FieldAI

1.1 公司身份与商业模式

FieldAI 是一家位于加州 Irvine 的机器人 AI 软件公司，2023 年由 NASA Jet Propulsion Laboratory（JPL）老兵 Ali Agha 创立。公司的核心判断是，工业机器人普及的约束不在硬件，而在智能：机器人缺少适应性强、能感知风险的自主能力，难以在非结构化真实环境中稳定工作。FieldAI 用 Field Foundation Models（FFMs）来解这个问题。FFMs 是一类“物理优先”的基础模型，训练数据来自物理部署中的传感器数据，而不是互联网文本或图像。FFMs 充当通用软件大脑，可安装到不同机器人平台上——四足机器人、人形机器人、轮式漫游车、履带车辆以及乘用级自动驾驶车辆——不需要逐平台重新编程、预建地图、GPS 或云连接。机器人完全在边缘端实时决策。FieldAI 面向建筑、能源、采矿、制造、物流、城市配送、巡检和国防等企业工业客户销售平台。公司明确不制造机器人；它是一家纯 AI 软件供应商，与机器人 OEM 合作，把软件部署在客户自有或第三方机器人硬件上。硬件无关模式把 FieldAI 放在机器人技术栈的“大脑层”，类似企业计算中 OS 或中间件层对硬件的抽象。Bill Gates 对公司的描述很直接：FieldAI “为其他公司的机器人开发 AI 软件，让它们能感知环境、不靠 GPS 导航，甚至彼此通信。”主要收入渠道是 B2B 软件授权和硬件集成服务；据称订阅价格从每年数万美元到 $500,000 不等，取决于部署规模。截至 2026 年 4 月，知情人士称公司已拥有超过 $100 million 的预订收入，并与大型工业客户建立合作关系。 [CO001, CO002, CO003, CO004, CO005, CO006]

1.2 创始人、领导层与治理

FieldAI 由 Ali Agha 创立并担任 CEO，他积累了近二十年的机器人 AI 经验。创立 FieldAI 前，Agha 在 NASA Jet Propulsion Laboratory（JPL）工作约七年，担任美国一些最高关注度自主系统项目的首席研究员，包括 DARPA Subterranean Challenge、DARPA RACER（越野自动驾驶车辆）、NASA Autonomous Mars Cave Exploration，以及 Coordinated Autonomy for Prototype Mars Helicopter-Rover。他也曾在 Qualcomm 任研究员，并在 MIT 做博士后。关键在于，Agha 领导了 JPL-MIT-Caltech-KAIST-LTU CoSTAR 团队，赢得 2020 年 DARPA Subterranean Challenge 的 Urban Circuit；这是现场机器人领域的标志性成果，验证了如今 FieldAI 技术核心的风险感知自主路径。Agha 在 Texas A&M University 获得计算机科学与工程博士学位。联合创始人包括 Dr. Shayegan Omidshafiei（首席科学官），他曾在 DeepMind/Google 担任研究科学家超过五年，专注大规模 AI 模型和多智能体强化学习，并在 MIT 完成博士，在那里首次与 Agha 合作；以及 Dr. David Fan（首席技术官），他曾担任多个 DARPA SubT 和 DARPA RACER 项目的首席技术专家，也是 NASA JPL 研究员。其他高管包括 Dr. Eric Krotkov，他负责 FieldAI Federal 这一防务子公司，曾任 DARPA 项目经理和 Toyota Research Institute CSO；以及 Sebastian Scherer，Fieldable Embodied AI 负责人、Carnegie Mellon Robotics Institute 副研究教授。创始团队共同的 JPL、DARPA 和 MIT 背景，让 FieldAI 在安全关键现场环境中部署 AI 时具备极强的创始人—市场匹配。董事会构成和正式治理结构尚未公开披露。CEO Ali Agha 是公司主要公开发言人与融资负责人，形成了有意义的关键人物依赖。 [CO011, CO012, CO013, CO014, CO015, CO016]

1.3 融资历史与投资人构成

FieldAI 自 2023 年创立后一直隐身运营，直到 2025 年 8 月 20 日才同时披露连续两轮融资合计 $405 million，并宣布估值达到 $2 billion——较上一轮确立的 $500 million 估值翻了四倍。最近一轮融资 $314 million，且获得超额认购；共同投资方包括 Bezos Expeditions（Jeff Bezos 家族办公室）、Prysm Capital 和 Temasek。两轮其他投资方包括 BHP Ventures、Canaan Partners、Emerson Collective、Intel Capital、Khosla Ventures、NVentures（NVIDIA 风投部门）等。Gates Frontier（Bill Gates 投资机构）和 Samsung 被列为“既有投资人”，说明它们参与了确立 $500 million 估值的上一轮。按披露总额倒推，第一轮约融资 $91 million。注意：部分预尽调资料把融资拆分描述为 $150 million（种子轮）加 $255 million（Series A）；这一拆分与 Reuters 报道的最新轮 $314 million 不一致，也无法从一手来源确认。超额认购和投资人水准——覆盖科技风投领袖（Khosla、NVentures、Intel Capital）、主权财富与机构资金（Temasek、BHP）、慈善资本（Gates Frontier、Emerson Collective），以及全球最富有人群的家族办公室（Bezos Expeditions）——反映出异常广泛的投资人信念。Vinod Khosla 表示：“FieldAI 站在通用机器人革命前沿，其快速部署能力将释放长期经济和社会价值。” Intel Capital 的公开背书帖子正式确认了与 Intel 硬件栈的平台集成和战略关系。融资用途包括全球扩张、产品开发（运动、操作）以及到 2025 年底将员工数翻倍。 [CO021, CO022, CO023, CO024, CO025, CO026]

1.4 规模、合作伙伴与里程碑时间线

FieldAI 自 2023 年创立以来增长陡峭。公司在 2024 年底约有 30 名员工，到 2025 年 8 月融资公告时增至约 130 人；LinkedIn 在 2026 年初显示员工数为 201–500 人，与公司到 2025 年底把人数翻倍至约 260 人的计划相符。因招聘和实验室扩张，公司在 2025 年末从 Mission Viejo 约 13,000 平方英尺办公室迁至 Irvine Spectrum 3 Morgan 的 41,000 平方英尺研发总部。FieldAI 的生产部署目前覆盖三大洲——北美、欧洲和亚太（包括日本）——数百个现场的数千次任务。公司已吸引建筑、能源、制造、城市配送、安防和防务领域数十家大型企业客户，并为政府和军事应用设立了 FieldAI Federal 子公司。2026 年初宣布了两项重大战略合作：2 月，Certis Group（新加坡领先的综合安防服务商）与 FieldAI 建立合作，在全球部署自主安防机器人；2026 年 3 月，Boston Dynamics 与 FieldAI 宣布合作，把 Spot 的机动能力与 FieldAI 的 FFMs 结合，用于建筑和其他动态环境。Boston Dynamics 创始人 Marc Raibert 在背书中专门提到双方 2020 年 DARPA SubT 获胜：“自 Ali 和他的团队用 Spot 机器人赢得 DARPA Subterranean Challenge 的 Urban Circuit，并为 NASA 处理类似挑战以来，我们就认识他们。” Construction Dive 提到的一个关键风险指标是：受访承包商的活跃机器人部署比例从 2024 年的 65% 降至 2025 年的 46%，尽管正面评价达到 95%；这说明行业整体在意愿与实际采用之间存在摩擦，对 FieldAI 近期商业规模目标构成逆风。 [CO031, CO032, CO033, CO034, CO035, CO036]

1.5 展示材料

2.1 市场边界与定义

FieldAI 的可触达市场不是整个工业机器人市场——已部署工业机器人多数位于结构化、重复性的制造环境（汽车装配、半导体制造、消费电子），传统固定路径自动化厂商如 FANUC、ABB 和 Yaskawa 已能很好服务。FieldAI 的独特市场，是需要适应性、风险感知自主能力的工业机器人部署细分：它们要在布局每日变化、GPS 和预建路径不可用、静态编程失效的非结构化环境中运行。该市场包括活跃建筑工地（地形、障碍和工作流按小时变化）、地下和露天矿山（落石、瓦斯风险和狭窄空间使人员暴露危险）、油气上部设施与巡检环境（资产访问危险且偏远），以及不适合固定路径机器人的柔性或高混合制造设施。 市场边界排除以下支出：（a）结构化工厂自动化硬件和软件（例如固定装配线上的传统关节臂机器人）；（b）在受控环境中运行的消费或物流仓储机器人；（c）机器人硬件本身，因为 FieldAI 是纯软件供应商；（d）海底 ROV 和专用水下车辆，其供应商生态另成体系。工业买家目前依赖的现状替代方案包括人工巡检和监控班组、需要大量预编程的传统固定路径或单任务机器人、无人机 / UAV 航测，以及结合人工数据采集的 BIM/CAD 建模。与这些替代方案相比，单位现场情报成本更高、实时性更差；随着劳动力池收缩、安全要求收紧，它们越来越难以维持。 FieldAI 的市场横跨四个主要垂直：（1）建筑与基础设施，（2）能源、采矿和采掘，（3）油气巡检与运营，（4）非结构化或高混合配置中的工业制造。公司把目标环境称为“脏、枯燥、危险”，自主机器人能在安全、文档和运营洞察上释放复利价值；这一表述与其服务四个垂直的结构特征高度一致。代表未来扩张路径的相邻市场包括防务和周界安防、复杂环境物流，以及半结构化场景下的城市配送。更合适的市场规模测算方式，是使用垂直特定的分析师估算，而不是一个宽泛机器人 TAM；因为不同分析师报告的范围定义差异很大。 [CM001, CM002, CM003, CM004, CM005]

