K-Scale Labs

B0于2024年成立，是一家雄心勃勃的机器人基础设施公司，旨在通过开源硬件设计和模块化组件使人形机器人开发民主化。该公司由Matthew Chang创立，将自己定位在人工智能热潮和物理机器人技术的交叉点，试图通过为人形机器人提供可访问的标准化构建块，成为“机器人硬件的GitHub”。时机似乎很完美：基础模型在多模态理解方面取得了突破性的能力，特斯拉展示了Optimus，风险投资涌入了实体人工智能。K-Scale的价值主张集中在解决机器人技术中的鸡和蛋问题上——硬件太贵，研究人员无法进行实验，而软件进步则因缺乏可访问的物理平台而受阻。他们提供开源CAD文件、物料清单以及执行器、传感器和控制板市场，面向学术研究人员和业余建筑爱好者。“为什么现在”是引人注目的：基于变压器的模型终于可以处理现实世界的感知和规划，由于无人机和电动汽车供应链，组件的制造成本大幅下降，通用机器人在5-10年内进入家庭和仓库引起了真正的市场兴奋。## 失败原因B0死于市场时机不对准和硬件开发周期资本结构不足的致命组合。该公司筹集了500万美元的种子资金，这对软件来说是一个可观的数额，但对于机器人基础设施来说，这远远不够。硬件初创公司通常需要1500万至2500万美元才能达到A系列里程碑（经过验证的单位经济性、可重复制造、出货量超过100台）。凭借500万美元和18-24个月的跑道，K-Scale面临着一个不可能的数学问题：每个设计迭代周期需要8-12周（CAD设计、原型制作、测试、修订），这意味着他们只能在现金耗尽之前完成6-9次完整的迭代。软件初创公司可以每天发货；硬件初创公司每季度发货一次。烧钱率可能为每月20-25万美元（8-12人的小团队：机械工程师、电气工程师、软件开发人员，加上原型制作成本、库存和管理费用）。这为患者留下了空间，在机器人技术中实现产品市场契合所需的迭代过程。第二种失败模式是客户获取经济学。他们的目标客户——研究实验室和机器人初创公司——有6-12个月的采购周期和有限的预算。大学按拨款周期运作；初创公司受到资本限制。K-Scale需要以2-5万美元的平均合同价值关闭50-100个客户，才能达到200万至300万美元的ARR，并证明A系列的吸引力。但在硬件方面，你不能仅仅通过“增长黑客”来吸引客户——每笔销售都需要技术验证、定制和支持。该团队可能花了6-9个月的时间构建初始产品，3-4个月寻找早期采用者，然后遇到了问题：没有足够的跑道来根据反馈和规模制造进行迭代。第三个因素是竞争动态。当K-Scale正在构建开源基础设施时，像Figure AI（筹集了6.75亿美元）、1X（筹集了1.25亿美元）和Agility Robotics（筹集了1.5亿美元）这样资金充足的公司正在进行垂直整合——构建自己的硬件、软件，并直接面向企业客户。这些公司可以免费或补贴开发工具，以围绕其平台构建生态系统。K-Scale试图在军备竞赛中成为瑞士，但当大公司拥有20倍的资本并且可以免费捆绑基础设施时，中立性就行不通了。最后一个钉子是2024-2025年的风险投资环境。在2021-2022年的繁荣之后，硬件和深度技术投资大幅萎缩。投资者希望资本效率高的SaaS业务具有6-12个月的投资回收期，而不是36个月的硬件开发周期。K-Scale可能在2024年底或2025年初进行a轮融资，发现了一个不利的融资环境，无法实现盈利或下一个周期。该公司可能有50-100个客户，收入50亿至100万美元，技术愿景引人注目，但没有足够的证据证明可扩展的单位经济性，不足以证明在风险市场中2000万至3000万美元的a轮融资是合理的。## 核心教训-硬件初创公司需要3倍于软件初创公司的资本和2倍于软件创业公司的时间才能达到同等的里程碑。考虑到原型制作成本、库存和更长的迭代周期，500万美元的种子轮可以购买18-24个月的软件，但只购买12-15个月的硬件。创始人应该筹集36个多月的资金，或者接受他们正在构建一个功能，而不是一个平台。-开源基础设施企业只有在有一个现有的、蓬勃发展的生态系统可以盈利的情况下才能运作。K-Scale试图在淘金热开始之前建造镐和铲子。正确的顺序是：（1）垂直集成，以证明应用程序是有效的（例如，为一个用例构建一个成功的机器人），（2）提取可重用的组件，（3）将这些组件出售给出现的生态系统。红帽没有创造Linux；在达到临界质量后，他们将其货币化。-在硬件方面，客户获取成本和销售周期长度扼杀了大多数初创公司。研究机构和早期机器人公司是糟糕的客户：采购周期长，预算小，支持需求高，没有重复购买行为。