Apptronik

1.1 公司身份与商业模式

Apptronik 是一家位于 Austin, Texas 的人形机器人公司，2016 年作为 University of Texas at Austin 的 Human Centered Robotics Lab（HCRL）商业化孵化项目成立。公司开发 AI 驱动的通用人形机器人，目标是在 工业环境中与人协同作业。旗舰产品 Apollo 是一台身高 5-foot-8-inch、体重 160-pound 的人形机器人， 可搬运 55-pound 负载，每块电池可运行四小时。Apollo 配备 NVIDIA Jetson AGX Orin 计算硬件、带 TÜV SÜD 功能安全认证的 TI 电机控制方案、热插拔电池，以及可配置的 Perimeter Zone 和 Impact Zone 安全系统。 机器人提供腿式和轮式两种配置。CEO Jeff Cardenas 指出，早期工业需求更偏向轮式版本，因为成本更低、 在人附近运行更安全；腿式系统的长期上限更高。 Apptronik 的商业模式是 Robotics-as-a-Service（RaaS），Apollo 定价约为每台每年 $80,000，覆盖机器人硬件、 软件更新，以及持续服务和支持。公司先瞄准制造、物流和仓储三个商业垂直场景，长期再进入零售、医疗和养老。 Apptronik 将 Apollo 定位为「一台机器人，完成数千种任务」，而不是部署单一任务机器；灵活性、 安全性和以人为中心的设计是它强调的核心差异。公司的长期目标单价低于 $50,000。总部位于 11701 Stonehollow Dr, Suite 150, Austin, TX 78758，并计划设立 California 办公室。 [CO001, CO002, CO003, CO004, CO005, CO006]

1.2 创始人、管理层与治理

Apptronik 由 Jeff Cardenas（CEO）、Nick Paine（CTO）、Bill Helmsing 和 Dr. Luis Sentis（首席科学家） 在 2016 年共同创立，四人均出自 UT Austin HCRL。Jeff Cardenas 是公司最主要的公开发言人、融资推动者和 战略决策者。Dr. Luis Sentis 是 UT Austin 终身教授、HCRL 主任，担任首席科学家的同时保留学术职位， 为公司持续带来机器人学研究深度。Nick Paine 以 CTO 身份负责技术开发。Bill Helmsing 是联合创始工程师。 2024 年至 2026 年，公司大幅扩充高管团队。Greg Steele 在 2024 年 4 月加入并担任 COO，此前有 Boston Dynamics 运营背景。Kay Sheils Kingsbury 担任 CFO，Barry Phillips 担任 CCO。Steven Riddle 是工程副总裁。 2026 年 4 月，Apptronik 宣布一轮重要高管任命：Daniel Chu 加入担任首席产品官，此前曾任 Waymo CPO （参与推出全球首个完全自动驾驶网约车服务）和 23andMe CPO；Kevin Garell 加入担任服务与支持高级副总裁， 此前负责 Boston Dynamics 的全球服务；Chirag Shah 加入担任软件副总裁，此前是 Amazon Kindle 和 Alexa+ 的软件高管。 关键人物风险集中在 CEO Jeff Cardenas 身上。他是公司最主要的公众面孔，也推动了所有重要融资。董事会构成和 治理结构尚未公开披露。领投方 B Capital 的 Howard Morgan 一直是积极的外部背书者。2026 年 4 月从 Waymo、 Boston Dynamics 和 Amazon 引入的高管潮，说明公司有意从 R&D 组织转向商业化规模运营。 [CO007, CO008, CO009, CO010, CO011, CO012]

1.3 融资历史与投资人构成

自成立以来，Apptronik 已通过多轮融资累计募集约 $1 billion。最早披露的机构轮次是 2022 年约 $14.6 million 种子轮，由 Grit Ventures 和 Perot Jain 领投。2025 年 2 月，公司完成首笔 $350 million Series A，由 B Capital Group 和 Capital Factory 共同领投，Google/DeepMind 参与；当时员工约 170 人。一个月后，也就是 2025 年 3 月，Series A 扩展至约 $415 million，并引入 Mercedes-Benz、Japan Post Capital、ARK Invest、 Helium-3、Magnetar Capital、RyderVentures 和 Korea Investment Partners。2025 年 11 月，SEC Form D 文件披露公司新增融资 $331 million，并确认 $5 billion 估值。2026 年 2 月，Apptronik 宣布 $520 million Series A-X 延展轮，既有投资人（B Capital、Google、Mercedes-Benz、PEAK6）和新投资人 AT&T Ventures、 John Deere、Qatar Investment Authority 均参与，使 Series A 总融资超过 $935 million，累计融资接近 $1 billion。Series A-X 的定价是原始 Series A 估值的 3x。 B Capital 的 Howard Morgan 公开预计，从 2027 年开始客户订单将达到 $1 billion。Mercedes-Benz、John Deere、 AT&T Ventures 和 Jabil 等战略投资人既提供资本，也可能带来优先客户或制造关系。Google/DeepMind 的投资 直接绑定 Gemini Robotics AI 合作。结合 CEO 公开评论，John Deere 参与也暗示未来可能进入农业科技应用。 [CO013, CO014, CO015, CO016, CO017, CO018]

1.4 规模、员工数与关键里程碑

Apptronik 的员工数随着融资进程大幅增长：从 2025 年 2 月 Series A 公告时约 170 人，到 2026 年 2 月约 300 人，再到 2026 年 4 月约 350 人。公司的人形机器人工作始于 2013 年，当时 UT Austin HCRL 创始团队 参加 NASA-DARPA Robotics Challenge，使用 Valkyrie 人形机器人。发展至今，Apptronik 已开发超过 15 套 机器人系统，包括外骨骼、人形机器人躯干、双足平台和机械臂。 第一款商业产品 Apollo 在 2023 年公开亮相。关键部署里程碑包括：2024 年 3 月启动的 Mercedes-Benz 试点、 GXO Logistics 仓库试点，以及 2025 年 2 月宣布的 Jabil 试点和制造合作。2024 年 12 月，公司宣布与 Google DeepMind 达成战略 AI 合作。新一代 Apollo 自 2025 年以来一直在内部测试，原本预计 2026 年公开首发；CEO Jeff Cardenas 承认亮相已从原定 2025 年计划推迟，并强调他的标准是，视频中展示的任何能力都必须能在线下演示。 CEO Cardenas 称，在 Series A 之前，Apptronik 产生的收入高于已募集资本，但公司没有披露具体 ARR。到 2026 年中，没有任何客户试点被公开宣布已转为完整商业部署。 [CO019, CO020, CO021, CO022, CO031, CO032]

1.5 展示项

2.1 市场边界与分类

本报告将人形机器人市场定义为：已经商业部署或处于商业化管线中的双足与轮式通用机器人，它们设计用于以人为中心的 环境，与工人协同作业。该定义排除固定臂工业机器人（如 FANUC、ABB、Kuka）、没有人形形态的自主移动机器人 （AMR，如 Locus、6 River），以及纯软件驱动的自动化。它包括完整双足平台（Figure 02、Boston Dynamics Atlas、 Tesla Optimus、Agility Robotics Digit、Unitree G1），也包括轮式 / 腿式混合系统（Apptronik Apollo 轮式配置）。 这个边界很重要，因为分析师是否纳入所有服务机器人，或仅限双足人形机器人，会让市场规模测算相差 3–10x。 相关市场分类分三层：第一层是人形机器人硬件和软件市场，这是核心板块；第二层是更广的服务机器人市场，覆盖在 人类环境中运行的非人形平台；第三层是大型相邻空间——工业自动化市场。Apptronik 的 Apollo 位于第一层与第二层 工业子集的交汇处。公司争夺预算时，既要面对专做人形机器人的竞争者，也要面对特定任务自动化替代方案。 关键定义争议如下：Goldman Sachs Research（2024 年 1 月）采用更宽的「humanoid robot」定义，把制造、 物流、零售和医疗中的劳动力替代都纳入，得出 2035 年 $38B、年出货 1.4 million 台的结论。MarketsandMarkets 范围更窄，聚焦当前商业部署和短期可触达的工厂 / 仓库场景，测算结果为 2030 年 $15.26B，基于 2024 年 $2.0B 基数的 CAGR 为 39.2%。两项估算都是分析师预测，不是经审计市场测量；截至 2026 年初，全球商业部署的人形机器人 不足 2,000 台，因此不确定性很高。 [CM001, CM002, CM003, CM004, CM005]