2.2 市场规模测算视角

没有单一公开分析师数字能干净覆盖 FieldAI 的可服务可触达市场，因为多数分析师报告要么定义过宽（包含硬件或全部工业自动化），要么过窄（只覆盖一个垂直）。最相关的横向数字，是 Global Market Insights 对 AI 驱动工业机器人市场的估计：2026 年 $17.9 billion，按 7.1% CAGR 增长至 2035 年 $33.3 billion。该数字包含硬件，但可提示 FieldAI 所瞄准的 AI 增强机器人软件层规模。另据 The Business Research Company，工业人工智能市场（所有软件、平台、解决方案）2026 年为 $13.69 billion，并以 51.1% CAGR 爆发式增长至 2030 年 $73.54 billion；这是覆盖制造、能源和物流的最宽用例集合，并非专指非结构化环境。 对 FieldAI 的四个核心垂直，垂直特定规模给出更清晰信号：建筑机器人：2026 年 $7.79 billion（TBRC）和 $1.4 billion（Grand View Research，仅建筑机器人窄口径）；差异反映定义范围不同，较低数字可能更适合仅衡量机器人平台。采矿机器人：2026 年 $1.7 billion（PMR），按 9.8% CAGR 增长至 2033 年 $3.3 billion。油气机器人：2026 年 $3.8 billion（MarkWide Research），按 14.6% CAGR 增长至 2035 年 $12.96 billion；仅巡检子细分 2026 年估计为 $0.93 billion（Fortune Business Insights）。具身 AI 市场（跨垂直、所有物理 AI 系统）预计到 2030 年达到 $7.24 billion，CAGR 为 17.5%（Research and Markets）。 对 FieldAI 纯软件、非结构化环境市场做保守自下而上 SAM 估算——把 15–25% 的软件占比假设应用到 $13.2 billion 的垂直硬件与服务市场合计（2026 年建筑 + 采矿 + 油气机器人）——得到 FieldAI 当前垂直在 2026 年可触达软件支出的 SAM 约为 $2–3.3 billion。该估算天然不确定，置信度低；FieldAI 未发布 SAM 数字，也没有分析师发布专门的“面向非结构化环境工业机器人的 AI 软件”市场估算。IFR 的 World Robotics 2025 报告记录，2024 年工业机器人安装量为 542,000 台，全球在役量为 4.66 million 台；其中部署在 FFMs 能创造价值的非结构化环境中的比例未被单独量化。分析师估算区间很宽（见 TM002），相互矛盾的规模数据作为证据缺口保留。 [CM006, CM007, CM008, CM009, CM010, CM011]

2.3 买方、用户与付款方细分

FieldAI 销售 B2B 企业软件，而非硬件。公司的买方结构符合典型企业工业技术模式：付款方是高管层或运营 / 财务 VP，技术买方是运营或 HSE（Health, Safety, Environment）负责人，日常用户是现场主管、现场工程师或项目经理。预算归属取决于垂直，通常落在两个池子之一：（1）用于新自动化投资的资本开支（capex）预算，由 CFO 以及工程或运营 VP 控制；（2）用于经常性巡检、监控和现场情报合同的运营开支（opex），由工厂或项目经理在预批准服务供应商协议内控制。FieldAI 把产品定位为在 opex 侧带来即时 ROI（人工文档时间减少 90%+、更早发现返工），因此初始销售可包装为成本规避，而非 capex 转型。 建筑细分中，最直接的购买力集中在最大总承包商——例如 FieldAI 的 Boston Dynamics 案例研究提到但未点名的 ENR 排名前列公司。这些公司拥有大量项目积压，承担成本超支风险，并设有内部创新或数字化转型预算用于自动化试点。采用触发因素包括无法快速生成准确竣工 BIM 数据、现场文档团队劳动力短缺，以及要求定期检查危险区域的安全指令。采矿和能源买家集中在大型运营商（BHP、Rio Tinto 及同类公司），其 HSE 和运营负责人受监管合规、事故减少和机队生产率指标驱动。BHP Ventures 投资 FieldAI，构成来自该买方细分的直接市场验证。油气客户受巡检合规要求、危险环境进入成本降低和资产完整性管理要求驱动。所有细分的采用路径都从有限 PoC（通常为一个现场或资产集群）开始，经验证 ROI 后，进入覆盖多个现场或区域的企业框架协议；这与 FieldAI 所称“全机队部署”和“企业级”全球运营扩张模式一致。 [CM025, CM026, CM027, CM028, CM029, CM030]

2.4 增长驱动与采用约束

结构性增长驱动横跨数十年，且证据充分。劳动力短缺最为直接：美国西部矿业劳动力超过 50% 预计将在 2029 年前退休，全球建筑业也长期面对熟练工短缺。美国 Mine Safety and Health Administration（MSHA）在 2024 财年记录了 31 起采矿死亡事故，致命伤害率为每 200,000 工时 0.0110，持续推动监管要求在最危险任务中采用自主替代方案。IFR 的 World Robotics 2025 数据显示，全球工业机器人年安装量到 2028 年将保持在 500,000+，随着硬件规格趋同，软件定义自主能力越来越成为差异化因素。Deloitte 的 2026 TMT Prediction 确认，专用 AI 基础模型——区别于消费级 LLM——是可能在 2026 至 2030 年间把机器人从命令控制推向真正泛化自主的技术突破。 采用约束同样实质。McKinsey 的 Industrial Robotics Survey 记录，71% 的工业公司把硬件资本成本列为机器人采用主要障碍，61% 提到缺少内部经验；装配、表面处理、焊接等复杂活动在中短期内不太可能自动化。Deloitte 观察到，自 2021 年以来，工业机器人年销量基本持平在约 500,000 台，并警告除非数据质量、集成复杂度和网络安全瓶颈被解决，市场可能维持相对温和的年增长。最关键的是，Construction Dive 报道 FieldAI 融资时引用的 BuiltWorlds 2025 Equipment and Robotics Benchmarking 报告发现，报告活跃使用机器人的建筑公司比例从 2024 年的 65% 降至 2025 年的 46%，尽管正面评价从 74% 跳升至 95%。热情与部署之间的背离，是近期市场的核心张力，也是 FieldAI 最直接的执行风险：能否把强劲试点表现转化为持久企业收入。高资本开支周期、与遗留工厂系统的 OT/IT 集成摩擦、较长回本期要求，以及油气运营商资本环境波动，都是进一步的结构性逆风。口径中的市场规模与实际部署产品之间，确实存在重大缺口。 [CM031, CM032, CM033, CM034, CM035, CM036]

2.5 展示材料

3.1 竞争格局与买方替代方案

到 2026 年，需要自主机器人运营的工业企业有五种实质不同的解法：（1）在现有硬件上部署 FieldAI 的 Field Foundation Models；（2）采用资金充足对手的具身 AI 基础模型平台（Intrinsic/Google、Physical Intelligence、Covariant）；（3）使用带自有机器人栈的巡检专家平台（Gecko Robotics、Machina Labs）；（4）依赖机器人 OEM 捆绑的智能软件（Boston Dynamics Orbit、KUKA、Fanuc 原生 AI）；（5）维持现状——人工巡检班组、依赖 SLAM/GPS 的传统导航，或内部软件团队。多数大型企业买家会同时使用不止一种方式，多归属常见，转换成本也比表面看起来更软。FieldAI 瞄准最大未满足切片：动态、无 GPS、非结构化现场环境，在这些场景中，现状方案和 OEM 原生方案失效。公司的硬件无关软件模式避开机器人制造的资本密集度，同时能覆盖比任何单一 OEM 更多的平台。截至 2026 年 5 月，下文列出的八家直接和替代玩家合计拥有的风投与公司资本显著高于 FieldAI，这既验证了市场，也带来资源充足竞争者深扎市场的实质风险。 [CP001, CP002, CP003, CP004, CP005]

