不是机器人公司 · Not a Robotics Company
AI 从数字世界
进入物理世界的入口
建筑是全球最后一个未被 AI 重构的大型产业——一个数万亿美元的市场，几十年来生产力几乎没有提升。我们不是在造更好的机器人。我们在创造会学习、会进步、会规模化的 AI 建筑工人。
AI 从数字世界
↓ 向下滚动 · Scroll to discover
建筑是全球最后一个未被 AI 重构的大型产业——一个数万亿美元的市场，几十年来生产力几乎没有提升。我们不是在造更好的机器人。我们在创造会学习、会进步、会规模化的 AI 建筑工人。
日本建筑工人 40 岁以上占 65%，60 岁以上超过 30%。中国建筑从业人员连续 5 年下降，2024 年同比 −12%。全球趋势——年轻人不愿下工地。这不是周期性问题，是世代问题。工地上能干活的人越来越少，工资越来越高，工期越拖越长。每一个施工企业都在抢同一批越来越老的工人。劳动力短缺不是预测——是每个项目经理今天就已经在面临的现实。
制造业在过去 30 年中自动化率指数增长，建筑业几乎为零提升。每平方米建造成本持续上升，效率不涨。制造业有工业机器人、MES 系统、ERP 平台——建筑业仍然依靠人力一块砖一块砖地砌。汽车工厂每 60 秒下线一辆车，建筑工地每平方米成本每年上涨 5-8%。同一批工人用同样的工具做着同样的工作——几十年来没有任何变化。
老工人的手艺、项目经理的判断、现场的决策——每一个项目结束时，这些经验全部归零。制造业有 MES/ERP/工业数据库，每一个零件的生产过程都被记录。建筑业什么都没有。每开一个新项目，所有的经验、所有的判断、所有的数据都要从零开始。没有可复制性——人就那么多，经验就那么多，规模化是不可能的。
全球最大产业之一 × 最后一个数字化洼地 × AI 第一次具备进入物理世界的条件 = 不可错过的机会窗口。
多模态大模型让机器人第一次拥有了大脑。过去每一个动作需要工程师花数月编程——现在是 AI 模型自主理解环境、理解任务、学习技能。范式从「编程」变成了「训练」。
电机、传感器、控制系统的供应链已经成熟。机器人本体成本持续下降、可靠性持续提升。商业部署的经济条件第一次成立——不再是实验室里的概念验证。
BIM 普及。CIM 成数字底座。开放标准打通了 DWG/STEP/IFC。建筑行业第一次产生了机器人可以理解的数据。过去施工经验锁在人的脑子里——现在可以被机器消费。
人口危机 × 政策驱动 × 技术就绪 = 不可逆的拐点。这不是"要不要做"的问题——是谁先做的问题。窗口就在 3-5 年内。
输入 BIM/CAD 施工图纸，AI Engine 自动解析墙体、门窗、管线、放线点位——生成机器人可直接执行的施工任务清单，精度控制在毫米级。VLAM 多模态大模型理解图纸语义，不再依赖人工逐行解释。
机器人到达工地后，通过 LiDAR + 视觉 SLAM + RTK GPS 自主构建现场三维地图，与 BIM 模型自动对齐。无需人工架站、无需标记点、无需提前准备——开机即跑。
AI Agent 根据 BIM 数据 + 现场实况 + 机器人能力，自动生成最优施工路径和工序安排。路径安全校验、工序依赖检查、工具换装提醒——全自动完成。
机器人按规划路径自主施工——放线、砌筑、喷涂、验收。实时传感器数据回传，AI 自动判断施工质量。缺陷即时发现、即时修正。施工完成自动生成验收报告。
卖设备，一次性收入。建立客户关系和产品-市场匹配。每一台机器是进入客户工地的钥匙。验证产品可靠性。
卖生产力，经常性收入。按 m² / 点位 / 班次计费。我们保留数据和技能所有权。RaaS 是数据飞轮的第一步。