2.2 市场规模测算：TAM、SAM 与 SOM

人形机器人的总可用市场（TAM）本质上是劳动力替代逻辑：ILO 估计全球约有 1.4 billion 制造业工人，即使在自动化 程度最高的经济体中，机器人渗透率也低于 5%。Goldman Sachs Research（2024 年 1 月）将长期 TAM 描述为到 2035 年达到 $38 billion、年出货 1.4 million 台人形机器人。ARK Invest（2023 Big Ideas）把全面普及下的人形 机器人机会建模为 2030 年 $24 trillion——即便乐观者也认为这一数字偏投机。更保守、也更贴近近期的 TAM，是人形机器人 专用硬件 / 软件市场：Grand View Research 估计 2024 年为 $2.0B；MarketsandMarkets 预计 2030 年为 $15.26B （CAGR 39.2%）；Goldman Sachs 则给出 2035 年 $38B。 Apptronik 的可服务市场（SAM）是今天或未来 3 年内能安全部署人形机器人的结构化工业环境，包括汽车制造装配线 （如轮胎安装、零件搬运）、电子制造（如 PCB 处理、EV 电池组装），以及物流 / 仓库中的订单履约和货到人作业。 IFR（International Federation of Robotics）估计，全球汽车机器人安装量约为每年 ~130,000 台，物流自动化到 2026 年将是 $20B+ 的全球市场。按试点垂直场景自下而上拆分，并仅限早期人形机器人部署可行的结构化工业环境， Apptronik 的 SAM 预计到 2030 年为 $5–10B。 到 2030 年，Apptronik 的可获取市场（SOM）高度取决于试点转商业、产能爬坡和竞争强度。按每台每年 $80K 的 RaaS 价格、2030 年部署 1,000–5,000 台计算，Apptronik 隐含收入运行率为 $80M–$400M。在 Figure、Tesla Optimus、 Boston Dynamics、1X、Agility/Amazon、Unitree 等竞争强度下，乐观的 5–10% SAM 份额对应 $250M–$1B SOM， 保守的 1–2% 则对应 $50M–$200M。B Capital 的 Howard Morgan 公开预测，从 2027 年开始客户订单将达到 $1 billion， 这意味着现有试点需要迅速转向规模化部署。 VC 投资趋势也印证了市场机会：2025 年，人形机器人公司在 139 笔交易中融资 $6.1B，较 2024 年增长 300%， 说明投资人普遍相信该板块近期商业化潜力。Apptronik 自己在 2026 年 2 月完成 $520M 融资，也让它成为该领域资本最充足的公司之一。 [CM006, CM007, CM008, CM009, CM010, CM011]

2.3 细分市场与买方分析

Apptronik 当前的主要买方，是三类工业垂直场景中的大型企业：汽车制造、电子 / 合同制造，以及物流 / 仓储。 每个细分市场的购买动态、决策者、采购周期和技术成熟度要求都不同。 汽车制造是声誉最高的早期采用场景。Mercedes-Benz、BMW 和 Volkswagen 都已公开试点或宣布计划部署人形机器人。 Mercedes-Benz 与 Apptronik Apollo 的试点瞄准现有工厂中的重复装配任务（轮胎安装、零件搬运）。决策者通常是 VP 级制造运营和创新负责人；采购通常要求 12–24 个月的供应商资格认证和安全认证。全球汽车制造市场约为 $2.5 trillion，在多数装配作业中，直接人工成本约占可变成本的 20–30%。 电子和合同制造（EMS）是高产量、高重复性的场景。Jabil 是全球第三大 EMS 公司，既是 Apptronik 的试点客户， 也是合同制造合作伙伴。电子制造需要高精度和快速任务切换，这些能力与 Apptronik 的 Apollo 平台及其 Google DeepMind AI 集成相匹配。全球 EMS 市场约为 $600B。 物流和仓储因长期招工难、高工伤率，以及电商推动的柔性履约需求，提供了近期最大的量级机会。GXO Logistics 是 Apptronik 的试点客户之一，也是全球最大的纯物流公司。Amazon 已在仓库部署 Agility Robotics Digit。物流决策周期 比汽车更快（6–12 个月），但 RaaS 定价必须与更便宜、更成熟、风险更低的 AMR 替代方案（Locus、6 River、Geek+） 竞争。全球物流 / 仓储市场年支出超过 $10 trillion。 医疗、国防 / 政府、零售和农业是更长期的细分市场。NASA 和 DARPA 关系给 Apptronik 带来政府渠道，但国防采购 周期长，预算周期难以预测。John Deere 的投资指向农业相邻机会，但农业专用能力尚未得到展示。医疗面临最高的 监管和责任门槛。 [CM014, CM015, CM016, CM017, CM018, CM019]

2.4 增长驱动因素与约束

人形机器人市场的主要增长驱动是结构性的，而且会复利。US Bureau of Labor Statistics 预计，到 2032 年美国制造业 将有数十万个岗位空缺；欧洲制造业也因人口下降面临类似短缺。常规自动化无法完全处理许多人工操作中非结构化、 任务多变的特点，因此劳动力缺口会持续释放需求信号。AI 突破，尤其是 Google DeepMind、Physical Intelligence （Pi）和 OpenAI 开发的视觉-语言-动作（VLA）基础模型，正在快速提升机器人灵巧度和任务泛化能力，压缩了过去让 人形机器人难以进入生产环境的软件能力缺口。 组件成本曲线进一步加速采用。ARK Invest 在 2023 年估计，人形机器人执行器成本每年下降 30–40%，走势类似早期 太阳能和电池产业。NVIDIA 的 Jetson 平台和即将推出的 Project GR00T 基础模型，在成本下降的同时提供更强算力。 Apptronik 采用的 RaaS 定价模式（约 ~$80K/year）把购买决策从 $150K–$250K 的前期资本开支，转为与单名工业工人 全负担年成本相当的运营费用，显著降低采用门槛。 政府政策也提供顺风：US CHIPS and Science Act 激励本土半导体和先进制造，Inflation Reduction Act 补贴本土 EV 电池生产（人形机器人的早期部署环境），Biden/Trump 两届政府都强调制造业回流。中国工业和信息化部已设定明确的人形机器人 产量目标，既推动国内竞争，也让美国制造商感到国际紧迫性。 采用约束同样重要。ISO/IEC 层面尚无人形机器人安全标准；ISO/TS 15066 只覆盖一般协作机器人，双足人形机器人专用 安全认证框架还处在早期草案阶段。OSHA 没有人形机器人协同工作环境的专门指南。这个监管真空拖慢了汽车和医疗等 高安全敏感企业的采购。同时，没有任何人形机器人公司证明自己能持续生产超过 10,000 台，形成了规模验证缺口， 谨慎的企业采购团队可以据此推迟或取消试点。中国制造商，尤其是 Unitree（G1 售价 $16,000）和 UBTECH，带来价格压力； 在美国 / 欧洲竞争者达到规模之前，这可能让低能力场景商品化。汽车、物流和零售行业的工会阻力，也是大型企业客户必须谨慎管理的 政治和运营约束。 [CM021, CM022, CM023, CM024, CM025, CM026]

2.5 竞争定位与地理动态

人形机器人竞争格局正快速向少数资本充足玩家集中。美国主要竞争者包括 Figure AI（融资 $675M；BMW 合作；OpenAI 关系）、Tesla Optimus（仅内部部署；据报道 2025 年在 Tesla 工厂部署 1,000+ 台）、Boston Dynamics（Atlas， Hyundai 支持；现场可信度强）、Agility Robotics（Digit；Amazon 合作；据报道有 10,000 台订单）和 1X Technologies （挪威创业公司；OpenAI 投资）。国际上，中国 Unitree Robotics 以 $16,000 提供 G1，是市场上最低价的人形机器人； UBTECH（上市公司）和 Fourier Intelligence 也很活跃。IFR 报告称，2023 年中国约占全球工业机器人安装量的 70%， 中国政府补贴（数十亿 CNY）也明确瞄准人形机器人发展。 从地理维度看，美国在 AI 软件和基础模型上领先，这给人形机器人平台的 AI 层带来有意义的优势。欧洲近期企业需求最强 （Mercedes-Benz、BMW、Volkswagen 汽车试点），安全监管也更严格，可能让 Apptronik 这类拥有 TÜV SÜD 认证的公司受益。 日本有人口老龄化、强机器人文化和本土玩家（SoftBank、Fanuc），但 AI 集成落后。中东（Qatar Investment Authority 投资 Apptronik）体现主权财富基金对科技多元化的兴趣。CHIPS Act 和 IRA 推动的美国制造业回流，则带来增量本土需求。 Apptronik 的差异化定位建立在五点上：（1）来自 UT Austin HCRL 的十年以上人形 R&D 积累；（2）已有 TÜV SÜD 功能安全认证； （3）与 Google DeepMind 合作集成 VLA 模型；（4）三个垂直场景已有试点关系；（5）Jabil 合同制造合作支持产能扩张。 主要风险在于，资金更足或营销更强的竞争者（Tesla Optimus、Figure AI）率先完成规模验证，在 Apptronik 下一代产品出货前 先锚定企业采购关系。 [CM031, CM032, CM033, CM034, CM035]

