让半人形机器人在每个新的汽车零部件任务上先过审，再避免一个试点把 rollout 推成一团乱的 Qualification OS。

1. 一家具名 Tier 1 供应商已经从付费试点走向真实量产，说明买家早已不再只是好奇，而是在推进执行。
2. 既然公司已经明确要跨多任务扩展，下一个痛点就不再是采购机器人，而是反复给任务过审。
3. 劳动力短缺、成本上升和生产复杂度攀升，让刚性自动化越来越不划算，工厂因此需要更快的柔性方案审批方式。
4. 行业报道已经把 physical AI 写成运营级制造自动化，而不是实验室 demo，这会直接推高量产级 rollout 控制的紧迫性。

催化因素。 Autonomique 从付费试点走向量产，再叠加其明确提出要跨多任务和全球 F.tech 站点扩张， 让 embodied AI rollout 的新瓶颈变成了逐任务做资质审批。

产品先吃进一个已验证量产任务的 SOP、机器人任务程序、质量检查点、节拍目标和操作员触点， 再为下一个候选任务生成一整套资质审批包。制造工程团队可以在正式上线试跑前， 用它对照此前已获批的动作、安全假设、所需工装和人工升级处理步骤，判断新任务是否过关。 rollout 期间，系统把 dry run、缺陷观察、 takt-time 结果和主管签核都收进同一个工作流， 取代四散的电子表格和邮件线程。时间一长，软件会沉淀出一套最深的可复用任务配方库和失效模式库， 专门服务于存量汽车工厂里的可适应机器人。

差异化。 大多数面向工厂的机器人软件，盯的是车队管理、机器人编程或首次单元调试。 这家公司卡住的是一层更窄但突然变得紧急的工作流：第一次部署成功之后，到接下来十个任务陆续获批之间的那一层—— 作业指导翻译、审批证据和面向操作员的 rollout 包。它的防守力来自不断变厚的数据层：任务级验收标准、失效模式和可复用审批模板， 而这些恰恰不是 OEM 或系统集成商跨客户最容易看见的部分。

待完成任务

flowchart LR
  Buyer[制造工程负责人] --> Pain[每个新机器人任务都要慢吞吞地手工审批]
  Pain --> Product[Robot Task Qualification OS]
  Product --> Outcome[多任务 rollout 更快、首发缺陷更少]

高管要点

• 买家的痛点正在从“证明一台机器人能不能工作”转向“证明接下来的十个任务能否安全、稳定地上线”。
• 相邻工具已经覆盖编程、仿真和单元安全，但在试点成功和网络化 rollout 之间，那份可复用的审批包显然还没有明确 owner。
• 汽车质量流程是最佳切口：只要机器人 rollout 证据能顺畅映射进工厂既有的质量 ritual，软件就有机会成为 embodied-AI 的变更控制记录层。

市场定义

供制造工程团队使用的工作流与证据软件，专门解决 embodied-AI 首次试点成功后，后续机器人辅助任务怎么过审。

用户与买方

主要用户是负责任务 rollout、作业指导、节拍验证和产线签核的制造与工业工程负责人；经济买家是工厂网络层面的自动化负责人或制造工程负责人。

购买触发点

• 首个机器人任务打进量产后，总部立刻要求团队把它复制到相邻任务或其他站点。 [1][2][4]
• 劳动力和数字技能短缺，让每次新 rollout 都更依赖稀缺工程师和外部帮手。 [7][8]
• 更新后的机器人安全标准和汽车质量要求，抬高了每次任务变更的文档负担。 [12][15][23][24]

支付意愿

公开价几乎查不到，但稀缺工程师人力、外包 OT/IT 工作和不容出错的量产门槛叠在一起，足以支撑这类工作流开支。买家更可能拿“省下多少工程周数、少掉多少失败试跑”来衡量，而不是拿它去对标通用 MES 定价。 [7][8][12][23]

品类动态

增长信号 北美机器人密度同比增长 4%（自动化强度代理指标）

验证信号

• 一家具名的 Tier-1 买家，正把 embodied-AI 部署从付费试点推进到真实量产，并准备扩到更多任务。
• Autonomique 把自己定位成硬件中立平台，这会放大一份跨任务、跨站点的中立审批记录的价值。
• 北美制造业的机器人密度仍高、范围也足够广；只要工作流完成产品化，就具备重复销售的土壤。
• 安全和质量机构仍在加码文档要求，因此可审计的 launch packet 会越来越值钱。

