Field AI

1.1 公司身份与商业模式

FieldAI 是一家位于 California Irvine 的机器人 AI 软件公司，2023 年由 NASA Jet Propulsion Laboratory（JPL）老将 Ali Agha 创立。公司的核心判断很清楚：工业机器人采用的卡点不在硬件，而在智能——机器人缺少能在非结构化真实环境中稳定运行的自适应、风险感知自治能力。FieldAI 的解法是构建 Field Foundation Models（FFMs），这是一类“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，可装到多种机器人平台上——四足机器人、人形机器人、轮式漫游车、履带车、乘用级自动驾驶车辆——不需要按平台重新编程，也不需要预建图环境、GPS 或云连接。机器人完全在端侧实时决策。FieldAI 面向建筑、能源、采矿、制造、物流、城市配送、巡检和国防领域的企业工业客户销售平台。公司明确不制造机器人；它是纯 AI 软件供应商，与机器人 OEM 合作，把软件部署到客户自有或第三方机器人硬件上。这种硬件无关模式把 FieldAI 放在机器人技术栈的“大脑层”，类似企业计算里抽象硬件的 OS 或中间件层。Bill Gates 对公司描述得很直接：FieldAI“为其他公司的机器人开发 AI 软件，让机器人能够感知环境、在没有 GPS 的情况下导航，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；订阅价格据称从数万美元到每年 $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 $100M 的已签约收入，并与大型工业客户建立了合作。 [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，他带来近二十年的机器人 AI 经验。创立 FieldAI 前，Agha 在 NASA Jet Propulsion Laboratory（JPL）工作约七年，担任多个美国高知名度自主项目的首席研究员，包括 DARPA Subterranean Challenge、DARPA RACER（自动驾驶越野车辆）、NASA Autonomous Mars Cave Exploration，以及 Coordinated Autonomy for Prototype Mars Helicopter-Rover。他还曾在 Qualcomm 任研究员，并在 MIT 做博士后。关键在于，Agha 带领 JPL-MIT-Caltech-KAIST-LTU CoSTAR 团队赢得 2020 DARPA Subterranean Challenge 的 Urban Circuit；这是现场机器人领域的标志性成果，也验证了如今 FieldAI 技术核心中的风险感知自治路线。Agha 在 Texas A&M University 获得计算机科学与工程博士。联合创始人包括 Dr. Shayegan Omidshafiei（首席科学官）和 Dr. David Fan（首席技术官）。Omidshafiei 曾在 DeepMind/Google 担任研究科学家超过五年，研究大规模 AI 模型和多智能体强化学习；他在 MIT 完成博士，并在那里首次与 Agha 合作。Fan 曾任多个 DARPA SubT 和 DARPA RACER 项目的首席技术专家，也是 NASA JPL 研究员。其他高级领导包括 Dr. Eric Krotkov，他负责公司的国防子公司 FieldAI Federal，曾任 DARPA Program Manager 和 Toyota Research Institute 的 CSO；以及 Sebastian Scherer，他是 Fieldable Embodied AI 负责人，也是 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部署 AI 上拥有罕见的创始人 - 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 是公司的主要公开发言人与募资人，形成了有意义的关键人依赖。 [CO011, CO012, CO013, CO014, CO015, CO016]

1.3 融资历史与投资人构成

FieldAI 从 2023 年创立到 2025 年 8 月 20 日一直保持隐身；当天公司同时披露连续两轮融资合计 $405M，并宣布估值达到 $2B——较前一轮确定的 $500M 估值翻了四倍。最近一轮融资 $314M，并且获得超额认购；共同投资方包括 Bezos Expeditions（Jeff Bezos 家族办公室）、Prysm Capital 和 Temasek。两轮融资中的其他投资方包括 BHP Ventures、Canaan Partners、Emerson Collective、Intel Capital、Khosla Ventures、NVentures（NVIDIA 的风险投资部门）等。Gates Frontier（Bill Gates 的投资机构）和 Samsung 被列为“过往投资人”，说明它们参与了前一轮、也就是确定 $500M 估值的那轮。按披露总额倒推，第一轮约融资 $91M。注意：部分尽调前资料把拆分写成 $150M（种子轮）加 $255M（Series A）；该拆分与 Reuters 关于最新一轮 $314M 的报道不一致，也无法从一手来源确认。超额认购与投资人阵容——覆盖科技风投领袖（Khosla、NVentures、Intel Capital）、主权财富和机构资金（Temasek、BHP）、慈善资本（Gates Frontier、Emerson Collective），以及全球最富有个人的家族办公室（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的前沿，它快速部署的能力将释放长期经济和社会价值。”Intel Capital 的公开背书正式确认了与 Intel 硬件栈的平台集成和战略关系。本轮资金将用于全球扩张、产品开发（移动、操作）以及员工扩张，目标是在 2025 年底前把团队规模翻倍。 [CO021, CO022, CO023, CO024, CO025, CO026]

1.4 规模、合作伙伴与里程碑时间线

自 2023 年创立以来，FieldAI 的增长曲线很陡。公司 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，与公司所称到 2025 年底把员工翻倍至约 260 人的计划一致。2025 年末，出于招聘和实验室扩张需要，公司从 Mission Viejo 约 13,000 平方英尺办公空间，搬到 Irvine Spectrum 的 3 Morgan、面积 41,000 平方英尺的研发总部。FieldAI 的生产部署已覆盖三大洲——北美、欧洲和亚太（包括日本）——数百个站点、数千次任务。公司吸引了建筑、能源、制造、城市配送、安防和国防领域数十家大型企业客户，并成立 FieldAI Federal 子公司服务政府和军事应用。2026 年初，公司宣布两项重要战略合作：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 的移动能力与 FieldAI 的 FFMs 结合，用于建筑和其他动态环境。Boston Dynamics 创始人 Marc Raibert 专门提到双方在 2020 年 DARPA SubT 的胜利来背书公司：“自 Ali 和他的团队用 Spot 机器人赢得 DARPA Subterranean Challenge 的 Urban-circuit、同时为 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：受访承包商中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%；这说明行业在意愿和实际采用之间存在普遍摩擦，也会成为 FieldAI 近期商业规模目标的逆风。 [CO031, CO032, CO033, CO034, CO035, CO036]

1.5 图表与要点

2.1 市场边界与定义

FieldAI 的可服务市场不是整个工业机器人市场——大多数已部署工业机器人都在结构化、重复性的制造环境中运行（汽车装配、半导体制造、消费电子），这些场景已经由 FANUC、ABB、Yaskawa 等传统固定路径自动化厂商充分服务。FieldAI 真正不同的市场，是那些需要自适应、风险感知自治能力的工业机器人部署：环境非结构化，布局每天变化，GPS 和预建图路径不可用，静态编程失效。具体包括活跃建筑工地（地形、障碍和工作流按小时变化）、地下与露天矿山（落石、瓦斯风险和狭窄空间让人员暴露危险）、油气地面设施与巡检环境（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级或物流仓储机器人；（c）机器人硬件本身，因为 FieldAI 是纯软件供应商；（d）水下 ROV 和特种水下车辆，它们由另一套供应商生态服务。工业买家当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，以及配合人工采集数据的 BIM/CAD 建模。按单位现场智能成本看，这些替代方案更贵，实时性更弱；随着劳动力池收缩、安全要求收紧，它们也越来越难以维持。 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下的工业制造。公司把目标场景描述为“脏、枯燥、危险”的环境；自主机器人能在安全、文档和运营洞察上持续叠加价值，这一框架与四个服务垂直的结构特征高度一致。可作为未来扩张路径的相邻市场包括国防与周界安防、复杂环境中的物流，以及半结构化场景中的城市配送。更合适的市场规模测算方式，是按垂直行业引用分析师估算，而不是套用一个宽泛机器人 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 市场规模测算口径

