面向人形机器人 OEM 的服务闭环 OS，把工厂 QA 指纹转成可预测的 uptime、备件与保修运营。

1. 工厂产能已经快到一个节拍点：哪怕现场故障率不高，也足以把靠人工撑着的服务组织压垮。
2. 人形机器人 OEM 在交付前就已经生成了大量检测和模拟测试数据，这正好给预测故障、标准化维修的软件层提供了原料。
3. 制造、发运和维护如今被描述成同一个闭环，因此专门的可靠性系统卖的不是一个模糊的未来需求，而是一块已经明确归属的运营责任。
4. 公司自己提出了 10,000 台交付阶段，意味着 uptime、保修成本和伙伴服务协同已经是近在眼前的规模化问题，而不是想象中的机器人基础设施故事。

催化因素。 EngineAI 已进入 10,000 台交付阶段，并明确把维护支持写进工厂流程，售后可靠性基础设施因此不再是未来的车队管理问题，而是眼下就得补齐的运营系统。

Humanoid Service Loop OS 会在每台机器人出厂时就吃进它的 build record、检测历史、模拟测试结果、已安装软件版本和发货配置。现场工单一进来，系统就按对应机型和序列号把问题导进正确的服务 playbook，给出最可能的根因簇，并告诉技师这台机器最相关的替换件和检查项。OEM 服务负责人看到的不再是一堆彼此断开的支持案例，而是按站点、集成商、零部件批次和软件版本聚合出来的实时故障图谱。平台还会把结构化 CAPA 反馈回推给制造和供应链团队，让重复出现的现场故障真正改变检测阈值、测试计划和备件预测。时间越久，公司越像商业人形机器人车队 uptime 经济学的 system of record。

差异化。 这不是给稳定量产机器人做的通用 fleet management，也不是再包一层工单的 field-service 外壳。切口从序列号层开始：如果 OEM 想在故障扩散前学得更快，工厂检测、模拟测试、发货配置和现场维护就必须持续连在一起。真正的防御力来自跨车队的可靠性图谱——把零部件批次、测试指纹、站点条件和维修结果连起来。无论单个集成商还是通用 FSM 厂商，都很难轻易攒出这套数据。

待完成任务

flowchart LR
  Buyer[人形机器人 OEM 服务负责人] --> Pain[手工处理保修与 uptime 救火]
  Pain --> Product[Humanoid Service Loop OS]
  Product --> Outcome[更快修复与可规模化的车队可靠性]

高管要点

• 量产迹象说明痛点已经不是未来式：EngineAI、Figure、Agility 和 Apptronik 都在描述从试点机器人走向可重复部署，uptime、可维护性和伙伴协同因此变成运营瓶颈。
• 现在没有哪个现有厂商真正拿住从工厂 QA 到现场维修的序列号级闭环；robot ops 平台、OEM 自建车队栈和通用 FSM 都只覆盖其中一段，保修、CAPA 和备件 intelligence 仍是碎片化的。
• 中国优先的滩头市场在战略上很有吸引力，但今天仍然偏小；只有当更多 OEM 真的稳定维持 100-500 台活跃人形机器人时，近端 SAM 才会跳出几千万美元量级。
• 中国是最适合起跑的市场，因为它同时具备全球最密的机器人装机基础、对具身智能的明确国家支持，以及围绕深圳和周边制造带快速成型的本地 OEM 集群。
• 最主要的证伪风险是内部自建：Figure 已经做出了自己的现场服务和车队管理栈，所以 startup 必须在 OEM 原生系统固化前先赢单，并证明自己比“表格 + 通用 FSM”更快见效。

市场定义

面向早期商业化人形机器人车队的单机级可靠性运营 system of record：覆盖 build 谱系、检测与测试数据、现场工单、保修流程、备件规划、技师 playbook，以及回推到制造端的纠正动作反馈。

用户与买方

核心用户是中国人形机器人 OEM 的 COO、服务负责人或售后运营负责人，他们正把首批 100-500 台工业机器人推向交付。次级用户是区域服务伙伴和集成商。真正的经济买方，是那个要对 uptime、保修成本和客户信心负责的 OEM 运营 owner。

购买触发点

• OEM 从试点样机走向多站点商业交付，必须把保修分诊、维修 playbook 和多区域伙伴响应标准化。 [1][2][17][27][33]
• 商业部署开始依赖伙伴网络和企业系统集成后，靠聊天线程人工协同已经跟不上 SLA 级别的服务要求。 [18][41][59][63]
• 当车队规模大到需要处理重复故障、召回和 OTA 更新时，企业必须要有可审计的单机历史，而不是继续靠临时表格。 [34][45][51]

