Reference · Company dossier
按交付量全球规模最大的人行道自主配送机器人运营商：3,000 多台机器人、8 国 300+ 地点、1,000 万次以上交付，2026 年转向城市杂货配送 [确认]。
截至 2026-10-20，基于公开信息。[确认] 有公开来源支撑；[推测] 为分析判断；[未获取] 为公开资料缺失。
按交付量全球规模最大的人行道自主配送机器人运营商：3,000 多台机器人、8 国 300+ 地点、1,000 万次以上交付，2026 年转向城市杂货配送 [确认]。
2014 年 7 月 3 日成立，创始人 Ahti Heinla 与 Janus Friis 均为 Skype 联合创始人，Heinla 现任 CEO 兼 CTO [确认]。总部旧金山，业务/工程总部塔林，研发赫尔辛基 [确认]。2015 年 6C、2017 年 6E，2018 年在英国 Milton Keynes 启动首个商业服务，公司称完成全球首个城市 L4 运营 [确认]。2019 年进入美国校园，2026 年宣布退出校园，1,200 台校园机器人转投杂货配送 [确认]。爱沙尼亚实体 FY2024 员工 160 人 [确认]。
2017 年 1,720 万美元；2019 年 4,000 万美元 Series A；2022 年 1 月获欧洲投资银行 5,000 万欧元长期贷款，3 月 4,200 万美元 Series B [确认]。2024 年 2 月 9,000 万美元，Plural 与 Iconical 联合领投，NordicNinja、EIB、Morpheus、TDC 参投 [确认]。2025 年 10 月 5,000 万美元 Series C，Plural 领投，Karma.vc、Latitude、Coefficient、SmartCap、Skaala 参投；累计融资超 2.8 亿美元 [确认]。估值 [未获取]；公司称已盈利 [确认]。爱沙尼亚实体 FY2024 营收 1,930 万欧元、净利 98.7 万欧元 [确认]，净利率 5% [推测]。
现役 e-model 为六轮人行道机器人，配 12 个摄像头（含 ToF）、雷达、超声波与神经网络，L4 自主、99% 旅程无需人工，保留远程协助 [确认]。可载三个购物袋，保温/冷藏；续航 18 小时，无线充电，六轮 bogie 可爬路缘，全天候运行；平均配送 15 分钟 [确认]。业务分四条线：杂货零售、外卖平台（Uber Eats、Just Eat、Grubhub、Bolt Food、foodora/Wolt）、工业园物流、机器人广告 [确认]。收入为按单收费/合作分成，不卖机器人；UW-Madison 案例单均 3.25 美元、校方分成 [确认]。2026 年 4 月突破 1,000 万次交付，10 月官网计数 1,100 万；累计 2,200 万–2,300 万公里、约 2 亿次过街，每日 12.5 万次 [确认]。2025 年 2,700 台，计划 2027 年 12,000 台 [确认]。
Starship 的 e-model 是一台为人行道设计的六轮低速机器人。车体用六轮摇臂式悬挂，能越过路缘与低矮高差；货舱可放三个购物袋，带保温与冷藏；整机质量与速度都被刻意压低，碰撞能量有限。[确认] 传感套件包括十二个摄像头（含 ToF）、雷达、超声波传感器与惯性单元，机载计算运行神经网络，完成障碍识别、可通行区域分割与局部路径规划。[确认]
计算架构把安全关键功能放在端侧。公司在公开材料中说明所有关键安全功能在本地运行，网络中断时机器人仍能继续行驶与停车；云端承担机队调度、地图分发、订单分配与远程协助，操作员在异常时接管，视频以低分辨率传输并做身份模糊处理。[确认] 端侧自治与云端监督的分工，与自动驾驶的远程协助模式同源。
数据流由运营驱动。每次配送的感知片段、位置轨迹、接管事件与故障代码回传云端，进入标注与回归测试；地图由采集车或机器人先行录制，运营区域内的高精地图随施工与季节更新。[推测] 摄像头原始画面的上传量受带宽与隐私约束，常规状态只回传低维特征与事件片段。
