Agile Robots AG

1.1 身份、版图与运营画像

Agile Robots 对外呈现的是一家总部位于慕尼黑、提供 AI 驱动自动化的公司，而不是单一产品机器人厂商。官方公司页面反复描述一套结合机器人硬件、传感器、计算机视觉、力控和软件的技术栈，并把公司放在汽车、消费电子、医疗健康、物流和服务流程之中。历史主线来自创始人的 DLR 背景：Zhaopeng Chen 和 Peter Meusel 2018 年从力控机器人和智能操作研究出发创办公司，随后扩张为多地制造和研发网络。公开运营版图证据在地理分布上较强，在经审计规模上较弱。慕尼黑是治理和研发中心，Kaufbeuren 是公开的生产锚点，官方页面还列出中国、印度和美国的运营。这个版图很关键，因为后续关于具身 AI、人形机器人和工厂级部署的战略主张，都需要公司在多地拥有内部制造、集成能力和工业客户入口。[CO001, CO002, CO003, CO004, CO005, CO008]

1.2 领导层与治理信号

领导层证据最集中在创始人和 2024 年法律形式转换，公开董事会披露则薄得多。Chen 和 Meusel 不是泛泛的商业创始人；公司和第三方资料反复把他们与 DLR 的机器人工作相连，这也解释了 Agile Robots 的公开叙事为什么强调灵巧、力控和先进感知，而不是单纯替代人力。治理记录显示，2024 年 3 月 Agile Robots 从 AG 转为 SE，这是一个有意义的正式动作，更符合一家预期开展泛欧洲增长、跨境运营并扩大机构形象的公司。质量和运营体系信号也有支撑：ISO 9001 认证和反复提到的内部制造，都强化了 Agile Robots 希望被视为生产级公司的定位。未解的问题是所有权和控制权细节。可用资料中没有申报级公开股权表，没有清晰披露的董事会图谱，也没有详细债务或控制权披露，因此领导层质量比治理透明度更容易评估。[CO001, CO006, CO007, CO017, CO037]

1.3 融资历史与利益相关方图谱

公开融资证据呈现出熟悉的深科技路径：早期由中国相关创投投资，随后 SoftBank Vision Fund 2 领投的高能见度 Series C 奠定了 Agile Robots 的独角兽定位。公司自己的融资公告可以让我们还原从天使和种子支持，到 Pre-A，再到八位数 Series A，最后到 US$220 million Series C 的序列。这足以证明资本可得性、投资人质量，以及投资方愿意为资本密集型机器人扩张继续输血。但这些信息不足以还原控制权或当前持股比例。利益相关方图景不止股权资本。BMW 通过 idealworks 仍具战略相关性，Google DeepMind 则在 2026 年成为智能层伙伴。这些关系重要，因为 Agile Robots 的执行模式既依赖生态杠杆，也依赖融资本身。缺点是披露不透明：估值、员工数和收入信号出现在新闻稿和访谈里，但公司仍像一家私营企业，只在战略上有用时选择性披露动能指标。[CO009, CO010, CO011, CO012, CO013, CO014]

1.4 里程碑、收购与整合风险

2023-2026 年的里程碑模式是当前公司故事的核心。Agile Robots 并不只是放大原有协作机器人产品线；它通过收购和相邻合作拼出一个更宽的工业平台。Franka 带来陷入困境但仍有价值的机器人 IP 和研究平台，BÄR 带来运输与自动化经验，idealworks 带来厂内物流软件和 AMR 暴露，thyssenkrupp Automation Engineering 则显著加深了工业纵深和 OEM 关系。到 2026 年初，公司在这一被收购的工业底座之上叠加 Google DeepMind 合作，明确推进自主、重推理的具身 AI。这一序列支持一个判断：Agile Robots 正在成为整合者和系统集成商，而不只是设备制造商。但执行风险也真实存在。Franka 来自破产程序，收购后的运营 KPI 仍稀薄，围绕员工、部署量和收入的公开规模主张仍是新闻稿级别而非经审计。整体里程碑记录因此令人印象深刻，但仍取决于公司能否把差异很大的资产、客户群和技术栈整合成功。[CO015, CO016, CO018, CO019, CO020, CO021]