监管与技术约束

• 每一个机器人应用在首次上电或进入协作使用前，都需要完成文档化的风险评估、验证和审查。
• 汽车供应商必须让新的流程证据对齐 APQP、control plan、PPAP 和 OEM 的客户特定要求。
• 维护和异常处理必须满足 lockout/tagout 及工人保护控制要求，而不只是覆盖机器人在正常节拍下的行为。

周边竞争在机器人编程、仿真、单元部署和安全上都很拥挤。真正的空白，是工厂侧那条会反复发生的工作流：把一个成功的机器人任务变成下一个任务、下一条线、下一个站点都能复用、且经得起审计的审批包。

为什么现有厂商不会默认胜出

• 机器人 OEM 套件. OEM 和自主化厂商掌控执行层，但他们的默认工具主要优化编程与部署，不是由工厂自己持有的跨厂商审批记录。
• 数字制造套件. 仿真巨头擅长在 3D 环境里验证机器人单元，但那是重型工程环境，不是线边团队高频反复使用的轻量化任务审批工作流。
• 质量合规栈. AIAG 和 IATF 框架已经定义了汽车工厂如何记录 control plan 和客户特定要求，但它们并不会原生把机器人行为翻译成可复用的任务证据。
• 系统集成商. 制造商本来就把很多 OT、IT 和自动化工作外包出去；如果只给出“做服务”这一种答案，客户只会更依赖定制项目，而不会沉淀可复用的内部 launch 记忆。

Robot Task Qualification OS 最适合先做成工厂侧的审批层，卖给已经把一个半人形或可适应机器人任务推入真实量产、 现在又要把它复制到相邻工作流和更多站点的北美汽车零部件集团。真正急的痛点不是给第一套机器人单元编程， 而是每扩一个新任务，都得重新拼风险评估、作业指导、质量证据、操作员交接步骤和签核包。首个买家应该是制造工程 VP 或总监， 日常用户则是工厂工业工程经理，供应商质量或 EHS 则是必经审批方。首个产品要窄、要只读：吃进已获批任务资料和试跑结果， 然后为下一个任务族生成可复用的审批包，而不是去替代 MES、QMS、机器人 OEM 工具或数字孪生软件。GTM 的启动点， 应该卡在试点之后的扩张时刻——总部要求一个工厂网络在同一轮预算周期里，把已经成功的机器人任务复制到另外 3 个任务或下一个站点。 定价要跟工厂网络范围和待审批任务族挂钩：先收付费试点和平台适配器费用，如果审批时间、试跑返工和 launch 缺陷都能改善， 再转成年费订阅。最难的战略选择，是先打穿汽车任务审批，因为 APQP、control plan 和安全文档虽然麻烦， 但流程清晰，其他工厂品类暂时没有这么明确的抓手。现在的证据足以说明 rollout 瓶颈正在成形， 但仍缺直接证据证明审批中位工作量、system of record 的真实归属，以及买家究竟会把它当独立软件买单还是继续跟服务打包， 所以这更适合持续跟踪，而不是今天就高强度下注。

问题

• 汽车零部件制造商现在已经能把可适应机器人从试点推到真实量产，但每个新任务仍要重新做安全验证、更新作业指导、补齐质量证据，再一厂一厂签核，整个过程靠电子表格、会议和经验拼起来。
• 结果是，physical AI 越灵活，扩张瓶颈反而越明显，因为本就稀缺的制造工程团队必须反复证明下一个任务既安全、又精准、还能直接上量产。

解决方案

• 搭建一套审批工作流：吃进已获批任务资料、SOP、机器人任务参数、节拍目标、质量检查和操作员触点，再为下一个任务生成验收测试草案、签核步骤和证据包。
• 给制造工程、质量和 EHS 一条经得起审计的统一工作流，记录 dry run、偏差、纠正动作和最终批准，让 rollout 记忆在工厂之间持续累积，而不是每个任务都重新来过。

为什么我们会赢

• 这个切口卡在首个部署成功和更大范围 rollout 之间。现有厂商大多只从编程、仿真或安全工具侧面切入，很少真正拥有一份可复用、由工厂自己掌握的审批记录。
• 如果公司能跨混合机器人栈沉淀任务级验收阈值、失效模式和人工 override 历史，就能搭出一张跨厂商的资质审批图谱，而这不是 OEM 套件和服务公司天然会掌握的资产。

