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，工业机器人普及的卡点不在硬件，而在智能：机器人缺少适应性强、能感知风险的自主能力，无法在无结构真实环境里稳定作业。FieldAI 的解法是打造 Field Foundation Models（FFMs），这是一类「物理优先」基础模型，训练数据来自真实物理部署中的传感器，而不是互联网文本或图像。FFMs 充当通用软件大脑，可以装到多种机器人平台上——四足机器人、人形机器人、轮式 rover、履带车和乘客级自动驾驶车辆——不需要为每个平台重新编程，也不依赖预建地图、GPS 或云连接。机器人完全在边缘端实时决策。FieldAI 把平台卖给建筑、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。公司明确不造机器人；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。这个不绑定硬件的模式把 FieldAI 放在机器人技术栈的「大脑层」，类似企业计算里用 OS 或中间件抽象底层硬件。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、在没有 GPS 的情况下导航，甚至相互通信」。主要收入来自 B2B 软件授权和硬件集成服务；据报道，订阅费用按部署规模不同，从数万美元到每年 $500,000 不等。截至 2026 年 4 月，知情人士称公司已签约收入超过 $100 million，并与大型工业客户建立合作。 [CO001, CO002, CO003, CO004, CO005, CO006]

1.2 创始人、管理层与治理

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，担任多个美国高知名度自主系统项目的首席研究员，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 从事博士后研究。关键在于，Agha 领导了 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里程碑，也验证了后来成为 FieldAI 技术核心的风险感知自主架构。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，彼时首次与 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。其他高级管理者包括 FieldAI Federal 负责人 Dr. Eric Krotkov，这家防务子公司由他领导；他曾任 DARPA 项目经理和 Toyota Research Institute CSO。Sebastian Scherer 则担任 Fieldable Embodied AI 负责人，同时是 Carnegie Mellon Robotics Institute 副研究教授。创始团队共享 JPL、DARPA 和 MIT 背景，让 FieldAI 在安全关键现场环境里部署 AI 时拥有异常强的创始人-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 是公司的主要公开发言人和融资人，也构成实质性的关键人依赖。 [CO011, CO012, CO013, CO014, CO015, CO016]

1.3 融资历史与投资人构成

FieldAI 从 2023 年创立后一直处于隐身状态，直到 2025 年 8 月 20 日同时披露连续两轮融资共 $405 million，并宣布 $2 billion 估值——较上一轮确定的 $500 million 估值翻了四倍。最近一轮融资 $314 million，且获得超额认购；共同投资人包括 Bezos Expeditions（Jeff Bezos 的家族办公室）、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「此前投资人」，表明它们参与了设定 $500 million 估值的上一轮。按已披露总额倒推，第一轮融资约 $91 million。注意：部分前期尽调资料把拆分写成 $150 million（seed）加 $255 million（Series A）；这一拆分与 Reuters 关于最新一轮 $314 million 的报道不一致，也无法从一手来源确认。超额认购和投资人质量——横跨科技风投领袖（Khosla、NVentures、Intel Capital）、主权与机构资本（Temasek、BHP）、慈善资本（Gates Frontier、Emerson Collective），以及全球最富个人的家族办公室（Bezos Expeditions）——体现了异常广泛的投资人信心。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（移动、操作）和员工扩张，目标是在 2025 年底前把团队翻倍。 [CO021, CO022, CO023, CO024, CO025, CO026]

1.4 规模、合作伙伴与里程碑时间线

FieldAI 自 2023 年创立以来增长很陡。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，与其到 2025 年底把员工数翻倍至约 260 人的计划一致。2025 年底，公司从 Mission Viejo 约 13,000 平方英尺办公空间迁入 Irvine Spectrum 的 3 Morgan，建立 41,000 平方英尺 R&D 总部，驱动力是招聘和实验室扩张。FieldAI 的生产部署如今覆盖三大洲——北美、欧洲和亚太（包括日本）——在数百个站点完成数千次任务。公司已吸引建筑、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 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，服务建筑和其他动态环境。Boston Dynamics 创始人 Marc Raibert 通过引用他们在 2020 DARPA SubT 的胜利来为公司背书：「自从 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 记录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%——这表明行业在意愿和实际采用之间存在摩擦，也会成为 FieldAI 近期商业化规模目标的逆风。 [CO031, CO032, CO033, CO034, CO035, CO036]

1.5 图表

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——已部署工业机器人大多位于结构化、重复性的制造环境（汽车装配、半导体制造、消费电子）中，传统固定路径自动化厂商 FANUC、ABB、Yaskawa 已经能很好满足需求。FieldAI 的独特市场，是工业机器人部署中需要适应性、风险感知自主能力的那部分：环境无结构、布局每天变化、GPS 和预建路径不可用，静态编程也会失效。它包括活跃建筑工地（地形、障碍和工作流按小时变化）、地下和露天矿（落石、瓦斯风险和狭窄空间使人员暴露危险）、油气地面设施和巡检环境（资产接近危险且偏远），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) 结构化工厂自动化软硬件（例如固定装配线上的传统关节臂机器人）；(b) 在受控环境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；以及 (d) 水下 ROV 和专用水下车辆，这部分由另一套供应商生态覆盖。工业买家目前依赖的现状替代方案包括人工巡检和监控团队、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 空中测绘，以及 BIM/CAD 建模配合人工数据采集。随着劳动力收缩、安全要求趋严，这些替代方案在单位现场情报成本、实时性和可持续性上都越来越站不住。 FieldAI 的市场横跨四个核心垂直领域：(1) 建筑和基础设施，(2) 能源、采矿和采掘，(3) 油气巡检和运营，(4) 无结构或高混合配置下的工业制造。公司把目标环境描述为「脏、乏味、危险」，自主机器人在这些环境里围绕安全、文档和运营洞察交付复利价值；这一表述与其四个服务垂直领域的结构特征高度一致。未来扩张的邻近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。这个市场最好用垂直领域分析师估计来测算，而不是用单一宽口径机器人 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