支付意愿

直接面向人形机器人服务的软件预算并不公开，因此付费意愿只能间接判断。最强的证据是，相邻机器人运营方已经在为 24/7 支持、备件计划、预防性维护和企业级 FSM 栈持续付费；这说明当 uptime 和现场服务成为董事会级风险时，预算是能被调出来的，只是第一单更可能以运营平台而不是独立分析工具的名义卖出。 [51][52][59][63]

品类动态

增长信号 23% annual growth in China robotics market through 2028 (broad robotics cross-check, not humanoid-software revenue)

验证信号

• EngineAI 现在声称能做到 15 分钟一台的产线节拍，每台还附带 79 项检测和 46 项模拟测试——这正是服务闭环平台最能吃到的 QA 密度。
• Figure 明确表示，规模化迫使它自建现场服务、车队管理、OTA 和召回流程，这等于直接验证了工作流缺口。
• Agility Arc 已被作为商业化人形车队管理层来销售，并能接入 AMR 与企业系统，说明买家愿意在人形部署周围采购软件。
• Geek+ 这类相邻机器人厂商已经在全球销售 24/7 支持、备件计划和预防性维护，说明生命周期运营在机器人行业本就有预算。
• Apptronik 与 Jabil 的合作把产能爬坡、验证测试、库存管理和维护简化都写成商业化前提。

监管与技术约束

• 在人附近运行的机器人部署，需要协作安全控制，并证明维护动作不会破坏安全运行。
• 联网机器人车队在远程监控、支持和软件更新上，都需要满足工业网络安全控制要求。
• 面向全车队的软件变更和召回，必须保留逐台可审计的配置与升级历史。
• 与成熟工业机器人品类相比，人形机器人部署仍面临不断变化的标准和验收门槛。

竞争格局是碎片化的。Formant 和 InOrbit 占住跨机器人运营与事故工作流；Boston Dynamics Orbit 提供车队可视化和偏巡检的软件；ServiceMax 和 Salesforce 占住通用服务执行；领先 OEM 也在自建车队/服务栈。真正的空白，是一层中立的、从工厂 QA 指纹起步、最终落到闭环纠正动作、保修和备件 intelligence 的序列号级可靠性层。

为什么现有厂商不会默认胜出

• 机器人运营平台. Formant 和 InOrbit 在遥测、事故响应和编排上很强，但它们并不是从制造谱系、交付前 QA 或人形 OEM 的保修核算起步。
• 通用现场服务套件. ServiceMax 和 Salesforce 已覆盖工单、保修、SLA 和技师排程，但它们不是机器人原生系统，也不会默认把工厂测试指纹连回车队工程反馈。
• OEM 原生车队栈. Agility Arc 和 Figure 的内部工具证明 OEM 确实能自建，但这些系统天然只服务单一厂商、围绕自家硬件优化，也更难成为跨伙伴或跨相邻车队的中立 system of record。
• 仓储与自动化执行层. 仓储执行和机器人控制层已经能把 ERP/WMS 连到机器人，但它们优化的是吞吐和编排，而不是售后 CAPA、保修成本或备件预测。

Humanoid Service Loop OS 瞄准的是中国人形机器人 OEM：这些厂商正从试点批次跨进首批 100-500 台、落在仓储和工厂场景的工业部署。产品把序列号谱系、工厂 QA 和模拟测试记录、现场工单、合作伙伴技师流程以及零件流转拉进同一套可靠性 system of record。第一单最该发生在 OEM 刚签下多站点交付合同、不得不在 3-5 家区域服务伙伴之间搭起保修响应和 uptime SLA 的时点，因为运营紧迫性、预算归属和数据接入会在这一刻同时到位。滩头市场必须收窄在深圳为中心的人形机器人 OEM 售后，而不是泛机器人运营软件：现有厂商已经覆盖通用遥测和现场服务，但这条从 QA 到保修的闭环还没有人清楚拿住。基于调研，中国是最适合起跑的地理市场，原因是 OEM 密度高、自动化强度大、国家支持明确；但近端 SAM 仍不大，直接的软件预算数据也还薄。核心护城河是一张跨车队可靠性图谱，把零部件批次、软件版本、站点条件、维修动作和故障结果连到单机层面。最关键的证伪风险有两点：车队爬坡比说法慢，以及 OEM 在中立平台证明更快见效前就先把系统内部化。如果 design partner 不能转成续费合同，且拿不出 MTTR 和重复故障改善的量化结果，公司就不该把范围扩到更广的机器人运营。

问题

• 早期人形机器人 OEM 仍在用表格、ERP 导出和聊天线程处理保修分诊、RMA 决策与服务伙伴协同，所以每次故障都得手工重建这台机器究竟造了什么、测了什么、发了什么。
• 一旦车队扩到多个站点和合作伙伴，维修、OTA 变更、召回和零件使用如果没有序列号级审计链，downtime、备件浪费和企业买家的焦虑都会一起上升。