3.2 竞争者画像与能力对比

Intrinsic 已于 2026 年 2 月并入 Google，提供 Flowstate，这是面向工业机器人的网页版开发与仿真环境。该平台在 KUKA、Fanuc、Universal Robots 等硬件上保持无关性，并利用 Google 的 Gemini AI 模型进行视觉和推理。2026 年 5 月与 Fanuc 的合作，让 Google 触达 1.1 million 台已部署工业机器人——这是任何创业公司都无法匹敌的分销渠道。Intrinsic 在 2023 年 1 月、五年开发后裁员 20%，尚未披露商业收入，但被 Google 吸收以及 Foxconn 合资公司（2025 年 10 月）显示商业化意图正在加速。Physical Intelligence（Pi）是一家研究优先的基础模型公司，成立于 2024 年，截至 2026 年 3 月没有商业产品或收入。其 π0.7 模型（2026 年 4 月）在操作任务中显示出涌现泛化能力，据称正在以 $11 billion 估值融资 $1 billion。Pi 的 VLA（Vision-Language-Action）架构瞄准从实验室到生产的迁移。Covariant 是机器人基础模型早期玩家（RFM-1，8B 参数，2024 年 3 月发布），但其创始人和约 25% 员工于 2024 年 8 月被 Amazon 收购式招聘，交换条件是一份非独占技术许可。剩余公司由新 CEO Ted Stinson 领导，继续服务非 Amazon 物流客户（服装、杂货、医药），但面临公司不确定性，以及竞争数据积累者带来的窄护城河。Gecko Robotics 把自有 TOKA 巡检机器人与 Cantilever AI 平台结合，为关键基础设施做数字孪生，2025 年 6 月达到独角兽地位（估值 $1.25 billion），并于 2026 年 3 月赢得美国海军 $71 million、五年期 IDIQ 合同。Gecko 在能源、防务和制造巡检中很深，但结构上窄于 FieldAI 的横向野心。Boston Dynamics（Hyundai 旗下）提供 Spot、Stretch 和 Atlas 机器人，以及面向机队智能的 Orbit 软件平台。2026 年 3 月，Boston Dynamics 宣布与 FieldAI 直接合作，把 Spot 延伸到未知、动态环境中——这让 Boston Dynamics 同时成为硬件伙伴和潜在软件竞争者，因为 Orbit 正在扩大与 Google Gemini 的 AI 集成。Machina Labs 专注 AI 驱动的机器人钣金成形（RoboCraftsman），面向防务和航空航天，2026 年 2 月完成 $124 million Series C。它不是 FieldAI 巡检和自主能力重点的直接竞争者，但会争夺防务预算和 OEM 机器人心智。Viam 是开源机器人软件平台（累计融资 $117 million），面向希望在 IoT、机器人和工业机器上做硬件抽象的开发者。Viam 竞争同一个“大脑层”叙事，但把自己定位为开发者 SDK 路径，而 FieldAI 是预训练 AI 模型。内部自建仍是既有方案：大型工业公司（能源、采矿、建筑）保有内部机器人和软件工程团队。内部自建的单位经济难以量化，但当没有商业平台满足所需安全认证或数据驻留约束时，它会成为默认选择。 [CP006, CP007, CP008, CP009, CP010, CP011]

3.3 定价与打包对比

竞争场内定价透明度低；多数平台通过企业采购销售，没有公开标价。FieldAI 的订阅据称按部署规模从每年数万美元到 $500,000 不等，公司引用 $100 million 或更多预订收入，第三方估算称 2025 年 ARR 为 $140 million。Intrinsic 不公布 Flowstate 定价；Google 的云优先模式暗示企业 SaaS 分层会叠加在 Google Cloud 计算费用之上，Fanuc 合作则意味着批量授权。Physical Intelligence 没有商业产品或定价。Gecko Robotics 把巡检服务、Cantilever 平台访问和工程咨询打包进多年合同；海军 IDIQ 展示了 18 艘舰船、五年 $71 million 的合同上限。Boston Dynamics Orbit 作为硬件之上的软件层销售；年费未披露，但 Michelin 和其他企业案例研究把它称为持续运营软件。Viam 提供开发者友好的免费层，并按需提供企业定价；开源模式先推动开发者采用，再向托管基础设施上售。Machina Labs 按制造服务合同定价，而不是软件订阅。行业估计，仅美国海军每年现状人工巡检成本就达 $13–$20 billion；Boston Dynamics 合作公告称，FieldAI 支持的系统可把建筑工地文档时间减少超过 90%。 [CP021, CP022, CP023, CP024, CP025, CP026]

3.4 差异化持久性、护城河分析与反向证据

FieldAI 声称的护城河建立在四根支柱上：（1）物理优先、风险感知的基础模型，训练于自有真实部署数据；（2）无需云或 GPS 依赖的边缘部署，打开云优先竞争者难以进入的市场；（3）来自建筑、能源、采矿和防务不断增长机队的数据飞轮；（4）由 Boston Dynamics、Certis Group 和 Carnegie Mellon Robotics Innovation Center 锚定的合作伙伴生态。现阶段独立评估这条护城河在结构上很困难：部署数据量和模型性能基准没有公开披露，而硬件无关定位虽然是优势，也意味着竞争者可争取同一批机器人伙伴。几个反向信号值得关注。第一，Physical Intelligence 正以 $11 billion 估值融资——是 FieldAI 的 5.5×——尽管没有商业产品。如果 Pi 在 FieldAI 建立主导数据优势前商业化，更强资本基础可能压缩 FieldAI 的差异化窗口。第二，Google/Intrinsic/Fanuc 集成（1.1 million 台已部署机器人获得 AI 升级）代表 FieldAI 无法有机复制的装机基础杠杆。第三，UpsideList 2026 年 3 月分析给出 50% 概率的熊市情景：NVIDIA Isaac 或 Boston Dynamics 内部化自主层，通过降价轮抹去 FieldAI 普通股权益。关键在于，同一家 Boston Dynamics 既是 FieldAI 最显眼的伙伴，也运营 Orbit 软件平台，并由 Google Gemini 支持，未来可选择开发竞争性自主能力。第四，一份关于 Covariant——仓储 AI 类比公司——的独立分析把其数据护城河评为“窄，不宽”，理由是 Physical Intelligence、Nimble 和 Amazon 都在竞争性积累数据；同样逻辑适用于任何具身 AI 平台。基础模型商品化风险真实存在：随着 VLA 模型通过开源发布（Pi 已开源早期模型）和超大规模云厂商 API 扩散，物理优先差异化可能被压缩为商业秘密，而不是结构性护城河。FieldAI 的防务垂直（FieldAI Federal，由前 DARPA PM Eric Krotkov 领导）以及无 GPS 边缘部署要求，可能证明是最可防守的利基，因为它们需要硬件认证和安全许可，能创造独立于模型质量的监管转换成本。 [CP027, CP028, CP029, CP030, CP031, CP032]

3.5 展示材料

4.1 收入来源与货币化策略

FieldAI 的收入模式是 B2B 企业模式，围绕两条主线：（1）客户首次把 FieldAI 的传感器—计算载荷和固件部署到既有第三方机器人上时收取的前期硬件集成费；（2）继续访问 Field Foundation Models（FFMs）、机队管理和分析服务的经常性软件授权费。公司不制造机器人，并明确避开硬件 OEM 定位，使模式更接近企业软件订阅，而不是机器人硬件供应商。所有端侧推理都在边缘端运行，延迟低于 100ms；机队数据上传至 FieldAI 云平台，用于分析和联邦式模型改进。 标价未公开披露。第三方来源把订阅区间描述为“每年数万美元到 $500,000”，取决于部署规模；CEO Ali Agha 则引用美国、欧洲和亚洲的“数百万美元合同”来证明大型企业交易规模。Construction Dive 和 Sacra 确认了 B2B 硬件集成加软件授权结构。没有证据显示公司存在面向消费者的收入流、市场模式或硬件 OEM 收入。面向防务的子公司 FieldAI Federal 已在运营，未来可能产生政府合同收入，但尚未公开披露任何中标合同。 唯一公开收入信号，是 2026 年 4 月 Orange County Business Journal 援引匿名“知情人士”称公司预订收入超过 $100M。GetLatka 的分析师平台估算，截至 2025 年 11 月 ARR 为 $140M。两个数字都未经审计、未获公司确认，也未按收入流拆分。这里把它们视为方向性信号，而非已确认财务指标。 [CI001, CI002, CI003, CI004, CI005, CI006]