没有任何单一公开分析师数字能干净捕捉 FieldAI 的可服务市场，因为大多数分析师报告要么定义过宽（包括硬件或全部工业自动化），要么过窄（只覆盖一个垂直领域）。最有参考价值的跨领域数字来自 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 增至 2035 年 $33.3 billion。这个数字包含硬件，但能提示 FieldAI 所瞄准的 AI 增强机器人软件层的规模。另一个参照是 The Business Research Company 对工业人工智能市场（所有软件、平台、解决方案）的估计：2026 年 $13.69 billion，到 2030 年以 51.1% CAGR 指数级增长至 $73.54 billion；这是覆盖制造、能源和物流的最宽用例集合，并不专指无结构环境。 对 FieldAI 的四个核心垂直领域，垂直领域规模数字能给出更清晰信号：建筑机器人：2026 年 $7.79 billion（TBRC）和 $1.4 billion（Grand View Research，对建筑机器人本身采用较窄定义）；区间差异来自定义范围不同，较低数字可能更适合单独衡量机器人平台。采矿机器人：2026 年 $1.7 billion（PMR），按 9.8% CAGR 增至 2033 年 $3.3 billion。油气机器人：2026 年 $3.8 billion（MarkWide Research），按 14.6% CAGR 增至 2035 年 $12.96 billion；仅巡检子领域在 2026 年就估计为 $0.93 billion（Fortune Business Insights）。具身 AI 市场（跨垂直领域、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、无结构环境市场做保守自下而上的 SAM 估计——在 2026 年建筑 + 采矿 + 油气机器人硬件和服务合计 $13.2 billion 的垂直市场上，套用 15–25% 的软件份额假设——得到 FieldAI 当前垂直领域中 2026 年可触达软件支出的 SAM 约为 $2–3.3 billion。这个估计天然不确定，置信度低；FieldAI 未公布 SAM 数字，也没有分析师发布专门针对「无结构环境工业机器人 AI 软件」的市场估计。IFR 的 World Robotics 2025 报告记录，2024 年工业机器人装机 542,000 台，全球在役 4.66 million 台；其中有多少部署在 FieldAI 的 FFMs 能创造价值的无结构环境里，并未单独量化。分析师估计分歧很大（见 TM002），相互矛盾的规模数字作为证据缺口保留。 [CM006, CM007, CM008, CM009, CM010, CM011]

2.3 买方、用户与付款方分层

FieldAI 销售的是 B2B 企业软件，不是硬件。公司的买方结构符合典型企业工业技术采购模式：付款方是高管层或运营 / 财务副总裁，技术买方是运营或 HSE（健康、安全、环境）负责人，日常用户是现场主管、现场工程师或项目经理。预算所有权按垂直领域落在两类资金池之一：(1) 用于新增自动化投资的资本开支（capex）预算，由 CFO、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支出（opex），由工厂或项目经理在预批准服务供应商协议内控制。FieldAI 把产品定位成在 opex 侧提供即时 ROI（人工文档时间减少 90%+，更早识别返工），从而把首次销售包装成成本规避，而不是 capex 转型。 建筑细分市场最直接的购买力集中在最大型总承包商手中——例如 FieldAI 的 Boston Dynamics 案例研究中提到但未具名的 ENR 排名前列企业。这些公司拥有大规模未完成项目储备，承担成本超支风险，也有内部创新或数字化转型预算专门用于自动化试点。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，以及安全规定要求定期检查危险区域。采矿和能源买方集中在大型运营商（BHP、Rio Tinto 及同类企业）周围，其 HSE 和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 对 FieldAI 的投资，就是这一买方群体给出的直接市场验证。油气客户由巡检合规要求、降低危险环境进入成本和资产完整性管理要求驱动。所有细分市场中，采用路径都从有限概念验证（通常是一个站点或一个资产集群）开始，经过 ROI 验证，再进入覆盖多站点或多区域的企业框架协议——这也与 FieldAI 提到的「全机队部署」和全球运营中的「企业级」扩张模式一致。 [CM025, CM026, CM027, CM028, CM029, CM030]

2.4 增长驱动因素与采用约束

结构性增长驱动因素跨越数十年，且证据充分。劳动力短缺最直接：美国西部矿业劳动力中超过 50% 预计将在 2029 年前退休，全球建筑业也持续面临熟练工短缺。US Mine Safety and Health Administration（MSHA）记录，2024 财年采矿死亡 31 人，致命伤率为每 200,000 工时 0.0110，监管对最危险任务采用自主替代方案的压力仍在。IFR World Robotics 2025 数据显示，全球工业机器人年装机量到 2028 年仍将保持在 500,000+ 台，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 2026 TMT Prediction 确认，专用 AI 基础模型——不同于消费级 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 Industrial Robotics Survey 显示，71% 的工业公司把硬件资本成本列为采用机器人主要障碍，61% 指向内部经验不足；同时，组装、表面处理和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，否则市场很可能维持相对温和的年增长。最关键的是，BuiltWorlds 2025 Equipment and Robotics Benchmarking 报告——Construction Dive 在报道 FieldAI 融资时引用——发现，报告正在使用机器人的建筑企业比例从 2024 年的 65% 降至 2025 年的 46%，即使正面评价从 74% 跳升到 95%。热情与部署之间的分叉，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可持续企业收入。高 capex 周期、与遗留工厂系统的 OT/IT 集成摩擦、长回本周期要求，以及油气运营商资本环境波动，都是进一步的结构性逆风。宣称市场规模和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

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能力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) 采用资金充足竞争对手的具身 AI 基础模型平台（Intrinsic/Google、Physical Intelligence、Covariant）；(3) 使用自带机器人栈的巡检专业平台（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——人工巡检团队、依赖传统 SLAM/GPS 的导航，或内部软件团队。多数大型企业买方会同时采用不止一种方案，多归属很常见，切换成本也比初看更软。FieldAI 瞄准最大的未满足切片：动态、无 GPS、无结构的现场环境，现状方案和 OEM 原生方案在这里失效。公司不绑定硬件的软件模式避开机器人制造的资本强度，也让它能跨越比任何单一 OEM 更多的平台。截至 2026 年 5 月，下文梳理的八家直接和替代玩家合计拥有远超 FieldAI 的 VC 和企业资本；这既验证了市场，也带来资金雄厚对手固化竞争格局的实质风险。 [CP001, CP002, CP003, CP004, CP005]

