结构钢制造商的焊前装配预检系统——对接头进行自主焊接资质认定、提前分流异常件、减少废料。

1. 自适应焊接已从小众机器人承诺转变为产品化工作流，这意味着更多制造商很快将需要围绕单元的软件，而不是又一个定制集成项目。
2. 错位、点焊和装配偏差被明确点名为废料和返工的根本原因，因此现在有一个具体的上游工作流可以产品化，而不是模糊的"焊接 AI"概念。
3. 买家已将价值量化为减少返工、打磨和废料，这为新供应商提供了与吞吐量和利润率挂钩的可衡量 ROI 叙事。
4. 可追溯性正在融入焊接技术栈本身，因此记录每个接头为何被自动焊接、预处理或重新分流的决策层与市场方向吻合。
5. 结构钢、数据中心和模块化建造已被点名为目标行业，为创业公司提供了一个具有重复几何形状和紧迫交付工期的窄幅首批客户群。

催化因素。 Novarc 和 Yaskawa 正围绕装配偏差这一精准痛点将自适应焊接智能产品化，这使上游接头就绪度软件变得迫切——更多工厂只要能信任移交入单元的质量，就可以实现自动化。

产品驻留在机器人焊接单元之前的装配工位。它采集接头测量值、图像、点焊位置、零件元数据和作业要求，然后对该组件是否落在特定机器人、夹具和焊接程序的经过验证的工艺窗口内进行评分。如果作业处于临界状态，软件会推荐所需的最小预处理动作——例如重新点焊、垫片调整、打磨或人工分流——而不是让单元在焊接中途高成本地发现问题。每次决策都会生成可追溯记录，关联实际接头状态、所走路径和最终质量结果，从而让工厂了解哪些上游条件真正导致了废料。随着时间推移，系统成为保持自适应单元持续获得可焊接工件的决策层，而不仅仅是事后记录失败。

差异化。 机器人 OEM 软件在作业已进入单元后决定如何执行焊接，焊接监控工具通常在事后解释缺陷。本产品拥有更早的分流决策：接头是否为自主焊接做好了准备、哪种预处理动作能让它就绪，以及何时应完全绕过单元。其防御性来自跨项目数据集——将装配状态与实际焊接结果关联起来——这比任何单一制造商的经验规则或 OEM 的单单元遥测积累得更快。

待完成任务

flowchart LR
  Buyer[Welding engineering lead] --> Pain[Fit-up variation creates scrap and robot downtime]
  Pain --> Product[Preflight OS scores joint readiness and routes prep]
  Product --> Outcome[Higher first-pass yield and trusted autonomous welding]

高管要点

• 真正的空白在机器人上游，不在单元内：OEM 和自主焊接厂商正在补齐焊缝查找、自适应焊接和联网单元智能，但机器人开焊前的装配就绪度、预处理分流和可审计记录，仍主要靠人工流程兜底 [1][6][21][26][27][31][32]。
• 当重复性的结构钢或机柜项目，撞上 AI / 数据中心工期压力和持续收紧的焊工供给时，买家紧迫感最强 [2][3][5][15][16][35][36][37]。
• 预算逻辑是运营，不是实验：车间早就用返工、加班、产能和回本周期来算自动化账，所以预检层可以按“机器人开机率保险”去卖，而不是按泛 AI 软件去卖 [17][18][20][25][38]。
• 竞争对手虽然相邻，但都够硬：Novarc、Path、Hirebotics、Yaskawa、FANUC 都在焊接单元周边卖执行层或控制层，所以创业公司必须守住 OEM 中立，并在混合机群里证明价值 [1][12][15][21][24][31][33][34]。
• 滩头市场看起来成立，但体量不算特别大；结构钢是不错的切口，但真要跑出风险投资级别的规模，大概率还得扩到 OEM 已经点名的重型制造邻近行业——包括造船、重型设备、矿业、农业和模块化建造 [1][13][29][31][35]。