4.2 资本充足性与前瞻跑道

FieldAI 的两轮融资历史已在公司概览章节详述。就资本充足性而言，关键输入包括：截至 2025 年 8 月累计融资 $405M；第二轮（$314M）于 2025 年 8 月超额认购完成，由 Bezos Expeditions、Prysm Capital 和 Temasek 共同领投，Khosla Ventures、NVentures（NVIDIA）、Intel Capital、Canaan Partners、BHP Ventures 和 Emerson Collective 参与。第一轮（约 $91M）于 2024 年以 $500M 估值完成；Gates Frontier 和 Samsung 被列为上一轮投资人。 手头现金未披露。月烧钱速度未披露。公司员工数轨迹——从 2024 年底约 30 人增至 2025 年 8 月公告时约 130 人，并明确计划到 2025 年底翻倍至约 260 人——意味着固定成本基数快速抬升。按 200–260 名员工、每人平均全负担成本 $250K–$350K（与 Irvine, CA 以及分布式工程团队相符）估算，仅年化薪酬支出就为 $50–90M/year，对应每月劳动力运行成本约 $4–8M。再加上全球部署费用、云基础设施、硬件载荷成本和 G&A，总月烧钱估计为 $5–10M。低端情景下，累计融资 $405M、每月烧钱 $5M，意味着从创立起约 81 个月总跑道；每月 $10M 时约为 40 个月。若抵扣假设的 $100M+ 累计收入，2025 年 8 月融资完成后的净跑道估计为 24–48 个月；若收入不加速或成本没有意外上升，下一轮融资触发点落在 2027 年末至 2029 年初。 FieldAI 尚未宣布任何债务工具、项目融资义务、收入型融资或授信额度。公司资本结构看起来是纯股权。与垂直整合机器人公司不同，FieldAI 不制造硬件，这显著降低了相较同行的营运资本和库存融资需求。 [CI009, CI010, CI011, CI012, CI013, CI014]

4.3 单位经济与成本结构

FieldAI 的单位经济大多未披露。公司没有发布经审计财务，也没有披露毛利率、获客成本（CAC）、净留存率（NRR）、年度合同价值（ACV）或回本周期数据。以下分析基于可比的 B2B 工业 AI 软件公司，以及 FieldAI 收入模式中可观察的结构。 按典型企业 AI 软件基准估算，软件授权部分毛利率约在 55–80% 区间。硬件集成服务涉及实体传感器—计算载荷部署和现场支持，毛利率可能更低（20–45%），会把综合毛利率拉到纯软件可比公司之下。规模起来后，软件授权收入应当占主导，并改善综合毛利率。边缘端架构不依赖云端推理，相比重云端 AI 平台降低了每次部署的持续可变成本，这是有利的结构性特征。 企业工业机器人销售效率先天承压：销售周期通常为 12–24 个月，需要现场演示和集成测试，并牵涉多方采购。CEO Agha 提到合同价值可达数百万美元，说明单笔订单规模可能支持在中等流失率下 1–3 年回收 CAC，但没有披露 CAC 和 NRR 数据，无法验证。若 $140M ARR 估算和 150 名员工属实，人均收入约为 $900K–$1M，对这个阶段的企业软件公司而言很强。FieldAI 的 GTM 动作聚焦直销给企业、硬件伙伴关系（Boston Dynamics、OEM）和地理扩张伙伴（Certis Group、亚洲），这会限制纯直销渠道能够触达的市场天花板。 [CI016, CI017, CI018, CI019, CI020, CI021]

4.4 财务不透明与尽调阻碍

FieldAI 是私营公司，没有公开财务报告义务。截至 2026 年 5 月，仍未披露或无法核验的关键财务指标包括：（1）经审计 ARR 或总收入；（2）按收入流划分的毛利率；（3）CAC 和回本周期；（4）净留存率；（5）客户数量和集中度；（6）账面现金；（7）月度或季度烧钱速度。 现有收入信号相互冲突。GetLatka 估算 ARR 为 $140M（2025 年 11 月），其他分析平台却引用过低至 $5M 的数字，差距达 28 倍，反映出从外部估算私营公司指标的难度。UpsideList 的社区模型标记 -2% 上行，并从二级市场定价角度将公司视为接近收入前阶段，提示私募二级市场层面的流动性和估值不确定性。 若按 $140M ARR 估算，$2B 估值对应 14 倍收入倍数；若按 $100M 已预订收入信号，则对应 20 倍。公司未披露盈利能力，没有公开财务记录，且所在市场中至少 54% 的建筑垂直机器人部署（公司披露的最大市场）仍停留在试点或停滞项目阶段（据 BuiltWorlds 2025 数据），这两个倍数都偏激进。只有在 ARR 快速增长且利润率很高时，这些倍数才站得住脚，而两点都无法从公开数据确认。FieldAI 未向 SEC 提交 Form D（经 EDGAR 全文检索确认），意味着公司要么使用了无需 Form D 的豁免，要么采用了不同法律实体，要么尚未提交。加州实体 “Field Ai, Inc.”（文件 #6436098，2024 年 10 月 24 日成立，特拉华设立，CEO Aliakbar Aghamohammadi）处于有效状态。 二级市场分析师给出的反向估值信号，以及收入估算范围过宽，并不构成直接否决项；但这意味着，要承销 $2B 估值，必须通过正式尽调拿到非公开财务信息。 [CI022, CI023, CI024, CI025, CI026, CI027]

4.5 财务结论

FieldAI 的财务画像是：资本充足、收入早期、软件业务增长够快，能在 24 个月吸引 $405M 融资，但外部承销仍然看不清。$2B 估值完全由投资人信号、增长轨迹和团队履历支撑，而不是经验证的财务基本面。若 $140M ARR 估算准确，且同比增长 50–100%，这一估值仍在品类开创型 AI 软件公司的范围内；若 ARR 明显更低或增长更慢，倍数就难以解释。前瞻资本充足性看起来稳固：公司累计融资 $405M，对应纯软件运营模式（无硬件制造资本开支、无库存融资），并披露 >$100M 预订收入，意味着下一轮融资前至少有 2–3 年经营现金跑道。最大的尽调风险不是偿付能力，而是信息不对称——公开可核验内容与承销估值所需信息之间的缺口，对一家 $2B 公司而言异常大。 [CI030, CI031, CI032]

4.6 附录

5.1 产品定义与模块图

FieldAI 是一家纯 AI 软件公司，不制造机器人。它的商业产品是 Field Foundation Model（FFM）平台：一套不依赖具体机体的自主软件，安装在合作伙伴或客户自有的机器人硬件上。FFM 充当通用“大脑”，让机器人无需预先建图、GPS、云连接或按任务重新编程，就能在非结构化工业环境中感知、推理和行动。平台跨硬件形态运行，包括四足机器人（如 Boston Dynamics Spot）、轮式机器人、人形平台和乘用车尺度自动驾驶车辆。 FieldAI 的应用组合覆盖其官方 Solutions 页面列出的八类方案：现场测绘与文档记录；设施和设备巡检；状态异常检测；大规模数据采集；无人化物料运输；安全和威胁检测；远程临场与遥操作；搜索和 ISR。公司既自研应用，也通过第三方供应商的伙伴载荷模式开发。近期商业重点是巡检和数据采集（已经产生收入），操控和通用作业在中长期路线图上。 一个突出的架构原则是 “Context over Training”：FFM 不要求穷尽式场景预训练，而是使用上下文线索和学到的物理先验，对未见情况作出推断。CEO Ali Agha 将机器人的风险感知描述为让它对任何动作都有一种“我有多确定”的感觉，客户可配置风险阈值，从而调整安全关键区域里的行为。结果是一种部署模式：机器人可以在新场地快速启用，并在不做大量逐场地定制的情况下扩展到企业级机队。 [CE001, CE003, CE006, CE007, CE008, CE009]