3.2 竞争对手画像与能力对比

Intrinsic 现已并入 Google（2026 年 2 月），提供 Flowstate，这是面向工业机器人的网页版开发和仿真环境。该平台可跨 KUKA、Fanuc、Universal Robots 等硬件运行，并借助 Google Gemini AI 模型完成视觉和推理。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配的分销通道。Intrinsic 在五年开发后于 2023 年 1 月裁撤 20% 员工，也未披露商业收入，但被 Google 吸收以及与 Foxconn 的合资（2025 年 10 月）表明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，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）在操作任务上显示出涌现泛化能力，据报道正以 $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），但创始人和约 25% 员工在 2024 年 8 月被 Amazon 收购式招募，换取一份非独家技术授权。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、制药），但面临公司不确定性，以及竞争性数据积累者带来的窄护城河。Gecko Robotics 把自研 TOKA 巡检机器人与 Cantilever AI 平台结合，用于关键基础设施数字孪生，2025 年 6 月达到独角兽状态（$1.25 billion 估值），并在 2026 年 3 月赢得一份 $71 million、五年期 U.S. Navy IDIQ 合同。Gecko 的市场深入能源、国防和制造巡检，但结构上比 FieldAI 的横向雄心更窄。Boston Dynamics（Hyundai 旗下）提供 Spot、Stretch 和 Atlas 机器人，以及用于机队智能的 Orbit 软件平台。2026 年 3 月，Boston Dynamics 宣布与 FieldAI 直接合作，把 Spot 扩展到未知、动态环境——这让 Boston Dynamics 同时成为硬件伙伴，也随着 Orbit 扩大与 Google Gemini 的 AI 集成而成为潜在软件竞争对手。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，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对手，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（累计融资 $117 million），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，但定位是开发者 SDK 路线，而 FieldAI 依赖预训练 AI 模型。内部自建仍是默认在位者：大型工业公司（能源、采矿、建筑）保留内部机器人和软件工程团队。内部自建的单位经济很难量化，但当商业平台无法满足所需安全认证或数据驻留限制时，它就会成为默认选择。 [CP006, CP007, CP008, CP009, CP010, CP011]

3.3 定价与包装对比

竞争场内定价透明度很低；大多数平台面向企业采购销售，并不公开标价。FieldAI 订阅据报道按部署规模不同，从每年数万美元到 $500,000 不等；公司引用第三方估计，称 2025 年已签约收入达到 $100 million 或以上、ARR 达到 $140 million。Intrinsic 不公布 Flowstate 定价；Google 的云优先模式意味着企业 SaaS 分层叠加 Google Cloud 算力费用，Fanuc 合作则暗示批量授权。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；Navy IDIQ 展示了一份覆盖 18 艘舰艇、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 等企业案例研究把它列为持续运营软件。Viam 提供开发者友好的免费层，企业定价按需报价；开源模式先推动开发者采用，再向托管基础设施增购。Machina Labs 按制造服务合同定价，而不是软件订阅。行业估计，仅 U.S. Navy 每年人工巡检成本就达 $13–$20 billion；按 Boston Dynamics 合作公告，FieldAI 赋能系统在建筑工地可把文档时间减少 90% 以上。 [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 宣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) 不依赖云或 GPS 的边缘端部署，能进入云优先竞争者无法触达的市场；(3) 跨建筑、能源、采矿和国防不断增长的机队形成数据飞轮；(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结构上很难：部署数据量和模型性能基准未公开，不绑定硬件的定位是优势，也意味着竞争者可以争取同样的机器人伙伴。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，更强的资本基础可能压缩 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）代表一种 FieldAI 无法有机复制的装机基础杠杆。第三，UpsideList 2026 年 3 月分析给出一个 50% 概率的悲观情景：NVIDIA Isaac 或 Boston Dynamics 内化自主层，通过降价融资抹掉 FieldAI 普通股价值。关键在于，FieldAI 最显眼的合作伙伴 Boston Dynamics 本身运营 Orbit 软件平台，背后有 Google Gemini 支持，也可能选择开发竞争性自主能力。第四，针对 Covariant 这一仓储 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 API 扩散，物理优先差异化可能从结构性护城河压缩成商业秘密。FieldAI 的防务垂直（FieldAI Federal，由前 DARPA PM Eric Krotkov 领导）和无 GPS 边缘部署要求，可能是最可防守的细分，因为它们需要硬件认证和安全许可，形成独立于模型质量的监管切换成本。 [CP027, CP028, CP029, CP030, CP031, CP032]

3.5 图表

4.1 收入来源与变现策略

FieldAI 的收入模式是 B2B 企业模式，围绕两条主要收入流：(1) 客户首次把 FieldAI 的传感器-计算载荷和固件部署到现有第三方机器人上时收取的前期硬件集成费；(2) 持续访问 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，也明确避免硬件 OEM 定位，因此商业模式更接近企业软件订阅，而不是机器人硬件供应商。所有设备端推理都在边缘端运行，延迟低于 100ms；机队数据上传到 FieldAI 云平台，用于分析和联邦模型改进。 标价未公开披露。第三方来源把订阅区间描述为「数万美元到每年 $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、市场平台模式或硬件 OEM 收入。面向防务的子公司 FieldAI Federal 已在运营，未来可能贡献政府合同收入，但尚未公开披露合同授予。 唯一公开收入信号是 Orange County Business Journal 2026 年 4 月报道，援引匿名「知情人士」称公司已签约收入超过 $100M。GetLatka 分析师平台估计，截至 2025 年 11 月 ARR 为 $140M。两项数字都未经审计、未获公司确认，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 资本充足性与未来跑道