2.6 展示项

3.1 竞争格局概览

2026 年的人形机器人市场仍处在早期形成阶段，但很可能是赢家拿走大部分的市场。未来五年，资本集中度、AI 平台访问权 和制造规模，可能决定最后剩下的两三家公司。可触达市场覆盖汽车制造、物流、仓储、半导体制造、零售补货，以及长期养老。 Goldman Sachs Research 估计，全球人形机器人市场到 2035 年可能达到 $38 billion，规模化后年出货 1.4 million 台。 International Federation of Robotics 记录的先进制造机器人密度提升，是该市场的宏观顺风。 竞争者可以分为五类：（1）美国资本充足的纯人形机器人公司（Figure AI、Agility Robotics、1X Technologies、 Sanctuary AI）；（2）转向人形机器人的既有机器人平台（Boston Dynamics Atlas）；（3）拥有内部项目的汽车 / 科技巨头 （Tesla Optimus）；（4）中国政府支持的挑战者（Unitree、Agibot、UBTech、DEEP Robotics）；（5）既有状态——人工劳动叠加 传统固定自动化。Apptronik 主要在美国纯人形机器人梯队竞争，但估值低于 Figure AI，也面临来自中国入局者的生存级价格压力。 除 Tesla 内部 Gigafactory 部署和 Amazon 的 Agility Digit 仓库试点外，还没有人形机器人在商业规模上替代人工。 [CP001, CP002, CP003, CP004]

3.2 美国人形机器人竞争者

Figure AI 是 Apptronik 最可比的美国对手。Figure 成立于 2022 年，截至 2025 年 2 月已按 $39 billion 估值融资超过 $2.6 billion，相比 Apptronik 的 $5 billion 估值，拥有资本和市场认知优势。旗舰 Figure 02 机器人高 5'6"（168 cm）、 重 70 kg、负载 20 kg。其关键 AI 合作伙伴是 OpenAI，用于视觉-语言-动作（VLA）模型开发；主要工业客户是 BMW， 后者正在 South Carolina Spartanburg 进行试点。Figure 还与 Microsoft Azure 合作提供推理基础设施。Jeff Beck 担任 CEO。 Boston Dynamics 由 Hyundai 在 2021 年以约 $1.1 billion 收购（当时据报道估值 $16.25 billion），在所有竞争者中拥有 最深的机器人工程积累。其 Atlas 人形机器人（1.5 m、89 kg）是动态能力最强的平台，但没有披露商业定价，也没有广泛商业部署。 Boston Dynamics 的商业收入主要来自 Spot（四足机器人，购买价 $75K，部署 1,000+ 台）和 Stretch（物流移动操作机器人）。 据报道，IPO 讨论曾将公司潜在估值定为 $85 billion，但尚未提交文件。 Tesla Optimus 是最大的单一竞争威胁。截至 2026 年 Q1，Elon Musk 已在 Gigafactory Texas 内部部署 1,000 多台，用于 电池单元分拣，代表全球唯一确认的商业规模人形机器人部署。Optimus 身高 5'8"、重 57 kg，借用 Tesla 的 FSD/Autopilot AI 栈和庞大的自有训练数据。Musk 已公开将长期购买价目标设为低于 $20,000，并预计到 2030 年达到 1 million 台。Tesla 在芯片、AI、能源和制造上的纵向一体化，形成了任何创业公司都难以复制的结构性成本优势。 Agility Robotics 及其 Digit 机器人在 2023 年被 Amazon 以约 $375 million 收购，此前累计融资 $641 million。Digit （5'9"、65 kg、16 kg 负载、4 小时电池）已部署在 Amazon 履约中心，并瞄准 2026 年 10,000+ 台。CEO Peggy Johnson 正在推动商业化。Amazon 关系带来无可匹敌的部署规模、物流数据和云 AI（AWS）基础设施。1X Technologies（挪威， OpenAI 支持，融资 $125 million）和 Sanctuary AI（加拿大，Microsoft 支持，融资约 ~$100 million）仍处于更早阶段， 分别瞄准家庭护理和通用工业任务。 [CP005, CP006, CP007, CP008, CP009, CP010]

3.3 中国入局者与价格竞争

对 Apptronik 和所有美国竞争者而言，中国人形机器人公司是最具颠覆性的长期价格威胁。中国政府已将人形机器人列为 国家战略重点，提供直接补贴、优先采购和低成本制造基础设施。Unitree Robotics（深圳）按销量增长最快，其 G1 人形机器人 零售价为 $16,000–$30,000，这个价格低于所有美国竞争者的目标价和当前定价。Unitree 的 G1（1.32 m、35 kg）和 H1 研究机器人可通过直销广泛购买。虽然 Unitree 机器人比美国对手抓手更简单、灵巧操作能力更弱，但它的价格攻势会比多数 西方预测者预期更快压缩市场。 Agibot（SoftBank 支持）计划在 2025–2026 年量产，并获得政府成本补贴。UBTech Robotics（HKEX: 9880）是商业部署最多的 中国人形机器人公司，Walker X 已在中国汽车生产线运行。DEEP Robotics 正从腿式平台扩展到人形机器人。中国国家资本、 本土制造规模和激进定价叠加在一起，让必须支付美国劳动力和组件成本的美国竞争者处于结构性成本劣势。Apptronik 当前 低于 $50,000 的目标价已经高于 Unitree 当前市场价；即便在中国厂商达到质量平价之前，这也是近期脆弱点，而质量平价通常会在 初始规模部署后出现。 [CP015, CP016, CP017, CP018, CP019, CP020]

3.4 Apptronik 差异化与竞争位置

Apptronik 的差异化策略建立在五根支柱上，Apollo 由此区别于同业。第一，腿 + 轮混合移动设计在商业人形机器人中独一无二， 所有主要竞争者都采用纯腿式双足移动。CEO Jeff Cardenas 认为，早期工业需求更偏好轮式版本，因为成本更低、在地面层运行更可预测、 靠近人时安全风险更低，同时保留腿式选项以获得长期通用性。第二，Apollo 可承载 25 kg（55 lb）负载，高于 Figure 02 的 20 kg 和 Digit 的 16 kg；对重型装配和物流任务而言，这是有意义的优势。第三，Apollo 的 TI 电机控制系统已获得 TÜV SÜD 功能安全认证， 是唯一公开拥有电机控制级第三方安全认证的美国商业人形机器人；认证时还没有人形机器人安全标准，因此这是一项开创性成果。 第四，Google DeepMind Gemini Robotics 合作带来最先进的 VLA AI 能力（Gemini 3 集成），直接对标 Figure 的 OpenAI 和 Agility 的 AWS/ROS 栈。第五，Jabil 制造合作让 Apptronik 无需自建工厂即可进行合同规模生产；相比纵向一体化同行，这是一条资本效率更高、 扩张成本更低的路径。 Apptronik 的 RaaS 模式（约每台 ~$80K/year）相对美国制造和物流的全负担人工成本具备竞争力；即使尚未达到长期低于 $50K 的单价目标， 也能先为企业客户构建可信的经济性。公司自 2013 年以来打造 15+ 套机器人系统，并有 NASA/DARPA 背景，硬件工程经验比 Figure AI （2022 年成立）或 1X（2017 年成立）等新入局者更深。三个活跃试点（Mercedes-Benz、GXO Logistics、Jabil）提供真实世界训练数据， 反哺 AI 模型改进。 [CP021, CP022, CP023, CP024, CP025, CP026]

3.5 护城河耐久度与竞争风险评估

Apptronik 的竞争护城河真实存在，但并不稳固。硬件差异（负载、腿 + 轮）可能在 12–24 个月内被资金更充足的竞争者追上。 TÜV SÜD 认证在汽车、制药等受监管制造环境中是有意义的近期壁垒，因为采购团队需要有文档支撑的安全标准。Google DeepMind AI 合作让公司在 AI 访问上与一流 VLA 模型达到同等水平，但排他条款未公开披露，Google 也可能把 Gemini Robotics 扩展给其他硬件伙伴。 最耐久的护城河要素包括：（1）数据飞轮——来自 Mercedes、GXO 和 Jabil 的真实部署数据，可反哺自有 AI 训练，让 Apollo 的任务表现 比只在实验室训练的竞争者提升更快；（2）安全认证积累——TÜV SÜD 认证及其背后的工程流程，很难快速复制；（3）企业关系——工业客户一旦 把 Apollo 接入生产线、培训员工使用 Apollo 界面、校准安全区域，切换成本会很高；（4）NASA/HCRL 工程基因——15+ 年人形机器人开发经验， 缩短了相对 2022 年以后入局者的质量爬坡时间。 关键风险信号包括：Tesla 内部 1,000+ 台部署远远快于所有竞争者的试点项目；中国 $16–30K 的价格压缩，可能在 Apptronik 实现之前 让低于 $50K 的目标过时；Figure AI 8x 估值溢价，显示市场对 Apptronik 相对位置存疑；部署 2+ 年后仍没有确认的试点转商业合同。 [CP028, CP029, CP030, CP031, CP032, CP033]