感知以视觉为主，雷达与超声波做冗余。十二个摄像头分布在车体四周，ToF 提供近距深度，雷达在雨雪与逆光下补足，超声波覆盖贴地障碍；神经网络输出障碍物框、可通行区域与朝向估计，形成车身周围的一圈感知范围。[确认] 官方称可识别两百英尺外的物体 [推测]（公司口径），这一距离对应摄像头分辨率与训练分布，实际制动距离由低速行驶保证。
定位靠卫星定位加视觉与地图匹配。开阔路段用 GPS 给出绝对位置，人行道与建筑遮挡处依赖视觉特征与预录地图做相对定位，官方称定位精度到英寸级 [推测]（公司口径）。 城市峡谷、树荫与高楼反射会造成多路径误差，视觉匹配在施工改道与积雪覆盖时失效，此时机器人降速或请求协助。
失效模式与季节强相关。积雪覆盖路面标线与路缘，视觉分割把雪堆当作可通行区域；积水反光让 ToF 读数漂移；低角度阳光直射摄像头造成过曝；落叶与塑料袋被超声波误判为实体障碍；人群密集时保守停车策略导致配送超时。[推测] 加激光雷达或外部信标能提高冗余，成本与功耗上升，Starship 选择用低速与轻量降低对感知精度的要求。
规划分全局与局部两层。全局层在预录的人行道图上求路径，避开陡坡、施工与无过街设施的路段；局部层用感知结果做速度调整与绕行，规则是前方有障碍就停、侧方有障碍就减速，过街时按信号灯与车流判断窗口 [推测]。 六轮摇臂让机器人以低速爬上路缘，跨越人行道与车道之间的高差，这一动作的成功率决定路线覆盖率。
控制目标是可预测。低速、轻量、短制动距离让机器人可以在人车混行的空间里按礼让策略运行，遇到不确定就停，等待协助或行人离开；货舱锁由用户 App 在到达时开启，取货过程不依赖机械臂。[确认] 这套设计牺牲了通行效率，换取了安全论证的简单性。
失败模式在交付末端。机器人能走到楼门口，进楼、上电梯、穿过门禁通常超出能力，校园与住宅区因此把交付点设在室外固定位置；取货人不在场时机器人等待有限时间后返回，生鲜订单因此受制于用户响应；路缘坡道缺失的街区无法覆盖。[推测] 楼宇内部署小型机器人或智能柜是两种绕行方案，前者需要电梯接口，后者需要物业配合。
模型以视觉感知为主，具体架构未公开。可确认的是机载神经网络承担障碍识别与可通行区域判断，训练数据来自车队在八个国家、多种天气下采集的真实画面；官方披露累计配送超过一千万次、行驶两千多万公里、过街约两亿次，这些数字对应感知长尾的覆盖广度。[确认] 模型规模、参数量与训练算力没有公开，第三方无法复现。
数据资产的价值在长尾。人行道场景的困难样本包括雪、雨、雾、施工围挡、临时摊位、宠物、儿童、滑板车与人群；这些样本在公开数据集中稀少，自建车队持续采集形成时间与地理上的覆盖优势。[推测] 数据回流的关键在自动挖掘，接管事件、急停与异常绕行被标记为困难样本进入标注队列，标注质量决定下一版模型的上限。
验证边界在自主率的定义。公司称超过 99% 的旅程无需人工干预，部分机器人可连续多次配送全程自主；分母是旅程还是里程、接管如何计时、远程协助是否计入，公开材料没有给出统一定义。[确认] 若按每公里接管次数衡量，城市中心的数字会显著高于校园；每公里接管次数未披露，第三方难以比较 Starship 与 Serve、Avride 的真实水平。
硬件为成本设计。六轮结构、注塑车身、标准摄像头与雷达模组、可换电池包，整机没有昂贵的激光雷达与机械臂；无线充电板部署在站点，机器人自行补能，续航约十八小时，覆盖一个运营日。[确认] 这样的配置把单台物料成本压到汽车级自动驾驶方案的一小部分，代价是感知冗余与速度上限。
制造与维护依托区域站点。产线设在欧洲[推测]，按运营城市就近部署，维修在站点完成，模块化程度决定停机时间；轮胎、摄像头窗口、充电触点与货舱锁是易损件，雨雪与盐雾加速腐蚀。[推测] 三千台规模对应的采购量不足以撬动芯片与传感器的价格，成本下降更多依赖设计简化与运营密度。
供应链风险在关键器件与关税。摄像头、ToF 与雷达模组来自少数供应商，交期波动会影响扩产；机器人在多国运营，跨境运输与本地合规增加固定成本；电池的运输与回收受危险品规则约束。[推测] 本地组装与双源采购可以缓解，前者需要产能投资，后者需要重新验证。
软件平台面向运营方与商户。订单从杂货连锁的电商系统或外卖平台进入 Starship 的调度系统，系统分配机器人、规划路线、生成取货码并回传状态；商户侧看到配送时段与完成率，用户侧看到机器人的实时位置 [推测]。Starship 不向第三方开放机器人控制接口，集成以项目方式完成。