卖劳动力，平台化。每个 AI Worker 像员工一样部署调度。跨工种、跨客户——网络效应开始产生。
全球建筑智能网络。数据授权 + 技能市场 + 平台税。也是为什么我们不是一家机器人公司——是 AI 劳动力网络。
自有造价+室内工装项目——从第一天就能在真实工地采集数据、测试机器人、验证商业模型。不是合伙人关系——这是我们自己的工地。竞对找场景，我们在场景里。
AI Agent 生态 × 知识图谱 × 多模态 RAG × SaaS 级框架。8 个月从 0 到 35 万用户的商业化验证。不是实验室 demo——是规模化产品工程能力。
AIoT 硬件全周期：研发 → 供应链试产 → 量产 → 规模部署。21 城、2000+ 台落地。不是实验室型创业——是真正做过硬件量产、跑过供应链的人。
机器人公司没有的数据 + 建筑公司没有的 AI 能力 + 大厂不会做的窄而深——我们同时拥有两端入口。这个稀缺组合本身就是护城河。不是因为市场大所以做——是因为恰好拥有做这件事的独特能力。
每年新建面积世界第一。数据量决定 AI 模型上限。不是实验室数据，是工地真实数据——每一个项目都在训练我们的 AI。
自有工地作为训练场——不是模拟、不是实验室。发现问题→优化设计→重新部署在同一周内完成。竞对还在找测试场景，我们已经在迭代第四代。
电机关节、视觉传感器、控制系统一站整合。供应链密度、成本优势、交付速度无可替代。深圳到东莞的供应链半径 = 全球最快硬件迭代速度。
中国（数据+制造）→ 美国（高价值客户验证）→ 中东（NEOM 巨型基建）→ 日本/欧洲（老龄化最严重、付费意愿最强）。
部署 → 数据采集 → 模型训练 → 更强的 AI → 更多客户 → 更多部署。竞对每一台新机器都是新成本——我们每台新机器都在降低后续部署的边际成本。这是物理世界 AI 的核心壁垒。
短期：硬件设计 + 部署经验。中期：专有工地数据集 + 工艺知识图谱。长期：AI 模型精度 + 跨工种技能库 + 多机器人协同网络。先发优势收集的数据就是正确答案。
Dusty Robotics 已在美国大型施工企业落地，验证了施工机器人付费意愿。Built Robotics $64M Tiger Global 领投。「智能建造」写入中国十四五规划。NEOM 明确鼓励机器人施工。市场不是"会不会有"——是"已经来了"。
结构性劳动力短缺（老龄化 + 年轻人退出）+ 政策驱动（智能建造写入规划）+ PMF 验证（客户回报 7-10x）+ AI 模型能力持续跃升。四重引擎叠加——不是线性增长，是指数级。
全球最大的工程机械公司。有硬件制造能力和全球分销网络，但缺乏 AI 基因和软件迭代速度。没有 AI 模型，没有数据飞轮，没有软件平台。他们是上一个时代的王者——不是下一个。
拥有全球最强的 AI 能力。但它不会在「放线」这一个工序上投入 100 人 3 年。因为它的 TAM 是万亿级的通用 AI——一个细分施工工序不够大。窄而深是我们的护盾。
拥有海量场景和数据，但自研团队面临"内部客户困境"——产品只为自己的项目优化，缺乏通用化和商业化的基因。内部项目很难变成能卖给竞争对手的产品。
同时拥有 AI + 建筑场景 + 硬件闭环 + 数据飞轮。四层护城河——技术可复制，工地经验不可复制，专有数据不可复制，迭代速度不可复制。类别定义者，不是跟随者。
自有项目 + 首批付费客户。放线机器人 PMF 验证。建立数据和技能飞轮的基础。
渠道合作进入大型总包商。高价值客户验证——美国是建筑机器人付费意愿最强的市场。
NEOM 等巨型基建项目。高预算、鼓励创新、对机器人接受度最高——理想的大规模部署场景。
老龄化最严重的市场——劳动力缺口极大，付费意愿最强。是我们长期最大的收入来源区域。