3.6 展示项

4.1 融资历史与资本结构

Apptronik 的资本形成轨迹呈阶梯式跃升：从规模不大的种子轮，走到人形机器人历史上最大的 Series A 资金池之一。公司第一笔机构融资是 2022 年约 $14.6 million 种子轮，由 Grit Ventures 和 Perot Jain 领投，为早期 Apollo 硬件开发和团队搭建提供资金。2025 年 2 月， 公司宣布首笔 $350 million Series A，由 B Capital Group 和 Capital Factory 共同领投，Google/DeepMind 参与；当时公司约有 170 名员工。这轮融资很快在 2025 年 3 月扩展至约 $415 million，并加入 Mercedes-Benz、Japan Post Capital、ARK Invest、 Helium-3、Magnetar Capital、RyderVentures 和 Korea Investment Partners。 2025 年 9–11 月，公司通过 Apptronik I entity（CGF2021 LLC 的一个 series）额外募集 $331 million，并向美国证券交易委员会（SEC） 提交 Form D，披露该轮融资并确认 $5 billion 估值。2026 年 2 月，Apptronik 宣布 $520 million Series A-X 延展轮，新投资人包括 AT&T Ventures、John Deere 和 Qatar Investment Authority，使 Series A 总融资超过 $935 million。所有轮次累计 融资约 $1.28 billion（约 $14.6M 种子轮 + $415M 初始 Series A + $331M 过桥轮 + $520M A-X）。Series A-X 按原始 Series A 估值的 3× 执行，意味着原始 Series A 定价估值约为 $1.67 billion。公司没有公开报告债务融资或收入型融资，也未发生股权众筹或公开市场交易。 投资人财团混合了财务 VC（B Capital、Capital Factory、Magnetar Capital、PEAK6、Helium-3、ARK Invest、Korea Investment Partners）、 与商业化直接相关的战略企业投资人（Mercedes-Benz、John Deere、AT&T Ventures、Jabil、RyderVentures、Japan Post Capital）、 主权财富（Qatar Investment Authority）以及技术战略方（Google/DeepMind）。这种财团构成在战略上很重要：它既提供资本，也可能带来 优先客户和制造渠道，降低公司对纯企业销售的依赖。 [CI001, CI002, CI003, CI004, CI005, CI006]

4.2 收入模式与变现

Apptronik 计划采用的商业收入模式是机器人即服务（RaaS）：客户不再一次性投入大额资本购买硬件，而是按每台机器人支付年度订阅费，覆盖硬件、软件更新、维护和支持。外界常引用的价格约为每台机器人每年 $80,000，来源是 B Capital 普通合伙人 Howard Morgan 的公开表述；他预计 2027 年起客户订单将达到 $1 billion，并以这一价格推算，届时约对应 12,500 台部署量。Apptronik 尚未发布官方价目表，也没有在自有新闻材料中确认 $80,000 这个数字。 公司披露的长期目标是把单台成本降到 $50,000 以下，CEO Jeff Cardenas 在 2025 年接受 TechCrunch 采访时提到过这一点。若该成本目标能在制造规模化后兑现，Apollo 相比美国工业工人 $40,000–$80,000 的全口径年成本会具备经济吸引力；这还没有计入 24/7 运行带来的生产率倍数。目前公司的收入基础包括 NASA 研发合同（Apptronik 曾在 NASA-DARPA Robotics Challenge 传承项目中开发系统，并持续维系 NASA 关系）、Mercedes-Benz、GXO Logistics、Jabil 的试点费用，以及早期商业服务工作。公司未披露 ARR、合同价值或收入拆分。CEO Cardenas 在 Series A 前称，公司“产生的收入超过已融资金额”，意味着当时收入约超过 $14.6 million。 RaaS 模式对现金流可预测性有关键结构优势：它把收入从一次性、波动较大的硬件采购转为年度经常性收入，也让 Apptronik 有动力持续维护和升级在现场运行的机器人。但这一模式也意味着，相比资本密集型制造销售模式，收入确认更慢；客户需要按年承诺，而不是一次性购买。核心风险在于，试点客户要么无法转化为商业合同，要么会把价格谈到显著低于 $80,000 参考价。 [CI008, CI009, CI010, CI011, CI012, CI013]

4.3 成本结构与烧钱速度估算

Apptronik 未披露成本结构、毛利率或烧钱速度。以下估算来自公开员工数和行业基准。截至 2026 年 4 月，公司约有 350 名员工；若按每名工程人员 $150,000–$200,000 的平均全口径年成本计算（与 Austin 地区机器人和 AI 人才市场相符），年度总薪酬约为 $52–70 million。加上管理开销、场地、研发硬件成本和 G&A，年度总运营支出估计约为 $100–200 million。公司目前根据合同制造协议把制造外包给 Jabil，因此无需自建工厂；相较垂直整合的同行，这大幅降低了资本开支需求。 资本结构提供了估算现金跑道。按 Series A 周期（2025–2026）约 $935 million 融资、每年 $100–200 million 的估算烧钱速度计算，公司在当前支出水平下约有 4–9 年现金跑道；若考虑商业化加速带来的持续扩招，现金跑道更可能是 4–7 年。主要烧钱驱动项包括：（1）下一代 Apollo 平台和 Gemini AI 集成的研发；（2）工程团队扩张；（3）与 Jabil 配套的制造认证和质量投入；（4）客户部署和支持基础设施。外包制造减少了资本开支，但公司向商业化运营扩张时，员工成本会继续上升。 相比 Figure AI（估值 $39B、融资 $2.6B+），Apptronik 的资本效率看起来更有利：公司以约 $1.28B 融资达到 $5B 估值，CEO 关于 Series A 前收入超过种子资金的说法也显示出早期商业牵引力。不过，在缺少经审计财务和确认毛利率数据的情况下，这些比较仍只是方向性估算。 [CI014, CI015, CI016, CI017, CI018, CI019]

4.4 估值与资本充足性

截至 2026 年 2 月，Apptronik 估值为 $5 billion；按外界理解的商业化前收入计算，这一估值隐含了很高的收入倍数。作为背景：若公司收入为 $15–30 million（由 CEO 的 Series A 前收入说法和后续试点费用推算），收入倍数约为过去 12 个月收入的 167–333×——这是极高的投机性倍数，符合风险投资阶段深科技公司的定价方式：看重未来商业潜力，而不是当前财务数据。 与公开同行和先例交易相比，这一估值更容易理解。Boston Dynamics 在 2021 年商业收入有限时被 Hyundai 以约 $1.1 billion 收购，此后 Hyundai 对其估值达到 $16.25 billion。Figure AI 已融资 $2.6B+，据报道估值 $39 billion——约为 Apptronik 估值的 8×，资本规模约为后者的两倍。Agility Robotics 被 Amazon 以约 $375 million 收购。在人形机器人同行中，2024–2025 周期每家公司平均总融资为 $300–600 million；Apptronik 的 $1.28B 使其位居全球前三。 从原 Series A 到 Series A-X 估值提升 3×，反映的是强劲投资者需求和市场动能，不一定代表已有收入进展得到记录。Goldman Sachs Research 预测，到 2035 年全球人形机器人市场将达到 $38 billion，年出货量约 1.4 million 台——这一市场需要 Apptronik 这类主要商业玩家跑出来。ARK Invest 作为投资方加入，也为长期技术信念提供了一个公开市场信号。主 Apptronik 实体（2026 年 4 月）和 Apptronik I 系列（2025 年 9 月）的 SEC Form D 文件，从监管层面确认了融资，提供了关于融资规模和结构条款的一级证据。 [CI021, CI022, CI023, CI024, CI025, CI026]

4.5 公开财务缺口与尽调优先级

Apptronik 是一家私人公司，登记股东少于 500 名，不受 SEC 公开财务报告要求约束。因此，完整尽调所需的大量关键财务数据仍未披露。最重要的缺口包括：（1）实际 ARR 和收入构成——公司称 Series A 前收入超过种子资金，但没有提供 ARR 数字、按客户或类别拆分的收入，也没有给出任何前瞻收入指引；（2）毛利率——外界无法看到机器人制造成本与 RaaS 订阅收入之间的关系，而这是分析单位经济的核心；（3）净烧钱速度——根据员工数估计为 $100–200M/year，但未经确认；（4）试点合同条款——外界不知道 Mercedes-Benz、GXO Logistics 或 Jabil 是否支付试点费用，是否按成本获得试用部署，或是否采用延期付款模式；（5）股权结构表和稀释——虽已披露主要投资方，但股份类别、反稀释条款、清算优先权和总股本并未公开；（6）债务——未披露债务融资、可转票据或收入分成融资信息。 对任何机构尽调流程而言，这些缺口都需要通过直接访问数据室、经审计财务报表和商业合同条款确认来补齐。缺少这些数据并不表示公司财务承压；对这一阶段的私人公司来说，这是正常情况。但这也意味着，本章财务建模必须依赖估算、比较和公开披露的定性锚点，而不是已确认的财务表现。 [CI028, CI029, CI030, CI031]

