Reference · Company dossier
美国头部公开道路 L4 人行道配送机器人运营商，正从外卖配送扩展为“室外配送＋医院室内机器人＋机器人广告”平台。[确认]
2017 年作为 Postmates 的机器人部门成立，2018 年随 Postmates 被 Uber 收购而归入 Uber，2021 年从 Uber 分拆独立，2023 年与 Patricia Acquisition Corp. 合并，2024 年 4 月在纳斯达克挂牌。[确认] 总部位于加州 San Carlos。联合创始人兼 CEO 为 Ali Kashani，CFO 为 Brian Read；2025 年底有 370 名全职、10 名兼职员工。[确认]
分拆后获 Uber、NVIDIA 等投资；2023 年上市前完成 3000 万美元融资，2024 年 12 月融资 8640 万美元，2025 年 1 月再以 19 美元/股定增 8000 万美元，公司口径累计募资约 3 亿美元。[确认] 2025 年 10 月又以 16 美元/股完成 1 亿美元注册直接发行；2026 年上半年通过 ATM 等方式增发，股本由 7470 万股增至 8650 万股。[确认] 截至 2026 年 6 月底，现金及有价证券 2.404 亿美元，累计亏损 3.22 亿美元。[确认] 2026 年 10 月 19 日市值 2.67 亿美元、股价 3.08 美元，52 周区间 3.05–16.08 美元，较 52 周高点跌约八成。[确认]
第三代配送车：最高 18 km/h，单次充电续航 77 km，61 升货箱可装四个 16 英寸披萨，具备失效保护机械制动与 L4 自主能力。[确认] 渠道上，Uber Eats 合作已于 2026 年破裂、合同 2027 年初到期后不续；DoorDash 于 2026 年 8 月扩展至华盛顿特区与圣何塞；Grubhub（Wonder 旗下）落地芝加哥、洛杉矶与亚历山德里亚，公司称圣何塞与华盛顿特区为其第七、第八个美国市场，另有洛杉矶、芝加哥、亚特兰大、达拉斯、迈阿密。[确认] 医疗线来自 2026 年 1 月 27 日以约 2570 万美元收购的 Diligent Robotics，Moxi 2.0 已进入 25 家以上美国医院。[确认] 广告约占外卖配送收入一半，经常性收入占总收入五成以上；2026 年推出 Beacon 柜台硬件与 Characters 广告产品；2 月以 370 万美元收购厨房自动化公司 Vebu。[确认]
Serve 的栈按车端自主、远程监督、城市运营、商业接口四层组织。第三代车在 2024 年 10 月推出，车端计算换到 NVIDIA Jetson Orin，算力约为前代的五倍，感知加入 Ouster REV7 数字激光雷达、立体相机、超声传感器、GPS 与 IMU [确认]。整车最高速度 18 公里/小时，单次充电续航 77 公里，货箱 61 升，可装四个 16 英寸披萨，配失效保护机械制动 [确认]。公司把这一代定义为 L4 级人行道自主，运行范围限定在预先测绘与获批的运营设计域内 [确认]。
数据流从传感器融合开始。激光雷达给深度与轮廓，立体相机给语义与纹理，超声补近距离低矮区域，IMU 与轮速做运动估计，GPS 在开阔路段提供全局约束 [推测]。融合结果与城市高精地图匹配，输出车道级的人行道拓扑、路缘、坡道与过街点；规划层据此生成路径，控制层输出差速指令。任务层由云端派单，把订单、商家、取餐点与收件地址串成一条带时间窗的路线 [推测]。
2025 年的两次收购改变了这套栈的重心。8 月收购 Vayu Robotics，公司明确目标是转向端到端学习型自主，用基础模型替代模块化的感知与规划管线 [确认]。同年还收购了低延迟连接技术，用于远程操作员的视频回传与控制 [确认]。车端算力、激光雷达与连接能力因此形成一条完整的远程监督流程：车自己开，人只在边缘场景介入。
人行道场景的感知难点在于类别杂、尺度小、变化快。机器人要在两米左右的路面上分辨路缘石、盲道砖、树池、消防栓、共享单车、婴儿车、遛狗绳与施工围挡，还要判断行人是否会突然横穿。Ouster 的数字激光雷达提供 3D 点云，立体相机提供纹理与语义，两者互补 [确认]。公司称第三代传感器的升级让车辆能在夜间与小雨条件下运行 [确认]。