没有一个公开分析师数字能干净覆盖 FieldAI 的可服务可触达市场，因为多数报告要么定义过宽（纳入硬件或全部工业自动化），要么过窄（只覆盖一个垂直）。最相关的跨领域数字来自 Global Market Insights 对 AI 驱动工业机器人市场的估算：2026 年 $17.9B，按 7.1% CAGR 增长至 2035 年 $33.3B。该数字包含硬件，但能提示 FieldAI 所瞄准的 AI 增强机器人软件层规模。另一个口径是 The Business Research Company 对工业人工智能市场（全部软件、平台、解决方案）的估算：2026 年 $13.69B，并以 51.1% CAGR 指数式增长至 2030 年 $73.54B；这是覆盖制造、能源和物流的最宽用例集合，并不专指非结构化环境。 对 FieldAI 的四个核心垂直，垂直行业规模给出更清晰信号。建筑机器人：2026 年 $7.79B（TBRC）和 $1.4B（Grand View Research，建筑机器人窄口径）；区间反映定义范围差异，较低数字对机器人平台本身可能更可辩护。采矿机器人：2026 年 $1.7B（PMR），按 9.8% CAGR 增长至 2033 年 $3.3B。油气机器人：2026 年 $3.8B（MarkWide Research），按 14.6% CAGR 增长至 2035 年 $12.96B；仅巡检子板块 2026 年估计为 $0.93B（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 $7.24B，CAGR 为 17.5%（Research and Markets）。 对 FieldAI 当前垂直中的纯软件、非结构化环境市场，保守自下而上 SAM 估算可这样推导：把 15–25% 的软件占比假设套到 2026 年建筑 + 采矿 + 油气机器人合计 $13.2B 的垂直硬件与服务市场，得到约 $2–3.3B 的 2026 年可触达软件支出区间。该估算天然不确定，置信度低；FieldAI 没有发布 SAM 数字，也没有分析师发布专门针对“非结构化环境中工业机器人的 AI 软件”的市场估算。IFR 的 World Robotics 2025 报告记录了 2024 年 542,000 台工业机器人安装量，以及全球 4.66M 台在运行机器人；其中有多少部署在 FieldAI FFMs 能创造价值的非结构化环境，并未单独量化。分析师估算分布很宽（见 TM002），相互矛盾的规模测算被保留为证据缺口。 [CM006, CM007, CM008, CM009, CM010, CM011]

2.3 买方、用户与付款方分层

FieldAI 销售 B2B 企业软件，不卖硬件。公司的买方结构遵循典型企业工业技术模式：付款方是最高管理层或运营 / 财务 VP，技术买方是运营或 HSE（健康、安全、环境）负责人，日常用户是现场总监、现场工程师或项目经理。预算归属因垂直而落在两类池子里：（1）用于新自动化投资的资本开支（capex）预算，由 CFO、工程 VP 或运营 VP 控制；（2）用于经常性巡检、监控和现场智能合同的运营开支（opex），由工厂或项目经理在预先批准的服务供应商协议内控制。FieldAI 把产品定位成能在 opex 侧立刻产生 ROI（人工文档时间减少 90%+，更早识别返工），让初始销售可被包装为成本规避，而不是资本开支改造。 建筑板块最直接的购买力集中在最大型总承包商——例如 FieldAI 的 Boston Dynamics 案例研究中提到但未具名的 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，也有为自动化试点预留的内部创新或数字化转型预算。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，以及安全要求规定必须定期巡检危险区域。采矿和能源买家集中在 BHP、Rio Tinto 及同类大型运营商，HSE 与运营负责人受监管合规、事故减少和车队生产率指标驱动。BHP Ventures 投资 FieldAI，构成来自这一买方群体的直接市场验证。油气客户由巡检合规要求、危险环境访问降本和资产完整性管理要求驱动。所有板块的采用路径都从有限概念验证开始（通常是一个站点或资产集群），经 ROI 验证后，进入覆盖多站点或多区域的企业框架协议——这与 FieldAI 提到“全车队部署”和全球运营“企业级”扩张的模式一致。 [CM025, CM026, CM027, CM028, CM029, CM030]

2.4 增长驱动与采用约束

结构性增长驱动持续数十年，且证据充分。最直接的是劳动力短缺：美国西部超过 50% 的采矿劳动力预计到 2029 年退休，全球建筑业也长期缺熟练工。US Mine Safety and Health Administration（MSHA）在 2024 财年记录了 31 起采矿死亡事故，致死伤害率为每 200,000 工时 0.0110；高危任务转向自主替代方案的监管压力仍在。IFR 的 World Robotics 2025 数据显示，到 2028 年全球工业机器人年安装量将保持在 500,000 台以上；当硬件规格趋同，软件定义自治会越来越成为差异化因素。Deloitte 的 2026 TMT Prediction 确认，有别于消费级 LLM 的专用 AI 基础模型，可能是 2026–2030 年间推动机器人从命令 - 控制转向真正泛化自治的技术突破。 采用约束同样实质。McKinsey 的 Industrial Robotics Survey 显示，71% 的工业公司把硬件资本成本列为机器人采用的主要障碍，61% 则提到缺乏内部经验；装配、表面处理、焊接等复杂活动在中短期内也不太可能自动化。Deloitte 观察到，工业机器人年销量自 2021 年以来基本持平在约 500,000 台，并警告如果数据质量、集成复杂度和网络安全瓶颈不解决，市场很可能保持相对温和的年增长。最关键的是，BuiltWorlds 的 2025 Equipment and Robotics Benchmarking 报告——Construction Dive 在 FieldAI 融资报道中引用——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%，即便正面评价从 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：把强试点表现转化为持久企业收入。高 capex 周期、与存量工厂系统的 OT/IT 集成摩擦、较长回本期要求，以及油气运营商所处资本环境波动，都是进一步的结构性逆风。既有市场规模与已部署产品之间的差距真实且重大。 [CM031, CM032, CM033, CM034, CM035, CM036]