4.6 附录

5.1 Apollo 硬件平台与物理规格

Apollo 身高 5 feet 8 inches（1.73 m），重量 160 pounds（72.5 kg），可承载 55-pound（25 kg）负载。每个热插拔电池包提供 4 小时续航；只要现场配好电池更换基础设施，Apollo 就能在生产环境中连续 24/7 运行。计算平台采用 NVIDIA Jetson AGX Orin，这是一款最初面向自主机器和机器人设计的高性能嵌入式 AI SoC，可在边缘侧为感知和规划提供实时推理。电机控制依赖 Texas Instruments 芯片；该芯片已由全球认可的安全测试机构 TÜV SÜD 独立认证符合功能安全标准。在尚无已发布的人形机器人系统级标准时，这为 Apollo 提供了组件级安全凭证。 Apollo 的传感器套件包括带集成力 / 扭矩传感器的五指灵巧手、用于视觉感知的 RGB 和深度相机、用于环境建图的 LiDAR，以及用于本体状态估计的惯性测量单元（IMU）。连接选项包括 Wi-Fi 6、Gigabit Ethernet 和可选 5G；其中 5G 由 AT&T 的战略投资推动。混合移动系统是 Apollo 的独特设计：它可以用两条关节腿处理楼梯、坡道和复杂地形，也可以切换为轮式移动，在室内更快、更省电地导航。CEO Jeff Cardenas 提到，早期工业客户出于安全和效率考虑，主要偏好轮式配置；保留腿式能力，是为了长期通用性。整机采用力控串联弹性执行器，遇到意外外力会顺从让位，从而在高工业循环频率下同时提升人机协作安全性和机械寿命。 [CE001, CE002, CE003, CE004, CE005, CE006]

5.2 AI 与软件架构

Apptronik 的 AI 策略以 2024 年 12 月宣布的 Google DeepMind 战略合作为锚点。该合作把 DeepMind 的 Gemini Robotics 视觉-语言-动作（VLA）模型，以及更广泛的 Gemini 3 多模态 AI 平台，集成进 Apollo 的软件栈。Gemini Robotics 是大规模 VLA 模型，可处理视觉观察和自然语言指令，并直接生成电机控制命令，让 Apollo 无需为每项任务重新编程，也能在多样任务之间泛化。相比每项新任务都需要显式编码的固定程序工业机器人，这是有意义的架构优势。 控制架构采用分层设计：高层规划模块——VLA 层——解析任务指令，拆解成子目标序列，并向中层运动规划器发出命令。运行在 TI 安全认证子系统上的底层电机控制器，以毫秒级精度执行关节轨迹。这种分层设计让 AI 推理层可以独立于安全关键电机控制固件更新，在 AI 改进过程中保留认证完整性。学习方法包括仿真到现实迁移（先在物理精确的仿真中训练，再部署到硬件）、从人类演示中进行模仿学习，以及强化学习微调。Apptronik 计划在 Texas 建设先进机器人训练和数据采集设施，加速真实世界数据飞轮，持续改进面向 Apollo 特定任务的 Gemini Robotics。California 办公室是主要 AI 和软件工程中心。 [CE010, CE011, CE012, CE013, CE014, CE038]

5.3 安全、认证与质量体系

Apollo 的电机控制系统使用 Texas Instruments 芯片，并由 TÜV SÜD 独立认证符合功能安全要求。TÜV SÜD 是全球领先的技术检验和认证机构之一，其认证在欧洲和全球制造安全审计中被广泛接受。截至 2026 年，工业场景下与人协作的人形机器人尚无正式发布的 ISO 或 IEC 安全标准；相关 IEC 工作组标准仍在推进，最终完成时间尚未确认。Apptronik 的做法是在组件层面套用功能安全方法，而不是等待顶层系统标准。这一务实路径已帮助公司进入 Mercedes-Benz、GXO Logistics 和 Jabil 的企业采购流程。 Apollo 内置两层硬件安全机制：Perimeter Zone 是可配置的软件定义排除边界，当系统在设定半径内检测到人或物体时，机器人会暂停移动；Impact Zone 是接触力限制系统，检测到意外接触力时会停止或反向运动，防止伤及同场工作的人员。Apollo 按美国 OSHA 制造环境标准设计，并已在试点部署中验证可与人类协作。公司内部质量标准要求，任何以视频形式公开展示的能力，在披露前都必须能现场、当面、可靠地完整复现。 [CE003, CE008, CE025, CE026, CE027]

5.4 产品组合、路线图与开发阶段

Apptronik 当前商业产品是 Apollo Gen 1，自 2024 年起已在 Mercedes-Benz、GXO Logistics 和 Jabil 的试点项目中部署。Apollo Gen 1 针对制造和仓储环境中的重复性结构化任务优化：装配辅助、拣取与放置、物料搬运和分拣。公司此前开发过 15+ 套机器人系统，时间跨度为 2013 年至 2022 年，覆盖外骨骼、人形躯干平台、双足行走器和机械臂；这些系统沉淀了深厚的自有 IP 和组件技术诀窍，支撑 Apollo 的设计。 第二代 Apollo 机型自 2025 年起在内部测试，产量已超过上一版。CEO Jeff Cardenas 预计新机型将在 2026 年公开亮相；原目标是 2025 年，但为进一步打磨硬件而推迟。长期价格目标是单台低于 $50,000，前提是通过 Jabil 的规模化量产实现。除 Apollo 人形机器人产品线外，Apptronik 还运营子公司 Elevate Robotics，聚焦非人形重工业自动化，采用轮式机械臂和混合机器人平台，面向超过 Apollo 55-pound 上限的超人类负载任务。截至 2026 年中，California AI 办公室和 Texas 训练设施均处于规划或建设中，反映出公司正有意从研发组织转向商业化规模运营。 [CE015, CE016, CE018, CE019, CE020, CE022]

5.5 技术风险与关键依赖

Apollo 的技术画像存在多项重大风险。第一，每个电池包 4 小时续航，使每个部署场地都依赖热插拔电池基础设施；若没有预先摆放的满电电池包，机器人利用率就会低于与人类劳动力成本竞争所需的 24/7 门槛。第二，NVIDIA Jetson AGX Orin 虽是能力不错的嵌入式 AI SoC，但属于消费级和汽车级平台，并非航天认证平台，也受 NVIDIA 供应链动态和地缘政治出口管制风险影响。第三，Apptronik 目前依赖单一 AI 供应商 Google DeepMind 提供核心 VLA 能力；如果合作关系恶化、出现 IP 归属争议，或 Google 施加竞争限制，Apollo 的任务泛化路线图可能严重受损。 第四，包括 Gemini Robotics 在内的当前 VLA 模型存在概率性失效模式；这些失效在研究场景可接受，但在精密制造或误差容忍度接近零的制药装配中，可能直接失去资格。第五，Apollo 重 160 pounds，跌倒和碰撞风险不可忽视；即使有 Impact Zone 安全功能，机器人在同场人类附近跌倒或掉落负载，仍会带来监管和责任问题。第六，Texas Instruments 的电机控制 IC 是安全关键执行系统的单一来源；任何供应中断都会迫使公司高成本重新认证替代组件。第七，如果 NVIDIA 芯片出口限制延伸到 Jetson 平台或类似 SoC，国际部署可能受阻。上述风险共同构成了高度集中的技术依赖画像，需要在公开信息之外对供应商和供应链做深入尽调。 [CE028, CE029, CE030, CE031, CE032, CE033]

5.6 附录

6.1 客户版图与垂直行业划分

Apptronik 的目标客户覆盖多个工业垂直领域：这些场景由人类工人在结构化或半结构化环境中执行重复、体力要求高的任务。公司公开披露了三家试点客户——Mercedes-Benz（汽车制造）、GXO Logistics（物流与仓储）和 Jabil（电子制造服务）——以及与 NASA 的持续研究合作；后者早于公司的商业化转向，并不是创收关系。按近期商业化概率粗略排序，公司内部优先考虑六个垂直领域：（1）一线汽车制造，（2）大规模物流与仓储，（3）电子制造服务（EMS），（4）航空航天与国防，（5）农业，（6）建筑。 汽车制造是近期优先级最高的垂直领域，因为工厂高度结构化，平面布局可预测，任务需求重复（装配、零件转运、质量检测），且已有稳健安全流程可容纳人机协作。Apollo 的 55-pound 负载能力和人类尺度形态，匹配常见汽车装配的人体工学需求。Mercedes-Benz 既是试点客户，又是 Series A 投资方；这既证明了产品兴趣，也可能带来选择偏差——客户关系可能部分由财务纽带维系，而不完全来自运营价值。 物流与仓储的数量潜力最高，因为全球配送中心数量庞大，且行业存在结构性劳动力短缺。GXO Logistics 是全球最大的第三方物流运营商之一，全球拥有 970 多个设施，2023 年收入约 $9.8 billion。Apollo 的 RaaS 定价约为每年 $80,000，在美国高生活成本市场可直接与仓库员工的总成本竞争；即便尚未计入通过电池热插拔实现 24/7 运行，部署经济性也相对直观。 电子制造服务（以收入 $29B 的 Jabil 为代表）需要更高的灵巧度、精度和 ESD（静电放电）安全合规。Jabil 的关系很特殊：它既是试点客户，又是 Apollo 机器人未来的合同制造商；这一双重角色把客户采纳与供应链合作混在一起，也会在评估试点成功时引入潜在利益冲突。John Deere 于 2026 年 2 月参与 Series A-X 投资，说明农业是长期战略垂直领域，尽管公司尚未宣布任何农业客户试点。 [CU001, CU002, CU003, CU004, CU005, CU006]

