Apptronik

2016 年从德州大学奥斯汀分校 Human Centered Robotics Lab 分拆，团队参与 NASA Valkyrie，累计打造 15 款以上机器人；2022 年成为 NASA 通用人形机器人商业化伙伴，2023 年获 Terex 战略投资与联合开发协议。[确认] 创始人为 Jeff Cardenas（CEO）、Nick Paine（CTO）与 Luis Sentis（UT 教授），早期成员还有 Bill Helmsing、Bill Welch。[确认] 2026 年 6 月员工 350 余人（2 月约 300 人），并计划设加州办公室；4 月引入 Waymo／23andMe 前高管 Daniel Chu 任首席产品官。[确认]

2025 年 2 月完成 3.5 亿美元 A 轮（后扩至 4.03 亿美元），B Capital 与 Capital Factory 领投、Google 参投；2026 年 2 月 11 日完成 5.2 亿美元 A-X 扩展轮，A 轮累计超 9.35 亿美元、总融资近 10 亿美元（CNBC 口径 9.63 亿美元）。[确认] 估值约 50–55 亿美元（CNBC 约 50 亿、Bloomberg 55 亿以上），约为首轮的三倍。[确认] 投资方包括 B Capital、Google、Mercedes-Benz、PEAK6、AT&T Ventures、John Deere、卡塔尔投资局、Japan Post Capital、ARK Invest 等。[确认]

Apollo 于 2023 年 8 月发布，主攻料箱拣选、码垛、卸车与上料；Apollo 2 于 2026 年 6 月 30 日发布，采用模块化设计，提供双足与轮式两种底盘，可换电池支持 7×22（每周 7 天、每天 22 小时）连续运行，自研执行器效率 90% 以上，配套 Artemis 控制栈与 Fleet Connect 车队管理。[确认] 公司明确 Apollo 2 是数据采集平台，Apollo 3 才是首个真正商业化产品，预计 2027 年推出。[确认] 2025 年 6 月设立全资子公司 Elevate Robotics，做非人形重工业自动化。[确认]

技术栈总览

Apollo 2 的技术体系可以分成五块：本体结构与执行器、Artemis 控制栈、感知与操作策略、Fleet Connect 车队层、Robot Park 数据采集设施。执行器是纵向一体化的重点，公司称采用专利执行器技术，整机执行器效率在 90% 以上。[确认] 本体采用模块化设计，提供双足与轮式两种底盘，可换电池支持 7×22 连续运行。[确认] 尺寸、重量、载荷与续航没有公开规格页可供核对 [未获取]。

第二块是 Artemis 控制栈。公司公布了这一名称 [确认]；控制栈承担全身控制与任务编排，把上层任务拆成导航、抓取、放置动作，协调双臂与底盘的配合，处理双足平衡，执行安全限速与急停 [推测]。Fleet Connect 在其之上管理多机调度、任务分派与状态监控。[确认]

第三块是数据设施。奥斯汀的 Robot Park 占地约 9 万平方英尺，遥操作人员带机器人做料箱拣选、码垛、卸车与上料，同步采集视觉、关节状态、力矩与任务标签；客户现场（Mercedes-Benz、GXO）也设采集点。[确认] 数据经清洗与标注后进入训练管线，策略下发到机上执行，现场失败片段再回流，构成一条从采集到部署的循环。[推测]

感知、定位与环境理解

感知配置以头部与腕部为主。头部相机与深度传感器负责场景建图、料箱定位与人体检测，腕部相机在抓取前提供近距离视角，关节力矩与电流提供接触信息。[推测] 这套组合在结构化仓库里够用，在混线工位里需要额外的标定与工位改造。

料箱拣选的难点在物体表面。透明缠绕膜、反光铝箔、黑色绒面织物会让深度相机产生空洞或错误深度，堆叠遮挡让抓取位姿估计失去完整轮廓。[推测] 常见做法是多视角融合、偏振或结构光补光、先吸附再抬升验证；每一种都增加节拍时间。

定位依赖仓库先验地图与地面特征。轮式版本可以用二维激光匹配，双足版本在跨越门槛与地垫时会出现短时里程计跳变，需要视觉重定位校正。[推测] 失败模式集中在装卸月台的强逆光、冷库门口结霜、纸箱堆变形导致的地图失配。替代方案是固定式 3D 视觉加机械臂专机，在固定工位精度更高、成本更低，灵活性则由人形或移动操作补足。