2.5 图表与要点

3.1 竞争格局与买方替代方案

到 2026 年，需要自主机器人作业的工业企业实质上有五条路径可选：（1）在现有硬件上部署 FieldAI 的 Field Foundation Models；（2）采用资金充足竞争者的具身 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用平台（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、依赖传统 SLAM/GPS 的导航，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案，因此多平台并用很常见，转换成本也比初看更软。FieldAI 瞄准最大的未满足切片：动态、拒止 GPS、非结构化现场环境，在这些场景里现状方案和 OEM 原生方案都会失效。公司的硬件无关软件模式避开了机器人制造的资本密集度，同时可覆盖比任何单一 OEM 更多的平台。截至 2026 年 5 月，下文画像中的八家直接和替代玩家合计代表的 VC 与企业资本大幅超过 FieldAI；这既验证了市场，也带来资源充足的竞争者形成稳固位置的实质风险。 [CP001, CP002, CP003, CP004, CP005]

3.2 竞争者画像与能力对比

Intrinsic 已在 2026 年 2 月并入 Google，提供 Flowstate，这是面向工业机器人的网页开发与仿真环境。该平台跨 KUKA、Fanuc、Universal Robots 等硬件，且借助 Google Gemini AI 模型做视觉和推理。2026 年 5 月与 Fanuc 的合作让 Google 触达 1.1M 台已部署工业机器人——这是任何初创公司都无法匹敌的分销渠道。Intrinsic 在研发五年后，于 2023 年 1 月裁掉 20% 员工，也没有披露商业收入；但并入 Google 以及与 Foxconn 的合资（2025 年 10 月）显示其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，2024 年创立，截至 2026 年 3 月没有商业产品或收入。其 π0.7 模型（2026 年 4 月）在操作任务上展现出涌现式泛化，并据称正以 $11B 估值融资 $1B。Pi 的 VLA（Vision-Language-Action）架构瞄准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 月推出），但其创始人和约 25% 员工在 2024 年 8 月被 Amazon 以团队收购方式吸收，交换条件是一份非排他技术许可。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），但面临公司层面的不确定性；竞争性数据积累者也让其护城河偏窄。Gecko Robotics 把自有 TOKA 巡检机器人与 Cantilever AI 平台结合，服务关键基础设施数字孪生；公司 2025 年 6 月达到独角兽状态（估值 $1.25B），并在 2026 年 3 月赢得一份 $71M、五年期 U.S. Navy IDIQ 合同。Gecko 的市场深扎能源、国防和制造巡检，但结构上比 FieldAI 的横向野心更窄。Boston Dynamics（Hyundai 旗下）提供 Spot、Stretch、Atlas 机器人，以及用于车队智能的 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——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），服务国防和航空航天，并在 2026 年 2 月完成 $124M Series C。它不是 FieldAI 巡检与自治重点的直接竞争者，但会争夺国防预算和 OEM 机器人心智。Viam 是开源机器人软件平台（总融资 $117M），面向希望在 IoT、机器人和工业机器之间抽象硬件的开发者。Viam 争夺同一个“大脑层”叙事，但把自己定位为开发者 SDK 路线，而不是 FieldAI 的预训练 AI 模型。内部自研仍是既有方案：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。自研单位经济很难量化；当没有商业平台满足所需安全认证或数据驻留约束时，自研就会成为默认选择。 [CP006, CP007, CP008, CP009, CP010, CP011]

3.3 定价与包装对比

整个竞争领域的定价透明度都很低；多数平台面向企业采购销售，没有公开标价。FieldAI 的订阅据称按部署规模不同，从每年数万美元到 $500,000 不等；公司引用第三方估算称 2025 年 ARR 为 $140M，并称已签约收入达到 $100M 或以上。Intrinsic 不公布 Flowstate 定价；Google 的云优先模式暗示会在 Google Cloud 计算费之上叠加企业 SaaS 档位，而 Fanuc 合作意味着可能存在批量授权。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成多年合同；Navy IDIQ 展示的是 18 艘船、五年 $71M 的合同框架。Boston Dynamics Orbit 作为硬件之上的软件层出售；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 提供对开发者友好的免费档，并按需提供企业定价；开源模式先推动开发者采用，再向托管基础设施追加销售。Machina Labs 按制造服务合同定价，而不是软件订阅。行业估计，美国海军单是现状人工巡检每年就花费 $13–20B；按 Boston Dynamics 合作公告，FieldAI 支持的系统可让建筑工地文档时间减少 90% 以上。 [CP021, CP022, CP023, CP024, CP025, CP026]

3.4 差异化可持续性、护城河与反向证据

FieldAI 声称的护城河建立在四根柱子上：（1）用专有真实部署数据训练的物理优先、风险感知基础模型；（2）不依赖云或 GPS 的端侧部署，使其进入云优先竞争者无法进入的市场；（3）来自建筑、能源、采矿和国防等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很难：部署数据量和模型性能基准没有公开披露；硬件无关定位是优势，也意味着竞争者可以追逐同样的机器人伙伴。几项反向信号值得关注。第一，Physical Intelligence 正以 $11B 估值融资——是 FieldAI 的 5.5×——即便它没有商业产品。如果 Pi 在 FieldAI 建立主导数据优势前实现商业化，更强资本基础可能压缩 FieldAI 的差异化窗口。第二，Google/Intrinsic/Fanuc 集成（1.1M 台已部署机器人获得 AI 升级）带来 FieldAI 无法靠自身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 内化自治层，通过降价轮抹掉 FieldAI 普通股价值。关键在于，FieldAI 最显眼的合作伙伴 Boston Dynamics 也运营 Orbit 软件平台，背后有 Google Gemini，且可以选择开发竞争性自治能力。第四，对 Covariant——一个仓库 AI 类比公司的独立分析，把其数据护城河评为“窄而非宽”，理由是 Physical Intelligence、Nimble 和 Amazon 都在竞争性积累数据；这一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成商业秘密，而非结构性护城河。FieldAI 的国防垂直（由前 DARPA PM Eric Krotkov 领导的 FieldAI Federal）以及拒止 GPS 的端侧部署要求，可能成为最可防守的细分，因为它们需要硬件认证和安全许可，能形成独立于模型质量的监管转换成本。 [CP027, CP028, CP029, CP030, CP031, CP032]

3.5 图表与要点

4.1 收入来源与变现策略

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 - 计算载荷和固件部署到现有第三方机器人上时，收取前置硬件集成费；（2）客户持续访问 Field Foundation Models（FFMs）、车队管理和分析服务时，收取经常性软件授权费。公司不制造机器人，也明确避开硬件 OEM 定位，使模式更接近企业软件订阅，而不是机器人硬件厂商。所有设备端推理都在端侧运行，延迟低于 100ms；车队数据会上传到 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”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、市场平台模式或硬件 OEM 收入。面向国防的子公司 FieldAI Federal 已经运营，未来可能贡献政府合同收入，但尚未公开披露任何合同授予。 唯一公开收入信号来自 Orange County Business Journal 2026 年 4 月报道：匿名“知情人士”称公司已拥有超过 $100M 的已签约收入。GetLatka 的分析师平台估计，截至 2025 年 11 月，公司 ARR 为 $140M。两个数字都未经审计、未经公司确认，也没有按收入流拆分。因此，这些数据点只能作为方向性信号，而不是已确认财务指标。 [CI001, CI002, CI003, CI004, CI005, CI006]

