给炼油厂用的受监督机器人作业 OS——先把混编地面机器人送进热区，等形成可审计的放行记录后，再让人员入场。

1. Shifters 刚拿到种子轮，说明受监督地面机器人已经开始进入现场项目；因此，能把混编机器人团队真正跑起来的软件，也能搭上正在发生的硬件预算。
2. Shifters 明确在做“受监督自主”，这意味着人在回路的工作负荷、审批流程和可审计性，已经从边角问题变成产品核心。
3. 最早买单的，会是国防、安全和危险环境团队；在这些场景里，每少一次人工进入，都能立刻换来安全和停机价值。
4. 制造就绪度提升、再加上在美国、中东和欧洲扩张，都说明运营方很快要在更多站点管理更多机器人项目；与定制化服务相比，一层可复制的操作系统更占优。

催化因素。 Shifters 的融资以及它对受监督自主、危险任务和制造就绪度的强调，都说明机器人供给已经到了；真正卡现场落地的，转而变成部署流程软件这一层。

产品是一层厂商中立的指挥与证据系统，跑在现有 UGV、履带机器人和各类传感载荷之上。它给人工主管预置好事故后周界巡查、气体读数采集、受限空间侦察，以及阀门或断路器核验等任务手册，并用“自主边界”定义每台机器人在无需再次批准时能做什么。机器人执行任务时，系统会把任务分配、实时观察、人工干预和现场状态变化统一记进一条共享时间线，供安全和运营团队实时查看。等事故趋稳后，平台再把这些机器人数据整理成可审计的放行包和事后回放，供炼油厂用于复产审批、保险复核和后续演练设计。时间一长，平台就会沉淀成“什么机器人流程在什么现场条件下最有效”的事实底座，同时压低暴露风险和停机时长。

差异化。 现有机器人 OEM 卖的是底盘、自主模块或单厂商遥操作控制台，但它们并没有成为危险工业现场“放行决策”的跨机队记录系统。通用现场服务和事故管理工具同样抓不住核心流程，因为它们既不建模自主边界，也不处理操作员覆盖，更不会把机器人生成的证据和人员回场门槛绑在一起。这家创业公司能赢，在于它抓住了受监督任务手册、站点用于安全重开的证据格式，以及横跨危险地面流程的机器人干预与结果数据集。

待完成任务

flowchart LR
  Buyer[炼油厂响应负责人] --> Pain[事故后评估又慢又不安全]
  Pain --> Product[受监督机器人作业与放行层]
  Product --> Outcome[更快且可审计的人员回场]

高管要点

• 最强的切口不是机器人硬件，而是在人员重新进入危险炼油区域前，必须先补齐的受监督流程与证据层。
• 买方紧迫感是真实存在的，因为这些站点本来就背着受限空间、工艺安全和化学事故文档负担。
• 竞争并不少，但版图是碎的：一部分是 OEM 专属机器人栈，一部分是厂商中立自主平台，还有一部分是工业数据系统，真正为“放行”打造的 OS 还没人做透。
• 最合理的入场姿势是“证据优先 + 主管在回路”，而不是一上来就用全自主系统替代炼油厂的安全权威。

市场定义

相关赛道可以定义为：面向炼油厂及相邻燃气处理厂的“受监督危险区域机器人作业软件”。这类软件要能协调混编移动机器人、卡住自主边界、记录操作员干预，并把机器人观察结果整理成安全与运营团队可审计的人员回场证据。

用户与买方

日常使用者是炼油厂里的应急响应负责人、运营完整性团队和机器人项目 owner。真正拍板预算的，通常是掌管复产速度、人员暴露和合规风险的炼油厂厂长、应急响应总监或运营完整性副总裁。

购买触发点

• 一旦发生火灾、气体泄漏、受限空间事件或险情未遂，站点就必须证明入场条件已经满足，并记录是谁批准了人员重新进入。 [9][11][14][16]
• 当机器人已经用于巡检后，下一道瓶颈就不再是单纯移动能力，而是跨机队协同和证据交接。 [22][25][28][31]
• 关键基础设施运营方越来越常被要求拿出成体系的安全与备战记录，因此能沉淀持久审计链路的系统会更吃香。 [13][19][39]

支付意愿

只要平台能少掉哪怕少量高风险人工进入，或者缩短事故后评估时间，买方就有理由花真金白银。Caltrans 报告过，一次受限空间机器人部署就节省了约 $60,000；bp 和 Woodside 也都明确把机器人巡检当作“把人从危险环境里撤出来、同时加快决策”的手段。放到炼油厂里，就算先不计少掉的一次重大事故，仅六位数年度软件预算也站得住。 [16][27][28][33]