1.5 图表

2.1 市场边界与纳入细分

本章最大的分析错误，是引用一个巨大的「机器人」TAM 后就停下。Agile Robots 的公开版图既不是广义消费机器人，也不只是某一类工业机械臂。保留下来的证据支持一个更窄、更可投资的边界：面向工厂及相邻物流的集成工业自动化，包括固定机械臂、协作机器人、工业软件、移动自动化，以及能解决真实生产任务的新兴人形机器人流程。这个边界与公司自己的应用页面一致，后者强调装配、机床上下料、搬运、检测和厂内物流，而不是消费或家庭场景。它也解释了相邻软件和移动能力为何重要。AgileCore 面向系统集成商和运营方，BÄR 与 idealworks 相关的移动机器人层则把产品组合延伸到 AMR、AGV 和移动操作项目。结果是一个基于证据、运营上自洽的市场定义，比无差别的机器人支出标题有用得多。[CM001, CM002, CM003, CM012, CM013, CM018]

2.2 规模测算视角与相互矛盾的估计

公开工业机器人市场规模在方向上偏多，但数字并不一致。这种不一致本身就是发现，而不是噪音。Mordor、MarketsandMarkets、Verified Market Research 和 Future Market Insights 都显示多年增长可观，但它们对 2026 年绝对基数和隐含斜率分歧很大。保留的最低 2026 年估计约为 USD15.5 billion；最高为 USD65.1 billion。这个跨度太大，不能把任何一家发布方当成标准答案。方法论似乎驱动了差异：有些发布方更接近核心机器人硬件，另一些则纳入软件、集成、协作系统或更广的自动化层。尽调中更稳的结论是需求结构性真实存在，但 Agile Robots 的自下而上市场模型必须受产品匹配度和买方证据约束，而不能只靠自上而下 TAM 幻灯片。VDMA 背景有助于理解周期性：德国仍是自动化领导者，但本地行业机构仍把 2026 年环境描述为困难，提醒我们采用节奏会随制造业周期波动，而不是一条平滑 CAGR 曲线。[CM004, CM005, CM006, CM007, CM008, CM009]

2.3 买方图谱与采用路径

保留资料指向一个多角色采购过程。汽车、电子、物流和相邻工业运营商是主要终端市场，但买方不总是终端用户。工厂工程和运营团队掌握流程痛点，采购和供应链团队感受可得性和交期压力，物流负责人关心厂内物流效率；涉及 AgileCore 或异构车队时，系统集成商也很关键。产品级证据进一步细化了买方图谱。Diana 7 和 Yu 5 服务对灵巧性和协作敏感的任务。移动机器人服务运输和厂内物流。Agile ONE 把故事延伸到跨工位劳动力替代或增强，但仍在工厂和物流内部，而不是消费场景。DeepMind 合作报道通过点名电子、汽车、数据中心和物流作为初始目标，强化了工业优先路径。ARENA2036 和工业 AI 云又提供了额外证据：采用可以通过研究、试点和数据合作来中介，而不只是直接一次性设备销售。[CM012, CM013, CM014, CM015, CM016, CM017]

2.4 增长驱动、约束与估值相关性

需求逻辑很容易看到：市场报告持续把智能制造、AI、IIoT、更高劳动力成本和工厂效率压力列为机器人行业的持久顺风。ResearchAndMarkets 更进一步，把市场描述为从自动化转向自主化，这与 Agile Robots 的具身 AI 叙事高度吻合。但约束对估值同样重要。MarketsandMarkets 强调，协作机器人高成本、集成复杂和互操作性有限仍是持续障碍。这些障碍对 Agile Robots 尤其相关，因为公司的系统价值越来越取决于整合硬件、软件、数据和被收购业务线，而不是销售一台孤立的机械臂。因此，切换成本很可能只有在客户把完整技术栈运营起来之后才会出现。这可以成为护城河，但也意味着实施风险高，商业化扩张需要耐心的证据点。公开定价仍缺席，所以回收期和单位经济性仍靠推断。投资人应把这个品类按战略重要且可能很大的市场来承销，但还不能把它视作一条测量清晰、无摩擦的采用曲线。[CM019, CM020, CM021, CM022, CM023, CM024]