里程碑

flowchart LR
  Wedge[试点后汽车零部件 rollout 切口] --> MVP[审批包 MVP]
  MVP --> Proof[任务 launch 更快获批]
  Proof --> Expansion[跨站点、跨厂商扩张]

创始团队

实验路线图

风险评估

必须成立的条件

• 至少 5 个目标供应商集团确认：试点后的任务审批是一个值得单列预算的痛点，且它不同于机器人编程、安全控制或通用质量软件。
• 一个试点就能在不降低质量和安全审核标准的前提下，把第二个任务的审批周期或工程投入至少压缩 30%。
• 在客户要求更深的 MES、QMS 或 OEM 系统控制之前，先接受只读 overlay 和导出的证据包。
• 至少一半的成功试点会转成年费量产合同，而不是停留在集成商主导的服务项目。
• 跨厂商中立性足够重要，以至于混合机器人栈的供应商更愿意采用工厂自有的审批记录，而不是只靠 OEM 专属工具。

待尽调问题

• 今天给第二个机器人任务过审时，最难拼的到底是哪份资料：风险评估、作业指导、control plan 证据，还是操作员培训证明？
• 目标客户里，任务审批的 system of record 到底归谁：制造工程、供应商质量、EHS，还是某个现有 QMS？
• 当前痛点里，有多少来自文档工作流，有多少来自软件根本消不掉的机器人性能不确定性？
• 对一个制造工程 VP 来说，试点后要把这件事买成长期软件，最低要看到多大的 KPI 改善？
• 当 OEM 或集成商已经在支持 rollout 时，究竟还差哪一步，才会让工厂网络再补一个独立审批层？

模型合理性

• 收入引擎. 基准情景下的 Y3 收入，来自 8 个工厂网络、每个网络约 $300K 的 blended ACV；这与 business plan 和 research 里使用的 SOM 逻辑完全一致。
• 必须成立的前提. 前 2-3 个付费试点里，至少一半要在约 9 个月内转化，公司才能在不提前扩招的情况下，于 Q4Y2 达到 6 个量产网络。
• 模型失效条件. 如果销售周期拉长到 12 个月，或毛利率卡在 65% 左右，下行情景会把现金压到约 $500K，届时公司很难讲出一轮 seed 能接受的故事。
• 下一轮融资证明点. 只有当这笔 pre-seed 资金换来 6 个量产网络、1 个合作伙伴转介绍试点，以及一套可重复的“导出 + 适配器”部署动作时，下一轮融资才算站住。

情景

敏感性

flowchart LR
  Leads[创始人 + 合作伙伴 pipeline] --> Pilots[付费试点]
  Pilots --> Networks[量产工厂网络]
  Networks --> Revenue[混合 ACV 收入]
  Revenue --> GrossProfit[扣除 onboarding COGS 后的毛利]
  GrossProfit --> Cash[扣除薪资和 opex 后的现金]

警示项: 模型假设独立预算归属会很快形成，因此第 1 年能拿到 3 个付费试点、Q4Y2 前能做到 6 个量产网络；但这一点在研究里还没有被证实。 · Y1 和 Y2 的毛利率都低于 70% 目标，因为 onboarding 和文档映射在公司早期仍占不小比重。 · LTV/CAC 看起来很亮眼，但它仍建立在经验性 churn 假设之上，而不是多年的真实续约数据。

• OEM 捆绑. 机器人厂商可能会把基础任务模板和审批工具直接打包进自己的部署栈里。 缓解措施: 坚持跨厂商定位，拿住制造商真正需要的工厂侧证据、签核历史和跨混合机器人车队、跨站点的工作流记录。
• 服务化蔓延. 早期客户可能要求每个新任务都做定制工程，逼着公司滑向集成商经济模型。 缓解措施: 把首批部署收束在固定任务族里，先把模板、验收标准和 rollout 报告产品化，再谈大范围扩张。
• 独立预算线偏弱. 有些工厂可能仍会把任务审批埋在更大的自动化项目里，而不是单独采购软件。 缓解措施: 在试点后扩张的那个时间点切入，用更快的多任务 rollout、更少的 launch 缺陷和更高的稀缺工程时间复用率来讲 ROI。