6.2 具名客户画像与试点证据

Mercedes-Benz 于 2024 年 3 月开始在其制造设施中试点部署 Apollo 机器人，成为 Apptronik 第一家、也是运行时间最长的具名企业客户。试点聚焦装配线辅助——包括零件转运、组件配送，以及车身车间或总装区域的重复性体力劳动。截至 2026 年 5 月，该试点已运行两年多，但尚未公开披露已转化为商业合同。Mercedes-Benz 作为战略投资方参与了 Series A 扩展轮（2025 年 3 月），形成投资方与客户重叠。公司未发布客户满意度声明，未披露试点表现 KPI，也未宣布扩展到更多设施或更高台数。 GXO Logistics 是按收入计算全球最大的纯合同物流服务商（2023 年约 $9.8 billion），正在评估 Apollo 用于仓库自动化，包括拣选、分拣、箱体搬运和装载作业。GXO 试点的确切开始日期尚未公开披露，但大体与 Mercedes-Benz 合作同期或在其之后。GXO 未披露机器人台数、仓库位置、具体任务表现数据，也未说明扩展部署计划。GXO 未出现在公开融资轮披露的投资方名单中，因此在三家具名企业试点客户中，它的独立性最强。 Jabil 是一家收入 $29 billion 的电子制造服务公司，在全球运营 100 多个设施；2025 年 2 月，它与 Apptronik 建立了试点客户和制造双重合作。根据制造协议，一旦 Apollo 被认定具备商业可行性，Jabil 将在自有工厂生产 Apollo 机器人。这给 Jabil 带来希望 Apollo 商业成功的合同激励——因此，它作为试点评估方的位置并不完全独立于其成为合同制造商的战略利益。Jabil 也参与了 Series A 融资，进一步强化了具名企业客户中的投资方与客户重叠模式。 NASA 与 Apptronik 的关系可追溯至创始团队在 UT Austin Human Centered Robotics Lab 参与 NASA-DARPA Robotics Challenge（2013）期间开发 Valkyrie 人形机器人的工作。持续合作被归类为研发伙伴关系，不是创收型商业客户关系。NASA 的参与带来技术可信度和品牌认知，但不构成企业商业销售证明。NASA 关系的收入价值尚未公开披露。 [CU008, CU009, CU010, CU011, CU012, CU013]

6.3 企业采用路径与采购动态

工业场景中的人形机器人采购通常遵循多阶段企业销售周期，从初始供应商评估到商业合同一般需要 18 到 36 个月。六个阶段分别是：（1）CIO 和自动化 VP 层面的研究认知；（2）通过 RFI 和 RFP 流程进行正式供应商评估；（3）概念验证试点，覆盖 1 到 5 台、持续 3 到 6 个月；（4）扩大试点，覆盖 10 到 50 台、持续 6 到 12 个月；（5）首个 50 台以上商业合同；（6）扩展部署至数百或数千台。截至 2026 年 5 月，Apptronik 已知客户处于第三和第四阶段。 与协作机器人、自主移动机器人（AMR）等传统工业自动化相比，人形机器人的企业采购摩擦明显更高，原因是监管和认证标准尚未解决。通用人形机器人没有统一安全标准；Texas Instruments 在 Apptronik 案例研究中指出，尽管这一机器人类别尚无官方安全标准，Apollo 仍使用 TI 安全认证硬件。因此，买方在概念验证之后继续扩展前，需要大量现场安全验证。EU Machinery Regulation 2023/1230（2027 年 1 月生效）和美国 OSHA 标准，是客户需要应对的主要监管框架，但二者都没有专门覆盖通用人形机器人。 汽车工会敏感性是近期最大垂直领域的主要采购摩擦。United Auto Workers 和类似工会历来反对会替代装配线工人的自动化，并曾通过集体谈判协议限制或放慢新自动化技术采用。若 Apollo 在有工会的汽车工厂规模化部署，将需要 CBA 谈判，可能在技术验证周期之外再增加 12 到 24 个月部署延迟。这是独立于产品质量的系统性逆风。 Apptronik 任何关系中的 RaaS 人形机器人部署典型企业合同结构都尚未公开披露。关键未知采购条款包括最低台数承诺、合同期限、正常运行时间和任务完成的 SLA、覆盖机器人生成运营数据的数据所有权条款，以及机器人导致工作场所事故时的赔偿条款。这些未披露条款，是每一项具名试点关系的关键尽调缺口。 [CU017, CU018, CU019, CU020, CU021, CU022]

6.4 客户经济性与买方 ROI 逻辑

Apollo 采用的基础经济理由，建立在劳动力成本平价和运营时长延长之上。美国劳工统计局报告称，2024 年 12 月，商品生产行业工人的雇主总薪酬成本平均约为每小时 $44.84，包括工资、薪金和雇主支付的福利。按每年 2,080 个工时（每周 40 小时 × 52 周）计算，单个制造业全职等效员工（FTE）的全口径年成本约为 $72,800 到 $93,600；若加上培训、HR、安全合规和监督等额外开销，在高劳动力成本市场，每名工人的总成本会升至 $90,000 到 $110,000。 B Capital 普通合伙人 Howard Morgan 披露，Apollo 的 RaaS 定价约为每台每年 $80,000；按名义成本口径看，一台机器人接近一名制造业 FTE 的成本平价。不过，计入运营时长后，经济性会明显改善：Apollo 通过热插拔电池可每天运行 24 小时，班次之间没有空闲时间，等于提供单个人类工人 2 到 3 倍的有效工时，且没有加班溢价。若机器人对人类有效工时比为 2:1，则单位劳动力有效成本降至每 FTE 等效 $40,000 到 $50,000——相较人类劳动力基线降低 45% 到 55%。 B Capital 的 Howard Morgan 公开预计，从 2027 年开始客户订单将达到 $1 billion。按每台机器人每年 $80,000 计算，这意味着约 12,500 台机器人部署，并产生 $1 billion 年经常性收入。这一预测带有愿景性质，尚未由任何客户订单披露确认。CEO Jeff Cardenas 在 Series A 前称，Apptronik 当时产生的收入超过已融资资本（约 $14.6 million 种子轮），意味着试点收入在 $14 million 到 $30 million 区间——可能来自研发合同和有限试点费用，而不是商业 RaaS 部署。 在 RaaS 模式下，买方相对雇佣人力的盈亏平衡分析，高度取决于利用率、任务适配度和被替代的边际任务。Goldman Sachs 分析预测，到 2035 年人形机器人市场将达到 $38 billion，制造业是近期主要应用垂直领域。McKinsey 分析显示，对于重复性高、环境可预测的制造任务，如果按 24 小时运营口径计算总劳动力成本替代，机器人回本周期可低于 18 个月。买方的风险在于，当前 Apollo 能力可能尚不足以覆盖完全替代一名人类 FTE 所需的全部任务；如果只能部分替代，回本周期会更长。 [CU023, CU024, CU025, CU026, CU027, CU028]

6.5 留存、满意度、扩张与集中度风险

截至 2026 年 5 月，Apptronik 未公开披露任何客户留存指标、净收入留存率、总收入留存率、客户满意度评分、NPS 数据或复购证据。三家具名企业试点客户同时也是战略投资方或制造合作伙伴，这使外界很难判断持续接触究竟反映产品价值，还是财务关系维护。没有任何试点公开披露已从概念验证扩展到更高台数，也没有任何试点升级为商业合同。试点超过两年后，仍没有披露任何转化、扩展或留存证据，这是公开客户证明基础中最重要的缺口。 按传统标准看，Apptronik 的客户集中度风险极高。三家具名试点客户——全部属于重工业垂直领域——构成了公司披露客户基础的全部。对私人科技公司而言，任何收入占比超过 10% 的客户都会被视为集中度风险；按这一标准，Apptronik 披露客户基础完全集中在三段关系上。若三项试点中的任何一项无法转化为商业条款，近期收入爬坡都可能受到实质性损害。 投资人基础释放出的扩张信号，暗示当前试点之外的未来客户细分市场。John Deere 2026 年 2 月投资，指向农业和建筑设备市场兴趣。AT&T Ventures 的参与，暗示潜在电信基础设施维护应用。Japan Post Capital 参与 Series A，透露出日本邮政和物流部署兴趣。Ryder Ventures 同样暗示运输和车队管理领域兴趣。这些投资人信号不等同于客户承诺，但它们是三家具名试点之外，管线发展的最可见先行指标。 投资方与客户重叠模式——每一家具名企业试点客户同时也是财务投资方或制造合作伙伴——带来一个具体反向担忧：这些试点可能是在维护受财务激励驱动的关系，而不是独立第三方产品评估。独立客户证据——一家非投资方企业部署 Apollo——仍是最有价值、尚未出现且没有任何公开披露提供的验证事件。IEEE Spectrum 2025 年报道称，截至 2025 年末，尚无人形机器人公司公开披露试点转化为商业合同，并把整个行业的能力—可靠性缺口描述为显著。 [CU029, CU030, CU031, CU032, CU033, CU034]