5.2 架构与技术设计

FFM 平台由三层模型组件组成。核心 FFM 使用视觉、LiDAR、文本和音频等多模态传感器流，处理感知、世界建模和决策。Dynamics Foundation Model（DFM）是一个子模型，整合机器人自身运动学和动力学属性，让同一认知层能够驱动机械结构不同的机器人机体。Multiagent Foundation Model（MFM）是协调层，允许机队中的多台机器人共享环境表征，并在场地尺度上集体推理——把机器人群从彼此孤立的工具变成分布式自主系统。 架构上，FieldAI 在“信念空间”中运行：系统持续跟踪环境状态的概率分布，而不是假设信息完美。这一设计脉络可追溯到 CEO Ali Agha 关于 FIRM（Feedback-based Information RoadMap）信念空间规划的学术工作，以及赢得 DARPA SubT 挑战赛第二阶段的 NeBula 系统。这种概率方法意味着，机器人可以在无 GPS、低能见度、传感器退化的条件下工作。FFM 遇到陌生条件时，会明确减速或选择更保守路径——这是公司承认的吞吐量代价，但也被视为安全特性。真实世界数据飞轮意味着，每次部署都会随时间改善模型表现，形成复利式数据优势。 NVIDIA 集成加深了工程栈。FieldAI 使用 NVIDIA Omniverse NuRec，将机器人正常作业中顺带采集的传感器数据重建成高保真 3D 数字孪生。这些数字孪生载入 NVIDIA Isaac Sim 和 Isaac Lab，用于机器人策略训练和验证；FieldAI 还通过 Microsoft Azure 采用 NVIDIA Physical AI Data Factory Blueprint，使用 NVIDIA Cosmos 开放世界基础模型和 NVIDIA OSMO 自动化合成数据流水线。公司的 GitHub 组织（field-ai）维护多个机器人基础设施库的活跃 fork——Spot SDK、rosbridge_suite、spconv、unitree_sdk2——最近提交截至 2026 年 4 月，提供了开发者侧的平台集成面证据；但没有公开发布自研模型权重或 SDK 文档。私有的 Squarespace 发布说明页面进一步限制了外部对已交付能力的审计。 [CE002, CE004, CE005, CE021, CE022, CE014]

5.3 部署流程与使用场景

FieldAI 的部署模式是 B2B 软件：客户拥有或租用的机器人安装 FFM 大脑，FieldAI 提供集成服务和持续模型更新。客户无需从 FieldAI 购买专用硬件。部署时间是一个关键差异化主张：由于机器人不需要预先建图环境或 GPS 基础设施，场地启用被描述为很快；公司和投资人称，过去“需要数月的流程现在只需数小时”。一位未具名的全球工业制造高管引用过一个具体结果：使用 FieldAI 技术加 NVIDIA NuRec 数字孪生生成后，流程从 3.5 个月缩短到 12 小时（提升超过 200 倍），但该主张未经独立第三方验证。 建筑是最领先的商业垂直。Big-D Construction 已经做了两年多 FieldAI 客户，并在 2026 年 4 月宣布扩展到多个项目；据报道，其中一次项目问题捕捉通过早期缺陷发现节省了 $1.2 million。在安防垂直，Certis Group（新加坡）部署与其自研 Mozart 编排平台集成的 FFM，覆盖公共基础设施、交通枢纽和工业设施。FieldAI 与 Boston Dynamics 的伙伴关系在 2026 年 3 月 12 日正式化，目标是建筑巡检；搭载 FFM 的 Spot 机器人自主执行 3D 扫描、危险识别和夜间监控。公司还通过 FieldAI Federal 处理联邦和国防使用场景，该部门由前 DARPA Program Manager Dr. Eric Krotkov 领导。 从地域看，FieldAI 记录了美国、日本、欧洲以及通过 Certis 覆盖亚太的部署。客户通常不会公开具名（TechCrunch 确认，公司在 2025 年 8 月融资公告时拒绝披露客户名称）；截至 2026 年 5 月，Big-D Construction 是唯一公开点名的建筑行业客户。 [CE011, CE012, CE018, CE023, CE024, CE032]

5.4 信任、安全与合规

FieldAI 的安全架构基于概率风险管理，而不是显式规则：FFM 在信念空间中运行，持续维护对环境的置信度估计，并在不确定性超过客户配置阈值时采取保守动作。CEO Agha 将其描述为机器人知道“自己有多确定”，并通过减速或改道避免不安全动作。这一设计回应了传统 LLM 用于机器人时的幻觉风险，因为 FieldAI 的模型从一开始就是为物理安全设计，而不是把语言或视觉模型改装过来。 不过，截至 2026 年 5 月，公司没有公开披露任何安全认证、监管批准或合规标准（如 ISO 10218、IEC 62443、ANSI/RIA、FedRAMP 或工业机器人等效标准）。Certis 伙伴协议提到，两家公司将“共同开展培训、安全验证和运营框架，以支持负责任部署”，暗示正式安全验证框架仍在开发中，而不是已经完成。类似地，Boston Dynamics 伙伴关系聚焦实际部署结果，而非认证。FieldAI 通过 FieldAI Federal 进入国防 / 联邦场景，意味着某种程度的政府安全审查，但没有发布具体许可或 FedRAMP 状态。私有发布说明页面阻止外部审计已交付能力与路线图能力之间的差距，也未发现正式漏洞赏金或安全披露政策。 [CE006, CE026, CE031, CE033, CE034]

5.5 路线图、成熟度与开发者生态

FieldAI 的产品成熟度在巡检和数据采集上最强：公司已有付费客户，并记录了跨数百个场地的生产部署。分析师报道和投资人材料中提到的三阶段路线图是：（1）近期至 2026 年——自主巡检、监控和数据采集，已经商业化；（2）中期 2026–2028 年——干预和操控，从感知扩展到物理动作；（3）长期 2028 年以后——跨所有平台的通用自主，包括人形机器人。该路线图与 FieldAI 所称使用 $405M 融资支持运动和操控能力开发相一致。 CMU Robotics Innovation Center 入驻（2026 年 2 月宣布，Hazelwood Green 的 2,500 sq ft 空间）将公司的学术研究合作正式化，使其可使用 1.5 英亩户外测试场和专业机器人实验室。FieldAI 赞助 CMU AirLab 和 LeCAR lab 的研究，并支持 VectorRobotics 学生团队做人形机器人 loco-manipulation，显示公司在中长期路线图的能力缺口上持续投入。Field AI Research Institute（FAIRI）发表同行评议研究，NeBula DARPA SubT 论文以及 2024 年关于风险感知 AI 和 MPPI 控制的论文，为其提供学术可信度。 开发者生态访问受限。FieldAI 的 GitHub 组织（field-ai）托管了 10+ 个标准机器人库 fork，但没有发布自研 FFM 代码、模型权重或 SDK。未发现公开开发者门户、API 文档或社区论坛（Discord、Slack、Stack Overflow 标签）。发布说明页面是私有 Squarespace 站点。这把开发者信号面限制在可观察的 GitHub 仓库活动，而不是真正的实践者社区。NVIDIA 和 CMU 伙伴关系提供了工程可信度的间接代理，但外部仍无法从公开来源独立评估 FFM 能力。 [CE019, CE025, CE028, CE029, CE036, CE035]

5.6 附录

6.1 客户细分、买方 / 用户 / 付款方逻辑

FieldAI 向企业级工业组织销售具身 AI 软件和传感器—计算载荷，覆盖六个具名垂直：建筑、能源 / 油气、采矿、制造、城市配送与巡检、联邦 / 国防。公司不制造机器人；产品是自主软件和载荷，用于改装买方已经拥有、或从 Boston Dynamics 等 OEM 伙伴采购的硬件。这个清晰的软件授权模式意味着，付款方始终是工业企业，买方通常是技术负责人、运营副总裁或创新总监，日常用户则是部署并监控机器人的现场主管、安全经理或运营负责人。 据报道，订阅价格会随部署规模从数万美元到每年 $500,000 不等，首次部署时叠加硬件集成服务。建筑垂直是 FieldAI 商业成熟度最高的板块——它拥有唯一公开具名的客户案例（Big-D Construction、DPR Construction），也是截至 2026 年中唯一确认多年生产部署的板块。能源 / 油气和工业制造由专门产品页服务，覆盖设备异常检测、仪表和热监控、数字孪生创建，但这些细分里没有公开披露具名企业客户。安防运营通过 2026 年 2 月宣布的 Certis Group 战略伙伴关系进入可服务市场，联邦 / 国防则是单独品牌化板块（FieldAI Federal），前文提到过 Detroit Defense 伙伴关系。 买方 / 用户分离造成了重要销售动态：采购决策中的拥护者往往是技术或创新总监，但生产采用取决于每天使用系统的主管和安全经理是否买账。在 Big-D，主管层的自发需求强化了自上而下的投资决策——这是黏性的正面信号——但也意味着单个项目团队的抵触可能拖慢场地级扩张。 [CU001, CU002, CU003, CU004, CU005, CU006]