品类动态

增长信号 8.7% CAGR

验证信号

• Shifters 的种子轮明确要投入受监督自主地面机器人系统，以及危险环境里的“单人协调多任务”能力。
• bp 公开表示，与其把人派到危险环境附近，不如先派一台传感能力完备的机器人进去。
• Woodside 已经在 Pluto LNG 使用 Spot 做危险巡检和法规要求的目视检查。
• ANYbotics 已经证明，在油气和燃气处理设施里，对具备危险区域认证的机器人巡检存在真实需求。
• Caltrans 证明，即便先不算减少伤害或停机风险，仅受限空间机器人本身就能立刻省钱。

监管与技术约束

• 受许可受限空间规则要求站点证明入场条件可接受、值守角色明确，并完成正式入场授权。
• 工艺安全管理规则要求预防灾难性泄漏，并围绕危险化学品保留成文操作程序。
• EPA 的 RMP 义务要求覆盖设施提交事故历史、最坏情形泄漏分析和应急响应规划。
• 机器人一旦进入爆炸性环境，就必须满足 IECEx 或同等级危险区域认证要求。

这个领域大致分成四拨。Boston Dynamics、ANYbotics 这类 OEM 生态，把软件紧紧绑在自家机器人上；Korial、Field AI 这类厂商中立自主厂商，试图站在硬件之上，但它们做的是更泛化的工业自主平台，不是放行流程系统；Gecko、Cognite 这类关键基础设施平台能汇总资产数据，却不掌握炼油厂“能不能重新进场”的审批逻辑。真正的机会，在于做一套“合规优先”的运营 OS，把混编机器人活动转成可信的放行记录。

为什么现有厂商不会默认胜出

• 机器人 OEM 栈. 客户一旦标准化到单一机器人，OEM 确实容易赢；但它们的编排与证据工具是围着自家硬件优化的，不是为混编机队的安全流程设计的。
• 厂商中立自主平台. Korial 和 Field AI 是最接近的软件邻位，但两者都在讲更广的工业自主与巡检，不是专门为“人重新进入现场”做炼油厂放行包。
• 关键基础设施分析平台. Gecko 和 Cognite 可以成为资产状态与工业数据的记录系统，但它们还没有接住主管审批、自主边界和逐次事故回场证据这些关键环节。
• 事故与告警软件. Formant 及相邻事故工具能帮助物理运营分流与处置，但它们不是为危险区域机器人任务或 Ex 级站点流程专门打造的。

Hot Zone Robot Ops 卖的是一层受监督运营与证据系统，目标客户是已经在使用或正在采购地面机器人的炼油厂应急响应团队。眼下最痛的，不是机器人能不能移动，而是在燃气泄漏、火灾后巡查和受限空间报警时，怎么协调混编机器人、保住人工签核，并把复产文档补齐。首个滩头市场是北美那些已经部署 2-10 台机器人、又急着减少人工进入热区的炼油厂。产品之所以先从演练和事故后放行系统做起，是因为真正拖慢采用的，是安全资质认定和保险方信任；现有研究还不足以证明，买方会在第一天就接受一套新的实时指挥路径。TAM、SAM 和 SOM 不算大，但如果公司能先成为炼油厂里的工作流记录系统，再扩到燃气处理、LNG 和相邻关键基础设施，仍有长成 venture 级公司的可能。最强的竞争站位，是厂商中立的放行流程深度：OEM 软件绑在单一机队上，而工业数据平台又不掌管回场审批逻辑。最大的反证风险在于，早期机器人项目如果大多仍是单一厂商并且被打包出售，独立软件 ACV 就会被压扁，公司也会被迫经由 OEM 或集成商分销。另一个明显空缺，是还没有直接客户证据证明多厂商占比和预算归属，所以前 90 天必须先验证打包风险、流程优先级和付费意愿，再谈扩团队。综合来看，痛点信号很强，但产品打包风险未解；它更像一个值得深挖的工业软件机会，而不是今天就能高确信下注的标的。

问题

• 炼油厂安全与运营团队在决定人员能否重新进入危险区域时，仍要把人工进入、OEM 控制台、承包商巡检和表格日志硬拼到一起。
• 现有工具没法把混编机器人任务分配、人工审批关口和可审计放行证据收进同一套流程，因此运营、安全和保险方都难以真正信任。

解决方案

• 提供一层厂商中立的指挥与证据系统，围绕燃气泄漏周界巡查、火灾后放行、受限空间侦察和阀门隔离核验等场景，用受监督任务手册把主流炼油厂机器人平台串起来。
• 把机器人遥测、操作员干预和现场观察整理成共享时间线、放行包和事后回放，贴合炼油厂既有安全权威，而不是取而代之。