市场定义

这类软件夹在装配/预处理与机器人电弧焊之间，判断某个接头是否落在经过验证的工艺窗口内，给出最小预处理建议，并在机器人真正耗时或产生废料之前，把工件分流到自动焊、预处理或人工焊通道。滩头市场是重复性的结构钢、机架/机柜和模块化组件场景；这里买家最看重的是单元开机率和首次良品率，而不是泛化的机器人分析能力 [1][15][16][21][22][31][32][34]。

用户与买方

日常用户是结构钢和重型制造车间的焊接工程经理、质量经理和装配主管。真正拍板的经济买家通常是运营副总裁、工厂经理或焊接自动化总监，他们本来就背着机器人开机率、人手压力和质量外溢风险。首个客户画像应是正在为数据中心或模块化项目上线或扩容重复性机器人焊接的多产线制造商 [15][16][17][18]。

购买触发点

• 新机器人单元上线，或开始承接重复性的数据中心、机架、机柜、模块化项目时，工厂必须持续给单元喂入合格接头。 [1][15][16][22][35]
• 废料、打磨或人工救援突然抬头，管理层就会重新追问机器人 ROI，也会把目光转回单元上游的装配就绪度。 [1][6][17][19][23]
• 焊工短缺、加班攀升和换型瓶颈，让靠主管拍板的分流方式越来越贵，难以扩张。 [5][17][18][39]

支付意愿

付费意愿是按买家已经在盯的经营指标来算的：加班、人员流失、返工、准备时间、机器人利用率。Hirebotics 直接把这一点做成 ROI 计算器和回本逻辑，IMS 案例也说明，能在不新增编制的前提下扩产，买家就愿意买单。这意味着定价讨论应锚定开机率和首次良品率，而不是把它当成实验性软件预算。 [17][18][20][25][38]

品类动态

增长信号 美洲数据中心容量到 2030 年 CAGR 17%

验证信号

• Novarc 和 Yaskawa 已明确把结构钢、重型设备、数据中心、矿业、农业和模块化建造列为自适应焊接智能的目标行业。
• 数据中心建设需求已经强到足以影响结构钢消耗和产能规划。
• 焊接劳动力约束仍是结构性的，因此更容易为提升产能的自动化买单。
• Path 和 Hirebotics 都给出了客户证据：自动化可以在不简单增加焊工人数的情况下拉高产出。
• 预检所需的传感和监控栈已经商业化，OEM 和专业厂商都能供给。

监管与技术约束

• 任何会影响结构钢分流的工作流，都必须与 AWS 焊接标准、机器人电弧焊要求和车间质量流程并存。
• AISC 认证制造商早已习惯文档化质量体系和防错流程，因此建议结果必须可追溯、可复核。
• OSHA 关于机器人和焊接安全的要求，意味着装配数据采集不能干扰防护单元流程，也不能破坏风险评估义务。
• 测量硬件必须能在飞溅、高温、强反光和接头几何持续变化的恶劣焊接环境里保持稳定。

今天的替代方案分成五层：机器人 OEM 与预制单元、自主焊接单元厂商、协作机器人/应用优先厂商、焊缝跟踪与检测厂商，以及车间内部靠主管判断的老办法。换句话说，竞争确实存在，但还没有哪家现有厂商真正占住“这个接头能不能进自主焊接”的上游决策，而且还能横跨混合机器人机群 [1][12][15][21][24][27][31][33][34]。

为什么现有厂商不会默认胜出

• 机器人 OEM 厂商. Yaskawa、FANUC 这类厂商掌握执行栈、传感配件和集成商渠道，但他们优化的是如何把单元跑顺，而不是做一个横跨混合机群、对 OEM 中立的焊前分流系统级记录。
• 自主焊接单元厂商. Novarc 和 Path 离创业公司的技术野心最近，但重心仍在单元内自主能力和整机销售或 RaaS；真正的空白仍是上游决策层——它要能跨机器人品牌、跨客户工艺窗口工作。
• 协作机器人应用优先厂商. Hirebotics 证明买家确实想要更易上手的编程、云端遥测和 ROI 可见性，但它的强项是把简单的重复焊接快速跑起来，而不是做面向结构钢的装配资质认定和跨单元异常分流。
• 传感与检测厂商. Keyence 和 Binzel 提供了关键的传感、焊缝跟踪和检测能力，但它们停在测量和工具层，并不掌控针对某类接头的 go / no-go 工作流。