6.2 采用轨迹与部署规模

FieldAI 2025 年 8 月融资公告称，公司已在日本、欧洲和美国“数百个复杂真实世界工业环境中成功测试和部署”，客户覆盖建筑、能源、制造、城市配送和巡检领域的“全球最大公司之一”。该轮融资被描述为在“客户快速采用和多个扩张合同”之后超额认购；到 2026 年 3 月，公司在 NVIDIA 合作公告中提到“快速增长的机队”，客户正在北美、欧洲和亚洲扩张。这些都是公司自身说法，缺少第三方对活跃场地数、客户数或机队规模的验证。 robotsinconstruction.com 截至 2026 年 4 月的独立跟踪显示，确认的建筑部署正好有四个：Big-D Construction（生产，2+ 年）、DPR Construction（生产，截至 2025 年 11 月约 1.5 年）以及两个未具名的 ENR 前 10 总承包商。该平台注明 FieldAI 自 2024 年以来一直在出货。“数百个环境”和四个确认建筑部署之间的差异，部分可能由非建筑垂直、商业化前测试环境、以及独立来源未跟踪的演示或评估部署解释。Big-D 和 DPR 是唯一带有客户确认结果的案例（具名高管和主管引用、具体平方英尺数据、已运行部署时长）。 Boston Dynamics 伙伴关系（2026 年 3 月）增加了可信第三方验证，Boston Dynamics 称客户“从亚洲到欧洲再到北美”都在扩展到企业级部署。FieldAI 表示计划把 Spot 部署扩展成“全球最大的第三方四足机器人机队之一”。两个说法都没有独立的场地级佐证。 [CU010, CU011, CU012, CU013, CU014, CU015]

6.3 具名客户证据

Big-D Construction 和 DPR Construction 是 FieldAI 两个完全具名、已生产部署且公开归因成果的客户。Big-D 是一家拥有 25+ 年商业建筑经验的美国承包商，截至 2026 年 4 月已活跃部署超过两年。C 级高管 Shaun Orr 描述了一个突破性时刻：机器人实时走访项目现场，连接 BIM 模型和项目进度，识别遗漏工作和安全问题，并把发现回连到公司的项目管理平台——单个人类团队无法独自复制这种能力。Orr 预计“每个项目都会以某种形式使用 FieldAI 工具”。Big-D 主管 Bronson Dupaix 描述了用系统替代手持相机和扫描仪进行的五小时人工巡场。Big-D 总监 Chantelle Menlove 另行提到，一位在某个场地见过机器人的主管打电话要求在下一个场地使用它，显示出自下而上的有机需求。 DPR Construction 是美国十大承包商之一（同时专注数据中心和医疗），截至 2025 年 11 月，已在加州 Santa Clara 一个数据中心场地托管 FieldAI 机器人约 1.5 年。机器人采集了 45,000+ 张照片，行走 100+ 英里，扫描 500,000 平方英尺室内空间和 125,000 平方英尺屋面。主管 Justin Schreiner 表示，该系统通过移除单调的文档记录任务，让团队专注关键工作，“让我们把本职工作做得更好”。 Certis Group 是新加坡最大的安防和运营公司，2026 年 2 月宣布与 FieldAI 建立战略伙伴关系，在全球运营中部署自主安防机器人。Certis 的 Mozart 编排平台与 FieldAI 的 FFM 集成，用于多场地安防环境中的自主巡逻、事件检测和人机协同。Certis 总裁 Ng Tian Beng 确认，伙伴关系面向“实时、任务关键环境”。这不是直接客户销售，而是渠道 / OEM 式安排；Certis 既是安防垂直的伙伴，也是运营方客户。 2026 年 3 月 FieldAI / NVIDIA 新闻稿引用一位未具名全球工业制造高管称，一个“过去需要三个半月的流程，现在只需十二小时”——提升 200×。客户没有具名，指标无法验证，但该引用由具名公司高管（CEO Ali Agha）在正式新闻稿中归因。robotsinconstruction.com 独立跟踪器还列出两家未具名 ENR 前 10 公司，确认已有生产部署，但未披露结果。 [CU019, CU020, CU021, CU022, CU023, CU024]

6.4 留存、扩张与集中风险

FieldAI 没有披露任何留存指标——截至 2026 年 5 月，任何公开声明、新闻稿或投资人沟通中都没有出现 NRR、GRR、队列数据、流失率、合同续约率或客户满意度评分。公司是私营企业，尚未披露收入；没有监管文件强制这些披露。 建筑垂直的定性留存信号略偏正面。Big-D 多年活跃部署，并明确计划把 FieldAI 扩展到未来每个项目，是目前最强的留存和扩张信号。DPR 的企业风投部门（WND Ventures）称 2025 年 8 月融资是“人们可以期待机器人领域更大融资轮的信号”，并提到 DPR 场地帮助测试概念验证——措辞暗示双方关系仍在持续。超额认购的融资轮被明确归因于“多个扩张合同”，从财务信号上佐证重复购买，虽然具体合同价值和客户名称仍未披露。 结构性集中风险较高。按公开确认的生产部署看，FieldAI 的建筑客户基础由四个账户组成：Big-D、DPR 和两家未具名 ENR 公司。若失去任一具名锚定客户，可见证据基础将消失超过 50%。能源、采矿和制造垂直没有公开具名客户，意味着建筑之外的生产化证据仍是缺口。Certis 将公司带入安防垂直，提供垂直多元化，但它是伙伴兼运营方，不是直接企业 SaaS 账户。 主要垂直还存在更广泛的宏观逆风：BuiltWorlds 2025 Equipment & Robotics Benchmarking 报告发现，承包商中的活跃建筑机器人使用率同比从 65% 降至 46%，尽管正面情绪升至 95%。下降被归因于行业从实验性试点转向更有选择、更成熟的实施——这一动态可能放慢 FieldAI 新客户获取，同时利好其现有生产账户。企业销售周期长、涉及多方审批、客户名称受 NDA 限制，意味着 FieldAI 真实客户基础几乎肯定大于公开证据所示，但没有独立方法可以验证。 [CU031, CU032, CU033, CU034, CU035, CU036]

6.5 附录

7.1 监管与法律风险

FieldAI 部署的 AI 系统会在安全关键工业环境中作出自主物理决策，因此正落入多个 2026 年演进中的 AI 监管框架范围。根据 EU AI Act，用作工业场景安全组件的机器人 AI 系统被列为高风险，需要风险管理系统、技术文档、人类监督设计、CE 标识和上市后监测。Baker Botts 指出，Annex III 高风险系统原定 2026 年 8 月 2 日期限，受 European Commission Digital Omnibus 提案影响，可能延至统一标准发布后六个月（最终兜底为 2027 年 12 月）；但延期取决于 2026 年 8 月前是否获采纳，意味着公司必须按现有期限并行推进合规准备。Colorado AI Act（SB 24-205）将于 2026 年 6 月 30 日生效，是美国首部针对高风险 AI 系统的综合州法，要求影响评估、消费者披露，并采取合理注意防止算法歧视。California SB 53 自 2026 年 1 月生效，要求大型前沿 AI 模型（训练 >10²⁶ FLOPS）的开发者发布风险框架，并在 15 天内报告关键安全事件；FieldAI 的训练算力是否越过该阈值未披露。联邦方向仍未定：Trump administration 2025 年 12 月行政令显示有意优先于州级 AI 法律，但目前并未实际排除州法，合规负担仍呈拼图状。 产品责任方面，法院正围绕 AI 部署形成产品责任框架。KL Gates（2026 年 3 月）记录了越来越多诉状把已部署 AI 系统视为“产品”，适用设计缺陷、未警示和可预见误用等理论。EU 修订后的 Product Liability Directive 将严格责任沿供应链延伸至上游 AI 组件提供商；即便部署客户或机器人 OEM 拥有终端产品关系，FieldAI 也会被纳入。Garcia v. Character Technologies 形成了一个先例：面向消费者的 AI 在起诉阶段可被视为严格责任下的产品。对工业机器人 AI 而言，物理伤害因果（压伤、撞击、意外运动）会比消费者聊天机器人案件更直接。 未发现涉及 FieldAI 的公开执法行动、监管调查、诉讼或 IP 争议。FieldAI Federal 作为国防子公司，若其自主系统进入军民两用技术范围，将受 ITAR/EAR 出口管制约束；未发现公开出口授权披露。IP 保护主要依赖商业秘密和发表速度，而非已授权专利：USPTO 专利申请检索显示有一件已提交专利申请（US 2025/0252306），但截至 2026 年 5 月没有授权专利；若人员离职，核心 FFM 技术可能暴露在模仿风险下。 [CR001, CR002, CR003, CR004, CR005, CR006]