FieldAI 两轮融资历史已在公司概况章节详述。用于判断资本充足性的关键输入是：截至 2025 年 8 月累计融资 $405M，其中第二轮（$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。 现金余额未披露。月度烧钱速度未披露。公司的员工扩张轨迹——从 2024 年底约 30 人增长到 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——意味着固定成本基础快速抬升。按 200–260 名员工、每人 $250K–$350K 的平均全负担成本估算（与 Irvine, CA 和分布式工程团队相符），仅年化薪酬支出就是 $50–90M/year，意味着月度劳动力运行成本约 $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，总月度烧钱速度估计为 $5–10M。按低端 $5M/month 计算，$405M 总融资意味着从创立起约 81 个月总跑道；按 $10M/month 计算，约 40 个月。若用假设的 $100M+ 累计收入抵消，2025 年 8 月融资完成后的净跑道估计为 24–48 个月；若收入没有加速或成本意外升级，下一轮融资触发点落在 2027 年底至 2029 年初。 FieldAI 未宣布任何债务工具、项目融资义务、收入分成融资或授信额度。公司的资本结构看起来是纯股权。与垂直整合机器人公司不同，FieldAI 不做硬件制造，这显著降低了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 的单位经济模型大多未披露。公司没有发布经审计财务报表，也未披露毛利率、获客成本（CAC）、净留存率（NRR）、 年合同价值（ACV）或回本周期数据。以下分析基于可比 B2B 工业 AI 软件公司，以及 FieldAI 收入模型中可观察到的结构。 软件许可部分的毛利率估计在 55–80% 区间，参照的是典型企业 AI 软件基准。硬件集成服务涉及实体传感器与计算载荷部署和现场支持， 利润率可能更低（20–45%），会把混合毛利率拉低到纯软件可比公司之下。规模起来后，软件许可收入应会占主导，并抬升混合利润率。 端侧架构不依赖云端推理，相比重云端 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，还要经过多方采购决策。CEO Agha 提到数百万美元级合同金额， 说明单笔规模有可能在中等流失率下支撑 1–3 年 CAC 回本——但若没有披露 CAC 和 NRR 数据，这一点无法验证。如果 $140M ARR 估计和 150 名员工属实， 人均收入约为 $900K–$1M，对这一阶段的企业软件公司而言很强。FieldAI 的 GTM 动作聚焦直接企业销售、硬件伙伴关系（Boston Dynamics、OEM） 和地域扩张伙伴（Certis Group、亚洲），这也限制了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 是一家私营公司，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 与回本周期；（4）净留存率；（5）客户数和集中度； （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， 反映出从外部估算私营公司指标的难度。UpsideList 的社区模型标记上行空间为 -2%，并从老股交易定价角度把公司视作接近收入前阶段， 暗示私募二级市场存在流动性和估值不确定性。 以 $140M ARR 估计计算，$2B 估值对应 14 倍收入倍数；以 $100M 已签约收入信号计算，对应 20 倍。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）仍停留在试点或停滞项目的公司而言，两个倍数都偏激进（据 BuiltWorlds 2025 数据）。 只有当 ARR 增长很快且利润率很高时，这些倍数才站得住——而两者都无法从现有数据确认。FieldAI 未向 SEC 提交 Form D（经 EDGAR 全文搜索确认）， 这意味着公司要么依赖了不要求 Form D 的豁免，要么使用了不同法律实体，要么尚未提交。California 实体 “Field Ai, Inc.” （document #6436098，2024 年 10 月 24 日注册，Delaware 设立，CEO Aliakbar Aghamohammadi）处于有效存续状态。 二级市场分析师给出的反向估值信号，以及收入估计区间过宽，并不构成一票否决，但它们意味着：若要承销 $2B 估值，必须通过正式尽调取得非公开财务信息。 [CI022, CI023, CI024, CI025, CI026, CI027]

4.5 财务结论

FieldAI 的财务画像是一家资本充足、早期有收入的软件公司，增长快到能在 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支撑，而不是经验证的财务基本面。如果 $140M ARR 估计准确，且同比增长 50–100%， 这一估值对一家创造新品类的 AI 软件公司仍在合理区间；如果 ARR 明显更低或增长更慢，倍数就很难辩护。前瞻资本充足度看起来稳健： $405M 融资对应的是纯软件运营模型（没有硬件制造资本开支、没有库存融资），再加上披露的 >$100M 预订收入，意味着下一轮融资前至少有 2–3 年运营跑道。 最大的尽调风险不是偿付能力，而是信息不对称——公开可验证内容与承销估值所需内容之间的缺口，对一家 $2B 公司而言异常宽。 [CI030, CI031, CI032]

4.6 展示材料

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。其商业产品是 Field Foundation Model（FFM）平台：安装在合作伙伴或客户自有机器人硬件上的、 不绑定机器人形态的自主软件。FFM 像一个通用“大脑”，让机器人在非结构化工业环境中感知、推理和行动，不需要预先绘制场地地图、GPS、云连接， 也不需要按任务重新编程。平台跨硬件兼容四足机器人（如 Boston Dynamics Spot）、轮式机器人、人形平台和乘用级自动驾驶车辆。 FieldAI 的应用组合覆盖官网 Solutions 页面列出的八类方案：现场测绘与文档化；设施和设备巡检；状态异常检测；大规模数据采集； 无人物料运输；安全和威胁检测；远程呈现与远程操作；搜索与 ISR。公司既自研应用，也通过合作伙伴载荷模型与第三方供应商开发应用。 短期商业重点是巡检和数据采集（目前已产生收入），操控和通用作业则位于中长期路线图上。 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，而是利用上下文线索和学到的物理先验来推断未见过的情境。 CEO Ali Agha 把机器人的风险感知描述为它对任何动作都有一种“我有多大把握”的判断，客户可配置风险阈值，并据此调整机器人在安全关键区域的行为。 结果是一种部署模型：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群。 [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构成。核心 FFM 利用视觉、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） 是子模型，整合机器人的内在运动学和动力学特性，让同一个认知层能够驱动机械形态不同的机器人本体。Multiagent Foundation Model（MFM）是协调层， 让机群中的多台机器人共享环境表征，并在场地尺度上集体推理——把机器人群变成分布式自主系统，而不是一组孤立工具。 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。这一设计脉络可以追溯到 CEO Ali Agha 在 FIRM（Feedback-based Information RoadMap）信念空间规划上的学术工作，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、低可见度和传感器退化条件下工作。FFM 遇到不熟悉情境时，会明确放慢速度或选择更保守路线——公司承认这会牺牲吞吐量， 但把它视为安全特性。真实世界数据飞轮意味着每次部署都会随时间提升模型表现，形成复利式数据优势。 NVIDIA 集成让工程栈更深。FieldAI 使用 NVIDIA Omniverse NuRec，从机器人日常作业顺带采集的传感器数据中重建高保真 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和验证；FieldAI 还在通过 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，为平台集成面提供了开发者侧证据，但公司未公开自有模型权重或 SDK 文档。私有 Squarespace 发布说明页面进一步限制了外部审计已交付能力的空间。 [CE002, CE004, CE005, CE021, CE022, CE014]