Weld Fit-up Preflight 应从一个面向北美结构钢制造商的 OEM 中立决策层起步——这些制造商已在重复性数据中心和模块化组件上运行机器人焊接单元，但仍靠主管判断处理临界接头。核心痛点不在于如何编程机器人，而在于弧焊开始前判断一个存在间隙漂移、点焊偏差或轻微错位的真实接头是否适合自动焊接、需要少量预处理步骤，还是应绕过单元。首个产品应在装配工位采集最小测量值和照片包，对特定接头类型下特定机器人-夹具-焊接程序组合的就绪度进行评分，并创建与下游质量结果绑定的可审计分流记录。第一批买家应是拥有 200–1,000 名员工、2–6 个机器人单元、承接梁、支架或底板组件重复工作的制造商的运营副总裁或焊接自动化总监。定价应锚定活跃机器人焊接单元数量加接头类型资质认定部署费，因为买家已习惯用开机率、返工、打磨和劳动力成本而非席位数来评估自动化价值。核心战略选择是在拓展至更重的制造类别或 OEM 已在追求的单元内执行功能之前，先在结构钢领域赢得一个窄幅的上游工作流。市场证据在痛点、买家触发和邻近竞争方面较强，但在可接受的操作员输入负担和能预测下游缺陷的精确就绪度阈值上仍偏弱。公司应将前 12–18 个月视为工作流采用、混合机群兼容性和试点转正率的验证期，而不是假设这一品类已经存在。

问题

• 结构钢工厂现在已能购置自适应焊接单元，但在装配工位，他们仍靠经验规则、手动量规和目视判断决定机器人就绪、预处理还是人工分流。
• 一次错误的分流决策会带来高成本的下游连锁反应，包括过焊、打磨、废料、人工救援，以及对机器人焊接 ROI 的信任降低。

解决方案

• 构建一个焊前资质认定层，采集间隙和点焊测量值、照片、接头规格和历史单元结果，以判断给定组件是否落在自主焊接的经过验证的工艺窗口内。
• 在单元消耗时间之前，推荐最小纠正动作（如重新点焊、垫片调整、打磨或人工分流），然后存储关联实际接头状态、分流选择和质量结果的可追溯记录。

为什么我们会赢

• 产品拥有 OEM 软件和焊接监控工具通常不跨混合机群拥有的上游"放行/拒焊"分流决策。
• 若能积累跨项目的接头状态、预处理动作、分流路径和焊接结果数据集，就能构建内部规则手册和单单元供应商所没有的工艺窗口库和审计轨迹。

里程碑

flowchart LR
  Wedge[Structural steel preflight wedge] --> MVP[Fit-up station MVP]
  MVP --> Proof[Lower rescue welding and auditable routing]
  Proof --> Expansion[More cells plants and adjacent heavy fabrication]

创始团队

实验路线图

风险评估

必须成立的条件

• 至少 5 家目标制造商确认，焊前就绪度分流是一个独立于通用机器人编程或焊后检测、值得预算的问题。
• 最小测量值加照片工作流在首个目标接头类型上，与焊接工程审阅者的分流决策一致率至少达到 80%。
• 操作员每接头采集时间能控制在 60 秒以内，或自动传感能替代慢速步骤而不破坏试点经济性。
• 至少半数付费试点在试点完成 6 个月内转化为覆盖 2 个以上单元的年度生产部署。
• OEM 和集成商允许足够的数据访问和渠道合作，使公司保持混合机群定位而不被锁定在单一供应商技术栈内。

待尽调问题

• 在第一个账户中，哪个 KPI 最快解锁预算——机器人开机率、打磨减少、废料减少还是可追溯性？
• 真实工厂中首批目标接头类型的重复程度如何，可预测的分流工作占比有多少，足以让软件快速学习？
• 哪种最小传感方案能在不让装配工位变慢的情况下产生可信的就绪度评分？
• OEM 和集成商会联合销售中立预检层、忽略它，还是主动视其为功能蚕食？
• 结构钢滩头市场单独能否支撑足够大的早期公司，还是必须更早启动邻近重型制造扩展？

