K-Scale Labs · 重建方案

一个模拟优先的机器人开发平台，使公司能够在部署到物理硬件之前在逼真的虚拟环境中训练和验证机器人行为。 Modulus 不销售硬件组件，而是为机器人行为开发提供 SaaS 平台，并提供预训练策略、合成训练数据和模拟到真实转换工具的市场。 该楔子针对的是目前正在制造机器人的 500 多家公司（汽车供应商、物流公司、制造初创公司），这些公司受到物理测试成本和时间的瓶颈。 收入来自平台订阅（每个团队 2000-10000 美元/月）、市场交易（保单销售的 20% 佣金）以及用于定制模拟到真实优化的专业服务。 关键见解：机器人技术中有价值的基础设施不是物理组件（快速商品化），而是将开发周期从 12 个月压缩到 3 个月的软件工具。 利用 NVIDIA Omniverse 和 Isaac Sim 进行逼真的物理模拟，根据客户特定的任务微调开源基础模型（RT-2、Octo），并提供对流行硬件平台（Unitree、Trossen、Robotis）的一键部署。 这是资本效率高的（无库存，无需制造），具有 SaaS 经济性（70-80% 毛利率），并解决眼前的痛点（迭代速度）而不是长期愿景（硬件民主化）。 退出策略：被 NVIDIA、Unity 或大型机器人公司收购作为其开发平台，或者在通过平台数据确定了最高价值的用例后转向垂直整合。

2025 年机器人行业正处于拐点，但尚未跨越主流采用的鸿沟。 该市场由三类主导：（1）工业自动化（ABB、FANUC、KUKA），年收入超过 50B 美元，但专注于固定位置制造机器人，而不是人形机器人。 (2) 物流和仓库自动化（Amazon Robotics、Locus、6 River Systems），年收入为 8-10B 美元，主要是 AGV 和协作臂。 (3) 新兴类人/通用机器人（Boston Dynamics、Agility Robotics、Figure AI、1X、Unitree），总收入低于 10 亿美元，但风险投资超过 20 亿美元。 迄今为止的赢家都是控制整个堆栈的垂直整合企业：Boston Dynamics（被现代汽车以 $1.1B 收购）证明了这项技术，但花了 30 年； Agility Robotics（数字机器人）获得了 1.5 亿美元，并与亚马逊进行了试点部署； Figure AI 筹集了 6.75 亿美元，目标是汽车制造。 开源/基础设施层在很大程度上未能获得关注——ROS（机器人操作系统）被广泛使用，但产生的收入却很少； 像 RobotShop 这样的硬件组件市场是为业余爱好者服务的，而不是认真的建造者。 基本动态是机器人技术仍处于“整体产品”阶段，而不是“模块化组件”阶段。 客户需要可靠工作的端到端解决方案，而不是构建块。 与PC行业相比：20世纪70-80年代，需要垂直整合（Apple、IBM）； 到 20 世纪 90 年代，市场模块化（英特尔、微软、戴尔）。 机器人技术仍处于 20 世纪 80 年代。 现代重建面临着与 K-Scale 相同的结构挑战，但具有一些优势：(1) 基础模型显着提高了感知和规划能力，将软件开发时间缩短了 50-70%。 (2) 仿真工具（NVIDIA Isaac、Google 的 Brax）无需物理原型即可实现更快的迭代。 (3) 由于中国制造（Unitree 执行器、CHASING 电机），组件成本下降了 10 倍。 (4) 现在，Figure AI 和 1X 提供了一套行之有效的策略：筹集 50-1 亿美元，垂直整合，瞄准一个高价值用例（制造、老年护理），并且仅在实现产品市场契合后才开源组件。 可行的前进道路不是纯粹的基础设施，而是与基础设施退出策略的垂直整合。 为一个应用程序构建整个机器人，证明单位经济性，然后在生态系统出现后提取可重复使用的组件并从中获利。

1. 第 1 步 - 模拟沙盒（Wedge，第 1-3 个月）：构建一个基于 Web 的界面，机器人工程师可以在其中导入 URDF/USD 机器人模型，用自然语言定义任务（例如，“拿起一个红色立方体并将其放入垃圾箱”），并在 Isaac Sim 中运行 1,000 多个模拟试验。 与 3-5 个流行的开源机器人模型集成（Unitree Go1、Trossen WidowX、Robotics TurtleBot）。 针对来自机器人 Discord 社区和研究实验室的 20-30 名早期采用者。 货币化：免费套餐，每月 100 小时模拟，每月 99 美元，无限次模拟。 成功指标：500 多个注册用户、50 多个付费用户、10 多个用户报告他们用模拟取代了物理测试。