2.5 图表

3.1 格局与买方替代方案

Agile Robots 并不在一个整齐的单一品类盒子里竞争。它的公开定位落在协作自动化、力控操作、AI 驱动机器人和高混线生产流程的交叉点。这意味着买方至少可以用四条替代路径解决同一任务。第一类是 Universal Robots、ABB、KUKA、FANUC 等广义协作自动化领导者，它们把机械臂与软件、培训、服务和集成支持打包。第二类是 Flexiv 和 Franka 等灵巧与力控专家，主要卖点是敏感操作，而不是目录广度。第三类是 Dobot 等低成本出口商，靠价格、伙伴触达和广泛入门级产品覆盖拉宽采用。第四类是买方侧替代：继续延长人工流程、混合使用集成商选择的组件，或选择更宽的工业自动化供应商，让机器人套件嵌入更大的工厂标准化项目。行业数据也重要。IFR、VDMA 和多家市场研究公司都指向庞大且仍在增长的机器人市场，但也显示买方注意力越来越被全球规模厂商、亚洲供应和 AI 重叙事牵引，而不是一个干净独立的「协作机器人」细分。[CP001, CP002, CP019, CP020, CP022, CP023]

3.2 既有厂商画像与能力对比

最重要的竞争事实模式，是广度不对称。Universal Robots 强调简单、可重复和庞大的 UR+ 生态，即便载荷范围不能直接匹配每个工业任务，它仍是协作部署的强默认选择。ABB 和 KUKA 更像工厂自动化平台来切入市场：它们把协作机器人打包进更广的产品组合，后者包括多关节机械臂、专用机器人、软件、控制器、外设和服务触达。FANUC 在纯硬件广度上更宽，覆盖重载、协作 CRX、大型软件库和仿真工具。在这个背景下，Flexiv 和 Franka 重要，因为它们与 Agile 的灵巧叙事重叠更近。Flexiv 明确营销把工业级力控与 AI 融合的自适应机器人。Franka 仍是研究优先的参考平台，社区牵引和精细运动可信度较强。因此，当采购标准是敏感力交互、直接示教或受限环境中的更高精度操作时，Agile 最有竞争力。当买方优先考虑装机基础、全球支持密度或跨多类机器人实现广泛平台标准化时，它的处境就不那么有利。[CP003, CP004, CP005, CP006, CP007, CP008]

3.3 定价、分销与切换成本

公开定价仍是这个市场最不透明的部分之一，但现有证据在方向上有用。第三方 2026 年指南把标准协作机器人的基础区间大致放在 $25,000 至 $60,000，尚未计入工具、视觉、合规工作和集成；高级配置则超过 $90,000。同一批指南把 Universal Robots、ABB 和 FANUC 放在重叠但差异明显的价格带，而 Dobot 等中国品牌则被描述为低成本挑战者。即便这些数字不等于真实标价，它们仍显示买方已经习惯预期的竞争压力。分销和切换成本比标价本身更重要。Universal Robots 用 UR+、培训和应用套件加速部署。ABB 强调服务网络广度。FANUC 卖的不只是机械臂，还包括控制器、软件、仿真、维护和长生命周期支持。一旦工厂在其中一个环境上实现标准化，替换就不只是换机械臂。通常还意味着重新培训员工、重新验证安全、调整集成，并可能重写工具流程。因此，Agile 需要足够强的操作和 AI 边缘，让买方愿意承担改变技术栈假设的成本，而不是购买最省事的既有厂商扩展。[CP008, CP010, CP016, CP032, CP033, CP034]

3.4 护城河耐久性与替代风险

Agile 的护城河真实存在，但有条件。证据支持它围绕灵巧力控、研究级控制保真度和 AI 优先操作形成差异化位置。但这个护城河不等于免疫对手回应。ABB、FANUC、KUKA 和 UR 拥有更大的装机基础、更强的分销肌肉和更成熟的软件服务循环。Flexiv 直接在自适应力控话语上竞争。Franka 仍把研究与开发者社区表面做得有吸引力。Dobot 和其他中国出口商压低协作机器人价格栈底部。同时，第三方行业报道越来越把这个行业描述为从基础自动化走向自主化、AI 驱动机器人，并最终走向人形或通用系统，这会扩大未来进入者和相邻替代品清单。结果是，Agile 不能只靠品类新鲜感。它在精度要求高、触觉强、高混线制造任务中应最强，因为力控和学习能力会立刻发挥作用。当买方想要低前期成本、全球现场服务，或希望一家供应商已经掌握工厂更广自动化标准时，它应最弱。[CP011, CP018, CP019, CP020, CP021, CP023]