6.6 附录

7.1 监管与法律风险

Apptronik 所处监管环境尚未形成专门针对工业场景中与人类并肩工作的人形机器人的标准。IEC 61508（电气 / 电子 / 可编程系统功能安全）和 ISO 13849（机械安全）适用于组件级安全，Apollo 的电机控制系统已在这些标准下获得 TÜV SÜD 功能安全认证。不过，尚无 ISO 或 IEC 标准覆盖在共享人机工作空间中作为同事运行的完整系统级人形机器人。这一缺口带来两类相互关联的责任：企业采购团队不确定合规义务，采购决策会放慢；Apptronik 则在尚未形成成熟人形机器人伤害判例法的司法辖区，面临产品责任风险敞口。 OSHA 尚未发布针对人形协作机器人同事的专门规定。现有 OSHA 工业机器人框架（29 CFR 1910.217 及相关一般责任条款）写给固定、加围栏的工业机械臂，而不是移动的 160-pound 双足机器人。未来任何 OSHA 规则制定，都可能要求已部署 Apollo 设备改造，给 Apptronik 和客户带来意外成本负担。包括 UAW 和 Teamsters 在内的工会公开强烈反对自动化；劳工组织的监管倡议可能加速 OSHA 制定更具规定性的规则。 来自 UT Austin HCRL 的 IP 传承带来潜在许可风险。Apptronik 以衍生公司形式成立，但 HCRL 开发的 IP 以何种条款转移给这家私人公司，尚未公开披露。任何与 UT Austin 之间未解决的 IP 归属争议，都可能给 Apptronik 的 IP 组合蒙上阴影，并使许可或收购讨论复杂化。美国出口管制制度，以及潜在国防应用的军民两用机器人系统可能接近 ITAR 管制分类，又增加了一层监管风险，尤其是 NVIDIA Jetson AGX Orin 计算平台受不断变化的 BIS 出口规则约束。鉴于 $935M Series A 结构复杂，涉及多个批次和多元投资人类别，证券合规风险也存在；Reg D 文件中的任何误述都会带来 SEC 风险敞口。 [CR001, CR002, CR003, CR004, CR005, CR006]

7.2 运营、质量与网络安全风险

Apptronik 没有自有制造设施，生产依赖 Jabil。对任何人形机器人公司来说，从试点批量单位扩至 10,000+ 台商业单位，运营上都尚未被证明。NVIDIA Jetson AGX Orin 计算硬件的供应链瓶颈——该硬件受半导体市场波动和美中出口管制制度影响——以及锂离子电池电芯瓶颈（EV 制造商正激烈争夺供应），都是关键生产风险。任一投入中断，都可能让 Apollo 生产停摆，且替代来源有限。 AI 可靠性风险对生产环境部署十分重要。Apptronik 集成 Google DeepMind 的 Gemini Robotics VLA，引入了模型幻觉或在精密制造场景中错误推断动作的可能。一旦 Apollo 机器人造成生产线错误或伤及同场工人，并成为高关注度事件，企业客户信心会受到实质打击，也可能触发整个行业的监管审查。机器人 160-pound 的重量和关节力量意味着，一旦安全系统失效，伤害潜力不可忽视。 长时间工业运行中的机械磨损和关节可靠性，是尚未被任何人形机器人公司通过长期商业部署验证的工程挑战。连续工业运行下的散热、执行器可靠性，以及多年 RaaS 合同期间的电池衰减，都是运营质量未知数。Apollo 为支持远程监控、软件更新和远程操作，设计为可联网（WiFi、5G），因此网络安全风险更高。部署在关键制造基础设施中的联网人形机器人机群，构成高价值攻击面；若成功网络攻击导致机器人在工厂环境中异常动作，将对 Apptronik 的商业化轨迹造成灾难性影响。 [CR008, CR009, CR010, CR011, CR012, CR013]

7.3 合作伙伴与依赖风险

Apptronik 的技术栈集中在少数单一来源或单一供应商关系上。最关键依赖是 Google DeepMind 的 Gemini Robotics VLA，它提供了让 Apollo 区别于上一代机器人的 AI 能力。如果 Google DeepMind 合作终止、Google 调整机器人 AI 战略，或 Gemini Robotics 模型线停用，Apptronik 将需要从零重建 AI 栈，或集成尚未验证的替代方案，造成 12-24 个月倒退。公司未披露任何备用 AI 供应商。 NVIDIA 是 Apollo 的唯一计算平台供应商（Jetson AGX Orin）。作为主导 AI 芯片供应商，NVIDIA 拥有显著定价权，并可单方面调整价格、分配或条款。Texas Instruments 提供支撑 Apollo 功能安全认证的电机控制解决方案；TI 是该安全关键系统披露的单一来源供应商，意味着任何供应中断，或 TI 战略性退出该市场，都可能让 Apollo 生产停摆。Jabil 兼具制造合作伙伴和试点客户双重角色，形成结构性利益冲突：作为客户，Jabil 有动力谈到尽可能低的 RaaS 费率；作为合同制造商，Jabil 又能看到 Apollo 成本结构，并可能在谈判中利用这一信息。 客户集中度风险重大：三家已知试点客户（Mercedes-Benz、GXO Logistics、Jabil）基本代表了 Apptronik 披露商业关系的全部。失去任一单一关系——尤其是试点无法转化为商业部署——都会抹去近期收入潜力的重要部分，并损害市场信心。Apptronik 仍处于商业化前，依赖持续 VC 融资；若资本市场整体收缩，或机器人投资者情绪逆转，公司为 2027 年商业化爬坡目标提供运营资金的能力可能受限。 [CR015, CR016, CR017, CR018, CR019, CR020]

7.4 团队与执行风险

CEO Jeff Cardenas 是 Apptronik 最核心的融资人、公开代言人、战略决策者和技术愿景制定者。公司没有公开披露接班计划或董事会治理细节。无论是主动离职、健康原因还是投资人压力，Cardenas 一旦离开，都将是公司可能遭遇的单一最高影响人事事件；客户会担忧，投资人会紧张，公司也需要长时间寻找一位兼具人形机器人可信度和融资履历的接替者。 Cardenas、Paine、Helmsing、Sentis 等多位联合创始人仍在公司，Apptronik 从研发文化转向商业化规模运营时，联合创始人之间的协同风险会浮出水面。创始人之间的股权和决策结构尚未披露。机器人工程师争夺已明显升温：Figure AI、Tesla、Boston Dynamics、Physical Intelligence 和 NVIDIA 都在争夺同一小撮人才——有具身 AI 经验的机器学习工程师、机器人机械工程师，以及安全关键型嵌入式系统工程师。Apptronik 位于 Texas 州 Austin，生活成本有一定优势，但纯工程人才密度不如 Bay Area 竞争对手。 员工数从约 170 人（2025 年 2 月）快速增至约 350 人（2026 年 4 月），带来快速扩张深科技公司常见的文化、流程和执行风险。2026 年 4 月从 Waymo、Boston Dynamics 和 Amazon 招来的高管补上了商业化规模经验，但新任高管要在创始团队旁边建立权威和流程，也带来整合风险。VP Software Chirag Shah 于 2026 年 4 月加入；在产品开发强度高、新机器人即将发布的阶段，让他上手安全关键型软件岗位，会进一步叠加风险。 [CR022, CR023, CR024, CR025, CR026, CR027]

7.5 竞争与财务风险

Apptronik 的竞争风险随对手类型不同而高度不对称。Tesla 的 Optimus 项目受益于垂直整合（自研执行器、芯片、制造）和自有部署试验场，在 Tesla 工厂内部已有 1,000+ 台，能拿到外部对手难以匹敌的真实世界训练数据。如果 Tesla 即便亏损也将 Optimus 大规模商业化，可能在 Apptronik 做出有意义商业出货前就把 RaaS 市场商品化。中国人形机器人厂商（Unitree、UBTECH、Fourier Intelligence）靠政府补贴和更低人工成本，能以低于 Apptronik 目标 $50K 单价 60-70% 的价格竞争；Unitree G1 价格约 $16K。Figure AI 以 $39.5B 估值融资，拥有 OpenAI AI 合作和最初的 BMW 制造业试点，资本市场可信度约为 Apptronik 的 8 倍，可以在企业人才和企业订单上出更高价。Amazon 旗下 Agility Robotics（Digit 机器人）可借 Amazon 全球履约网络获得自有部署路径，因此安装基数占优。 Apptronik 尚未商业化，财务风险很尖锐。公司未披露年经常性收入（ARR）；CEO Cardenas 称 Series A 之前收入超过累计融资（意味着历史总收入低于 $15M）。按 350 名员工和持续硬件 / AI 开发估算，年烧钱速度约 $100-200M，$935M Series A 按当前开支可支撑约三到五年，前提是商业收入没有爬坡。$5B 估值要求 Apptronik 做到约 $500M 或更高 ARR，按 10x 收入倍数才撑得住本轮投资人的成本。RaaS 模型按每台每年 $80K 预测，要达到 $500M ARR，需要满负荷部署约 6,250 台——没有任何人形机器人公司在商业上接近过这一规模。Series B 资本市场风险真实存在：AI / 机器人投资情绪反转、重大人形机器人事故或竞争对手突破，都可能让下一轮难以以有利条款完成。 [CR028, CR029, CR030, CR031, CR032, CR033]