4.2 资本充足性与后续资金续航

FieldAI 的两轮融资历史已在公司概览章节展开。看资本充足性，关键输入是：截至 2025 年 8 月，公司累计募资 $405M；第二轮融资（$314M）在 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 参投。第一轮融资（约 $91M）在 2024 年完成，估值 $500M；Gates Frontier 和 Samsung 被列为上一轮投资方。 公司未披露账上现金，也未披露月度烧钱速度。人员规模从 2024 年末约 30 人增至 2025 年 8 月公告时约 130 人，并明确计划到 2025 年末翻倍至约 260 人，说明固定成本基数正在快速拉升。若按 200–260 名员工、单人全包成本 $250K–$350K（与 Irvine, CA 及分布式工程团队匹配）估算，仅年化薪酬开支就达 $50–90M/年，对应月度人工 run-rate 约 $4–8M。再叠加全球部署费用、云基础设施、硬件载荷成本和 G&A，总月度 burn 估计为 $5–10M。低端情形下，从成立算起，累计募资 $405M、月 burn $5M 对应约 81 个月的毛 runway；若月 burn $10M，则约 40 个月。扣除假设的 $100M+ 累计收入抵消后，自 2025 年 8 月交割起的净 runway 估计为 24–48 个月；若收入不加速、成本不意外上行，下一轮融资触发点落在 2027 年末至 2029 年初。 FieldAI 尚未宣布任何债务融资、项目融资义务、收入分成融资或授信额度。公司资本结构看起来是纯股权。与纵向一体化机器人公司不同，FieldAI 不做硬件制造，这显著降低了相对于同业的营运资本和库存融资需求。 [CI009, CI010, CI011, CI012, CI013, CI014]

4.3 单位经济模型与成本结构

FieldAI 基本没有披露单位经济模型。公司未发布经审计财务报表，也未披露毛利率、客户获取成本（CAC）、净收入留存（NRR）、年度合同价值（ACV）或回本周期。以下分析基于可比 B2B 工业 AI 软件公司，以及 FieldAI 收入模式中可观察到的结构。 按典型企业 AI 软件基准估算，软件许可部分的毛利率约为 55–80%。硬件集成服务涉及实体传感器-计算载荷部署和现场支持，利润率可能较低（20–45%），会把混合毛利率拉到纯软件可比公司之下。规模化之后，软件许可收入应成为主导，并改善混合毛利。端侧架构不依赖云端推理，相比重云端的 AI 平台，每次部署的持续可变成本更低，这是有利的结构特征。 企业工业机器人销售效率天然承压：销售周期通常为 12–24 个月，需要现场演示和集成测试，还牵涉多方采购。CEO Agha 提到合同价值为数百万美元，说明单笔规模或可在中等流失率下支撑 1–3 年 CAC 回本——但没有披露 CAC 和 NRR 数据，无法验证。若 $140M ARR 估计和 150 人员工数准确，则人均收入约 $900K–$1M，对这一阶段的企业软件公司而言很强。FieldAI 的 GTM 路径聚焦直销企业、硬件伙伴关系（Boston Dynamics、OEM）和地域扩张伙伴（Certis Group、亚洲）；这也说明如果只靠纯直营，可服务市场天花板会被压低。 [CI016, CI017, CI018, CI019, CI020, CI021]

4.4 财务不透明与尽调阻点

FieldAI 是私营公司，没有公开财务报告义务。截至 2026 年 5 月，仍未披露或无法验证的关键财务指标包括：（1）经审计 ARR 或总收入；（2）按收入流拆分的毛利率；（3）CAC 和回本周期；（4）净收入留存率；（5）客户数量与集中度；（6）账上现金；（7）月度或季度 burn。 现有收入信号彼此冲突。GetLatka 估计 ARR 为 $140M（2025 年 11 月），而其他分析平台曾给出低至 $5M 的数字——相差 28 倍，反映了外部估算私营公司指标的难度。UpsideList 的社区模型标记 -2% 上行空间，并从二级市场定价角度把公司视为近似尚未产生收入，指向私募二级层面的流动性和估值不确定性。 若以 $140M ARR 估计为基准，$2B 估值对应 14x 收入倍数；若以 $100M 已签约收入信号为基准，则对应 20x。对一家未披露盈利能力、没有公开财务记录、且所在市场中至少 54% 建筑垂直机器人部署（公司披露的最大市场）仍停留在试点或搁置状态的公司而言，这两个倍数都很激进（据 BuiltWorlds 2025 数据）。只有在 ARR 快速增长且利润率很高时，这些倍数才站得住脚——但现有数据无法确认任一条件。FieldAI 未向 SEC 提交 Form D（经 EDGAR 全文搜索确认），意味着公司要么使用了无需 Form D 的豁免，要么使用了不同法律实体，要么尚未提交。加州实体 “Field Ai, Inc.”（文件 #6436098，2024 年 10 月 24 日注册，Delaware 设立，CEO Aliakbar Aghamohammadi）处于 active 状态。 二级市场分析师给出的负面估值信号和宽幅收入估计区间本身不构成否决项，但意味着要承销 $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 的财务图景是一家资本充足、收入早期但增长很快的软件公司：24 个月内吸引 $405M 融资，但对外部承销仍过于不透明。$2B 估值完全由投资人信号、增长轨迹和团队履历托住，而不是由已验证的财务基本面支撑。若 $140M ARR 估计准确，且同比增长 50–100%，这一估值落在品类开创型 AI 软件公司的合理区间；若 ARR 明显更低或增长更慢，倍数就难以自圆其说。前瞻资本充足性看起来稳健：$405M 融资对应纯软件运营模型（无硬件制造 capex、无库存融资），再加上披露的 >$100M bookings，意味着下一轮融资前至少有 2–3 年运营 runway。最大尽调风险不是偿付能力，而是信息不对称——公开可验证信息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 产品定义与模块地图