3.5 图表

4.1 收入模式与公开牵引

公开证据支持的是多元自动化技术栈，而不是单一产品业务。Agile Robots 营销机器人硬件、控制软件和应用 AI；2023-2026 年的收购增加了互补界面：Franka 扩展研究和敏感机械臂系统，idealworks 增加 AMR 硬件以及车队软件和仿真，thyssenkrupp Automation Engineering / Krause 增加交钥匙产线工程和安装。这构成了硬件收入、软件或支持收入、项目型集成收入的合理组合。难点在于，公开申报没有披露每个界面的收入占比、收入如何确认，软件是单独货币化还是被打包。最强公开收入信号是 Manufacturing Dive 引用公司口径称，2024 年收入约 €200 million，且同比翻倍。装机基础信号也很重要：BMW 提到生产中的 600 台、随后 850+ 台 iw.hubs，物流行业报道则称 Agile Robots 已交付超过 10,000 个自动化解决方案。这些都是可观的商业线索，但仍弱于经审计分部报告。因此，收入问题不是 Agile Robots 是否有商业活动——它显然有——而是收入组合是否足够经常性、高毛利且持久，足以支撑溢价机器人估值。[CI011, CI013, CI017, CI018, CI020, CI029]

4.2 规模、收购与资本建设

公司的公开战略明确是规模优先且资本密集。员工数引用从 2024 年 3 月的超过 1,700 人，升至 2026 年 Amazon Business 案例研究中的超过 2,300 人，以及 2025 年末 / 2026 年报道中的超过 2,500 人；仅 thyssenkrupp 交易就增加约 650 名专家和约 10 个地点。这种扩张不只是有机增长：它由一轮有意的并购整合推动，收购对象包括困境资产、战略资产和能力增厚资产。Franka 在破产后保住了敏感机器人装机基础；BÄR 增加系统集成传承；idealworks 增加带有 BMW 可信度的规模化厂内物流生态；tkAE / Krause 增加工厂工程纵深和长期 OEM 关系。独立物流报道还称，Agile Robots 每年在德国投入超过 €80 million 研发，并已落地超过 10,000 个自动化解决方案。与此同时，Agile One 生产、Kaufbeuren 的 Franka 重启，以及横跨欧洲、中国和印度的生产运营，都意味着沉重的制造和集成负担。如果收入质量跟上，这一战略可以形成强护城河；但它也意味着资本正同时被招聘、收购、制造和算力消耗，而不是流向单一可控项目。[CI008, CI009, CI010, CI016, CI019, CI020]

4.3 算力依赖与运营效率代理指标

Agile Robots 的不同寻常之处还在于，公开资本故事如今包括 AI 基础设施，而不只是机器人和工厂。公司承诺从 2026 年开始在 Deutsche Telekom 和 NVIDIA 的 Industrial AI Cloud 上训练基础模型，并另行公开称已提前接入 NVIDIA Cosmos 3 用于仿真。公司自己对 Industrial AI Cloud 的解释把取舍说得很清楚：通用机器人智能需要大数据集、强云基础设施和可扩展训练循环。换句话说，模型雄心在成为收入线之前，先变成运营成本线。公开资料没有披露预留 GPU 容量、云支出或模型训练单位经济性，因此投资人无法判断算力是可管理的差异化因素，还是拖累现金跑道的隐性负担。公开资料中唯一具体的运营效率代理指标来自采购侧：Amazon Business 引用 Agile Robots 采购负责人称，一些电子品类已经实现成本降低，同时可得性和交期改善。这证明供应链纪律在组织内部重要，但仍是狭窄代理指标，不能证明强毛利率或 CAC 效率。[CI023, CI024, CI025, CI026, CI039]

4.4 财务可见度缺口与结论

决定性尽调问题不是 Agile Robots 是否在扩张，而是公开证据是否足以判断扩张质量。答案是否定的。已审阅资料披露了历史融资、法律形式变更、收购逻辑、部署规模以及部分招聘 / 研发代理指标。它们没有披露当前现金、月度烧钱、现金跑道、毛利率、库存强度、应收账款、订单积压转化、重大收购价格、债务义务或实际定价。即便找到的一条类似申报的线索，也只是前身 AG 的注册摘录供应商结果，不含账目。这种不透明比通常更重要，因为公司正同时整合多项业务，维持巴伐利亚和亚洲制造，并叠加算力密集型 AI 项目。因此，财务结论是混合的：Agile Robots 有足够公开证据显示市场牵引和工业雄心，值得继续尽调；但常规财务披露不足，无法承销收入质量、利润率路径或资本充足性。任何投资判断都必须依赖直接进入 data room，而不能只靠公开叙事。[CI030, CI031, CI032, CI033, CI035, CI036]