2. 第 2 步 - 策略市场（验证，第 4-9 个月）：启动一个市场，用户可以在其中购买和销售用于常见任务（对象操作、导航、人机交互）的预先训练的机器人策略。 与 5-10 名机器人研究人员合作，贡献初步政策。 实施模拟到真实的转换工具：域随机化、系统识别和现实差距分析。 添加对自定义训练数据上传的支持以及针对用户特定任务的基础模型（RT-2、Octo）的微调。 货币化：市场交易率为 20%，需要定制策略培训的团队每月 499-2,999 美元。 成功指标：5 万美元 MRR、每周 10 次以上市场交易、3 个以上保单成功转移到物理机器人的案例研究。

3. 第 3 步 - 企业平台（成长，第 10-18 个月）：构建企业功能：团队协作、机器人行为的版本控制、与硬件 CI/CD 管道集成以及用于模拟到真实优化的专业服务。 目标是 50-100 家制造机器人的公司（博世和大陆集团等汽车供应商、DHL 和联邦快递等物流公司、制造初创公司）。 聘请 2-3 名机器人博士来提供白手套入职和定制政策开发。 货币化：5000-20K 美元/月的企业订阅，50K-200K 美元的专业服务合同。 成功指标：MRR 50 万美元，10 多个企业客户，1-2 个客户报告开发时间减少了 50% 以上。

4. 第 4 步 - 垂直集成可选性（护城河，第 19-36 个月）：使用平台数据来识别最高价值的用例（例如，如果 40% 的用户正在构建仓库拣选机器人，那就是楔子）。 (a) 继续作为一个纯粹的平台并筹集 A 轮融资（15-2500 万美元）以扩展到更多的机器人类型和用例，或者 (b) 通过为顶级用例构建参考机器人、证明单位经济性并销售硬件和软件进行垂直整合。 该平台为您提供了不公平的优势：（1）最大的机器人行为数据集和模拟到真实的传输结果，（2）与每个认真的机器人制造商的关系，（3）在将资金投入硬件之前在模拟中测试新想法的能力。 退出选项：被 NVIDIA（Isaac 平台）、Unity（机器人模拟）、Boston Dynamics 或 Figure AI（开发者生态系统）收购，或者如果您的单位经济效益达到 5000 万美元以上，则进行 IPO。

• NVIDIA Isaac Sim 和 Omniverse 用于逼真的物理模拟和渲染
• PyTorch 和 JAX 用于训练强化学习策略和视觉语言模型
• 用于机器人中间件和硬件抽象的 ROS 2
• MuJoCo 和 PyBullet 作为替代物理引擎以实现更快的迭代
• Hugging Face Transformers，用于微调 RT-2、Octo 和其他开源机器人基础模型
• 用于实验跟踪和模型版本控制的权重和偏差
• 用于网络平台和仪表板的 Vercel 和 Next.js
• Supabase (Postgres)，用于用户数据、项目管理和市场交易
• AWS S3 和 CloudFront 用于存储和服务大型模拟资产和训练数据集
• Stripe 用于订阅计费和市场支付
• 用于模拟工作负载容器化部署的 Docker 和 Kubernetes
• 用于 CI/CD 和机器人策略自动测试的 GitHub Actions

具有市场和服务收入的三层 SaaS 模型：(1) 自助服务层：个人工程师和小型团队每月 99-499 美元。 包括无限的模拟时间、访问 50 多个预先训练的策略以及基本的模拟到真实的转换工具。 以平均 150 美元的价格定位 500-1,000 个用户，产生 75,000-150,000 美元的 MRR。 (2) 团队级别：拥有 5-50 名工程师的公司每月 2K-10K 美元。 包括企业功能（团队协作、版本控制、优先支持）、自定义策略培训以及与硬件 CI/CD 的集成。 以平均 5,000 美元的价格瞄准 50-100 名客户，产生 250,000-500,000 美元的 MRR。 (3) 企业级：大型组织每月 10K-50K 美元。 包括专门的机器人博士支持、白手套模拟到真实的优化以及自定义模拟环境。 以平均 25,000 美元的价格定位 10-20 个客户，产生 250,000-500,000 美元的 MRR。 (4) 市场收入：保单销售收入的20%。 如果市场每月的交易额为 10 万至 50 万美元（每份保单以 2 万至 1 万美元的价格销售 50 至 250 笔），则 MRR 为 2 万至 10 万美元。 (5) 专业服务：价值 5 万至 20 万美元的合同，用于定制策略开发和模拟到真实的优化。 目标是每年签订 10-20 个合同，每年产生 100 万至 200 万美元的收入。 24 个月的总收入潜力：MRR 600K-120 万美元（ARR 700 万美元-1400 万美元），毛利率为 70-80%（纯软件，除云计算外无 COGS）。 实现 5000 万美元 ARR 的途径：扩展到 500 多家企业客户，将市场发展到每年 500 万美元以上的 GMV，并以每位客户每年 5 万-10 万美元的价格添加垂直特定解决方案（制造、物流、医疗保健）。