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：不绑定具身形态的自主软件，安装在合作伙伴或客户自有机器人硬件上。FFM 充当通用“机器人大脑”，让机器人在非结构化工业环境中感知、推理和行动，无需预先绘制地图、GPS、云连接或按任务重新编程。该平台可跨四足机器人（如 Boston Dynamics Spot）、轮式机器人、人形平台和乘用级自动驾驶车辆使用，硬件无关。 FieldAI 的应用组合覆盖其官网 Solutions 页面列出的八类方案：现场测绘和文档化；设施与设备巡检；状态异常检测；大规模数据采集；无人化物料运输；安保和威胁检测；远程呈现和远程操作；搜索与 ISR。公司既自研应用，也通过伙伴载荷模式与第三方提供商合作。短期商业重点是巡检和数据采集（当前已产生收入），操作能力和通用作业则位于中长期路线图上。 一个有辨识度的架构原则是 “Context over Training”：FFM 不要求穷尽式场景预训练，而是利用上下文线索和学习到的物理先验，对未见过的情况做推断。CEO Ali Agha 将机器人的风险感知描述为它知道自己对某个动作“有多大把握”，客户可配置风险阈值，从而在安全关键区域调整行为。结果是一种部署模型：机器人可在新场地快速启用，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织。核心 FFM 使用视觉、LiDAR、文本、音频等多模态传感器流，负责感知、世界建模和决策。Dynamics Foundation Model（DFM）是子模型，整合机器人的内在运动学和动力学属性，使同一个认知层能够驱动机械结构不同的机器人身体。Multiagent Foundation Model（MFM）是协同层，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——把机器人集群变成分布式自主系统，而不是一组孤立工具。 架构上，FieldAI 运行在“信念空间”：系统持续跟踪环境状态的概率分布，而不是假定信息完美。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，也包括赢得 DARPA SubT 挑战赛 Phase II 的 NeBula 系统。概率式方法意味着机器人可在无 GPS、低能见度、传感器退化的条件下工作。当 FFM 遇到陌生条件时，会明确降速或选择更保守路径——这是公司承认的吞吐成本，但被视为安全特性。真实世界数据飞轮意味着每次部署都会随着时间改善模型性能，并形成复利式数据优势。 NVIDIA 集成加深了工程栈。FieldAI 使用 NVIDIA Omniverse NuRec，将机器人正常作业顺带采集的传感器数据重建为高保真 3D 数字孪生。这些数字孪生会加载到 NVIDIA Isaac Sim 和 Isaac Lab，用于机器人策略训练与验证；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）维护着多个机器人基础设施库的活跃 fork——Spot SDK、rosbridge_suite、spconv、unitree_sdk2——最近提交时间到 2026 年 4 月，为平台集成面提供了开发者侧证据；但公司未公开任何专有模型权重或 SDK 文档。私有 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 的部署模型是 B2B 软件：客户自有或租赁的机器人通过软件安装获得 FFM 大脑，FieldAI 提供集成服务和持续模型更新。客户不需要向 FieldAI 购买专用硬件。部署时间是关键差异化主张：机器人不需要预先绘制环境或 GPS 基础设施，因此场地启用被描述为很快；公司及其投资人称，过去“要几个月”的流程现在“只要几个小时”。一位未具名全球工业制造高管给出了 3.5 个月缩短到 12 小时的具体结果（超过 200 倍改善），使用的是 FieldAI 技术加 NVIDIA NuRec 数字孪生生成——但该主张未获独立第三方验证。 建筑是领先的商业垂直。Big-D Construction 使用 FieldAI 已超过两年，并在 2026 年 4 月宣布扩展到多个项目；据称其中一个项目通过早期缺陷检测节省了 $1.2 million。在安保垂直，Certis Group（新加坡）在公共基础设施、交通枢纽和工业设施中部署与其专有 Mozart 编排平台集成的 FFM。FieldAI 与 Boston Dynamics 的合作于 2026 年 3 月 12 日正式化，目标是建筑巡检；搭载 FFM 的 Spot 机器人可自主执行 3D 扫描、危险识别和夜间监控。公司还通过 FieldAI Federal 处理联邦和国防用例，该实体由前 DARPA Program Manager Dr. Eric Krotkov 领导。 地域上，FieldAI 已记录美国、日本、欧洲，以及通过 Certis 覆盖亚太的部署。客户通常不公开具名（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 是唯一按名称公开确认的建筑行业客户。 [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式风险管理，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；当不确定性超过客户配置的阈值时，系统会采取更保守动作。CEO Agha 将其描述为机器人知道自己“有多大把握”，并通过减速或改道避免不安全动作。该设计回应了传统 LLM 套进机器人时的幻觉风险，因为 FieldAI 的模型从一开始就为物理安全设计，而不是事后改造语言或视觉模型。 但截至 2026 年 5 月，公司未公开记录任何安全认证、监管批准或合规标准（如 ISO 10218、IEC 62443、ANSI/RIA、FedRAMP，或工业机器人同等标准）。Certis 合作协议提到，双方将“共同开展培训、安全验证和运营框架，以支持负责任部署”，这意味着正式安全验证框架仍在开发，而非已经完成。Boston Dynamics 合作同样聚焦实际部署成果，而不是认证。FieldAI 通过 FieldAI Federal 进入国防 / 联邦场景，暗示存在某种政府安全审查，但公司未发布具体 clearance 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异，也未识别到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 在巡检和数据采集上的产品成熟度最高：公司已有付费客户，并在数百个场地记录了生产部署。分析师报道和投资人材料中提出的三阶段路线图是：（1）近期至 2026 年——自主巡检、监控和数据采集，已商业化；（2）中期 2026–2028 年——干预和操作，从感知扩展到物理动作；（3）长期 2028+——跨所有平台的通用自主，包括人形机器人。这一路线图与 FieldAI 对 $405M 融资用途的表述一致：资金将用于机动能力和操作能力的开发。 CMU Robotics Innovation Center 入驻安排（2026 年 2 月宣布，Hazelwood Green 2,500 sq ft）正式化了公司的学术研究合作，让 FieldAI 可使用 1.5 英亩户外测试场和专门机器人实验室。FieldAI 赞助 CMU 的 AirLab 和 LeCAR lab 研究，并支持 VectorRobotics 学生团队的人形 loco-manipulation，显示公司正在投入中长期路线图上的能力缺口。Field AI Research Institute（FAIRI）发表同行评审研究；NeBula DARPA SubT 论文，以及 2024 年关于风险感知 AI 和 MPPI 控制的论文，为公司提供学术可信度。 开发者生态入口有限。FieldAI 的 GitHub 组织（field-ai）托管 10+ 个标准机器人库 fork，但没有发布任何专有 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 tag）。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，而非真正的从业者社区。与 NVIDIA 和 CMU 的合作为工程可信度提供了间接代理，但从公开来源还无法独立技术评估 FFM 能力。 [CE019, CE025, CE028, CE029, CE036, CE035]