4.5 图表

5.1 产品组合与客户流程

Agile Robots 已不再像单一机械臂厂商。公开产品组合覆盖精密协作机器人、力控研究友好型机械臂、移动机器人、人形机器人系统，以及一个用于协调这些系统的 AI 软件层。放到客户流程里，公司卖的是智能生产系统的想法，而不是彼此割裂的机器人单元：机械臂处理操作，移动平台处理工位之间的移动和编排，AgileCore 处理配置和优化，更新的基础模型界面承诺随着时间推移减少手工编程。最高确信度证据仍来自具体硬件页面。Diana 7 明确定位在力敏感、高精度操作；Yu 5 Industrial 强调视觉驱动协作自动化；Thor 产品线覆盖更广载荷和臂展区间；Agile Hand 把技术栈延伸到灵巧末端执行器；移动机器人页面展示机械臂如何与伙伴 AMR 或 AGV 平台组合。这种广度有战略价值，因为 Agile 可以向工厂推销一整套集成自动化项目，而不是一次卖一台机器人。它也提高了执行门槛，因为每一层都必须与技术栈其余部分可靠协同。[CE001, CE002, CE003, CE004, CE017, CE019]

5.2 架构、控制与开发者界面

Agile 的公开架构故事在继承或连接 Franka 研究技术栈的地方最强。Diana 7 有最清晰的技术规格界面：七轴扭矩传感、7 kg 载荷、923 mm 臂展、±0.05 mm 重复定位精度，以及 0.5 N 力控精度。关键产品开发动作是加入 Franka Control Interface 支持，暴露 1 kHz 实时控制，并把 Diana 7 接入 libfranka、ROS、ROS 2、MATLAB 和 Simulink 生态。这是一座有意义的技术桥梁，因为它让 Agile 从纯工业叙事进入研究和开发者流程，而该流程已经拥有工具和社区预期。GitHub 证据强化了这一点。libfranka 明确是低层级、实时的；franka_ros2 明确处于活跃开发中，并以 ROS 2 Humble 为中心。与此同时，Agile Hand 暴露自己的 1 kHz 通信路径和 C++ / Python / ROS 兼容性，而 AgileCore 走向相反方向，用自然语言任务创建、基于 RAG 的设置指导和自优化行为来抽象控制。合在一起，这些来源指向双层架构：面向高级用户的低层级直接控制可信度，以及面向更广部署的高层级 AI 抽象层。这很有吸引力，但也意味着公司必须同时维护硬核控制保真度和易用编排。[CE005, CE006, CE007, CE008, CE009, CE010]

5.3 工业 AI 技术栈与生态依赖

Agile 的产品叙事越来越像基础模型叙事。Google DeepMind 合作明确把 Gemini Robotics 模型与 Agile 硬件和真实部署数据相连。Industrial AI Cloud 界面更进一步，主张真实工业数据、合成仿真数据和人类示范数据会汇入一个专有机器人基础模型，并在 NVIDIA 和 Deutsche Telekom 基础设施上训练。NVIDIA 在多个层面都重要：Agile 称自己多年使用 NVIDIA 工具，正在测试 Cosmos 3 用于仿真和数据生成，并出现在 NVIDIA 自己列出、使用 Cosmos、Isaac Sim 和 Isaac Lab 的人形机器人建设者名单中。生态也通过 Franka 和 GTC 演示循环，Agile 在那里围绕双臂 Diana 7 设置展示遥操作和数据采集。这套架构可能成为真实优势，因为它把现有部署转成模型改进飞轮。风险同样清楚。产品智能并非完全自给自足。它依赖外部模型伙伴、外部算力平台和一条公众无法独立审计的大数据管线。这使伙伴可靠性、数据治理和训练经济性成为核心产品问题，而不是边缘议题。[CE023, CE024, CE025, CE026, CE027, CE028]