为什么我们会赢

• 公司盯住的是现有厂商普遍跳过的流程：在人员重新进入前，先完成跨机队、受监督的放行流程；在这里，监管文档和复产速度比机器人新奇程度更重要。
• 如果它能拿下首批站点，就能比 OEM 或通用工业数据厂商更快滚起专有手册、集成模板和放行结果基准。

里程碑

flowchart LR
  Wedge[炼油厂演练与放行切口] --> MVP[证据优先的多机器人 MVP]
  MVP --> Proof[放行包被接受，远程评估更快]
  Proof --> Expansion[先做炼油厂多站点扩张，再进入燃气处理]

创始团队

实验路线图

风险评估

必须成立的条件

• 前 5 家目标炼油厂里，至少有 3 家明确反馈：混厂商或混载荷的机器人流程已经很痛，而 OEM 工具解决不了。
• 试点成功后，炼油厂买方愿意为独立或清晰列项的软件预算批出至少 $200k ACV。
• 安全团队能在正式演练或事故后复盘里接受平台生成的放行包，而不要求承包商重新手工制作文档。
• 支持前两到三个机器人平台，就能覆盖超过 70% 的近期目标部署。
• 即便重大事故少，演练、就绪度和日常危险进入的使用频率也足以在 12 个月内证明 ROI。

待尽调问题

• 今天这条工作流的预算线到底归谁：炼油运营、应急响应、可靠性团队，还是机器人 OEM 打包方案？
• 当前目标账户里，有多少已经在同一危险流程里同时运行多种机器人、载荷或控制台？
• 哪个首个流程最容易转成付费生产：燃气泄漏周界巡查、火灾后放行、受限空间侦察，还是阀门隔离核验？
• 今天炼油厂厂长或保险方会接受什么格式的证据，作为回场审批的一部分？
• 哪些 OEM 或集成商愿意转售一层中立工作流，而不是直接把它挡在门外？

模型合理性

• 收入引擎. 基准情景收入来自：2 个付费共创客户转成 Q4Y2 前的 5 个生产站点，并在 Q4Y3 前做到 8 个站点，Y3 综合 ACV 为 $360K。
• 必须做对的事. 公司必须证明放行包能被正式接受，并在 OEM 打包压缩 ACV 之前守住独立软件这一预算科目。
• 模型会失效的情况. 如果销售周期拉长到 12 个月、且 Y3 ACV 往 $300K 掉，下行情景会在下一轮融资前把现金打到负数。
• 下一轮的证明点. 一个可信的 seed 故事，是在 Q4Y2 前做到 5 个生产站点、1 个来自伙伴渠道的部署，并证明演练能转成年付许可。

情景

敏感性

flowchart LR
  Prospects[潜在线索] --> PaidDesignPartners[付费共创客户]
  PaidDesignPartners --> ProductionSites[生产站点]
  ProductionSites --> SubscriptionRevenue[订阅收入]
  ProductionSites --> UsageFees[使用费]
  SubscriptionRevenue --> GrossProfit[毛利润]
  UsageFees --> GrossProfit
  GrossProfit --> OperatingCash[经营现金]

警示项: 模型到 Y3 末仍略微 EBITDA 为负，因此大概率要在实现自给自足前再融一轮 seed。 · ACV 的成立，取决于买方是否愿意保留独立软件预算，而不是强行打包进 OEM 或集成商方案。 · 市场本身偏窄：即便基准情景，Q4Y3 也只是做到研究测算的 8 个炼油厂滩头站点。 · 流失率仍是经验假设，不是观测结果，因为基准情景的在运站点太少，尚不足以建立留存历史。

• 安全资质认证慢. 炼油厂可能需要很长的验证周期，才会把新的机器人作业层纳入正式应急流程。 缓解措施: 先从演练、事后复盘和面向保险方的证据流程切入，贴着现有 SOP 跑，再逐步接管实时指挥路径。
• 硬件碎片化. 地面机器人、载荷和操作控制台差异很大，会把厂商中立编排的交付成本抬高。 缓解措施: 首个切口只支持炼油厂巡检里最常见的履带机器人和 UGV 组合，并围绕这些流程做适配器模板。
• 事故发生频率不规则. 如果站点只拿极少数紧急事件来算 ROI，就可能很难为软件支出立项。 缓解措施: 把定价锚在演练、就绪度审计和日常危险进入检查上，让产品在重大事故之间也能持续创造价值。