7.2 运营、安全与网络安全风险

FieldAI 的核心价值主张——自主机器人在非结构化、安全关键环境中运行——同时也是最高的运营风险面。由 FFM 驱动的机器人完全在边缘端决策，不依赖 GPS、地图或云连接。模型在新环境中的一次推理错误（例如训练数据未覆盖的碎片堆放形态，或意外穿过预授权机器人路径的人）可能在建筑、采矿或能源作业等高后果场景中造成身体伤害、财产损失或任务失败。2026 International AI Safety Report 将“失控场景”和“真实世界可靠性测试不足”列为快速发展的自主系统中最紧迫的两类风险，直接适用于 FieldAI 的产品领域。2025 年广泛报道的一起 Unitree H1 机器人在人类工人附近故障事件，以及 SRES 对 CES 2026 的安全分析中提到“当机器人与人类共享开放工作空间时，现有工业安全协议往往不足”，都说明更广泛竞争同类——并非 FieldAI 本身——已经出现公开安全失败，这会塑造客户尽调要求、采购标准和潜在诉讼预期。 截至 2026 年 5 月，尚无涉及 FieldAI 驱动机器人的公开安全事件。不过，公司没有发布性能基准、安全验证测试报告或第三方安全认证（工业机器人 ISO 10218、工业网络安全 IEC 62443、或数据处理 SOC 2），意味着企业客户和投资人无法独立核验剩余风险水平。NIOSH Center for Occupational Robotics Research 和 OSHA 都记录了工业场景中严重机器人相关工伤的基线；FieldAI 在活跃建筑工地和采矿作业中的部署，恰好把机器人放进这些事故最常见的场景。公司自身的部署叙事——三大洲数百个场地——也会在部署规模扩大时，提高遇到首个不利事件的概率。 网络安全方面：FieldAI 机器人会把机队数据上传到云分析平台，并与 NVIDIA Omniverse 和 Isaac 基础设施通信。未发现公开 DPA、安全白皮书、渗透测试报告或 SOC 2 认证。若攻击者能够伪造设备端传感器数据，或向机队管理平面注入命令，可能造成物理伤害。工业 IoT 和运营技术（OT）安全标准（IEC 62443）尚未确认已实施。若安全事件先于正式认证发生，这些缺口会带来实质剩余暴露。 [CR013, CR014, CR015, CR016, CR017, CR018]

7.3 伙伴与技术依赖风险

FieldAI 的上市策略和技术栈集中在少数高价值伙伴和供应商上。2026 年 3 月 Boston Dynamics 伙伴关系是最可见的商业依赖：公司面向建筑的自主叙事围绕 Spot 四足硬件展开，Marc Raibert 公开背书并引用 DARPA SubT 历史，把品牌和市场可信度都绑定到这段关系上。Boston Dynamics 由 Hyundai Motor Group 持有，后者又在 2026 年 2 月投资 FieldAI——如果 Hyundai 决定为 Boston Dynamics 硬件投资竞争性的自研自主软件，或在 Hyundai 层面战略调整中重组伙伴关系，就可能出现错位。伙伴关系条款（排他性、收入分成、最低承诺、终止权）未公开，无法评估合同保护。 NVIDIA 是更深、更广泛的依赖。NVentures（NVIDIA 企业风投部门）是财务投资人，FieldAI 使用 NVIDIA Omniverse NuRec 做 3D 重建，用 Isaac Sim / Isaac Lab 做仿真训练，用 NVIDIA Cosmos 生成合成数据，用 OSMO 自动化流水线。这形成了多层战略和商业锁定。投资人关系降低了突然供给中断的概率，但 NVIDIA 自身优先事项（超大规模云厂商配额、数据中心 GPU 供给瓶颈、竞争动态）可能压缩 FieldAI 的算力访问，或抬高训练成本。VerticalData 报告称，高带宽内存（HBM）瓶颈在 2026 年仍持续，最新型号的数据中心 GPU 交期延长至 9–12 个月；没有多年云承诺的小型 AI 公司暴露最大。 除 NVIDIA 和 Boston Dynamics 外，Certis Group 安防伙伴关系（2026 年 2 月）增加了第三个集成依赖。Certis 使用其 Mozart 平台做机队指挥控制，FieldAI 的 FFM 必须与该自研基础设施互操作。伙伴多元化是 FieldAI 硬件无关叙事的明确组成部分——公司声称 FFM 兼容四足、人形、轮式机器人和 AV——但截至 2026 年 5 月，具名商业伙伴深度（建筑里的 Boston Dynamics、安防里的 Certis）把收入和声誉暴露集中在两个伙伴身上。 [CR023, CR024, CR025, CR026, CR027, CR028]

7.4 人才与执行风险

FieldAI 创始团队拥有极强领域可信度——Ali Agha 领导 DARPA SubT 冠军 CoSTAR 团队，以及此前担任 NASA JPL principal investigator，是投资人和客户信心的主要来源。这也造成集中的关键人物风险：Agha 同时是公司公众面孔、主要技术思想领袖，也是最可见的商业关系负责人。未发现具名 COO、Head of Engineering，或具有同等公开声望的平行商业领导者。David Fan（CTO）和 Shayegan Omidshafiei（CSO/President）提供了一定领导层厚度，但公开形象明显不及 Agha。若 Agha 非自愿离职、长期无法履职或发生声誉事件，融资、企业客户信心和伙伴关系都可能同时受扰。 创始人之外，FieldAI 还面临快速扩张时的人才风险，而它所在的是科技行业竞争最激烈的劳动力市场之一。据报道，员工数从 2023 年创立增长到 2025 年 8 月的 130+，意味着年化增长会让文化维护、工程协调和产品执行纪律难以持续。公司与 Google Intrinsic（现已整合进 Google AI）、Physical Intelligence（融资 $700M+）、Amazon Robotics 和 Tesla Optimus 争抢机器人 AI 工程师——这些公司都在同一个狭窄人才池里招聘能够规模化做具身 AI 的博士和资深工程师。未发现融资后关键技术人员离职证据，但缺少公开证据并不等于稳定性得到确认。 执行风险也体现在商业维度。FieldAI 直到 2025 年 8 月都处于隐身状态；可展示的企业销售能力还不到一年。公司没有公布客户名称、带验证结果的部署案例，或留存指标。从研究血统团队（NASA JPL、DARPA）转型为对收入负责的企业软件供应商，是一个有充分记录的组织拐点，许多深科技 spinout 都无法足够快跨过去，从而难以支撑其估值轨迹。 [CR033, CR034, CR035, CR036, CR037, CR038]

7.5 财务、估值与投资逻辑破裂风险

FieldAI 以 $2B 估值完成 Series A，是机器人 AI 史上同阶段公司里最高的一笔，也把后续融资门槛抬得很高。唯一独立收入信号来自 OCBJ 2026 年 4 月匿名消息源所称的「$100M+ 已预订收入」；按 $2B 估值计算，收入倍数约 20×，与企业 AI 软件最高倍数组别相当，但一旦增长放缓、AI 板块情绪转向，或公开市场可比公司重估，倍数压缩会直接暴露。GetLatka 2025 年 11 月给出的 $140M ARR 估算未经审计，也未获公司确认。毛利率、NRR、CAC、账上现金和烧钱速度完全未披露，无法用常规 SaaS 或 deeptech 指标承销估值。 资本强度是隐藏风险：工业机器人部署需要现场集成、定制载荷安装和持续模型微调，每一项都会带来交付成本，可能把毛利率大幅压到纯软件水平以下。如果毛利率明显低于 60–70%，即便收入加速增长，$2B 估值也很难撑住。第二个风险是烧钱集中度：公司已有 130+ 名员工，管理层来自高成本学术和科技机构，月度烧钱可能达到 $10–20M；按 $405M 融资额估算，现金跑道约 2–4 年。若在盈亏平衡前市场或宏观环境打断增长，公司可能被迫下轮降价融资。 破坏投资论点的触发点，集中在会动摇核心假设的证据上：(1) FieldAI 驱动机器人发生重大安全事故，引发客户退出、监管行动或诉讼；(2) EU AI Act 执法阻断欧盟市场准入；(3) Boston Dynamics 合作终止，或 Hyundai 战略转向，导致主要商业案例消失；(4) Ali Agha 离职或发生声誉事件；(5) 估值重置或下轮降价，说明市场无法承接 $2B 入场估值。上述任一触发点单独出现，都足以显著改变风险调整后回报。 [CR041, CR042, CR043, CR044, CR045, CR046]