5.4 信任、质量与成熟度风险

信任故事可信但不均衡。Agile 可以指向 ISO 9001 质量管理认证、经 TÜV SÜD 认证且按 IEC 61508 评估的 Safety Core，以及 Yu 5 Industrial 通过 TÜV SÜD 对 IEC 61508、ISO 13849-1 和 ISO 10218-1 的认证。这些都是有意义的信号，说明公司投入了正式质量和安全流程，而不是把 AI 与机器人当作纯软件实验。生产控制也变得更清楚：Kaufbeuren 已从巴伐利亚重启 Franka 发货，Agile 称关键产品由内部制造。同一批证据也显示成熟度仍未完全证明。Agile ONE 在战略上令人兴奋，但公开记录仍由发布信息、Hannover 演示和基础设施公告主导，而不是广泛现场数据。整个技术栈的公开正常运行时间、MTBF、现场事故和安全治理披露仍稀少。DLR Agile Justin 血脉有助于解释为什么力控、触觉感知和全身 AI 反复作为优势出现，但血脉不等于商业可靠性。因此，投资人应把当前产品故事视为架构强、生态整合有前景、规模化工业运营证据只被部分证明。[CE029, CE030, CE031, CE032, CE033, CE034]

5.5 图表

6.1 客户分层与采用界面

对一家仍为私营的机器人公司来说，Agile Robots 面向的客户界面异常宽。产品组合覆盖协作机械臂、敏感研究机器人、AMR、编排软件、仿真，如今还包括人形机器人系统。这种广度至少形成五个公开客户簇：汽车制造与厂内物流、非汽车制造与仓储、研究 / 学术、电子与精密装配，以及新兴、可承接人形机器人的工厂流程。最强分层证据来自 idealworks 和 Franka，而不是大量公开的 Agile 核心品牌终端客户名单。BMW 是规模化汽车使用的锚定参考账户；MoldTecs 和其他 idealworks 故事证明了非汽车仓储和制造相关性；Franka 和 Diana 7 则通过点名机构建立了单独的研究与学术细分。产品组合还反复提到电子和精密装配，并由 Amazon Business 的采购证据和公司材料中的行业引用间接支撑。这种广度是优势，因为它降低了对单一产品形态的依赖；但它也让披露挑战更难：公开记录显示 Agile Robots 能卖到哪里，却没有显示每个细分贡献多少收入。[CU001, CU002, CU003, CU011, CU018, CU030]

6.2 具名客户证据与结果证据

本章最强的直接客户证据是 BMW / idealworks。BMW 先在 2023 年披露厂内物流流程中有超过 600 台 iw.hubs；2025-2026 年 idealworks 证据集把这一数字推进到全球 BMW 生产基地的 850+ 台机器人，每天约 30,000 次任务，98% 可用性。这些是强运营指标，尤其因为它们绑定具名工厂和持续生产环境，而不是会议 demo。非汽车证据不那么丰富，但仍真实存在：idealworks 的客户故事页面点名 MoldTecs，并称其 Sonneberg 工厂运行八台 iw.hubs，每天约 1,700 次任务。Amazon Business 提供另一类具名证据——不是产品收入，而是一个实时供应商关系，Agile 报告电子件成本降低、交期改善。Franka 又增加一层证据：2023 年破产后，Agile 从 Kaufbeuren 重启发货，并引用 MIT、Stanford、ETH Zurich、Max Planck 和 NVIDIA 的持续使用。结果是，部署和连续性证据可信，但 Agile 品牌工业机器人仍缺少广泛公开的具名生产买方名单。[CU004, CU005, CU006, CU007, CU008, CU009]

6.3 留存、耐久性与扩张动态

传统留存指标没有出现在公开记录中。已审阅资料均未披露客户数、NRR、GRR、流失率、续约率或合同期限。这意味着客户耐久性必须从运营行为而不是财务指标推断。最好的耐久性代理指标是 BMW：Agile 收购 idealworks 全部股权后，BMW Group 仍是长期伙伴，装机基础还在按地域扩张。第二个耐久性代理指标是 Franka：2023 年破产相关中断后，2024 年恢复生产，研究生态看起来仍完整，具名机构仍被引用为活跃用户。MoldTecs 等 idealworks 外部案例显示，受制于母公司之外也可能具备一定可复制性，尽管公开证据仍浅。扩张动态也高度依赖渠道。Agile 越来越通过被收购生态触达客户——厂内物流中的 idealworks、研究中的 Franka、系统集成中的 BÄR，以及偏 OEM 自动化中的 Krause——而不是通过公开披露的直销漏斗。这让扩张显得合理，但也意味着交叉销售论点如果没有 CRM 和 cohort 数据，很难验证。[CU010, CU012, CU014, CU019, CU020, CU021]