合作网络是平台价值的主要来源。杂货零售、外卖平台、工业园区与校园构成四条渠道，Uber Eats、Just Eat、Grubhub、Bolt Food、foodora 等平台把 Starship 作为运力选项接入；芬兰市场约两成杂货配送由 Starship 完成，说明深度集成可以带来区域密度。[确认] 广告业务把车身与 App 页面作为媒体位，属于运力之外的补充收入。
生态位的限制在标准化。机器人不进入商户的仓库管理系统，也不执行货架补货，接口停留在订单与配送状态层；对比仓储机器人厂商提供的仓库管理对接与设备管理协议，Starship 的软件栈更窄。[推测] 这种窄接口降低了集成成本，也让替换供应商变得容易，商户切换运力只需改接另一家接口。
壁垒由规模经济与流程能力两项支撑，前者可被资本复制，后者可被挖人与时间追赶；两项都集中在运营侧，硬件本身不构成壁垒。
第一条可证伪条件在单台日单量。城市杂货的经济性取决于每台机器人每天完成的订单数，若美国新城市的单台日单量长期低于校园水平，且随车队密度上升没有改善，规模经济的假设不成立；若同一城市在机器人数量翻倍后单均成本下降，壁垒得到验证 [推测]。观察窗口为 2027 年，指标与阈值是美国新城市的单台日单量连续两个季度低于校园站点的七成；公司未披露单台日单量与单均成本，这两个数字是判断的核心缺口 [未获取]。
第二条在监管与公众接受。英国已有机构就机器人占用人行道向政府表达担忧，Sheffield 与 Uber Eats 的试点在 2026 年 8 月暂停 [确认]；若更多城市要求随行人员、限速或限定路段，运营成本结构会被改写。观察窗口为 2027 年底，指标与阈值是三个以上城市新增随行人员或限速要求，或同类试点暂停增加到两起。反向证据是更多城市发放长期许可并把机器人纳入人行道规划。
第三条在收入结构。2024 年营收约 1,930 万欧元，累计融资超过 2.8 亿美元 [确认]，收入相对融资规模仍小。观察窗口为 2027 年，指标与阈值是一万两千台的目标 [推测] 达成而收入增速低于车队增速的一半，即认定扩张依赖资本投入；若杂货渠道贡献超过校园替代收入并带来复购，转型成立。
覆盖 8 国：英、美、德、瑞典、捷克、芬兰、爱沙尼亚、瑞士；300+ 站点 [确认]。渠道以 B2B 直签为主：杂货连锁、外卖平台、大学/工业园；广告补充收入 [确认]。芬兰约 20% 杂货配送由 Starship 完成（公司称）[确认]；公司称目标成为“十亿美元公司”，预计未来两年杂货机器人需求增长十倍 [确认]。监管与公众接受是准入关键：英国 Living Streets 2026 年 6 月就机器人占用人行道向政府表达担忧 [确认]；Sheffield 与 Uber Eats 的试点 2026 年 8 月暂停，此前发生涂鸦、旗杆折断，公司称暂停是商业决定、与破坏无关 [确认]。
人行道配送对手包括 Serve Robotics（Uber Eats 美国、已上市）、Kiwibot、Avride（Yandex 系，校园+robotaxi）、Coco（远程驾驶）、Ottonomy [确认/推测]。Starship 规模显著领先：10M+ 交付，公司称超过所有对手总和 [确认]。优势是 8 国运营、3,000 台运营经验、与大型 grocer/平台集成；劣势是收入基数小、校园收缩、城市杂货被 Serve/Avride 低价争夺 [确认/推测]。中国室内配送厂商（Pudu、Keenon、云迹）不直接竞争人行道，但压低服务机器人价格预期 [推测]。
风险：单位经济对每台日单量、天气、城市密度高度敏感；人行道监管与公众接受度不确定；保险成本；合作伙伴集中（Uber Eats、Just Eat、S Group）；校园退出造成短期收入缺口；转城市杂货的执行风险 [确认/推测]。结论：Starship 已跨过演示/试点阶段，是全球人行道配送规模领先者且账面盈利；但 1,930 万欧元年收入相对 2.8 亿美元融资仍小，估值未披露，增长取决于美国城市杂货复制与 12,000 台目标 [推测]。观察指标：美国城市单台日单量、杂货伙伴数、监管许可 [未获取]。
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