跳到正文
RadarAI· TechCrunch:AI(RSS)·· 2 小时前AI 评分60

人形机器人公司 Agility 将通过 SPAC 上市并募资 4.65 亿美元

AI 导读

人形机器人公司 Agility 将通过 SPAC 反向合并上市,向散户和私人投资者募集 4.65 亿美元新资本。其 Digit 机器人已在 Schaeffler、GXO、丰田加拿大工厂等 9 家客户落地搬运物料,2026 上半年收入仅 17.4 万美元、亏损 3.62 亿美元,但已拿到 30 家客户合计 3 亿美元的 Digit 5 意向合同。新机型将在 CES 2027 展示,当年底广泛供货。

正文 · AI 翻译

TechCrunch:AI· Tim Fernholz·2026-11-05 20:00· 13 分钟前AI 评分70

Agility 是首家登陆股市的纯人形机器人公司。你会买入吗?

AI 导读

人形机器人公司 Agility 将通过 SPAC 反向合并上市,向散户和私人投资者募集 4.65 亿美元新资本。其 Digit 机器人已在 Schaeffler、GXO、丰田加拿大工厂等 9 家客户落地搬运物料,2026 上半年收入仅 17.4 万美元、亏损 3.62 亿美元,但有 30 家客户的 3 亿美元 Digit 5 意向合同,新机型将在 CES 2027 展示、当年底广泛供货。

正文 · 原文

差不多就在一年前的今天,Figure AI 首席执行官 Colby Adcock 回应了竞争对手机器人公司 Agility 在社交媒体上的一些温和嘲讽,并作出预测:“你们会在 12 个月内破产。”

然而,Agility 反而将通过反向合并上市,成为一家上市公司,并从散户投资者和一批私人融资中募集 4.65 亿美元新资本。该交易将通过一家特殊目的收购公司(SPAC)完成。

“你不会看到 Agility 有很多跳舞的机器人或后空翻的机器人,”首席执行官 Peggy Johnson 在公司上市前对 TechCrunch 表示。“我们坚持我们的战略,也就是这些手工的、非常重复的工作,很难找到人来做。”

Agility 的历史早于近期物理 AI 投资热潮。该公司于 2015 年从俄勒冈州立大学分拆出来,由一群研究人员创立,他们在如何让机器人安全地用两条腿行走方面取得了进展。公司专注于在工业环境中部署少量 Digit 机器人,客户有九家,包括 Schaeffler、GXO、丰田汽车加拿大制造公司和 Mercado Libre。Digit 通常用于搬运重型周转箱,在 GXO 的一个物流设施中就搬运了超过 10 万个。

与 Figure、特斯拉、1X 或波士顿动力公司制造的人形机器人相比,Agility 的 Digit 可能显得步履缓慢,但这款机器人确实在做实际工作,并且在赚钱——尽管 2026 年前六个月仅赚了 17.4 万美元,而且主要来自关联方。该公司同期亏损 3.62 亿美元,这意味着其成功部署新注入资本的时间正在流逝。

好消息是,Agility 已从 30 家客户获得 3 亿美元的新一代机器人 Digit 5 计划合同。新机型可以安全地在人类周围操作,而不像其上一代机型(以及事实上大多数人形机器人)那样只能在隔离的工作单元中运行。Johnson 说,这笔交易是决定让公司上市的“驱动因素之一”,但目前还不能透露客户是谁,也不能说明他们是否是投资者。

Johnson 表示,为了完成这些交易,Digit 5 必须在吞吐量、正常运行时间和放置精度等多项指标上达到未披露的目标。该公司尚未展示 Digit 5 的原型机,但 Johnson 表示,它们将在 CES 2027 上演示,并于当年年底广泛上市。

该公司的卖点是,在机器人即服务模式下,一台机器人每年可为公司节省 10 万美元,如果客户直接购买机器人,节省的还会更多。这些单位经济效益最终能否成立,将取决于 Digit 5 的能力,包括任务准确性,以及它在不暂停充电或维护的情况下能工作多长时间。

Johnson 举了一个人举起 50 磅物体的例子——这是一些工作场所为避免受伤而采用的非正式阈值。“Digit 可以一遍又一遍地做到这一点,”她说。“你不想把这份工作交给人类。你想把它交给机器人。”

Agility 面临两个关键问题:它为 Digit 5 找到新客户的速度有多快,以及它改进机器人能力的速度有多快?潜在客户需要花费 50 万美元,让 Agility 在部署全面扩大之前进行现场概念验证;2026 年 5 月有四家客户签约。虽然 Agility 可以举起重物并以 98% 的准确率放置它们,但它仍然——像当今大多数机器人一样——缺乏执行复杂操作任务的能力。

目前仍不清楚生成式 AI 技术将以多快的速度解锁那种能让机器人处理各种物品的灵巧性。基于视频和遥操作数据的训练系统尚未带来可靠的通用自主性,不过将 transformer 架构适配到不同模态似乎很有前景,物理 AI 研究人员认为。

“不存在机器人运动的物理数据互联网,这就是为什么你看到这么多人试图用各种东西来模拟数据,我们也使用了所有这些技术,”Johnson 说。“它们各有优缺点,但我们还有……来自真实设施中真实客户的 65,000 小时真实运营数据……这有助于我们加速 Digit 的训练。”

Johnson 表示,SPAC 交易中筹集的资金将满足公司当前的需求,但她不会预测这是否足以让公司实现自我维持。她不愿透露 Digit 5 的生产目标,但该公司曾表示其生产设施每年可生产 10,000 台机器人。

“你将从我们这里看到的是,继续倾听客户的意见,了解他们在这些设施中需要什么,”她说。“我们从他们那里获得启示,因为我们是在打造一项业务。”

尽管存在所有这些未解问题,Agility 仅仅通过将产品投入现场,就发现自己仍领先于大多数类人机器人制造商。

“让我们从箱子和周转箱开始,然后我们来做拣选和配套,”联合创始人兼 CTO Johnathan Hurst 今年夏天在公司弗里蒙特研发设施开业时告诉 TechCrunch。“然后让我们开始处理纸板,这真的很难,还有装卸拖拉机拖车之类的事情。好吧,现在我们达到 1 亿台机器人了,你知道吗?一家万亿美元公司。”

当您通过我们文章中的链接购买时,我们可能会赚取少量佣金。这不会影响我们的编辑独立性。

来源:TechCrunch:AI · techcrunch.com

来源:RadarAI · aihot.news