7.6 附录

8.1 估值框架与当前指标

Apptronik 当前约 $5B 的投后估值来自 2026 年 2 月 Series A-X 延展轮，定价为原 Series A 估值的 3 倍。累计融资约 $1B（$14.6M 种子轮，加上 Series A 各批次超过 $935M），让 Apptronik 跻身全球资本最充足的前三家人形机器人公司，与 Figure AI 和 Tesla Optimus 并列。Reuters 报道中一位知情人士确认了这一估值，SEC Form D 文件也提供了佐证。 公司未公开披露经审计财务报表或正式年经常性收入（ARR）。CEO Jeff Cardenas 称 Series A 前公司创造的收入超过累计融资，意味着 Series A 前收入超过约 $14.6M —— 但这只是公司说法，缺少独立验证。$5B 估值纯属投资人条款单估值，没有收入倍数锚。按 B Capital 预测的每年 $80,000 RaaS 定价，若要实现 $1B ARR，需要部署约 12,500 台 Apollo 机器人。B Capital 的 Howard Morgan 预计从 2027 年开始将有 $1B 客户订单，但客户承诺尚未证实这一点。 风投市场背景支撑了溢价定价：AI 机器人赛道仅 2025 年就融资 $6.1B，较上一年增长 300%，为收入前高估值提供了流动性充裕的背景。Goldman Sachs Research 预计全球人形机器人市场到 2035 年将达到 $38B，MarketsandMarkets 预计 2030 年达到 $15.26B、CAGR 39.2%。这些 TAM 预测，是投资人愿意给 Apptronik 这类收入前人形机器人公司数十亿美元估值的基础。 [CV001, CV002, CV003, CV004, CV006, CV007]

8.2 可比公司分析

人形机器人可比公司集合仍在早期，估值参照被压缩：多数同行要么仍是私有公司，要么估值来自战略收购，而非独立市场交易。最直接可比对象是 Figure AI：它 2025 年 2 月达到 $39B 估值，累计融资 $2.6B，拥有 BMW 汽车制造试点和 Microsoft/OpenAI 合作；结构上与 Apptronik 相似（企业试点、AI 合作、商业化阶段接近），但估值是 Apptronik $5B 的 7.8 倍。这个差距说明，要么 Figure AI 明显高估，要么 Apptronik 随商业化推进有显著上行空间。 Boston Dynamics 是一个有用先例：公司用二十年从研究走到商业产品。Hyundai 2021 年收购隐含约 $1.1B 企业价值，不过后续估值讨论到 2024 年已把公司放在 $16B 以上，说明人形机器人资产一旦证明商业表现，估值可大幅抬升。Agility Robotics 2023 年被 Amazon 以估计 $375M 收购——倍数较低，反映其产品聚焦较窄，且部署主要是自有内部场景，而非外部 RaaS。 较小的可比对象包括 1X Technologies（挪威；估值约 $500M，融资 $125M，OpenAI 支持）和 Sanctuary AI（加拿大；估计估值约 $750M，融资约 $100M）。两者商业阶段相近，但估值明显更低，反映 Apptronik 的资本基础和投资人质量更强。UBTech Robotics（香港上市）提供公开市场参照，市值约 HKD $2B（~USD $255M）；Unitree 等中国厂商采用产品销售模式，机器人价格为 $16,000-$70,000，对 RaaS 模型形成结构性价格压力，而不是直接股权可比。 总体看，Apptronik 的 $5B 估值处在可辩护的中间位置：显著低于 Figure AI 的离群估值，明显高于收购阶段同行，并相对公开市场 UBTech 锚点享有溢价——这反映了 AI 原生定位和顶级投资人背书。 [CV009, CV010, CV011, CV012, CV013, CV014]

8.3 乐观、基准与悲观情景分析

Apptronik 的乐观情景建立在三项叠加优势上：Google DeepMind Vision-Language-Action（VLA）模型集成带来通用能力护城河；NASA / UT Austin 背景在人形机器人 IP 上提供十年以上先发；Mercedes-Benz、GXO Logistics 和 Jabil 的企业关系带来先发客户。如果 Apptronik 到 2035 年拿下 Goldman Sachs 预测 $38B 人形机器人市场的 10%，对应约 $3.8B ARR。按 10x ARR 倍数，退出估值为 $38B，相当于当前 $5B 入场价格的 7.6x 回报。该情景要求试点全部转为商业合同、Jabil 将制造扩至数千台，并且 Google DeepMind 的 AI 能力带来有意义差异化。 基准情景假设到 2030 年，在 $15B 可服务市场中拿到更温和的 3-5% 份额，生成 $450-$750M ARR。按适合资本密集型硬件订阅业务的 8x ARR 倍数，退出估值为 $3.6-$6B，大致与当前 $5B 入场价持平。考虑可能的 Series B 带来的进一步股权稀释，基准情景意味着 Series A-X 投资人在当前定价下回报接近零或略为负。该情景只要求部分试点转化，并在 Tesla 和 Figure AI 竞争压力下活下来。 悲观情景设想商业试点失败——转化率低于 30%、Google DeepMind 合作丢失，或破坏性安全事故导致部署停摆。估值可能重置到 $1-$2B，较当前水平回撤 60-80%。如果中国厂商做到每机器人年 $16,000-$30,000 的成本竞争型 RaaS 等价方案，将从结构上削弱 $80,000 RaaS 定价假设。$2-$5B 的收购情景（由 Google、Amazon、Hyundai 或 John Deere 收购）仍有可能，对当前投资人对应 0.4-1.0x 结果。 [CV016, CV017, CV018, CV030, CV032, CV033]

8.4 投资建议与投资逻辑

在 Apptronik 当前 $5B 估值下，建议投资人采取“观察”。不建议立即买入的核心原因包括：尚无任何公开宣布的试点转商业合同；三家已知客户也都是投资人，存在投资人重叠问题；缺少经审计财务证据支撑估值；相对于公司尚未有 ARR 的状态，倍数偏高。下一个实质催化点预计在 2026 年下半年：新款 Apollo 发布，试点客户的商业部署决策将给出第一批真实商业可行性信号。 乐观投资逻辑在战略上很有吸引力：Apptronik 是一个 AI 原生人形机器人平台，建立在十年 NASA / UT 传承之上，如今接入 Google DeepMind 的 VLA 能力，并获得 Google、Mercedes-Benz、John Deere、AT&T 和 Qatar Investment Authority 等战略协同投资人支持。“一个机器人，数千种任务”的通用平台定位，使其理论 SAM 大于任务专用自动化工具。工业工人劳动力成本平价下，每年 $80,000 的 RaaS 定价在客户经济性上说得通，也不要求客户前期投入大额资本。 反向逻辑同样锋利：RaaS 模型尚未在商业规模上验证；三家客户全是投资人，带来需求独立性疑虑；Tesla 内部 Optimus 部署可能吸收最大潜在市场，且不需要成为 Apptronik 客户；$5B 估值已经计入大量尚未证明的执行成果。“观察”建议让投资人可以在首个商业合同公布后，以明显更好的估值证据重新进入。估值立场：偏高。风险评级：高。建议监测节奏：每季度一次，重点在 2026 年下半年复核。 [CV019, CV020, CV028, CV029, CV035, CV037]

8.5 终止触发条件、风险因素与最终尽调问题

已识别六项主要终止触发条件。第一，到 2026 年 12 月，三家试点客户整体的试点转商业合同率低于 30%，说明技术还不能以可接受单台经济性实现商业可行。第二，Google DeepMind Gemini Robotics 合作正式终止，将实质削弱乐观逻辑核心的 AI 原生定位。第三，如果竞争对手在 Apptronik 达到有意义规模前完成超过 10,000 台外部商业机器人部署，可服务窗口可能关闭。第四，重大安全事故导致试点停摆——尤其是在截至 2026 年仍没有官方人形机器人安全标准的背景下——会触发监管风险并摧毁客户信心。第五，CEO Jeff Cardenas 离职将构成关键人风险事件。第六，在 ARR 可见性出现前需要降价融资，将显示投资人信心被侵蚀。 在当前或更高定价下做任何买入决定前，需要完成九项最终尽调问题。最高优先级问题包括：获取经审计财务报表或管理账，验证收入说法并建立收入倍数基线；获取三项活跃试点的商业管线细节、阶段和转化标准；获取股权结构表和投资人权利，理解稀释与董事会控制。高优先级问题包括：Jabil 制造协议条款、RaaS 客户合同关键条款红线、记录 UT Austin HCRL spinout 条款的 IP 所有权清单，以及包含每台机器人 COGS、服务成本和规模化利润率的 RaaS 定价模型。中优先级问题包括：Figure AI 商业合同结构的竞争情报，以及 Series B 规划时间表，用于评估现金跑道和稀释风险。 [CV021, CV022, CV023, CV024, CV025, CV026]

8.6 附录