Maven Robotics获1亿美元A轮融资，押注轮式机器人做混合码垛
这家由前苹果造车项目成员创立的公司，计划建造250台第三代机器人，此前击败四家已有机器人的对手拿下一家大型快消客户。
AI解读：Maven Robotics把赌注押在混合码垛这个具体环节上：不同工厂来的箱装货到配送中心后，机器人重新码出一盘混合商品发给门店。活儿不酷，但需求真实、订单高频。
它的竞争力不在模型本身，而在对工业现场的理解。公司宣称根据摘要已有最多8台机器人每天运行16小时、正常运行时间99%以上，这个数字是它出来融资的核心依据。
对物流和零售供应链来说，这条新闻的直接影响是：高人力密度的仓库码垛环节多了一个可采购的选项。但机器人的重量、投资回报和客户现场实际效果都未公开，采购方应先要求同类工位的实测数据。
在众多机器人公司中，Maven选择轮式底盘加双臂，并嘲讽双足路线复杂、不可靠、成本高。这决定了它的适用边界：固定或结构化场地，不是全地形通用作业。
Maven Robotics走出隐身状态，宣布完成1亿美元A轮融资，投资方包括RoboStrategy、LocalGlobe、Vine Ventures和XTX Markets Ventures。公司计划建造250台第三代机器人，并开始设计第四代平台。
这家公司2024年成立时“只有一张机器人卡通图和一队人”，CEO兼联合创始人Hamza Derbas对TechCrunch说。它靠上门拜访一家有物流需求的大型快消公司、提出去对方工厂和仓库看看，最终击败四家已有机器人的竞争对手，拿下订单。
据Derbas透露，与该客户及其他几个合作方工作两年后，Maven目前最多有8台机器人每天运行16小时，正常运行时间达到99%或以上。
机器人干什么：轮式底盘、双臂，主攻混合码垛
Maven的机器人坐在轮式底座上，移动速度可达每小时10英里，有两条手臂，每条可举起最多30公斤。
它们的主要工作是“混合码垛”：来自不同工厂的箱装货到达配送中心后，机器人码出一盘混合商品，发往门店。Derbas描述客户需求：“他们把货放上货架后48小时内，就想根据实时需求改变混搭。这里有一张发往那家零售店的混合产品订单，请把它码出来。”目前这活全靠人工，工人在仓库里来回跑，拿一个这个、拿一个那个。
在Maven的圣克拉拉设施里，机器人在训练区平稳移动，用真空吸盘以尚可的速度拾取并排列箱子。现场一块实时视频屏幕显示，两台机器人在客户设施里工作，员工在它们周围走动。
创始团队来自苹果造车项目，用自动驾驶的数据闭环训练机器人
Derbas此前的职业生涯在汽车工程领域，专注电动车。加入Maven前，他在苹果特别项目组工作了九年；该部门被广泛认为在造自动驾驶汽车，直到2024年解散。他拒绝讨论这段经历。
2024年，他和弟弟Khalid一起创办Maven。Khalid在私募股权行业工作后，担任公司CFO。
与其他物理AI公司一样，Maven依赖自动驾驶领域的资深从业者，该领域发展出了从真实数据训练自主硬件的最成熟方法。这需要数据管道能在几分钟或几小时内从运行中的机器人回传信息——“然后重新训练、评估、做消融实验，找出正确的权重组合，重新部署，再转一圈。”
为什么一家消费公司选了它：先看现场，再谈方案
2024年公司刚起步时，Derbas听说一家有物流需求的大型快消公司要来城里，与四家竞争对手谈自动化。他争取到一次会面，但没有谈自己对机器人的看法，而是要求参观对方的工厂和仓库。
“我们看到人们如何工作，锁定了能立刻带来价值的流程，”他对TechCrunch说，“我们向他们展示我们的机器人方法和别人不同——我们不试图解决单个机器人的问题，我们试图端到端地自主完成任务：一端接入仓库管理系统，另一端产品装上卡车。”
RoboStrategy投资人Jack Pearson认为，Maven的差异在于工业系统背景，而不是以学习为优化目标、聚焦某种特定架构的研究文化。
市场定位：与Agility路线相近，但拒绝双足
Agility可能是市场上定位最相似的公司，专注于安全和具体工业流程，今年秋天将通过一笔25亿美元的SPAC交易上市。但Agility的机器人是两条腿。
Derbas强调尊重这家公司，但表示双足“对他们正在做的任何事情都毫无意义……它们非常复杂、不可靠，还增加不必要的成本。这里的关键是投资回报率。”
Maven自称通用机器人制造商，但策略是一个任务一个任务地推进。Derbas说：“我们立足于每次解决一个客户问题。如果你专注于解决问题，并且挑选规模够大的问题，每个问题都是数十亿美元的市场。如果这么做，就有足够的数据来掌握这些技能。”
混合码垛可能是一个800亿美元的市场，但公司瞄准的下一批任务需要目前尚不存在的机器人操作能力。Maven接下来的重点是收集更多数据、训练机器人处理物料，然后走向自动化和制造。公司将利用自有系统、接入第三方供应商，甚至开发了一副钳子状的手套，让人类模拟他们想要的夹爪形态。
这种路径可能是把机器人送进职场最可行的方式，也可能被前沿实验室推出的下一个强大物理AI模型一击淘汰。Derbas对TechCrunch说：“我们不是在参加模型竞赛——我们是在参加解决工业劳动力问题的竞赛，让这项工作能够以世界需要的规模实现。”