定位依赖高精地图与实时感知的匹配。城市峡谷里 GPS 多路径误差可达数米，地图特征与激光点云的匹配承担主要定位任务，GPS 只提供粗略的全局位置 [推测]。每个新城市要先用测绘车采集人行道、路缘坡道与过街设施，再标注可行驶区域与禁行区，这套流程决定了开城速度 [推测]。地图更新滞后时，临时施工、挪位的餐车与新增的户外座位会让车辆停在原地等待远程协助。
失效模式集中在边界条件。积雪覆盖路缘与标线、湿落叶打滑、低角度逆光、玻璃幕墙与镜面反射都会削弱感知；密集人流里，机器人按保守策略停车，通行效率下降 [推测]。最后一公里的交付环节另有难点：写字楼大堂、公寓门禁、医院前台都需要人工交接或开门指令，机器人只能完成到门口的段落。可选路径是把配送终点设在固定自提柜，代价是体验下降，好处是运营复杂度下降。
规划分三层。城市层决定哪些路段允许通行、哪些路口需要远程确认；路线层在订单与充电桩之间求带时间窗的最短路径；车端层做局部避障与速度规划，遇到行人、宠物、滑板车时减速或绕行 [推测]。18 公里/小时的速度高于步行，实际运营中人行道段通常压到 8 至 12 公里/小时，过街段按信号灯与车流等待 [推测]。
控制的核心要求是失效可控。车辆配机械制动，在软件失效或通信中断时能物理停车；驱动采用差速加悬挂，过路缘坡道与砖石路面时保持货箱水平 [确认]。远程操作员通过低延迟视频接管车辆，处理卡住、绕障与临时管制，一名操作员同时监督多台车，这个比例是单位成本的关键变量 [推测]。
失败模式的代价主要是运营中断。车辆卡在坡道、被共享单车围住、遇到未标注的施工区，都要等远程接管；城市网络覆盖差的街区，视频回传延迟升高，接管时间拉长 [推测]。过街是风险最高的动作，机器人按交通规则等待，右转车辆的视野遮挡会让它长时间无法通过。可选路径是把过街段落交给人工骑手，机器只跑园区与校园，商业模型收回到封闭场景。
Serve 的模型路线正在从模块化转向端到端。Vayu 团队带来的基础模型思路，是用大规模驾驶数据训练一个统一的感知与决策网络，减少手工规则与独立模块之间的接口损耗 [确认]。这条路线的优势是长尾场景的泛化，代价是可解释性下降，安全验证要靠里程与仿真覆盖，监管沟通更难 [推测]。
数据规模以运营里程与订单量计。公司称车队规模超过 2,000 台，配送成功率 99.8% [确认]（公司口径）。每一次配送都产生人行道轨迹、避障事件与接管记录，这些数据对训练端到端模型有直接价值 [推测]。数据是否集中回传、标注比例与训练算力未披露 [未获取]。收入规模与车队规模不匹配，说明单车日均订单量仍低[推测]，数据积累的速度受运营密度限制。
仿真承担了验证的主要工作量。城市级仿真可以批量生成行人横穿、施工改道、雨雪光照等场景，补足真实里程的覆盖不足 [推测]。仿真与现实的差距在接触动力学与传感器噪声上最明显，模型在仿真里通过、在湿滑砖面上仍会打滑。公司没有披露仿真里程与真实里程的比例 [未获取]。
第三代车的制造成本约为第二代的一半，公司把这归因于设计简化与量产规模 [确认]。整车由代工厂组装，Serve 负责设计、软件与总装验收 [推测]。核心外购件是 Ouster 数字激光雷达、Jetson 计算模组、立体相机、电池与驱动电机，这些器件的价格随量产下降，成本曲线对中美厂商同样有利 [推测]。
硬件设计的取向是低成本与可维护。车体采用模块化货箱，61 升容积覆盖餐饮与杂货的主流订单；电池可整包更换，运营团队在夜间集中充电 [推测]。防护等级与雨雪适应性在第三代有提升，公开资料没有给出具体的 IP 等级 [未获取]。医院产品线来自 Diligent Robotics 的 Moxi 2.0，室内导航与电梯接口是另一套硬件与软件，与室外车队共用云平台 [确认]。
供应链风险集中在关税与器件来源。美国对华关税提高了电池、电子件与结构件的采购成本，Serve 的售价按服务费分摊，成本上升会直接压低毛利 [推测]。公司未披露代工地点与主要供应商 [未获取]。车队规模方面，2025 年底达到 2,000 台，交付节奏受代工排产与器件交期约束 [确认]。