5.3 部署流程与用例

FieldAI 的部署模型是 B2B 软件：客户拥有或租赁的机器人安装 FFM 大脑，FieldAI 提供集成服务和持续模型更新。客户不需要从 FieldAI 购买专用硬件。 部署时间是关键差异化主张：由于机器人不需要预先绘图环境或 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提到，使用 FieldAI 技术加 NVIDIA NuRec 数字孪生生成后，某流程从 3.5 个月缩短到 12 小时（超过 200 倍提升）—— 但该说法没有独立第三方验证。 建筑是领先商业垂直。Big-D Construction 已做 FieldAI 客户超过两年，并在 2026 年 4 月宣布扩展到多个项目；据报道，其中一次早期缺陷发现为项目节省了 $1.2 million。 在安防垂直，Certis Group（新加坡）将 FFM 与其自有 Mozart 编排平台整合，部署于公共基础设施、交通枢纽和工业设施。 FieldAI 与 Boston Dynamics 的合作于 2026 年 3 月 12 日正式化，目标是建筑巡检；配备 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 覆盖联邦和国防用例，该实体由前 DARPA Program Manager Dr. Eric Krotkov 领导。 地域上，FieldAI 已记录的部署位于美国、日本、欧洲，并通过 Certis 覆盖亚太。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 是唯一公开具名的建筑行业客户。 [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，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 曾将其描述为机器人知道“自己有多大把握”，并通过减速或绕行来避免不安全动作。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到机器人上， 因此这一设计直接应对传统 LLM 用于机器人时的幻觉风险。 但截至 2026 年 5 月，公司没有公开披露任何有文档支持的安全认证、监管批准或合规标准（例如 ISO 10218、IEC 62443、ANSI/RIA、FedRAMP 或工业机器人等效标准）。 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建设，以支持负责任部署”，这暗示正式安全验证框架仍在开发，而非已经完成。 同样，Boston Dynamics 合作更聚焦实际部署结果，而不是认证。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， 但没有公布具体许可或 FedRAMP 状态。私有发布说明页面阻止外部各方审计已交付能力与路线图能力之间的差异，也没有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，公司在这两类场景中有付费客户，并记录了横跨数百个场地的生产部署。分析报道和投资人材料中描述的三阶段路线图是： （1）短期至 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——覆盖所有平台、包括人形机器人的通用自主。该路线图与 FieldAI 披露的 $405M 融资用途一致：为运动和操控能力开发提供资金。 CMU Robotics Innovation Center 入驻（2026 年 2 月宣布，Hazelwood Green 2,500 sq ft）使公司的学术研究合作正式化，可使用 1.5-acre 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 学生团队做人形移动操控，显示公司正在投入补齐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，为公司提供了学术可信度。 开发者生态访问有限。FieldAI 的 GitHub 组织（field-ai）托管 10+ 个标准机器人库的 fork，但没有发布自有 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 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到的 GitHub 仓库活动，而不是一个真正的实践者社区。与 NVIDIA 和 CMU 的合作可间接代理工程可信度， 但从公开来源仍无法独立技术评估 FFM 能力。 [CE019, CE025, CE028, CE029, CE036, CE035]

5.6 展示材料

6.1 客户分层与买方 / 用户 / 付款方逻辑

FieldAI 向企业工业组织销售具身 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，用来改装买方已拥有的硬件，或买方从 Boston Dynamics 等 OEM 合作伙伴采购的硬件。 这种清晰的软件许可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，日常用户则是在现场部署和监控机器人的项目主管、安全经理或运营负责人。 据报道，订阅费用从数万美元到每年 $500,000 不等，取决于部署规模；首次部署时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—— 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，但这些细分领域尚未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 战略合作进入可服务市场；联邦 / 国防则是单独品牌化的板块（FieldAI Federal）， 前文已提到 Detroit Defense 合作。 买方与用户分离带来重要销售动态：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现场主管和安全经理是否买账。 在 Big-D，现场主管自发需求强化了自上而下的投资决策——这是粘性的正面信号——但也意味着单个项目团队抵触就可能拖慢场地层面的扩张。 [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、欧洲和美国的“数百个复杂真实世界工业环境”中“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“部分全球最大公司”。该轮融资被描述为在“快速客户采用和多份扩张合同”之后获得超额认购；到 2026 年 3 月， 公司在 NVIDIA 合作公告中提到客户正在北美、欧洲和亚洲扩张，并拥有“快速增长的机群”。这些都是公司自身发出的说法，没有第三方验证活跃场地数、客户数或机群规模。 robotsinconstruction.com 截至 2026 年 4 月的独立跟踪只计入四个确认建筑部署：Big-D Construction（生产，2+ 年）、 DPR Construction（生产，截至 2025 年 11 月约 1.5 年），以及两家未具名的 ENR 前 10 总承包商。该平台指出 FieldAI 自 2024 年开始交付。 “数百个环境”与四个确认建筑部署之间的差异，可能部分来自非建筑垂直、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。 Big-D 和 DPR 是唯一带有客户身份结果的案例（具名高管和项目主管引述、具体平方英尺数据、部署时长）。 Boston Dynamics 合作（2026 年 3 月）增加了可信第三方验证者，Boston Dynamics 称从“亚洲到欧洲再到北美”的客户正在扩展到企业级部署。 FieldAI 表示计划把 Spot 部署扩展为“全球最大的第三方四足机器人机群之一”。两项说法都没有独立场地层面佐证。 [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 是一家在商业建筑领域有 25+ 年经验的美国承包商， 截至 2026 年 4 月已活跃部署超过两年。C-level 高管 Shaun Orr 描述了一个突破时刻：机器人实时走遍项目现场，连接 BIM 模型和项目进度， 识别缺失工作和安全问题，并把发现关联回公司的项目管理平台——这种能力单个真人团队无法独立复制。Orr 预计“每个项目都会以某种形式使用 FieldAI 工具”。 Big-D 项目主管 Bronson Dupaix 描述，用机器人替代了手持相机和扫描仪进行的五小时人工巡场。Big-D 总监 Chantelle Menlove 也独立提到， 一名现场主管在一个工地见过机器人后，打电话要求在下一个工地使用，显示出自下而上的有机需求。 DPR Construction 是美国十大承包商之一（专长于数据中心和医疗设施），截至 2025 年 11 月，已在加州 Santa Clara 一个数据中心工地托管 FieldAI 机器人约 1.5 年。 机器人拍摄 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。项目主管 Justin Schreiner 表示， 该系统通过移除琐碎文档任务、让团队专注关键工作，“让我们把事情做得更好”。 Certis Group 是新加坡最大的安防和运营公司，2026 年 2 月宣布与 FieldAI 建立战略合作，将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，在多场地安防环境中执行自主巡逻、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 既是合作伙伴，也是安防垂直中的运营方客户。 2026 年 3 月 FieldAI / NVIDIA 新闻稿引用了一位未具名全球工业制造高管的话，称某流程“过去需要三个半月，现在只需十二小时”——提升 200×。 客户未具名，指标无法验证，但该引述由具名公司高管（CEO Ali Agha）在正式新闻稿中归因。另有两家未具名 ENR 前 10 公司出现在 robotsinconstruction.com 独立跟踪中， 拥有确认生产部署，但没有披露结果。 [CU019, CU020, CU021, CU022, CU023, CU024]