重建的目标应该是（A）价格低于500美元的高容量业余爱好者/教育市场，或（b）资金充足的企业客户（汽车、物流、国防），他们可以开出50多万美元的支票，并且已经分配了18-24个月的预算。-自2020年以来，模拟到现实的差距已大幅缩小，但这仍然是机器人技术的主要瓶颈。现代创始人应该将60-70%的开发时间分配给模拟环境（Isaac Sim、MuJoCo、PyBullet），只将30-40%的时间分配给物理测试。K-Scale可能过早地对物理原型进行了过度索引。正确的方法是：（1）证明它在10000多个场景的模拟中有效，（2）构建3-5个物理原型进行验证，（3）只有在模拟训练的策略可靠转移后才能进行规模制造。-机器人基础设施是一种战略资产，而不是一种风险投资支持的商业模式。将赢得这一类别的公司要么是（a）巨头（NVIDIA与Isaac合作，Boston Dynamics与Spot SDK合作），要么是（b）在取得主导地位后开源其堆栈的垂直集成商（特斯拉可能与Optimus合作）。一家纯粹的基础设施初创公司需要来自战略公司（博世、西门子、现代）的耐心资本，他们将其视为生态系统投资，而不是财务回报。-硬件市场的单位经济从根本上被打破，直到你达到大规模。1000台/年，毛利率为30-40%。以10000单位/年的速度，它们是50-60%。以100000单位/年的速度，它们的比例为65-75%。K-Scale在30-40%的范围内运营，这意味着每一美元的收入都需要0.60-0.70美元的COGS，几乎没有留给研发、销售和管理费用。重建需要（1）从第一天开始就瞄准100000多个单位的市场（消费电子产品、教育），或者（2）专注于高利润的软件/服务（模拟工具、培训数据），并将硬件视为亏损的领导者。-2024-2025年的人工智能热潮为机器人初创公司创造了海市蜃楼。基础模型（GPT-4、Claude、Gemini）可以生成令人印象深刻的机器人控制代码并理解多模态输入，但物理世界仍然是限速的。延迟、可靠性和安全性要求意味着你不能只通过“ChatGPT”来实现工作机器人。炒作吸引了资金进入太空，但也对开发时间表产生了不切实际的期望。投资者期望像velocity这样的软件；现实交付了类似硬件的迭代周期。## 市场分析2025年的机器人行业正处于拐点，但尚未跨越鸿沟，成为主流。市场主要由三类主导：（1）工业自动化（ABB、FANUC、KUKA），年收入超过50亿美元，但专注于固定位置的制造机器人，而不是类人机器人。（2）物流和仓库自动化（亚马逊机器人、Locus、6 River Systems），年收入80-100亿美元，主要是AGV和协作武器。（3）新兴的类人/通用机器人（波士顿动力、敏捷机器人、Figure AI、1X、Unitree），总收入不到10亿美元，但风险投资超过20亿美元。到目前为止，赢家都是控制全栈的垂直整合企业：波士顿动力公司（被现代汽车以11亿美元收购）证明了这项技术，但花了30年时间；Agility Robotics（数字机器人）获得1.5亿美元，并在亚马逊进行了试点部署；Figure AI筹集了6.75亿美元，目标是汽车制造业。开源/基础设施层在很大程度上未能获得吸引力——ROS（机器人操作系统）被广泛使用，但产生的收入微乎其微；像RobotShop这样的硬件组件市场服务于业余爱好者，而不是认真的建设者。基本的动态是，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：在20世纪70年代至80年代，你需要垂直整合（苹果、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，但有一些优势：（1）基础模型极大地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、谷歌的Brax）可以在没有物理原型的情况下实现更快的迭代。（3）由于中国制造（Unitree执行器、CHASING电机），零部件成本下降了10倍。（4）Figure AI和1X现在有一个经过验证的剧本：筹集5000万至1亿美元，垂直整合，瞄准一个高价值用例（制造、老年护理），只有在实现产品市场契合后才使用开源组件。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战略的垂直整合。为一个应用构建整个机器人，证明单位经济性，然后在生态系统出现后提取可重用组件并将其货币化。## 创始人张## 投资方各类天使投资人