调度平台是运营的中枢。云端把订单分配给人行道网络中的车辆，计算取餐点停靠、路线与预计送达时间，向用户推送取件码与实时位置 [推测]。与外卖平台的接口决定订单来源：DoorDash、Grubhub 通过 API 把配送任务下发给 Serve，Serve 按单收费 [确认]。这类集成的工作量不大，谈判筹码在平台一侧。
商业侧的软件在扩张。广告业务约占外卖配送收入的一半，2026 年推出 Beacon 柜台硬件与 Characters 广告产品，把机器人本体、App 与商家柜台变成广告位 [确认]。医院侧按软件订阅收费，Moxi 的调度、电梯与药房接口打包在订阅里 [确认]。三条业务线共用一套车队管理与计费系统，这是收购之后少数已经完成的整合。
这套定位有一个结构性弱点。Serve 依赖外卖平台获客，平台可以把订单转给 Starship、Coco 或自建车队，切换成本接近零 [推测]。公司尝试用广告与医院订阅降低对平台订单的依赖，两条新业务目前都建立在收购来的资产上，规模化程度有限 [推测]。开放接口方面，Serve 没有向第三方开发者开放自动驾驶能力，生态仍以自营车队为主 [未获取]。
以 2,000 台车队与美国多城运营衡量，Serve 在公开道路人行道配送里处于前列 [推测]。对照 Starship 的 50 多座城市与 1,000 万次以上、Coco 的 50 万单以上，Serve 的规模集中在公开道路加多平台这一细分，总量并不领先。壁垒以运营密度与地方许可为主，强度偏弱，且被客户集中问题抵消。
第一条反证来自单位经济。若车队密度上升后，每单成本仍高于人工骑手，规模经济不成立，融资扩张只会放大亏损。观察窗口为 2027 年上半年，指标与阈值是配送收入与配送成本之比连续两个季度低于 1，或单车日均单量连续两个季度低于上一个半年；任一条成立即认定规模经济不成立。2026 年上半年净亏 1.13 亿美元 [确认]，亏损绝对额尚未随车队扩张收窄。
第二条反证来自许可的开放。若主要城市把人行道机器人许可改成通用登记制，或联邦层面出台统一规则，先进入者的审批经验迅速贬值。观察窗口为 2027 年底之前，指标与阈值是两个以上主要城市改为通用登记制，或单个城市的新发放许可在一年内翻倍；出现其中一项即认定第二条成立。
第三条反证来自平台关系。Uber 在 2026 年二季度清仓全部持股并终止续约，单一客户曾占收入 46% [确认]，说明平台可以在一个季度内抽走订单。若 DoorDash 或 Grubhub 转向自建或引入第二供应商，Serve 的收入会第二次出现断崖。改判窗口为 2027 年上半年，指标与阈值是经常性收入占比超过七成、前两大客户合计低于三成、单位毛利转正；三项中两项未达成就按壁垒失效处理。
B2B2C 模式：向外卖平台收车队服务费、向商家收广告费、向医院收软件订阅。2025 年收入 265 万美元（同比＋46%），2026 年上半年 622 万美元；二季度收入 324 万美元（同比＋404%），Diligent 自 1 月底并表起上半年贡献 290 万美元。[确认] 全年指引由 2600 万美元下调至 900–1000 万美元，主因 Uber Eats 单量下滑。[确认]
直接对手包括 Starship Technologies（融资约 3 亿欧元、700 万单以上、50 多座城市）、Coco Robotics（融资约 1.2 亿美元、50 万单以上）与 Kiwibot；院内物流有 Aethon TUG 等；中国有美团、新石器。[确认] Serve 在“公开道路＋多平台”上领先，但 Starship 在校园与杂货场景更强。[推测]
核心风险是客户集中与关系断裂：Uber 已于 2026 年二季度清仓全部持股，并不再续约；2025 年上半年单一客户占收入 46%，2026 年二季度最大客户仍占 22%。[确认] 其次为烧钱速度（2026 年上半年净亏 1.13 亿美元）、增长依赖并购、股价深度回撤与各城市监管差异。[确认] 结论：Serve 是“公开道路配送机器人第一股”，护城河在路权与运营而非硬件；失去 Uber 后，能否用 DoorDash＋Grubhub 填平缺口，2026–2027 是验证窗口。[推测]
Philosophy sword
融合主轴尚未定义。这里将放：一句话定性、三线状态、三项判定与反证条件。
预留位 · 不参与当前分析