6.4 留存、扩张与集中度风险

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未出现 NRR、GRR、队列数据、流失率、合同续约率或客户满意度分数。 公司仍处于收入未披露阶段且为私营公司，没有监管文件强制要求这些披露。 建筑领域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 扩展到每个未来项目，是目前最强的留存和扩张信号。 DPR 的企业风险投资部门（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一个信号”，并指出 DPR 工地帮助测试概念验证—— 这类表述暗示双方关系仍在延续。该轮超额认购融资被明确归因于“多份扩张合同”，从财务信号上佐证了重复购买，尽管具体合同金额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 的建筑客户群由四个账户构成：Big-D、DPR 和两家未具名 ENR 公司。 任何一个具名锚定客户流失，都会拿掉可见证据基础的 50% 以上。能源、采矿和制造垂直没有公开具名客户，意味着建筑以外的生产证明存在缺口。 Certis 提供了进入安防的垂直多元化，但它是伙伴运营方，不是直接企业 SaaS 账户。 核心垂直还面临更广泛的宏观逆风：BuiltWorlds 2025 Equipment & Robotics Benchmarking 报告发现，承包商中活跃使用建筑机器人的比例同比从 65% 降至 46%， 尽管正面情绪上升至 95%。下降原因被归结为从实验性试点转向更有选择、更经验证的实施——这种动态可能放慢 FieldAI 获取新客户，同时利好其现有生产账户。 企业销售周期长、多方审批流程复杂、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显示的规模，但没有独立方法可验证。 [CU031, CU032, CU033, CU034, CU035, CU036]

6.5 展示材料

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自主做出物理决策，因此正落入多个不断演进的 2026 年 AI 监管框架。按照 EU AI Act， 在工业场景中作为安全组件使用的机器人 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 标志和上市后监测。 Baker Botts 指出，Annex III 高风险系统原定 2026 年 8 月 2 日截止日期，受 European Commission Digital Omnibus 提案影响，可能延后到协调标准发布后六个月 （兜底为 2027 年 12 月）；但延期取决于 2026 年 8 月前能否通过，意味着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，是美国首个全面覆盖高风险 AI 系统的州法，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 已于 2026 年 1 月生效，要求大型前沿 AI 模型开发者（训练 >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门槛未披露。联邦方向仍未定：Trump administration 2025 年 12 月行政令显示出预先排除州 AI 法的意图， 但目前并未实际排除，合规负担仍呈拼图式分布。 在产品责任方面，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到上游 AI 组件提供商， 即使部署客户或机器人 OEM 掌握终端产品关系，也会覆盖 FieldAI。Garcia v. Character Technologies 树立了先例： 面向消费者的 AI 可在起诉阶段被作为严格责任下的产品处理。对于工业机器人 AI，身体伤害因果链（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。如果 FieldAI Federal 这一国防子公司的自主系统跨入军民两用技术， 将受 ITAR/EAR 出口管制约束；公开资料中未发现出口授权披露。IP 保护主要依赖商业秘密和发表速度，而不是已授权专利：USPTO 专利申请搜索发现一项已提交专利申请 （US 2025/0252306），但截至 2026 年 5 月没有已授权专利，因此核心 FFM 技术在人员离职时可能暴露于模仿风险。 [CR001, CR002, CR003, CR004, CR005, CR006]

7.2 运营、安全与安防风险

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。FFM 驱动的机器人完全在端侧决策，不依赖 GPS、地图或云连接。 新环境中的模型推理错误（例如训练数据中没有的碎片配置，或意外穿过预授权机器人路径的人）可能在建筑、采矿、能源运营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”列为快速推进自主系统中最迫切的两类风险，直接适用于 FieldAI 的产品领域。 2025 年广泛报道的一起 Unitree H1 机器人在工人附近故障事件，以及 SRES 在 CES 2026 安全分析中指出“当机器人与人类共享开放工作空间时，现有工业安全规程往往不足”， 说明更广泛的竞争队列——并非 FieldAI 本身——已经出现公开安全失败，并会影响客户尽调要求、采购标准和潜在诉讼预期。 截至 2026 年 5 月，没有公开报道 FieldAI 驱动机器人发生安全事故。但公司未发布性能基准、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既有基线；FieldAI 在活跃建筑工地和采矿运营中的部署， 正好把机器人放入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——也会随着部署规模增长，提高遭遇首次负面事件的概率。 网络安全方面：FieldAI 的机器人会把机群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。 能够伪造端侧传感器数据或向机群管理平面注入命令的对手，可能造成物理伤害。工业 IoT 和运营技术（OT）安全标准（IEC 62443）未确认已实施。 如果安全事件早于正式认证发生，这些缺口会留下实质剩余敞口。 [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身上。2026 年 3 月的 Boston Dynamics 合作是最显眼的商业依赖： 公司的建筑自主叙事围绕 Spot 四足硬件建立，Marc Raibert 公开背书并提到 DARPA SubT 历史，也把品牌和市场可信度系在这段关系上。 Boston Dynamics 属于 Hyundai Motor Group，而 Hyundai 又在 2026 年 2 月单独投资 FieldAI——如果 Hyundai 决定为 Boston Dynamics 硬件投资竞争性的自有自主软件， 或合作因 Hyundai 层面的战略调整而重组，双方可能出现错配。合作条款（排他性、收入分成、最低承诺、终止权）未公开，因此无法评估合同保护。 NVIDIA 是更深、更广的依赖。NVentures（NVIDIA 企业风险投资部门）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。这形成多层战略和商业锁定。 虽然投资人关系降低了突发供应中断的概率，但 NVIDIA 自身优先级（超大规模云厂商分配、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，2026 年高带宽内存（HBM）瓶颈仍在，最新型号数据中心 GPU 交期延长到 9–12 个月；没有多年云承诺的小型 AI 公司最容易受冲击。 除 NVIDIA 和 Boston Dynamics 之外，Certis Group 安防合作（2026 年 2 月）增加了第三个集成依赖。Certis 使用 Mozart 平台做机群指挥控制， FieldAI 的 FFM 必须与这套专有基础设施互操作。伙伴多元化是 FieldAI 不绑定硬件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，具名商业合作深度集中在两个伙伴身上：Boston Dynamics 面向建筑，Certis 面向安防，收入和声誉敞口也随之集中。 [CR023, CR024, CR025, CR026, CR027, CR028]

