来自机器人业务规模化创业者的七条经验

三位曾在亚马逊、Waymo和Covariant工作的创始人分享他们在现实世界中构建和部署机器人过程中获得的来之不易的经验。

如今应用机器人创业者可用的许多工具在一两年前还不存在——而进步的速度甚至连亲历者都感到震惊。Ury Zhilinsky在Waymo担任高级职员工程师近八年，目睹该领域缓慢而艰辛地从基于规则的层级系统向端到端人工智能过渡。后来，在世界上资金最充足的机器人实验室之一Physical Intelligence，他在几个月内看到了同样的转变。“刚开始时，我们根本不知道能在六个月内造出能叠衣服的东西，”他说。

2026年3月，在Bessemer于旧金山举办的首届机器人日上，现担任Mind Robotics创始技术成员的Ury，与Bellboy Robotics创始人兼CEO Sandy Hefftz以及Covariant前CEO Ted Stinson一同参加了由投资人Alexandra Sukin主持的小组讨论。这三位创始人曾在全球最先进的机器人机构——亚马逊、Waymo、Covariant——工作过，现在正将机器人部署在酒店、仓库和汽车工厂中。

以下他们分享了认为每位应用机器人创业者都应了解的经验，涵盖如何选择垂直领域，以及如何招聘那些尚无职位描述的角色。

1. 在买家已准备好拥抱机器人的领域构建

选择机器人垂直领域需要平衡多种因素。但Bellboy Robotics的CEO Sandy Hefftz认为，有一个信号最为突出：“最好的构建地点是那些痛点足够大、机器人受欢迎的地方，”她说。就她的公司而言，酒店行业符合这一条件。她的许多买家面临严重的人员配置压力，酒店经常遭遇劳动力短缺。她的一位客户经营着一家600间客房的酒店，每天需要150人才能完成客房周转。这些持续存在的痛点使潜在客户更愿意尝试新技术来缓解问题。

酒店成为理想的垂直领域还有其他原因。环境是结构化的：房间布局可预测，照明可控，任务可重复。而且重要的是，这些任务可以迁移到许多行业。在Bellboy的机器人完善了洗衣分类任务后，洗衣公司开始找上门来想要购买它们的机器人。如今团队正涉足场地领域，部署机器人为活动布置桌子。

Covariant前CEO Ted Stinson回忆说，在公司早期，他们与客户交谈以确定团队开发技术的最佳用例。物流看起来是一个有吸引力的垂直领域，因为任务半结构化且大规模运营。“我们当时不知道但后来发现它成为一个非常好的起步垂直领域的原因是客户紧迫程度，”他说。

2. 构建全栈能带来最深的客户亲近度，但合作正成为越来越可行的替代方案

在Covariant早期，团队认为可以保持纯模型公司的定位，与传统的自动化供应商合作接触客户，同时专注于智能层。这在理论上是一个优雅的策略，但在实践中却造成了障碍。“速度和客户洞察力严重限制了我们的公司建设能力，”Ted说。团队最终决定成为一家完全集成的机器人系统公司，拥有硬件、部署和客户关系。

然而，Ted不愿将自己的经验推广到适用于今天的创业者。他指出，现在的生态系统与七年前大不相同。“我看到越来越多的传统机器人和集成公司有潜力成为出色的合作伙伴，”他说。虽然全栈路径仍能带来最深的客户洞察和最紧密的反馈循环，但在合适的条件下，建立出色的合作关系现在已成为一个真正的战略选择。

3. 不要过早定义你的垂直领域或技术栈

该领域的一些人预计垂直机器人公司将在未来十年占据主导地位。另一些人则认为整合不可避免，最成功的应用机器人企业最终将集中在少数应用上。但正如Ury指出的，这两种观点都假设了一个尚未满足的先决条件：硬件要足够可靠，可以在此基础上构建干净的技术栈。“目前还没有一种清晰证明的实体能完美解决所有问题，”Ury说。“你可以说人形机器人能解决所有问题，但这在实践中很难。”

“要实现清晰的划分，即有人构建基础，其他人只构建大脑，你真的需要确保基础是牢固的，并且能解决问题，”Ury说。在此之前，他认为拥有更多技术栈并共同迭代的公司，会比那些过早专注于单一层的公司发展得更快。

Sandy在Bellboy的经历说明了这在实践中的样子。Bellboy从酒店起步，扩展到更广泛的洗衣用例，现在正在为活动场地布置桌子。“垂直是一个大词，”她说，指出很难将行业与底层任务区分开来。连接酒店和洗衣服务的不是行业，而是任务类型和机器人需要运行的上下文层。