5.6 附录

6.1 客户分层、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，覆盖六个已具名垂直：建筑、能源 / 油气、矿业、制造、城市配送与巡检，以及联邦 / 国防。公司不制造机器人；产品是自主软件和载荷，用来改造买方已经拥有的硬件，或买方从 Boston Dynamics 等 OEM 伙伴采购的硬件。这种干净的软件许可模型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 VP 或创新总监，日常用户则是现场主管、安全经理或运营负责人，由他们部署和监控机器人。 据报道，订阅价格随部署规模不同，从数万美元到每年 $500,000 不等，首次部署还会叠加硬件集成服务。建筑垂直是 FieldAI 商业成熟度最高的板块——截至 2026 年中，它拥有唯一公开具名的客户案例（Big-D Construction、DPR Construction），也拥有唯一确认的多年生产部署。能源 / 油气和工业制造由专门产品页覆盖，内容包括设备异常检测、仪表和热成像监控、数字孪生创建，但公司未公开披露这些板块中的具名企业客户。安保运营通过 2026 年 2 月宣布的 Certis Group 战略合作进入可服务市场；联邦 / 国防是单独品牌化的板块（FieldAI Federal），前文已提到 Detroit Defense 合作。 买方 / 用户分离带来重要销售动态：采购决策中的 champion 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现场主管和安全经理是否买账。在 Big-D，现场主管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”中完成“成功测试和部署”，客户包括建筑、能源、制造、城市配送与巡检领域的“全球最大公司中的一些”。该轮融资被描述为在“快速客户采用和多份扩张合同”之后超额认购；到 2026 年 3 月，公司在 NVIDIA 合作公告中提到一个“快速增长的机队”，客户正在北美、欧洲和亚洲扩张。这些都是公司方说法，没有第三方验证活跃场地数量、客户数量或机队规模。 robotsinconstruction.com 截至 2026 年 4 月的独立跟踪只统计到四个确认的建筑部署：Big-D Construction（生产，2+ 年）、DPR Construction（生产，截至 2025 年 11 月约 1.5 年），以及两家未具名 top-10 ENR 总承包商。该平台指出 FieldAI 自 2024 年开始出货。“数百个环境”与四个确认建筑部署之间的差距，可能部分来自非建筑垂直、商业化前测试环境，以及未被独立来源跟踪的演示或评估部署。Big-D 和 DPR 是仅有的、带有客户具名结果的案例（具名高管和现场主管引述、具体平方英尺数据、已运行部署时长）。 Boston Dynamics 合作（2026 年 3 月）增加了一个可信的第三方验证者；Boston Dynamics 提到客户“从亚洲到欧洲再到北美”正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结果的客户。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：机器人实时走遍项目现场，联接 BIM 模型和项目进度，识别漏做工作和安全问题，并把发现回连到公司的项目管理平台——这是单个人类团队无法独立复制的能力。Orr 预计“每个项目都会在某种程度上使用 FieldAI 工具”。Big-D 现场主管 Bronson Dupaix 描述了用机器人替代五小时人工现场巡检、手持相机和扫描仪的流程。Big-D 总监 Chantelle Menlove 还独立提到，一位在某个工地见过机器人的现场主管打电话要求在下一个工地使用它，说明存在自下而上的自然需求。 DPR Construction 是美国十大承包商之一，专长于数据中心和医疗项目；截至 2025 年 11 月，它在 California Santa Clara 的一个数据中心现场部署 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。现场主管 Justin Schreiner 表示，该系统通过去掉琐碎文档任务、让团队聚焦关键工作，“让我们把事情做得更好”。 Certis Group 是新加坡最大的安保和运营公司，2026 年 2 月宣布与 FieldAI 建立战略合作，在其全球运营中部署自主安保机器人。Certis 的 Mozart 编排平台与 FieldAI 的 FFM 集成，用于多场地安保环境中的自主巡逻、事件检测和人机协同。Certis 总裁 Ng Tian Beng 确认，该合作面向“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 既是伙伴，也是安保垂直的运营方客户。 一位未具名全球工业制造高管在 2026 年 3 月 FieldAI/NVIDIA 新闻稿中被引用称，某个过去“需要三个半月”的流程现在“只需十二小时”——提升 200 倍。客户未具名，指标也无法验证，但这段话由公司具名高管（CEO Ali Agha）在正式新闻稿中归因。robotsinconstruction.com 独立跟踪器中还出现了两家额外的未具名 top-10 ENR 公司，确认有生产部署，但未披露结果。 [CU019, CU020, CU021, CU022, CU023, CU024]

6.4 留存、扩张与集中度风险

FieldAI 未披露任何留存指标——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。公司仍处于未披露收入阶段且为私营公司；没有监管文件强制这些披露。 建筑板块的定性留存信号略偏正面。Big-D 的多年活跃部署，以及将 FieldAI 扩展到未来每个项目的明确计划，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出现更大融资轮次的信号”，并提到 DPR 工地帮助测试概念验证——这种措辞暗示关系仍在持续。超额认购融资轮明确归因于“多份扩张合同”，也从财务信号上佐证了复购，尽管具体合同价值和客户名称仍未披露。 结构性集中度风险较高。基于公开确认的生产部署，FieldAI 的建筑客户基础由四个账户构成：Big-D、DPR 和两家未具名 ENR 公司。任何一个具名锚定客户流失，都会拿走超过 50% 的可见证据基础。能源、矿业和制造垂直没有公开具名客户，意味着建筑之外的生产证据仍是缺口。Certis 带来了向安保的垂直多元化，但它是伙伴运营方，不是直接企业 SaaS 账户。 主力垂直还存在更广泛的宏观逆风：BuiltWorlds 2025 Equipment & Robotics Benchmarking report 发现，承包商的活跃建筑机器人使用率同比从 65% 降至 46%，即便正面情绪升至 95%。下降被归因于行业从实验性试点转向选择性、已验证的落地——这一动态可能拖慢 FieldAI 新客户获取，同时利好其现有生产账户。企业销售周期长、多方审批流程、NDA 限制客户具名，意味着 FieldAI 真实客户基础几乎肯定大于公开证据所示，但没有独立方法验证。 [CU031, CU032, CU033, CU034, CU035, CU036]

6.5 附录

7.1 监管与法律风险

FieldAI 在安全关键工业环境中部署会自主做出物理决策的 AI 系统。这使公司正好落入多个持续演进的 2026 年 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 系统被归为高风险，需要风险管理系统、技术文档、人类监督设计、CE marking 和上市后监测。Baker Botts 指出，Annex III 高风险系统原定 2026 年 8 月 2 日截止日期，可能因 European Commission Digital Omnibus 提案延后至协调标准发布后六个月（最终兜底日期为 2027 年 12 月）；但延期取决于 2026 年 8 月前是否通过，因此公司必须按现有期限并行准备合规。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，以及采取合理注意防止算法歧视。California SB 53 于 2026 年 1 月生效，要求大型前沿 AI 模型开发者（训练算力 >10²⁶ FLOPS）发布风险框架，并在 15 天内报告关键安全事件；FieldAI 的训练算力是否跨过该阈值尚未披露。联邦方向仍未稳定：Trump administration 2025 年 12 月行政令表达了预先排除州级 AI 法的意图，但今天尚未实际排除，合规负担仍呈碎片化。 产品责任方面，法院正在围绕 AI 部署形成产品责任框架。KL Gates（2026 年 3 月）记录了越来越多的诉状，将已部署 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。欧盟修订版产品责任指令将严格责任沿供应链延伸到上游 AI 组件提供商；即使部署客户或机器人 OEM 拥有终端产品关系，FieldAI 也会被纳入。Garcia v. Character Technologies 树立了一个先例：在起诉状阶段，面向消费者的 AI 可被视作严格责任下的产品。对工业机器人 AI 而言，物理伤害因果链（挤压、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。国防子公司 FieldAI Federal 若其自主系统进入军民两用技术，将受 ITAR/EAR 出口管制约束；未发现公开披露的出口授权。IP 保护主要依靠商业秘密和论文发布速度，而不是已授权专利：USPTO 专利申请检索找到一件已提交专利申请（US 2025/0252306），但截至 2026 年 5 月没有已授权专利；若人员离职，核心 FFM 技术可能面临被模仿的风险。 [CR001, CR002, CR003, CR004, CR005, CR006]