模型合理性

• 收入引擎. 混合试点加订阅模式：$55K 一次性试点费提供早期现金，每工厂 $100K/年订阅从 Y1 3 家工厂复利增长至 Y3 40 家工厂，ARR 达到 $4.0M，EBITDA 仅凭 pre-seed 资金在 Q2Y3 转正。
• 必须做对的事. 试点转正率必须在多样化结构钢制造商中维持在 67% 以上，因为整个 3→10→40 家工厂的增长曲线依赖付费试点转化为年度订阅，而不是停留在一次性概念验证阶段。
• 模型崩溃条件. ARPU 压缩至 $75K/工厂以下——无论是因为 OEM 捆绑基础装配检查还是定价阻力迫使按席位打包——都会导致 Y3 收入减少 $780K+，EBITDA 盈亏平衡推迟至 Y4，现金降至 $900K 底线，可能需要过桥融资。
• 下轮融资证明. Y2 末达到 10 个生产工厂、$1.0M ARR 并有经过验证的部署模板，证明了可复制的滩头市场经济性和 $4.8M SOM 的可信路径，为加速 10→40 家工厂冲刺的 $5M+ seed 融资提供依据。

情景

敏感性

flowchart LR
  Fabricators[Structural-steel fabricators\n2-6 robotic cells] --> Discovery[Discovery and\ndesign-partner]
  Discovery --> Pilot[Paid pilot\n$55K one-time]
  Pilot --> Conversion{67% convert}
  Conversion -->|yes| Production[Annual subscription\n$100K per plant per year]
  Conversion -->|no| Lost[Lost opportunity]
  Production --> GrossProfit[Gross profit\n70-77% GM by Y3]
  GrossProfit --> EBITDA[EBITDA breakeven\nQ2Y3]
  EBITDA --> Cash[Cash floor\n$1.4M Q1Y3\nno new capital needed]
  Production --> Expansion[Expand cells\nand plants]
  Expansion --> Production

警示项: Y1 毛利率 57%，低于 70% 目标，因为试点收入占主导（65% 为一次性费用）；Y2–Y3 随订阅占主导，利润率回归至 75–77% · Q1Y3（第 27 个月）现金底线 $1.4M，仅剩 7–8 个月当期运营跑道；任何 Y3 收入未达预期或计划外支出激增都可能在 Q2Y3 现金流转正拐点前需要紧急过桥融资 · 结构钢滩头市场 SOM $4.8M（40 家工厂）可能对 A 轮指标而言过小，除非在 Y2 末前向重型设备或造船等邻近行业展示扩展 · 67% 的试点转化率是未经验证的假设；BP 淘汰标准要求 50%+，BP 漏斗目标将 50%+ 设为下限；模型对转化率下降 10 个百分点敏感（见敏感性分析第 3 行） · 基准情景未建模 seed 融资；公司在 Q2Y3 有机达到 EBITDA 盈亏平衡，但若要加速至上行情景 50 家工厂并降低现金底线风险，需要 seed 融资

• OEM 功能蚕食. 机器人焊接厂商可能将基础装配检查或分流规则内置到自有软件中。 缓解措施: 从跨单元就绪决策和质量结果的系统级记录开始，与多家 OEM 集成，让客户即便在混合机群中也能保留价值。
• 数据采集摩擦. 如果操作员在装配工位需要手动输入过多信息，使用率将下降，建议也会被忽略。 缓解措施: 以最少必要测量值和轻量照片采集起步，在一个接头类型证明 ROI 后再通过视觉或测量集成自动化更多输入。
• 小型工厂重复性不足. 以高度定制一次性作业为主的制造商可能没有足够的重复几何形状来支撑专用预检软件。 缓解措施: 瞄准为数据中心、机架或模块化组件承接重复性结构项目的工厂，这些工厂的同类接头以有意义的量重复出现。