规划、控制与操作

执行器选型决定了控制风格。线性执行器通过丝杠把电机旋转转成直线推力，推力密度高，保持位置时能耗低，适合膝、踝、肘这类需要大推力或长时保持的关节；代价是行程受限、密封与走线复杂，冲击载荷下丝杠与轴承的寿命压力更大。[推测] 公司把执行器效率作为核心指标，指向的是续航与热管理，这两项在 7×22 连续运行里直接决定可用工时。

双足平衡依靠全身控制与模型预测控制，轮式底盘则把平衡问题移除，换取工业现场的稳定性与更低成本。[推测] 两种底盘共用上半身与 Artemis，客户可以按工位选择：需要在货架间上下楼梯用双足，固定工位用轮式。这个设计降低了单一形态的技术风险。

操作侧的任务是未知姿态抓取与放置。抓取位姿通常由 6 自由度采样加碰撞检测生成，末端可换吸盘或夹爪；放置精度依赖视觉伺服与力反馈。[推测] 失败模式包括纸箱变形导致吸附泄漏、软包抓取时物体滑移、双臂配合搬运时的内力控制失稳。

连续运行靠换电与热管理。双电池设计让机器人在不停机的情况下更换电池 [确认]，换电动作需要人工或换电站配合 [推测]；关节与计算单元的散热决定夏季工况下的降额幅度 [推测]。跌倒恢复是双足形态的固有风险，公开材料没有说明自主爬起的成功率。[未获取]

模型、数据与训练

模型能力主要来自 Google DeepMind。2024 年 12 月双方建立合作，Apollo 成为 Gemini Robotics 的硬件平台之一。[确认] 2026 年 7 月发布的 Gemini Robotics 2 强化了全身控制与多机协作，Apollo 仍是其平台之一 [推测]。这层关系让 Apptronik 省去了通用视觉语言动作模型的自研投入，也把模型路线的话语权交给了合作方。

自建部分是数据。Robot Park 用遥操作加自主执行采集真实操作数据，覆盖料箱、包裹、周转箱几类物体；客户现场的采集点提供真实节拍与异常样本。[确认] 数据规模、标注比例、训练算力均未披露。[未获取] 归属与共享条款同样没有公开，这决定了数据能否成为公司资产。

仿真训练的比重未知。人形操作的主要瓶颈在接触丰富的任务，仿真对柔性物体、摩擦与形变的保真度有限，真实数据仍是主力。[推测] 若数据采集依赖遥操作，单位数据成本随机器人数量线性上升，规模效应弱于纯软件公司。

硬件、供应链与制造

制造依托 Jabil。Jabil 既代工 Apollo，也在自己的工厂里使用 Apollo，这种“供应商兼客户”的结构有利于工艺磨合。[确认] 电池为可换设计 [确认]，执行器自研，其余结构件与传感器外购 [推测]。成本未披露 [未获取]。

供应链是公开承认的短板。CEO 曾警告美国缺少人形机器人零部件，减速器、编码器、力传感器与专用轴承的交付周期直接影响产能。[确认] 这条约束在 2027 年 Apollo 3 量产时会集中体现，届时需要第二条供应来源与更长的备料周期。

产品节奏也需要纳入技术判断。公司明确 Apollo 2 是数据采集平台，Apollo 3 才是首个真正商业化产品，预计 2027 年推出。[确认] 这意味着当前的本体设计仍会大改，围绕 Apollo 2 做的工装、夹具与安全评估在下一代可能重做。

软件平台、接口与生态

软件层的两个名字是 Artemis 与 Fleet Connect。前者在机上，负责控制与任务执行 [确认]；后者在云端或本地服务器，负责多机调度、任务队列与运行数据 [推测]。这套组合面向工厂的班组管理，界面需要让线长能够派活、暂停、召回机器人。

与客户系统的接口没有公开细节。人形机器人要接入 WMS 或 MES，需要提供任务下发、状态回报、异常上报三类接口，通常走 REST 或 OPC UA。[推测] 目前公开材料只提到客户现场试点，没有接口文档、SDK 或认证合作伙伴计划。[未获取]

生态的最大变量是 Google。Gemini Robotics 提供模型与开发工具，Apptronik 提供本体与数据，双方的分工清晰，客户却可能直接向 Google 采购模型、向其他本体厂商采购硬件。[推测] 这种组合带来双向影响：模型进步会立刻提升 Apollo 的能力，模型授权给竞品也会立刻削弱差异化。[推测]