6.4 集中度风险、盲点与结论

客户结论令人鼓舞但不完整。Agile Robots 显然不只是幻灯片：BMW / idealworks 已有规模，MoldTecs 已在运营，Amazon 是正在发生的企业关系，Franka 展示了一个经历困境事件后仍存续的研究装机基础。但 BMW 以巨大优势主导公开证据质量。最强证据点、最密集指标和最清晰具名账户引用都来自同一圈层，即便实际收入集中度未来证明更低，这仍会抬高集中度风险。同时，公开记录很少说明留存、定价权、合同结构或头部账户经济性。公司也反复把电子和精密装配称为战略终端市场，但那里具名终端客户证据仍薄。正确尽调结论因此是平衡的：客户牵引真实且多细分，但收入耐久性和集中度仍需要资料室证据。在卖方流程中，缺失的客户指标包可能几乎和产品叙事同样重要。[CU024, CU025, CU026, CU027, CU029, CU036]

6.5 图表

7.1 按严重度排序的风险图景

Agile Robots 进入 2026 年时，同时背负的执行要求异常密集。公司不只是卖出更多设备；它还要整合破产后的 Franka，把 thyssenkrupp Automation Engineering 转为 Krause Automation，整合 idealworks，并把 DeepMind、NVIDIA 和 Deutsche Telekom 依赖叠进下一轮产品周期。公开证据显示规模真实存在——2024 年收入约 €200 million、超过 2,500 名员工、已部署超过 20,000 套机器人系统——但规模也会放大任何运营失误的冲击半径。因此，最高严重度风险不是单一产品缺陷，而是系统性风险：整合滑坡、伙伴依赖和合规工作量可能传导为交付失误、利润率压缩和估值叙事变弱。下方风险热力图和传导图说明，投资论点应按整合与控制故事来承销，而不只是机器人增长故事。[CR013, CR014, CR015, CR016, CR017, CR026]

7.2 监管与法律暴露

监管 / 法律负担很重，因为 Agile 结合了实体机器人、工业软件、跨境生产和模型训练基础设施。欧盟 dual-use 和美国 EAR 框架并不能证明 Agile 目前每一笔出货都需要许可，但它们确立了一个事实：先进机器人硬件、软件和技术援助可能因目的地和最终用途而受控。另行看，AI Act 已在欧洲施加基于风险的制度，禁止性做法已经生效，高风险义务也接近实施里程碑。公开证据足以说明合规成本和文档负担正在上升，但不足以显示逐产品准备情况。遗留收购资产问题也重要。Franka 经历破产，Munich Startup 报道了围绕收购的补贴欺诈调查，Franka 出售还引发德国 - 中国审查公开关注。这种组合提高了客户、贷款方和监管机构要求比标准自动化供应商更扎实尽调包的概率。[CR001, CR002, CR004, CR005, CR006, CR021]

7.3 运营与伙伴依赖风险

运营上，Agile 已公开拿出质量里程碑，也重启了生产，但披露材料仍有大块盲区。ISO 9001 和 TÜV 证书能支撑流程可信度，Kaufbeuren 复产也说明 Agile 能较快稳住 Franka 并恢复发货。问题是，公开材料没有给出全车队的正常运行时间、质保或事故数据。2026 年路线图又高度押注伙伴基础设施：DeepMind 提供基础模型，Deutsche Telekom 与 NVIDIA 提供工业 AI 云算力，Krause Automation、idealworks 等并入实体负责拓宽市场路径和装机基础。每项依赖单看都合理，但叠在一起就是一个耦合系统：一份合同出问题、一个算力瓶颈、一次集成失手，都可能同时打断多条收入线。因此，下方依赖图是一件实用的承保工具：它标出哪些看似商业合作的关系，可能变成硬执行约束。[CR007, CR008, CR009, CR010, CR011, CR012]

