美国制造业最疼的那根神经，不在零件造不出来，在组装。

无人机、卫星、水下航行器、线束——这些复杂机电产品的零部件供应链并不缺，但把零件变成一个能交付的成品，卡住了大量硬件公司。传统装配线围绕单一产品设计，部署周期以月计，换产品就要重新配置，成本高到只有大批量生产才划得来。结果就是：设计迭代越来越快，产能却跟不上。

Foundry Robotics CEO Adarsh Kulkarni 

Foundry Robotics押的就是这个缺口。2026年10月29日，这家总部位于加州Emeryville的公司宣布完成1亿美元（约合人民币6.7亿元）A轮融资，Marlinspike Partners领投，Khosla Ventures、Red Glass Ventures、SE Ventures、Wing VC、Axiom Ventures，以及老股东Hanabi、Zero Shot Fund参与投资。这轮融资在2026年美国深科技A轮中排在前列。

创始人Adarsh Kulkarni曾任Scale AI首位机器人业务负责人，此前是Ghost Robotics的早期员工，参与为美国军方开发四足机器人；联合创始人Emmanuel Lamacchia曾担任特斯拉Model Y项目负责人，该项目年产量约150万辆。管理团队中还有前特斯拉软件负责人，以及曾在雷神、诺斯罗普·格鲁曼等企业工作过的军工与制造老兵。

不卖机器人，卖“把东西装出来的能力”

Foundry最反常规的地方，是它不向制造商卖机器人，也不做集成商。它自己拥有并运营工厂，客户付费使用产能——一种制造即服务（Manufacturing-as-a-Service）的模式。

客户不需要投建产线，也不需要采购和调试机器人。Foundry在自有厂房里部署一组组AI驱动的机器人装配单元，用FoundryOS把这些单元、产线和云端连接起来，生产数据持续回流到模型里。官方说法是从设计到量产只需要数周，而不是数月。

Kulkarni的判断很直接：在高通量、商品化的零部件制造时代，组装而非零件成型，已经成为越来越紧的瓶颈，而这恰好是机器人基础模型价值最高的地方。Foundry交付的不是一台能演示装配动作的机器人，而是符合要求、可以直接交付客户的成品硬件。

这套模式已经在产生收入。Foundry目前服务五个付费客户，产品涵盖机器狗、无人水下航行器、四旋翼无人机和卫星子系统。第一个公开宣布的大客户是美国最大造船商HII。HII无人系统部门总裁Duane Fotheringham公开表示，生产能力已经成为无人系统交付的重要制约因素，Foundry的自主装配模式正是当前国防工业基础设施所需要的能力。

FoundryOS：让工厂越用越聪明的数据飞轮

Foundry模式的技术支点是FoundryOS——一套连接机器人单元、生产排程和云端基础设施的智能体系统。

它的逻辑不是“给每类产品写一套程序”，而是在装配操作的基础动作上训练模型。每一次生产运行，数据都回流到模型里进行微调。今天组装无人机的机器人单元，明天学做卫星部件，两边的经验互相沉淀。Kulkarni的说法是，这在文明史上第一次让“造得越多，造所有东西都越强”成为可能。

在硬件层，Foundry与机械臂和操作器厂商有深度合作，但末端执行器——夹爪、紧固件——大量自研，因为“最后那几厘米”决定了装配精度和换线的灵活性。公司还推行 Design for Robotic Assembly，从产品设计阶段就简化装配步骤，降低机器人操作的难度。

不过，Foundry所说的“自主工厂”并不意味着完全无人化。公司明确表示，其生产体系仍由机器人研究人员、AI和软件工程师，以及具备丰富经验的制造业人员共同支撑，技术人员和人工监督仍是工厂运营的重要组成部分。

从无人机到卫星：高价值复杂硬件是主战场

Foundry目前服务的领域集中在国防和商业两条线上，瞄准的是价值较高、装配复杂且产能受限的机电产品。

公司公布的应用方向包括无人机、自动驾驶汽车子组件、线束、水下航行器、地面机器人、坚固型计算机、机器人计算单元、卫星，以及通信和数据中心基础设施。这些产品的共同特征是：设计迭代快，但装配环节对精度和一致性要求高，传统产线切换成本大。

Kulkarni的说法是，Foundry“周一造无人机，周二造电池，周三造卫星”，靠的是一套可以跨产品迁移的通用装配能力。客户集中度也不高，他表示“没有哪个单一客户吃掉80%的产能”。

这套系统的另一面是重资产、重运营。Foundry不是卖软件的轻公司，它要盖厂房、买设备、养制造团队。本轮资金的核心用途正是把Emeryville工厂扩至1.2万平方米，产能footprint扩大约20倍，同时加速AI模型在真实产线中的部署。

行业小结：重资产模式的真正考验，是第二和第三个产品

Foundry Robotics切入的是一个真实的结构性缺口。美国制造业的组装环节长期受制于“单产品产线”的低弹性，而Foundry用“拥有工厂+通用装配模型”的方式，试图把组装从固定成本变成可变产能。

但这套模式要证明的东西，比卖机器人或卖软件都更重。1亿美元买的是第一座工厂和第一批客户；真正的考验在于，当第二个、第三个产品进入同一座工厂时，换线时间、良率和单位成本能不能守住。公司宣称的“数周到量产”目前仍是公司口径，尚未有独立验证的跨产品交付记录。

Foundry的赌注是：在AI驱动的装配里，数据飞轮带来的跨产品学习能力，最终会压过专用产线的效率优势。如果这个判断成立，它定义的就不只是一家公司，而是一种新的制造基础设施。如果不成立，它就会变成一座设备很好、但只能服务少数产品的昂贵工厂。下一阶段的产能利用率和换线数据，会比任何融资标题都更能回答这个问题。