7.4 人才、团队与执行风险

FieldAI 创始团队具备极强领域可信度——Ali Agha 领导 DARPA SubT 获胜 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基础。这也造成集中的关键人物风险：Agha 同时是公司公众面孔、首席技术思想领袖和最显眼的商业关系所有者。 公开信息中没有发现具名 COO、Head of Engineering，或具备同等公开分量的并行商业负责人。David Fan（CTO）和 Shayegan Omidshafiei（CSO / President） 提供了一定领导层深度，但公开画像远不及 Agha。若 Agha 非自愿离职、长期失能或卷入声誉事件，很可能同时扰动融资、企业客户信心和伙伴关系。 创始人之外，FieldAI 还面临快速扩张带来的人才风险，而这又发生在科技行业竞争最激烈的劳动力市场之一。员工数据称从 2023 年创立增长到 2025 年 8 月的 130+， 这种年化增速会让文化维护、工程协同和产品执行纪律很难持续。公司争夺机器人 AI 工程师的对手包括 Google Intrinsic（现已整合入 Google AI）、 Physical Intelligence（已融资 $700M+）、Amazon Robotics 和 Tesla Optimus——这些公司都在同一个狭窄人才池中招聘能规模化做具身 AI 的博士和资深工程师。 未发现融资后关键技术人员离职的证据，但没有公开证据并不等于稳定得到确认。 执行风险也体现在商业维度。FieldAI 直到 2025 年 8 月才走出隐身状态，可证明的企业销售能力运行还不到一年。公司没有发布客户名称、 带验证结果的部署案例或留存指标。团队从研究谱系（NASA JPL、DARPA）转型为对收入负责的企业软件供应商，是一个有充分案例证明的组织拐点； 许多深科技 spinout 都没能足够快地跨过去，因而无法支撑自己的估值轨迹。 [CR033, CR034, CR035, CR036, CR037, CR038]

7.5 财务、估值与投资逻辑破裂风险

FieldAI 的 $2B Series A 估值，是机器人 AI 历史上同阶段公司最高估值，也把后续资本事件的门槛抬得很高。唯一独立的收入信号来自 OCBJ 2026 年 4 月匿名来源所称的「$100M+ 已签约收入」；按 $2B 估值计算，收入倍数约 20x，接近企业 AI 软件最高倍数梯队，但一旦增长放缓、AI 板块情绪转弱，或公开市场可比公司重估，就会暴露在倍数压缩下。GetLatka 对 $140M ARR 的估计（2025 年 11 月）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。 资本密集度是隐藏风险：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，可能把毛利率明显压到纯软件水平之下。如果毛利率显著低于 60–70%，即使收入继续加速增长，$2B 估值也很难撑住。第二个风险是烧钱集中：公司已有 130+ 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 融资额估算，现金跑道约 2–4 年。如果市场或宏观环境在公司盈亏平衡前打断增长，可能被迫进行估值下调融资。 投资逻辑失效触发项，集中在会动摇核心投资逻辑的证据交叉点：（1）FieldAI 驱动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 执法行动阻断欧盟市场准入；（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）估值重置或估值下调轮，显示市场无法维持 $2B 入场估值。上述任一触发项，都足以实质性改变风险调整后回报。 [CR041, CR042, CR043, CR044, CR045, CR046]

7.6 重点证据

8.1 估值背景与融资历史

FieldAI 最近一次披露的估值为投后 $2.0 billion，对应公司在 2025 年 8 月宣布连续两轮融资合计 $405 million。最新一轮融资 $314 million，获得超额认购，由 Bezos Expeditions、Prysm Capital 和 Temasek 共同领投；前一轮约 $91 million，估值约 $500M。也就是说，公司估值在约十二个月内翻了四倍。GeekWire 和 Reuters 来源称这两轮为「Series A 和 A1」。部分投前尽调材料把拆分写作 $150M（种子轮）加 $255M（Series A），但这与 Reuters 关于最新一轮 $314M 的报道不一致，也无法从一手来源确认；本章采用其他章节中的统一口径数字。 PremierAlts（2026 年 5 月访问）显示，FieldAI 五轮累计融资 $506.1M，最近一轮 $315M 于 2026 年 2 月完成——可能反映公告后的二级市场 SPV 活动或新一轮新股融资——估值仍为 $2.0B。SEC 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」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结构，常用于聚合高知名度私营公司的老股和 LP 权益。「Field Ai, Inc.」并未以 California 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一致。 二级市场交易活跃：FieldAI 股票在 Nasdaq Private Market 和 Notice.co 交易（截至 2026 年 5 月约 $34.32/股），UpsideList 也收录该公司，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 月存档）显示 47 名员工，交易类型为「早期 VC」，反映 PitchBook 私营公司覆盖中常见的数据滞后。公司自披露的 LinkedIn 员工数 201–500 和 >$100M 已签约收入（2026 年 4 月），显示其已较 PitchBook 快照大幅增长。 [CV001, CV002, CV003, CV004, CV005, CV006]