7.4 缓释措施、监控项与论点失效标准

投资含义不是 Agile 不能投，而是尽调必须从口号式 AI 愿景转向运营证据。公开缓释措施确实存在：Franka 保留本地生产，大额交易配备法律顾问，安全认证里程碑已经拿到，欧洲云定位明确，慕尼黑研发基地每年投入超过 €80 million。这些动作足以支持继续跟进。但在管理层证明模型与算力伙伴的合同韧性、产品级出口分类、AI Act 工作流和现场可靠性看板之前，剩余风险仍然很高。投资者应把下方五项否决标准视为强制监控闸门。如果出口管制摩擦出现，AI Act 责任仍含糊，Krause / Franka / idealworks 集成滑坡，或重大安全事件浮现，正确反应不只是减仓，而是重新承保整个 AI 溢价倍数。这就是本章的核心教训：Agile 的上行空间真实存在，低估运营控制风险的代价也同样真实。[CR017, CR020, CR026, CR033, CR037, CR041]

7.5 展示材料

8.1 建议与承保立场

公开证据足以让投资者认真看待 Agile Robots：它已经是一家有规模的工业机器人平台。但这些证据还不足以支持在未说明的高溢价估值上把公司承保为明确买入。公司确实有硬资产：超过 20,000 套已部署系统、公开约 €200 million 收入数据点、庞大员工规模、多国制造能力，以及围绕 DeepMind、NVIDIA、Deutsche Telekom 和慕尼黑 AI 生态的势能。这些不是表面信号。问题在价格敏感性。已抓取来源披露了历史融资轮次和 2021 年独角兽里程碑，却没有披露 2026 年当前估值、清算优先栈或运营经济性。因此，近期正确立场是跟踪 / 继续研究：保持贴近，拿到资料室，在毛利、烧钱和商业韧性得到证明前，不把叙事势能折算成溢价入场价。下方建议表和逻辑图说明，单靠规模还不够。这个披露缺口正是入场需要耐心的原因。[CV004, CV014, CV016, CV017, CV035, CV039]

8.2 融资背景与可比公司集合

Agile 的融资历史亮眼，而且跨度够长，值得重视。公司从早期 8 位数融资推进到 2019 年 pre-A，再到 SoftBank 领投的 2021 年 Series C，第三方档案还指向 2022 年后续融资。这段历史支撑了一个判断：风险投资人反复为这个平台出资。但它并没有告诉我们公司今天值多少钱。公开可比公司覆盖也不干净。ABB、KUKA、FANUC、Teradyne / Universal Robots 可以作为披露质量、规模和竞争广度的参照，但没有一家能与 Agile 这种仍为私营、AI 权重高、收购活跃的平台做严格同类对比。这里最安全的可比用法是定性：它们说明在位者业务宽、资本充足、还要接受公开市场问责，这会抬高任何私营公司估值溢价的门槛。因此，下方可比表聚焦可比性边界，而不是假装上市同业倍数可以直接平移。[CV001, CV002, CV003, CV004, CV006, CV007]

8.3 牛市、基准与熊市框架

当前私有估值未披露，场景分析是把证据转成价值的唯一可辩护方法。最后一个公开收入数据点约 €200 million，可用来勾勒粗略区间，而不是精确目标。基准情形下，Agile 更像一个规模较大、仍在增长、但披露不透明的工业机器人平台，值得尊重，却不该获得不受约束的 AI 稀缺性定价。对应粗略区间为 €0.8 billion 至 €1.2 billion。牛市情形不能只靠标题，需要证明 DeepMind 加持的智能、自研人形机器人生产和并入平台能转化为持久收入质量与利润率扩张。熊市情形同样合理：人形机器人经济性若仍停留在宣传层面，集成负荷若压缩利润率，或新资本以偏向内部人的条款进入，都可能触发下行。换句话说，场景区间宽，是因为披露薄，不是因为市场机会小。[CV014, CV023, CV024, CV033, CV035, CV036]

8.4 最终尽调要求与论点失效触发器

Agile 的尽调负担很明确，也可操作，但任何委员会上调建议前都必须把这些问题清掉。第一，投资者需要当前定价证据：最新融资轮、董事会估值或真实二级交易价格。第二，需要经济性，包括毛利率、运营开支、资本开支以及主要项目的现金消耗。第三，需要清算优先栈和分配瀑布，因为企业价值看起来健康时，普通股结果仍可能很差。第四，需要证明部署规模正在转化为粘性客户，以及软件或服务变现。在这些要求得到回答前，正确动作是监控否决触发器，而不是追逐上行标题。如果量产滑坡、集成破裂、AI 伙伴变成集中风险，或公司以高度结构化条款融资，估值就应向传统自动化供应商压缩，而不是按 AI 溢价平台定价。[CV012, CV021, CV035, CV039, CV040, CV041]

8.5 展示材料