media 报道称，Nidus 的赌注是 Physical Intelligence、Skild AI、Figure AI 等通用机器人 AI 实验室不会轻易扩展到国防工业的精密需求。Sealy 在报道中说，硅谷技术往往走向最容易商业化的路径，而不是最急需的地方，“国防客户和假日酒店叠毛巾完全不同”。投资方 Kleiner Perkins 的 Nayak 则认为，其他机器人实验室可能更愿意与 Nidus 合作，因为 Nidus 已经获得了客户的信任和入口，而不是从零开始追赶。
这些判断需要放在具体约束中看。通用机器人实验室的模型通常面向开放世界的物体操作，其训练数据以公开数据集和自有采集为主，客户场景多为仓储、物流或家庭服务。国防工厂的线束加工则涉及受限空间、安全许可、专有数据边界和严格的工艺规范。Nidus 的差异化在于其团队有国防系统部署背景，且从第一天起就按国防客户的安全要求设计平台。但这一差异化的可验证性有限：公司未披露其安全许可级别、客户合同性质或数据隔离方案，也未说明其模型与通用实验室模型在具体任务上的性能对比。
Prometheus 是另一个被提及的参照系。Upstarts Media 报道称，Nidus 可以比 Jeff Bezos 投资的全自动工厂项目 Prometheus 更快展示结果。Nayak 认为 Nidus 的团队“使命驱动、非常务实、客户优先，不一定技术优先，而是技术不可知”。这一评价来自投资方，属于投资判断。从已披露事实看，Nidus 的路径确实与全自动工厂不同：它不追求从零建设无人工厂，而是在现有工厂的现有机器人上叠加模型能力。但“更快展示结果”尚未有公开的交付时间表或客户验收数据支撑。
这笔钱能买到时间，但买不到客户信任的捷径
公司通稿称，Nidus 将利用这笔资金扩大工程团队，从线束自动化扩展到更多工厂工作流程，并扩大与美国国防制造商的量产部署。Upstarts Media 报道称，Nidus 计划在纽约总部大力招聘，目标是建立一家领先的机器人 AI 实验室，并为更多未公开客户扩大数据采集与训练。这两处表述的侧重点不同：公司通稿强调工程团队和量产部署，Upstarts 强调纽约总部招聘和数据采集规模。两者都未给出具体招聘人数、时间表或客户扩展目标。
Nidus 的风险集中在验证路径上。第一，客户名称未披露，无法判断其收入或预订量来自一个客户还是多个客户，也无法判断客户是否会在试点后继续付费。第二，模型底座依赖外部前沿模型，公司通稿未说明模型供应商、授权条款或切换成本。第三，数据采集依赖遥操作，这意味着模型能力的扩展速度受限于操作者数量和训练时长。第四，公司未披露其平台是否已通过国防客户的正式验收，也未说明从试点到量产部署之间还需要哪些步骤。
这些风险并非 Nidus 独有，但 Nidus 的特殊之处在于其客户场景的封闭性。国防工厂的采购周期长、安全审查严、工艺变更谨慎，这些因素既是壁垒，也是商业化速度的约束。Nidus 的团队背景和投资方组合表明，它已经拿到了一张进入国防工厂的门票，但门票不等于订单，订单也不等于量产。3000万美元能支撑一段时间的工程扩张和数据采集，但能否把线束加工的单点验证扩展为多个工序、多个客户的持续收入，仍需要公司披露更多可核验的交付数据。
纽约没有物理 AI 公司，但纽约也不是国防制造中心
Sealy 在 Upstarts Media 报道中说，纽约没有世界级的物理 AI 公司，Nidus 有机会成为第一家。这个判断有城市品牌层面的合理性：纽约的 AI 人才密度高，但机器人公司远少于波士顿或匹兹堡。Nidus 把总部放在纽约 Flatiron，把训练装置放在办公室内，说明其核心团队以软件和模型为主，而非重型硬件集成。但国防制造客户大概率不在纽约，Nidus 未披露其客户现场与总部之间的部署模式，也未说明是否需要驻场工程师、远程运维或客户侧算力支持。