7.2 运营、安全与安保风险

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。搭载 FFM 的机器人完全在端侧决策，不依赖 GPS、地图或云连接。新环境中的一次模型推理错误（例如训练数据未覆盖的碎片构型、预授权机器人路径上突然出现行人），就可能在建筑、矿业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“loss-of-control scenarios”和“inadequate real-world reliability testing”列为快速演进自主系统中最紧迫的两类风险，直接适用于 FieldAI 的产品域。2025 年一宗被广泛报道的 Unitree H1 机器人在人类工人附近故障事件，以及 SRES 在 CES 2026 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”，说明更广泛同业群体——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，未有公开报道称 FieldAI 驱动的机器人发生安全事故。但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），企业客户和投资人无法独立验证剩余风险水平。NIOSH Center for Occupational Robotics Research 和 OSHA 都记录了工业环境中严重机器人相关工伤的基线；FieldAI 部署在活跃建筑区和采矿作业中，恰恰进入了这些事故最常出现的场景。公司自己的部署叙事——三大洲数百个场地——意味着随着部署规模扩大，遇到首个不利事件的概率也会上升。 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。若攻击者能够欺骗设备端传感器数据，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）尚未确认实施。如果安全事件早于正式认证发生，这些缺口会形成实质剩余暴露。 [CR013, CR014, CR015, CR016, CR017, CR018]

7.3 伙伴与技术依赖风险

FieldAI 的 GTM 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 合作是最可见的商业依赖：公司面向建筑的自主故事建立在 Spot 四足硬件之上，Marc Raibert 公开背书并提到 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，而 Hyundai 又在 2026 年 2 月单独投资了 FieldAI——如果 Hyundai 决定为 Boston Dynamics 硬件投资竞争性的专有自主软件，或在 Hyundai 层面战略重组中调整合作，就可能出现错位。合作条款（排他条款、收入分成、最低承诺、终止权）未公开披露，无法评估合同保护。 NVIDIA 是更深、更广的依赖。NVentures（NVIDIA 的企业风投部门）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，并用 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发供应中断的概率，但 NVIDIA 自身优先级（hyperscaler 分配、数据中心 GPU 供应瓶颈、竞争动态）可能压缩 FieldAI 的算力访问，或推高训练成本。VerticalData 报告称，高带宽内存（HBM）瓶颈在 2026 年仍然存在，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。 在 NVIDIA 和 Boston Dynamics 之外，Certis Group 安保合作（2026 年 2 月）增加了第三个集成依赖。Certis 使用其 Mozart 平台进行机队指挥控制，FieldAI 的 FFM 必须与这套专有基础设施互通。伙伴多元化是 FieldAI 硬件无关叙事中的明确组成部分——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，已具名商业合作深度集中在两个伙伴上：Boston Dynamics 面向建筑，Certis 面向安保；收入和声誉暴露也随之集中。 [CR023, CR024, CR025, CR026, CR027, CR028]

7.4 人员、人才与执行风险

FieldAI 创始团队的行业可信度很强——Ali Agha 领导过赢得 DARPA SubT 的 CoSTAR 团队，也曾在 NASA JPL 担任首席研究员，这正是投资人和客户信心的核心来源。但风险也集中在一个人身上：Agha 同时是公司的公开门面、首席技术意见领袖，也是最醒目的商业关系负责人。外界尚未看到与他公众分量相当的 COO、工程负责人或并行商业领导者。David Fan（CTO）和 Shayegan Omidshafiei（CSO/总裁）提供了一定管理纵深，但公众能见度远低于 Agha。Agha 若非自愿离职、长期无法履职，或卷入声誉事件，募资、企业客户信心和合作伙伴关系都可能同时受冲击。 创始人之外，FieldAI 还面临高速扩张带来的用人风险，而它所在的技术劳动力市场竞争最激烈。公司据报从 2023 年创立扩至 2025 年 8 月的 130 多人，折算年化增速很高，企业文化维护、工程协同和产品交付纪律都难以持续守住。FieldAI 要和 Google Intrinsic（现已并入 Google AI）、Physical Intelligence（融资超过 $700M）、Amazon Robotics、Tesla Optimus 抢机器人 AI 工程师；这些公司盯着同一小群能规模化做具身 AI 的博士和资深工程师。尚未发现融资后关键技术人员离职的公开证据，但没有公开证据并不等于团队稳定。 执行风险也体现在商业端。FieldAI 到 2025 年 8 月才走出隐身模式，可验证的企业销售能力还不到一年。公司尚未公布客户名称、带有验证结果的部署案例或留存指标。从 NASA JPL、DARPA 传承的研究团队，转型为要对收入负责的企业软件供应商，是组织上的关键拐点；许多深科技衍生公司都没能足够快地跨过去，最终支撑不了估值曲线。 [CR033, CR034, CR035, CR036, CR037, CR038]

7.5 财务、估值与投资论证失效风险

FieldAI 的 $2B Series A 估值，是同阶段机器人 AI 公司历史最高，也为后续资本事件抬高了门槛。唯一独立收入信号是 OCBJ 2026 年 4 月匿名消息源提到的「已预订收入超过 $100M」；按 $2B 估值折算，收入倍数约 20x，和企业 AI 软件最高倍数组相当，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，就会暴露在倍数压缩下。GetLatka 2025 年 11 月估算的 $140M ARR 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，传统 SaaS 或深科技指标无法支撑估值承销。 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，都会带来交付成本，可能把毛利率显著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 估值也很难支撑。第二个风险是烧钱集中：公司 130 多名员工，领导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 融资计算，现金跑道约 2–4 年。若市场或宏观条件在盈亏平衡前打断增长，公司可能被迫融资降价。 投资论证失效触发点，落在会动摇核心投资假设的证据交叉处：（1）FieldAI 驱动的机器人发生重大安全事故，导致客户退出、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，移走主要商业案例；（4）Ali Agha 离职或发生声誉事件；（5）估值重置或降价轮，显示市场无法维持 $2B 入场估值。任一触发点单独发生，都足以实质性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 最近一次披露的估值是投后 $2.0B；公司在 2025 年 8 月宣布连续两轮共融资 $405M 时确立了这一估值。最近一轮融资 $314M，获得超额认购，由 Bezos Expeditions、Prysm Capital 和 Temasek 共同领投；前一轮约融资 $91M，估值约 $500M。因此，公司约 12 个月内把估值推高了 4 倍。GeekWire 和 Reuters 消息源把两轮描述为「Series A and A1」。部分预尽调资料称拆分为 $150M（种子轮）加 $255M（Series A），但这与 Reuters 报道的最新一轮 $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，最近一轮为 2026 年 2 月完成的 $315M，估值同为 $2.0B——这可能反映公告后二级市场 SPV 活动，或一轮新的一级融资。SEC 的 Form D 文件确认，投资工具「HII Field AI Series I, II, and III, a Series of HII Field AI, LLC」在 2025 年 11 月和 2026 年 4 月提交备案（CIK 0002095306、0002095305、0002126354），符合特殊目的集合投资基金常见结构，用于聚合高知名度私人公司的二级交易和 LP 权益。加州主体「Field Ai, Inc.」名下没有直接提交 Form D，说明公司可能依赖豁免，或使用了不同法律实体结构。 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 也收录公司但上行信号有限，说明二级定价接近或位于 $2B 标题估值附近。PitchBook（2025 年 6 月归档）显示公司 47 名员工，交易类型为「Early Stage VC」，这反映 PitchBook 私营公司覆盖常见的数据滞后。公司自身披露的 LinkedIn 员工数 201–500，以及 2026 年 4 月已预订收入 >$100M，说明自 PitchBook 截图以来公司已显著增长。 [CV001, CV002, CV003, CV004, CV005, CV006]

