不卖机器人，卖「明天能换产」的厂房：Foundry 拿 1 亿美元，把估值锚从台数换成了换型时间
它不卖机器人，也不卖产线。它自己拥有厂房、自己雇制造专家、自己运营机器人单元，客户带着设计图来，几周后拿到成品。1 亿美元 A 轮买的不是技术，是这个「周」字——而公告里没有任何一个数字能证明它真的做到了。
- 融资：Foundry Robotics 2026-10-28 宣布完成 1 亿美元 A 轮，超额认购，Marlinspike Partners 领投；早期股东 Khosla Ventures、Red Glass Ventures 回归，新进 SE Ventures、Wing VC、Axiom Ventures，既有 Hanabi、Zero Shot Fund 追加。
- 物理盘子：加州 Emeryville 的厂房扩至 13 万平方英尺，公司称是起步面积的 20 倍。
- 模式：制造即服务（MaaS）。公司自己拥有并运营工厂，客户不投产线、不做工装，从设计到量产「以周计」。
- 软件：FoundryOS 作为连接机器人、车间与云端的代理式系统；每次生产的数据回流模型，同一个单元今天装无人机、明天学装卫星部件。
- 创始人：Adarsh Kulkarni（Ghost Robotics 第 4 号员工、Scale AI 首任机器人负责人）与 Emmanuel Lamacchia（特斯拉 Model Y 项目经理，该车型年产量约 150 万辆）。
- 没有披露的：估值、产能、良率、设备利用率、单件成本、营收——一个都没有。这才是这篇该盯的地方。
先看 1 亿美元买的是什么。
Foundry Robotics 不做机器人整机，不做机械臂，不卖产线设备。它买厂房、装机器人单元、雇制造专家，然后对客户说：把你的设计图给我，几周后我交成品。
这是一种在制造业里存在了几十年的生意——合同制造（Contract Manufacturing）。富士康、捷普、伟创力都在做。Foundry 的不同之处只有一个：它把「换产」这件事当成了核心产品。
传统产线是为单一产品设计的，建一次要几个月，换一次要几十万美元。Foundry 的说法是，它的机器人单元经过训练，学会了装配的基本动作——紧固、走线、装配——所以同一个单元今天装无人机，明天可以学装卫星部件。
判断：这句话如果成立，它卖的不是产能，是「换型的期权」。对一家硬件公司来说，在产品还没定型、需求还没验证的阶段，能按周拿到小批量成品，比按年建一条产线值钱得多。这个价值不在设备上，在时间上。
这轮融资的投资方名单和客户证言，指向同一个方向：国防与工业装备的本土装配产能。
领投方 Marlinspike 的管理合伙人 Mislav Tolusic 在通稿里的说法是：「下一个时代的工业实力，属于那些能最快把新设计变成成品硬件的国家。」引语里出现的客户侧人物是 HII（亨廷顿·英格尔斯工业）无人系统总裁 Duane Fotheringham，他的原话是「产能是无人系统上舰队的国家性约束」。
要注意一个细节：公告里没有说 HII 是客户。一家造船集团的无人机部门愿意在一家初创公司的融资稿里署名，说明关系很近，但「署名」和「下单」是两件事。
| 已披露 | 具体内容 |
|---|---|
| 融资额 | 1 亿美元 A 轮，超额认购，Marlinspike Partners 领投 |
| 厂房 | 加州 Emeryville，13 万平方英尺，公司称为起步面积的 20 倍 |
| 产品范围 | 无人机、自动驾驶子总成、线束、水下航行器、电信与数据中心基础设施、地面机器人、加固计算机、机器人计算盒、卫星 |
| 软件 | FoundryOS：连通机器人、车间、云端的单一代理式系统 |
| 商业模式 | MaaS，公司拥有并运营工厂，客户按服务付费 |
| 团队 | Kulkarni（Ghost Robotics 4 号员工、Scale AI 首任机器人负责人）、Lamacchia（特斯拉 Model Y 项目经理）、前特斯拉软件负责人 Anup Karmakar、雷神与诺格背景的退役军人 |