解决方案

• 按每台机器人吃进序列号谱系、工厂检测、模拟测试输出、软件版本、工单历史和零件交易，再把事故导进机器人专属的服务 playbook。
• 通过闭环 CAPA 工作流把现场故障回推给制造、供应商和 QA 团队，让重复问题真正改动检测阈值、备件计划和发布决策。

为什么我们会赢

• 切口正好卡在工厂 QA 和现场保修运营的边界上：robot-ops 平台、通用 FSM 套件和 OEM 自建工具都只覆盖其中一段。
• 随着公司跨 OEM 和伙伴网络拿到单机级故障、维修和零件数据，防御力会持续累积，最终长成一张单一厂商栈和服务公司都很难早期复制的可靠性图谱。

里程碑

flowchart LR
  Wedge[人形 OEM 售后切口] --> MVP[序列号与保修 MVP]
  MVP --> Proof[MTTR 与 CAPA 证明点]
  Proof --> Expansion[更多 OEM、伙伴和机器人家族]
  Expansion --> Moat[跨车队可靠性数据护城河]

创始团队

实验路线图

风险评估

必须成立的条件

• 前 10 个目标 OEM 账户中，至少 5 个预计会在 12-18 个月内拥有 100 台以上活跃工业人形机器人。
• 买家能在 60 天内提供序列、测试、工单和零件导出数据，而不会让定制集成项目吞掉整笔销售。
• 产品能在前两次真实部署中，把 MTTR 至少改善 25%，或显著压低目标问题的重复故障。
• 付费 design partner 会在 OEM 内部栈或通用 FSM 成为默认选项前，先转成年度生产合同。
• 伙伴网络工作流足够重要，以至于中立 system of record 能胜过 OEM 自有工具和服务公司。

待尽调问题

• 当人形机器人 OEM 从试点走向多站点交付时，服务系统预算究竟归谁管？
• 到 2027 年，究竟会有多少中国 OEM 真的能稳定维持 100-500 台活跃工业机器人？
• 首批目标账户里，工厂 QA、工单和零件系统有哪些数据字段是稳定可用的？
• OEM 为什么要买这套产品，而不是继续扩内部工具或 ServiceMax 式 FSM？
• 区域服务伙伴真的会使用被强制要求的 playbook 和零件流程，而不是回到聊天和表格吗？

模型合理性

• 收入引擎. 基准情形的核心驱动，是把 3 家付费 design partner 在 Q4Y2 前转成 5 份生产级 OEM 合同，并在 Q4Y3 前扩到 7 个活跃 OEM 账户、约 $620K 的混合年 ARPU。
• 必须做对的事. 公司必须足够快地证明 MTTR 和重复故障确有改善，让 OEM 在内部栈固化前先买下这层中立的服务闭环。
• 模型失效条件. 下行情形显示，如果 design-partner 转化变慢、毛利率卡在 60% 中段，现金低点会被压到约 $359K。
• 下一轮融资证明点. 一个可信的 seed 叙事，是在 Y2 末走到 5 家生产级 OEM、伙伴门户已经在真实车队使用，而且序列号级工作流确实改善了服务结果。

情景

敏感性

flowchart LR
  TargetOEMs --> PaidDesignPartners
  PaidDesignPartners --> ProductionContracts
  ProductionContracts --> Revenue
  Revenue --> GrossProfit
  GrossProfit --> Cash

警示项: 滩头市场小且集中，所以到 Q4Y3 有 7 个活跃 OEM 账户，已经意味着在中国优先的细分市场里拿到不低份额。 · 毛利率到 Q4Y3 才摸到 70% 目标，因此如果额外定制集成工作增加，或 on-prem 需求更早出现，breakeven 大概率会继续后移。 · 模型把客户定义为活跃 OEM 账户，并把机器人、席位和模块支出混在一起；如果买家坚持项目制服务 SOW，ARPU 和 CAC 都会显著变动。 · 现金流用 EBITDA 近似，未纳入递延收入时点、税项、capex 和营运资金影响，所以这是规划模型，不是 treasury 模型。

• 市场时点. 人形机器人出货量的爬坡可能比 headline 宣称更慢，导致专门服务基础设施的预算窗口被推迟。 缓解措施: 优先拿下今年已经签好多站点交付合同的 OEM 和集成商，同时兼容工作流相似的邻近移动操作机器人车队。
• OEM 内部自建. 更大的机器人厂商可能会继续延展 ERP 或内部工具，而不是购买专门的可靠性平台。 缓解措施: 靠更快的见效速度、更深的跨伙伴工作流能力，以及内部团队早期攒不出的可靠性数据集来赢单。
• 集成负担. 工厂 QA 系统、工单工具和伙伴服务流程的差异可能大到让 onboarding 过度依赖服务交付。 缓解措施: 先围绕 build record、检测、工单和备件流程做一套窄适配器，只服务一个机器人家族，再逐步扩面。