8.2 投资逻辑与反向逻辑

FieldAI 的投资逻辑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之后，具身 AI 软件层在结构上有机会拿走企业价值的大头：一个不绑定硬件的软件大脑，能跨多样化部署做联邦学习并形成网络效应，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）——有可信的先验证据，证明该方法能在野外条件下跑通，而不只是停留在仿真里。第三，投资人财团（Bezos Expeditions、Khosla Ventures、NVentures/NVIDIA、Temasek、Intel Capital、Gates Frontier）可能是机器人 AI 公司周围信念最强的一组战略和财务投资人，他们完成了外部无法取得的私下尽调。第四，公司退出隐身时，生产部署已在三大洲数百个站点上线，并在公告后九个月内报告 >$100M 已签约收入——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、物流和国防横跨的总可用市场很大，渗透率仍低。 反向逻辑逐一挑战这些支柱。如果机器人 OEM 垂直整合自己的 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，不绑定硬件的优势可能被侵蚀。收入数字仍未验证：$100M 已签约收入来自匿名来源，「已签约」可能包括管线或未承诺订单；$140M ARR 估计来自一家未披露方法的第三方分析平台；另一个估计把收入压低到 $5M，差距高达 28x。外部投资人几乎看不到治理和财务透明度：没有审计财务、没有经营实体 Form D、没有披露毛利率、CAC 或 NRR。$2B 估值已经计入大量执行成果：即便按 $140M ARR，14x 收入倍数也需要高毛利、高留存和持续快速增长，才足以支撑二级入场。资深投资人 Howard Morgan（First Round Capital/B Capital）曾公开警告，「高买、更高卖只在泡沫里成立」；Seattle 地区 VC 在 2025 年 12 月 GeekWire 圆桌中也指出，种子轮和 Series A 私营市场估值已大幅跑在基本面前面。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不完美的可比公司。在具身 AI 软件同业中，Physical Intelligence 正在洽谈接近 $11B 的估值，披露收入接近零（2026 年 3 月）——这是一个由研究声望和期权价值驱动的极端离群点，而非当前商业牵引。Skild AI 在 2026 年 1 月以 $14B 估值融资，ARR 为 $30M 且指数式增长，意味着在小基数上约 467x 的前瞻倍数——同样是早期阶段期权倍数，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，但从接近零收入对应 $14B–$5.6B 的宽区间，也说明终局价值假设极不确定。 如果 $100–140M ARR 估计正确，FieldAI 的 $2B 估值对应的倍数（14–20x）其实低于最接近的两个具身 AI 软件同业；只要收入真实，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）就会成为该赛道最激进的一档。硬件集成型可比公司——Apptronik（$5.3B，人形机器人硬件 + 软件）和 Gecko Robotics（$1.25B，关键基础设施巡检）——业务模式结构不同，软件毛利更低，但收入更可验证，会把纯软件估值的可比倍数向下拉。Houlihan Lokey 2026 年 Q1 AI 垂直软件报告显示，AI 原生软件公司在 VC 轮次中的 EV/Revenue 中位数为 21.2x，而 AI 赋能软件为 8.5x，传统 SaaS 为 5.5x。按 $100M ARR 和 21x，FieldAI 可支撑约 $2.1B 估值——大体符合当前标记。关键风险在于，该中位数适用于财务已验证的公司，而 FieldAI 的收入完全没有外部验证。 [CV017, CV018, CV019, CV020, CV021, CV022]

8.4 乐观、基准与悲观情景

乐观情景要求 FieldAI 收入处于估计高端（$140M ARR，年同比增长 80–100%），软件授权收入流的毛利率接近 70–80%，由机群扩张推动的 NRR 超过 120%，并且公司在 2027 年以 $350–500M 前瞻 ARR 为基数、按 15–20x 前瞻 ARR 完成 Series B——对应 $5.25–10B 估值，相对 $2B 标记回报 2.6–5x。该情景的主要风险是：收入数字未经验证，增长率没有独立确认，市场环境还必须继续支持高 AI 软件倍数。 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%。如果 2027–2028 年 Series B 按 $200–300M 前瞻 ARR、10–12x 倍数完成，估值将为 $2.0–3.6B——相对 $2B 标记回报 0–1.8x。也就是说，估值大致持平到小幅增值，和风险水平相匹配。 悲观情景假设收入显著更低（$20–50M ARR），增长因行业逆风放慢（企业采用摩擦、宏观资本开支回撤），AI 软件倍数压缩把下一轮隐含估值拖到 $0.4–1.0B——相对 $2B 标记亏损 50–80%。该情景下，估值下调轮风险最高。反向触发项包括：如果 Physical Intelligence 或 Skild AI 以低于预期的倍数融资，机器人赛道整体估值重置；FieldAI 客户减少部署或不续约；或有证据显示「已签约收入」大幅高估已确认 ARR。 [CV025, CV026, CV027, CV028, CV029, CV030]

8.5 建议、否决触发项与最终尽调问题

建议为观察（中等置信度、高风险、估值偏高）。投资逻辑在结构上成立：具身 AI 软件、物理优先架构、经野外验证的部署，顶级创始人-市场匹配度，以及最强投资人财团。但外部投资人如果拿不到审计财务、已验证 ARR 和已披露毛利率，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，入场价已经按收入区间高端执行来定价；收入任何下修或行业倍数压缩，都会造成实质性稀释。 如果满足三个条件，建议可上调为买入：（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）用队列数据证明净留存率（NRR）≥110%。在此之前，观察仍是合适立场：跟踪公司披露的财务里程碑、Series B 公告及隐含估值上调、战略合作收入披露，以及客户集中风险信号。如果出现以下情况，建议应下调为回避：（1）Series B 宣布估值低于 $2B（估值下调轮）；（2）主要客户流失或部署失败公开；或（3）报告中的 >$100M 已签约收入被实质性下修。 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，也难以快速复制；但治理不透明叠加估值偏高，意味着在商业证据能被公开验证前，应保持纪律性的观察姿态。 [CV031, CV032, CV033, CV034, CV035, CV036]

8.6 重点证据