产品清单里最容易被跳过的是「线束」（wire harnesses）。这是电子制造里最顽固的手工工序之一——一根根导线要走位、压接、捆扎、检测，形状不规则、品种极多，至今大量依赖人工，也正因如此，全球线束产能长期集中在墨西哥和亚洲。
判断：Foundry 把线束放进首批场景清单，是在挑最难、也最缺产能的那一段。这个选择有战略道理：线束的自动化替代价值最高，一旦跑通，客户黏性极强。但它也是最考验「换型能力」的品类——不同产品的线束拓扑几乎不通用，如果单元不能快速重配置，Foundry 就会退化成一家包了很多工序的传统代工厂。
通稿里对 FoundryOS 的描述很短：一个把机器人、车间和云端连起来的「单一代理式系统」（single agentic system）。每次生产运行的数据回流模型。
这句话在技术上翻译过来是：Foundry 不打算靠「更聪明的机器人」赢，而是靠「积累的装配知识库」赢。它的护城河不是硬件，是它自己在自己的厂房里、用自己的钱跑出来的生产数据。
这条路径和目前主流的数据采集公司正好相反。市场上多数具身数据公司是在外面雇人采集、或者买别人的真机数据；Foundry 的做法是「一边接单赚钱、一边顺手采集」——客户付的加工费，同时是它的数据采集成本。
判断：这是这轮融资里最聪明的一处设计。如果成立，它把数据成本变成了收入；如果不成立，它就是一家买了很多机器人的代工厂，而代工厂的估值是制造业估值，不是 AI 估值。1 亿美元押的就是这两种结局里的前一种。
把这份通稿读完，会发现它极其完整地描述了「是什么」，又极其彻底地回避了「有多少」。
没有估值，没有总融资额，没有产能（每月/每年能交多少件），没有良率，没有设备利用率，没有单件成本，没有营收，没有在手订单。唯一带数字的是融资额、厂房面积和扩张倍数——三个都是投入侧的数字，没有一个是产出侧的。
这不是 Foundry 一家的问题。整个具身智能赛道在 2026 年都面临同一个转向：资本市场已经从「看你有多先进」切换到「看你交付了多少」。而这一轮公告给出的，仍然是一个关于能力的叙事。
判断：对这类公司，真正该问的三个问题是——一个新产品从设计到首件交付实际要多少天？同一个单元在一个月内最多能切换几次产品而不损失良率？单件成本相对于客户自建产线，盈亏平衡的批量是多少？这三个答案没有一个在通稿里，它们会在接下来 12 个月的实际订单里慢慢显形。
2026 年下半年，人形机器人公司的融资叙事基本都围绕「台数」：出货多少台、部署多少台、在手订单多少台。Foundry 走的是另一条路——它一台机器人都不卖，卖的是「用机器人产出的产品」。
这两条路的资本效率完全不同。卖机器人，收入随台数线性增长，需要不断的销售投入和售后网络；卖产能，收入随厂房利用率和换型频次增长，边际成本随规模下降。前者像设备公司，后者像代工厂——但代工厂如果能证明「换型时间显著短于同行」，它就有了设备公司的毛利率和代工厂的规模效应。
判断：Foundry 真正想证明的是一个反常识命题——在低批量、高混合的装配场景里，「柔性的产能」比「高效的专线」更值钱。这个命题在国防、卫星、水下航行器这类「一年几十台、型号还老改」的品类里，很可能是对的。但在手机、家电这类「一年几百万台、型号稳定」的品类里，专线永远赢。所以它的天花板不由技术决定，由它选的那个细分市场的规模决定。
第一，看它什么时候公布第一家具名客户和首个交付批量。融资稿里有投资人、有客户侧高管的引语，但没有一家具名客户、没有一个交付数字。这是从「叙事」走向「生意」的第一道门。
第二，看 13 万平方英尺的厂房什么时候被用满。厂房面积是投入侧的指标，设备利用率才是产出侧的指标。一家声称「几周交付」的公司，如果三个月后厂房还空着一半，说明需求侧没跟上。
第三，看它会不会公布「换型时间」这个指标。这是它整个商业逻辑的唯一支点，也是唯一能横向对比的数字。愿意公开这个数字，说明它真的在跑；一直只讲「同一个单元今天装无人机、明天装卫星」，说明那还是一个愿景。
1 亿美元在 2026 年的机器人赛道不算大钱，但它买的这个方向值得记：从「造更强的机器人」转向「造更容易改的产线」。前者是研究命题，后者是制造业命题——而制造业命题的好处是，它最终一定要用交付数字来结账。