7.6 附录

8.1 估值背景与融资历史

FieldAI 最后一次披露估值为投后 $2.0B。该估值来自 2025 年 8 月公司宣布连续两轮合计融资 $405M 时。最近一轮融资 $314M，超额认购，由 Bezos Expeditions、Prysm Capital 和 Temasek 联合领投；前一轮约 $91M，估值约 ~$500M。因此，公司大约 12 个月内估值翻了四倍。GeekWire 和 Reuters 消息源将两轮描述为「Series A 和 A1」。部分预尽调资料把拆分写成 $150M（种子轮）加 $255M（Series A），但这与 Reuters 报道的最近一轮 $314M 不一致，也无法从一手来源确认；本章采用兄弟章节中的标准口径。 PremierAlts（2026 年 5 月访问）显示，公司五轮合计融资 $506.1M，最近一轮 $315M 于 2026 年 2 月完成——可能反映公告后二级 SPV 活动或新一轮一级融资——估值仍为 $2.0B。SEC 的 Form D 文件确认，投资载体「HII Field AI Series I, II, and III, a Series of HII Field AI, LLC」分别于 2025 年 11 月和 2026 年 4 月提交（CIK 0002095306、0002095305、0002126354），这与常见的特殊目的集合投资基金结构一致：用于汇集热门私营公司的二级份额和 LP 兴趣。未发现「Field Ai, Inc.」以加州实体直接提交 Form D，这与公司依赖豁免或使用不同法律实体结构相符。 二级市场交易活跃：FieldAI 股份在 Nasdaq Private Market 和 Notice.co 交易（截至 2026 年 5 月约 ~$34.32/股），UpsideList 也列出该公司但上行信号有限，说明二级定价接近或等于 $2B 头部估值。PitchBook（2025 年 6 月归档）显示 47 名员工、交易类型为「早期 VC」，反映出 PitchBook 私营公司覆盖常见的数据滞后。公司自己披露 LinkedIn 员工 201–500 人、已预订收入 >$100M（2026 年 4 月），显示较 PitchBook 快照已有实质增长。 [CV001, CV002, CV003, CV004, CV005, CV006]

8.2 投资论点与反论点

FieldAI 的投资论点建立在五根相互咬合的支柱上。第一，工业机器人硬件商品化之后，具身 AI 软件层在结构上有机会吃下企业价值的大头：一个硬件无关的软件大脑，靠多样化部署中的联邦学习形成网络效应，天然有垄断吸引力。第二，创始团队——Ali Agha（NASA JPL/DARPA SubT 获胜者）、Shayegan Omidshafiei（DeepMind/MIT）和 David Fan（DARPA RACER/JPL）——已有可信先例，证明这一路线能在真实场地跑通，而不只是仿真。第三，投资人集团（Bezos Expeditions、Khosla Ventures、NVentures/NVIDIA、Temasek、Intel Capital、Gates Frontier）可能是围绕一家机器人 AI 公司聚集的最强战略和财务投资人组合，他们也做过外部看不到的私下尽调。第四，公司出隐身期时，生产部署已经覆盖三大洲数百个现场，并在公告后 9 个月内报告 >$100M 已预订收入——商业牵引速度快于任何可比具身 AI 软件公司。第五，建筑、能源、采矿、物流和国防的总可服务市场大，渗透率仍低。 反论点逐一挑战这些支柱。如果机器人 OEM 纵向整合自有 AI 软件（Boston Dynamics、Figure AI、Agility Robotics），或大型云服务商（Google/Intrinsic、NVIDIA Cosmos）把基础模型层商品化，硬件无关优势可能被削弱。收入数字仍未验证：$100M 已预订收入来自匿名消息源，「booked」可能包含管线或未承诺订单；$140M ARR 估算来自第三方分析平台，方法未披露；另一个估算把收入压到 $5M，差距达 28×。外部投资者面对的治理和财务透明度几乎为零：没有经审计财报，运营实体未提交 Form D，毛利率、CAC 或 NRR 均未披露。$2B 估值已计入大量执行兑现：即便按 $140M ARR 计算，14× 收入倍数也要求高毛利、高留存和持续高速增长，才能支撑二级入场。资深投资人 Howard Morgan（First Round Capital/B Capital）已公开警告，「高价买入、更高价卖出只在泡沫里成立」；Seattle 地区 VC 在 2025 年 12 月 GeekWire 圆桌上也指出，种子轮和 Series A 阶段的私营市场估值已经远远跑在基本面前面。2026–2027 年环境下，Series B+ AI 软件发生倍数压缩是真实风险。 [CV009, CV010, CV011, CV012, CV013, CV014]

8.3 可比估值与市场背景

具身 AI 和工业机器人软件板块提供了有用但并不完美的可比组。在具身 AI 软件同行中，Physical Intelligence 2026 年 3 月正洽谈 $11B 估值，而披露收入接近为零——这是由研究声望和期权价值驱动的极端离群点，不是当前商业牵引。Skild AI 2026 年 1 月以 $14B 估值融资，ARR 为 $30M 且指数式增长，意味着小基数上的 ~467× 前瞻倍数——同样是早期阶段期权倍数，而非基本面倍数。这些可比公司确认，投资人群体正给具身 AI 软件平台很高的期权溢价；但从近零收入对应 $14B–$5.6B 的宽估值区间看，终局价值假设仍极不确定。 如果 $100–140M ARR 估算正确，FieldAI 的 $2B 实际对应 14–20×，低于最接近的两家具身 AI 软件同行；只要收入真实，它在板块内看起来定价有吸引力。但如果真实收入只有 $5–20M，隐含倍数（100–400×）将跻身板块内最激进一档。硬件整合型可比公司——Apptronik（$5.3B，人形硬件 + 软件）和 Gecko Robotics（$1.25B，关键基础设施检测）——商业模式结构不同，软件毛利较低但收入更可验证，会把纯软件估值可比值向下拉。Houlihan Lokey 2026 年 Q1 的 AI 垂直软件报告发现，AI 原生软件公司在 VC 轮次中的 EV/Revenue 中位数为 21.2×，AI 赋能软件为 8.5×，传统 SaaS 为 5.5×。若 FieldAI 有 $100M ARR、按 21× 估值，可支撑约 ~$2.1B 估值——与当前标记大体一致。关键风险在于：这个中位数适用于财务已验证的公司，而 FieldAI 收入完全无法从外部验证。 [CV017, CV018, CV019, CV020, CV021, CV022]

8.4 乐观、基准与悲观情景

乐观情景要求 FieldAI 收入处于估算高端（$140M ARR，年同比增长 80–100%），软件授权流毛利率接近 70–80%，NRR 在车队扩张带动下超过 120%，且公司在 2027 年以 $350–500M ARR 基数、15–20× 前瞻 ARR 完成 Series B——对应 $5.25–10B 估值，较 $2B 标记回报 2.6–5×。该情景的关键风险是：收入数字未验证，增长率未获独立确认，市场环境也必须继续支持 AI 软件高倍数。 基准情景假设 ARR 为 $100M，增长 40–60%，混合毛利率在 55–70% 区间，NRR 为 110–120%。若 2027–2028 年 Series B 按 $200–300M ARR 基数、10–12× 前瞻 ARR 定价，估值为 $2.0–3.6B——较 $2B 标记回报 0–1.8×。这意味着大体持平到温和升值，与风险水平相匹配。 悲观情景假设收入显著更低（$20–50M ARR），行业逆风拖慢增长（企业采用摩擦、宏观资本开支收缩），AI 软件倍数压缩把下一轮隐含估值拖到 $0.4–1.0B——较 $2B 标记亏损 50–80%。该情景下，下轮降价风险最高。负面触发因素包括：如果 Physical Intelligence 或 Skild AI 以低于预期的倍数融资，引发机器人板块整体估值重置；FieldAI 客户减少部署或不续约；或出现证据表明「已预订收入」显著高估已确认 ARR。 [CV025, CV026, CV027, CV028, CV029, CV030]

8.5 建议、否决触发点与最终尽调要求

建议为 TRACK（中等信心、高风险、估值偏紧）。投资论点在结构上成立：具身 AI 软件具备物理优先架构和实地验证部署，创始人-市场匹配度顶级，投资人集团也几乎是最强配置。但外部投资者若拿不到经审计财报、经验证 ARR 和披露毛利率，就无法承销 $2B 价格——主导风险是信息不对称，不是技术或团队质量。以当前 $2B 标记看，入场价格已经假设收入区间高端能兑现；任何收入下修或板块整体倍数压缩，都会造成实质稀释。 若满足三个条件，建议可上调至 BUY：(1) 披露经审计或独立验证的 ARR ≥$100M，且年同比增长 ≥40%；(2) 确认混合毛利率 ≥60%；(3) 用 cohort 数据证明净收入留存 ≥110%。否则，TRACK 仍合适：继续跟踪公司披露的财务里程碑、Series B 公告及隐含估值跃升、战略合作收入披露和客户集中度风险信号。若出现以下情况，建议应下调至 AVOID：(1) Series B 公告估值低于 $2B（down-round）；(2) 重大客户流失或部署失败公开；或 (3) 报告的 >$100M 已预订收入被大幅下修。 治理是明显缺口：董事会构成未披露，清算优先权和期权池规模未知，也没有独立财务报告。任何潜在投资者在承诺前都必须尽调这些事项。公司作为工业机器人「软件大脑」层的战略定位确实差异化，且难以快速复制；但治理不透明叠加估值拉伸，要求投资者保持纪律性的 TRACK 姿态，直到商业验证点可被公开确认。 [CV031, CV032, CV033, CV034, CV035, CV036]

8.6 附录