机器人在特定环境中运行的时间越长，积累的上下文就越多，这种上下文很难被竞争对手复制。Bellboy部署机器人的每一栋建筑都会生成一个持久的、特定于建筑的模型，该模型学习与之一起工作的人的习惯，例如知道三号电梯比二号电梯慢。Sandy认为，这种特定场所的知识可能会以一种原始任务能力本身无法做到的方式跨用例迁移。

4. 应用机器人中最难填补的角色尚无职位描述

在大多数应用机器人公司中，本能是招聘研究人员和工程师，其他的以后再说。但这种方法经常遗漏的是负责管理实验室与现实世界之间差距的角色。关键在于，部署的成功与否恰恰取决于这个差距。

“让系统在实验室运行是一回事，”Ted说。“看到它在现实世界中工作，并看到所有你理解不了的事情是另一回事——这些事每小时或每周才发生两次。但它们成为你的系统必须应对的重要事项。”驾驭这一差距需要一个人能在研究、产品和现实约束之间同时做出判断。大多数公司没有明确招聘这个角色，但他们能感受到缺失的后果。

“我们是通过艰难的方式才意识到这个角色需要存在的，”Ted回忆道。“我们让一些最顶尖的研究人员去挑战。他们不喜欢连续四周待在肯塔基州路易斯维尔的配送中心。”这次经历催生了一个Ted现在称之为现场部署工程师的角色。这个角色的理想人选是具备技术能力但不完全是研究人员，有深厚的客户同理心，以及将现实世界洞察反馈给工程团队的沟通技巧。“目前还没有一个等价的经典职位描述，”Ted说。

5. 领域深度和信念对融资工作至关重要

据Sandy说，一年半前，说服投资者物理人工智能即将迎来‘ChatGPT时刻’确实很难。Bellboy的第一轮融资并非来自风投。相反，它来自一位拥有170家酒店、每天亲身面对问题的支持者。这给了公司首次部署以及在受控环境之外的首个验证点。“如今，市场存在真实需求，我们有证据表明可以部署，因此有一条清晰的规模化路径，”她说。

但Ury认为，如今更有说服力的融资资产是领域深度与真正愿景的结合。“这一切归结为深刻理解你正在构建的东西，并且能够部署、学习、理解并从真实环境中学习，”他说。

然而，仅凭过去的部署成功和领域深度还不够。“如今有足够证据表明应用机器人是可行的，”Ury说。“现在人们寻找的不仅理解用例的人，还得是梦想家。”Ted呼应了强大创始人愿景的重要性：“Sandy告诉我，她拥有这个愿景已经十年，一直在思考它，并设想需要什么。”

6. 每家机器人公司都在为构建于并非为其设计的模型之上付出代价

如今大多数机器人公司都在构建用于语言和视觉的模型，而非物理部署。“很多公司都在现有的事物之上构建，而这些事物并非为机器人构建的，”Ury说。“很多公司说‘添加数据、微调它、预训练它’。但这拖慢了每个人的速度。”

在Mind Robotics，应对措施是有意的：直接在Rivian工厂车间收集第一人称数据，而非依赖借用的训练数据。“我们的整个战略基于在Rivian工厂收集数据的能力，”Ury说。“在此之上构建是基础，是让我们达到较高性能的主要途径。”

第二个瓶颈加剧了第一个。对于特别困难的任务，从模仿学习推进到强化学习需要从头构建复杂的基础设施，因为没有现成的剧本。“我真的很想找到那个配方，”Ury说。“拥有类似的东西会使每个人受益。”

7. 未来十年胜出的机器人公司，可能是那些专注于构建最佳集成的公司

今天的工厂和仓库是为人类建造的，机器人是围绕现有基础设施进行改造的。Ted认为这种情况即将改变。“工厂和仓库的运营方式将越来越多地反映出自动化优先的思维，”他说。

各个部分已经在汇聚。“硬件构建块正迅速变得像乐高一样，并且有一些出色的公司在构建物理智能层，”Ted说。他将在形成的未来比作《星球大战》中的酒吧——一个充满各种不同实体的房间，每个都在做自己的事，但以某种方式共存。

“我认为缺失的是快速集成和部署大规模定制化系统的能力，”他说。“我们今天离做到这一点比以往任何时候都更近。”

（翻译说明：原文为英文，已按规则翻译为中文。保留专有名词英文，如公司名、人名、技术术语。最后一段"For more conversations..."及推荐阅读部分为噪声，已删除。）