8.2 投资论证与反论证

FieldAI 的投资论证建立在五个相互咬合的支柱上。第一，工业机器人硬件商品化后，具身 AI 软件层在结构上更容易捕获企业价值：一个不绑定硬件的软件大脑，叠加跨多样化部署的联邦学习网络效应，天然具备垄断吸引力。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）——有可信的先验验证：这一路线能在野外条件跑通，而不只是仿真里有效。第三，投资人组合（Bezos Expeditions、Khosla Ventures、NVentures/NVIDIA、Temasek、Intel Capital、Gates Frontier）可说是围绕一家机器人 AI 公司集结的最高确信度战略与财务投资人组合；他们做过外部无法获得的私下尽调。第四，公司走出隐身模式时，生产部署已在三大洲数百个场站上线，并在公告后九个月内报告 >$100M 已预订收入——商业牵引速度快过任何可比具身 AI 软件公司。第五，建筑、能源、采矿、物流和国防的 TAM 很大，渗透率仍低。 反论证逐一挑战这些支柱。如果机器人 OEM 纵向整合自有 AI 软件（Boston Dynamics、Figure AI、Agility Robotics），或超大规模云厂商（Google/Intrinsic、NVIDIA Cosmos）把基础模型层商品化，硬件无关优势可能被削弱。收入数字仍未经验证：$100M 已预订收入来自匿名消息源，「booked」可能包含销售管线或未承诺订单；$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，差异达 28 倍。外部投资人看到的治理和财务透明度几乎为零：没有经审计财务、没有运营实体 Form D、没有披露毛利率、CAC 或 NRR。$2B 估值已经计入大量执行兑现：即便按 $140M ARR，14x 收入倍数也需要高毛利、高留存和持续高速增长，才足以支撑二级入场。资深投资人 Howard Morgan（First Round Capital / B Capital）公开警告，「高买、更高卖只在泡沫里有效」；Seattle 地区 VC 在 2025 年 12 月 GeekWire 圆桌上也观察到，种子轮和 Series A 私募市场估值已远远跑在基本面前面。2026–2027 年环境下，Series B+ AI 软件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 和工业机器人软件赛道提供了一组有用但并不完美的可比公司。在具身 AI 软件同业中，Physical Intelligence 正洽谈近乎零披露收入下的 $11B 估值（2026 年 3 月）——这是由研究声望和期权价值驱动的极端离群点，而不是当前商业牵引。Skild AI 2026 年 1 月以 $30M ARR 且指数级增长拿到 $14B 估值，对小基数隐含约 467x 远期倍数——同样是早期阶段的期权倍数，不是基本面倍数。这些可比项确认，投资人群体正在给具身 AI 软件平台很高的期权溢价；但从近零收入对应 $14B–$5.6B 的巨大区间，也说明终局价值假设高度不确定。 如果 $100–140M ARR 估算正确，FieldAI $2B 估值实际隐含的倍数更温和（14–20x），低于两个最接近的具身 AI 软件同业；只要收入真实，它在品类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（100–400x）会跻身赛道内最激进估值之列。硬件一体化可比公司——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，软件毛利更低，但收入更可验证，因此会把纯软件估值可比倍数往下拉。Houlihan Lokey 2026 年一季度关于 AI 垂直软件的报告发现，AI 原生软件公司在 VC 轮中的 EV/Revenue 中位数为 21.2x，而 AI 赋能软件为 8.5x、传统 SaaS 为 5.5x。若 FieldAI 有 $100M ARR 且按 21x 计，估值可支撑约 $2.1B，基本与当前标记一致。关键风险在于，这一中位数适用于财务已验证的公司，而 FieldAI 收入完全没有外部验证。 [CV017, CV018, CV019, CV020, CV021, CV022]

8.4 牛市、基准与熊市情景

牛市情景要求 FieldAI 收入位于估算高端（$140M ARR，年同比增长 80–100%），软件许可流毛利率接近 70–80%，由车队扩张驱动的 NRR 超过 120%，并在 2027 年以 $350–500M ARR 为基数、按 15–20x 远期 ARR 完成 Series B——对应 $5.25–10B 估值，相比 $2B 标记回报 2.6–5x。该情景的关键风险是收入数字未经验证，增长率未获独立确认，且市场环境必须继续支持 AI 软件高倍数。 基准情景假设 $100M ARR、40–60% 增长、混合毛利率 55–70%、NRR 110–120%。若 2027–2028 年 Series B 以 $200–300M ARR 为基数、按 10–12x 远期 ARR 定价，估值将为 $2.0–3.6B——相对 $2B 标记回报 0–1.8x。这意味着大体持平到温和升值，和风险水平相匹配。 熊市情景假设收入显著更低（$20–50M ARR），行业逆风拖慢增长（企业采纳摩擦、宏观 capex 回撤），AI 软件倍数压缩把下一轮隐含估值拉到 $0.4–1.0B——相比 $2B 标记亏损 50–80%。该情景下降价轮风险最高。负面触发因素包括：若 Physical Intelligence 或 Skild AI 以低于预期的倍数融资，整个机器人赛道估值重置；FieldAI 客户削减部署或不续约；或出现证据显示「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）。投资论证在结构上成立：具身 AI 软件采用物理优先架构，部署已经在野外跑通；创始人与市场高度匹配；投资人组合也几乎是最强配置。但外部投资人如果拿不到经审计财务、已验证 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。按当前 $2B 标记，入场价格已经按收入区间高端的执行兑现定价；任何收入下修或全行业倍数压缩都会造成实质性稀释。 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）通过队列数据证明净收入留存 ≥110%。若不满足，TRACK 仍合适：继续观察公司披露的财务里程碑、Series B 公告和隐含估值抬升、战略合作收入披露，以及客户集中度风险信号。若出现以下情况，建议下调至 AVOID：（1）Series B 公告估值低于 $2B（降价轮）；（2）重大客户流失或部署失败公开；或（3）已报告的 >$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。任何潜在投资人都必须在承诺前完成这些尽调。公司把自己定位为工业机器人的「软件大脑」层，确实差异化且短期内难以复制；但治理不透明叠加估值偏高，要求投资人保持纪律性的 TRACK 姿态，直到商业验证点可以被公开核验。 [CV031, CV032, CV033, CV034, CV035, CV036]

8.6 附录