从人才角度看，Nidus 的招聘策略与其产品路线一致：它需要的不是传统机械工程师，而是能处理遥操作数据、微调基础模型、理解国防安全约束的复合型人才。公司通稿称其创始团队拥有机器学习、机器人、硬件和国防技术方面的数十年经验，但未披露团队规模或关键岗位空缺。Upstarts Media 报道称团队有十几人，这意味着 3000万美元融资后的招聘速度将直接决定其数据采集和模型迭代的节奏。
Nidus 的纽约选址还有一个隐含约束：国防客户的数据安全要求可能限制其使用公有云训练。Upstarts Media 报道提到，Nidus 的团队在 10 月时正等待本地光纤接入，以便更快将训练数据上传到安全云环境。这一细节说明其数据管道仍依赖外部网络基础设施，而国防客户对数据驻留和传输路径的要求可能比普通企业客户更严格。公司通稿称其采用主权 AI 训练实践，但未说明数据是否在客户本地完成训练、是否支持气隙环境部署，或是否已通过任何国防安全认证。
待验证的假设：从线束到更多工序的跳跃
公司通稿称，Nidus 将把资金用于从线束自动化扩展到更多工厂工作流程。Upstarts Media 报道称，其野心是进入 kitting、预装配和印刷电路板等需要数小时人工的工序。这些工序与线束加工有相似之处：都需要精细操作、工件一致性差、传统机器人难以胜任。但从线束到 PCB 装配的跳跃并不简单。PCB 装配涉及更小的元件、更严格的静电防护和更复杂的视觉检测，模型需要处理的对象尺度、精度要求和错误成本都与线束不同。
Nidus 未披露其模型架构是否支持跨工序迁移，也未说明是否需要为每个新工序重新采集遥操作数据。如果每个工序都需要从零采集数据，那么扩展到多个工序的速度将受限于数据采集团队的规模。公司通稿称其平台是“专有平台”，但未说明平台层与模型层之间的边界：哪些能力是通用的，哪些是每个客户定制的。这一边界直接决定 Nidus 的毛利率和规模化能力。
从投资逻辑看，Kleiner Perkins 和 Costanoa 的押注建立在一个核心假设上：国防工厂的产能缺口足够大，客户愿意为现有产线的 AI 化改造付费，且 Nidus 的团队能够比通用机器人公司更快地进入这些受限环境。Nayak 在公司通稿中称，Nidus 是“真正把 AI 部署到美国最封闭环境中的罕见团队”。这一判断来自投资方，其依据是 Nidus 团队在 Vannevar 和 Palantir 的国防系统经验。但“部署”一词的具体含义仍未公开：是试点部署、合同部署还是量产部署，公司通稿未作区分。
Nidus 的 3000万美元融资是一个起点，而不是验证终点。公司通稿和 Upstarts Media 的报道提供了产品方向、团队背景和早期商业信号的轮廓，但客户名称、合同性质、部署规模、模型性能和安全认证等关键变量均未披露。在国防制造这个以年为单位计算采购周期的行业里，Nidus 需要在未来几个季度证明的，不是它能否采集更多遥操作数据，而是它能否把线束加工的单点能力转化为客户愿意持续付费的产线级部署。
RecodeX 极客视：Nidus 的故事目前仍是一份由团队背景和投资方背书支撑的早期样本，而非一份可独立核验的商业验证。它的真正考验不在于 3000万美元能雇多少人，而在于能否在国防工厂的验收体系里，把“七位数收入”和“超过 100万美元预订量”这两组模糊数字，变成有客户名称、有交付记录、有产能对比的公开事实。在那之前，Nidus 更像一个拿到了入场券的团队，而不是一个已经跑通产线的公司。
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。