竞争壁垒的来源

1. 规模经济：不成立。年产量与采购量都小，单台成本高于成熟工业机器人 [推测]。Jabil 代工提供产能弹性，不提供成本优势。
2. 网络经济：不成立。多机协作的价值依赖同一客户内的机队规模，不同客户之间没有数据或交易关联。
3. 反定位：成立，强度中等。传统自动化厂商卖的是固定工位的专机，改造产线要重新设计夹具与节拍；Apollo 卖可移动、可换任务的通用本体，进入多品种小批量工位 [推测]。在位厂商跟进会冲击其专机业务与销售提成结构，这给 Apptronik 留出了窗口。
4. 转换成本：不成立。客户仍以试点为主，尚未把 Apollo 嵌入产线控制系统 [推测]，替换成本停留在培训与工装层面。
5. 品牌：部分成立，在制造业有传播，尚不足以支撑溢价。Mercedes-Benz、GXO 与 Jabil 的运行记录构成参考案例 [确认]，品牌作用集中在试点立项环节。
6. 独占资源：成立，带条件。Apollo 是 Gemini Robotics 的硬件平台之一，双方在数据与模型上有联合工程 [确认]。Gemini Robotics 面向多家本体开放，授权范围扩大后这项资源会稀释。
7. 流程能力：不成立，尚未形成。公司没有公开的现场部署方法或认证体系，客户试点由双方工程师共同完成 [推测]。流程能力要等 Apollo 3 批量交付后才会成形。

壁垒的边界与反证

第一条可证伪条件在模型侧。如果到 2027 年底，Gemini Robotics 同时深度授权 Figure、Tesla 或其他本体厂商，并给出同等的联合工程支持，Apptronik 的独占资源就退化为早期合作者，估值中属于 AI 叙事的部分需要下调。

第二条在单位经济性。如果 Apollo 3 的单台年化成本（含维护、能耗、换电与人工干预）高于美国制造业同类工位的全负荷人力成本，试点就难以转为批量采购。观察点是 2027 年公布的价格与租赁方案，目前均未披露。[未获取]

第三条在产能。如果 Jabil 的产线在 2027 年只能交付数百台，而订单来自多个客户，交付顺序会成为客户流失的原因；人形整机的装配与测试工时远高于协作臂，产能提升速度取决于工艺成熟度。[推测]

反向证据也存在。若 Robot Park 的数据量达到可训练通用操作策略的规模，且这些数据的使用权留在 Apptronik 手里，数据本身会成为独立资产，模型合作方更换成本上升。若客户现场从单台试点扩展到整线部署，转换成本与流程能力会补上第二道壁垒。

以企业直销与试点为主：Mercedes-Benz（含柏林工厂）、GXO Logistics、Jabil 均有 Apollo 在指定区域运行，Jabil 同时承担代工。[确认] 无公开售价，尚未规模销售，收入未披露。[未获取]

主要对手为 Figure、Tesla Optimus、Agility Robotics、1X 与 Unitree／优必选。[确认] Apptronik 的差异化在 DeepMind 合作与汽车、3PL 客户基础，但公开商业化节奏慢于 Figure，价格与产能亦未验证。[推测]

Apollo 2 仍是数据平台而非可售产品，收入未披露、商业化以试点为主，估值高度依赖叙事；AI 能力过度依赖 Gemini，存在被替代风险；CEO 曾公开警告美国缺少人形机器人零部件[确认]；量产、成本与供应链风险仍未解决。[推测] 结论：Apptronik 拥有“技术＋资本＋客户”的最强组合之一，但 2027 年 Apollo 3 的交付与定价才是估值验证点，短期更像一家具身智能数据基础设施公司。[推测]

1. Apptronik 935M 美元 A 轮新闻稿，https://apptronik.com/news-collection/apptronik-closes-over-935-million-series-a，访问 2026-10-20，支撑 §3/8。
2. Apptronik Robot Park／Apollo 2 新闻稿，https://apptronik.com/news-collection/welcome-to-robot-park-where-apptroniks-apollo-goes-to-work，访问 2026-10-20，支撑 §4/5/6。
3. Apptronik Apollo 2 产品页，https://apptronik.com/apollo/apollo-2，访问 2026-10-20，支撑 §4/5。
4. Apptronik 新闻稿列表（Apollo 发布、Jabil、DeepMind、Elevate），https://apptronik.com/company/press-releases，访问 2026-10-20，支撑 §2/4。
5. Humanoids Daily Apptronik 档案，https://www.humanoidsdaily.com/companies/apptronik，访问 2026-10-20，支撑 §3/6/8。
6. Bloomberg，2026-02-11，https://www.bloomberg.com/news/articles/2026-02-11/apptronik-raises-520-million-in-new-funding-to-build-more-humanoids，访问 2026-10-20，支撑 §3。
7. CNBC Disruptor 50，2026-05-19，https://www.cnbc.com/2026/05/19/apptronik-cnbc-disruptor-50-ranking.html，访问 2026-10-20，支撑 §3。