Finansiering

120ft tar in 576 000 euro för att bygga mikrofabriker med humanoida robotar för lokal tillverkning

mm
Lägg till Unite.AI bland dina föredragna källor på Google
120ft concept illustration showing humanoid robots at workstations inside a shipping-container assembly line, with packed boxes on a pallet outside.

En fabrik som är så liten att den ryms i tre fraktcontainrar låter som en logistiklösning. För Stockholmsstartupen 120ft är den svårare utmaningen att lära robotar att växla mellan produkter utan att behöva bygga om produktionsprocessen varje gång.

Företaget träder fram ur det dolda med en ängelrunda på 576 000 euro för att utveckla autonoma mikrofabriker bemannade av humanoida robotar. Den föreslagna modellen samlar förberedelser, montering, inspektion och paketering i tre 40-fotscontainrar, där programvara samordnar arbetet. Företaget skulle äga och driva fabrikerna, medan varumärkena betalar för färdiga produkter.

Finansieringen ska stödja den fortsatta utvecklingen av programvaran och fabriksinfrastrukturen när företaget närmar sig kommersiell produktion. Den skillnaden är viktig: det här är en tidig satsning inom tillverkning som beskriver en väg till driftsättning, inte ett tillkännagivande om ett välutvecklat nätverk av autonoma fabriker.

En gemensam fabrik för mindre produktionsserier

120ft riktar in sig på en svår del av tillverkningens ekonomi. Mindre konsumentvarumärken måste ofta beställa stora volymer långt innan de vet hur stor efterfrågan på en produkt kommer att bli. Särskild produktionsutrustning, monteringsanläggningar på avlägsna platser och långa påfyllningscykler kan göra det dyrt att experimentera med en ny design.

Startupens svar är att erbjuda gemensam tillverkningskapacitet närmare kunderna. Flera varumärken skulle använda samma fabriksinfrastruktur och betala per färdig enhet i stället för att köpa robotar eller låta bygga egna produktionslinjer. De första användningsområdena omfattar små hushållsapparater, konsumentelektronik och andra konsumentprodukter där designen står i fokus.

Varumärkena skulle behålla sina befintliga komponentleverantörer och skicka delar till en anläggning från 120ft för montering. Modellen lokaliserar alltså en del av produktionen, men eliminerar inte de internationella leveranskedjorna bakom komponenterna. Värdet skulle bero på om flexibel slutmontering kan minska kostnaderna och riskerna med mindre serier tillräckligt mycket för att väga upp de lokala driftskostnaderna.

Namnet beskriver formatet: tre containrar på 40 fot blir tillsammans 120 fot. En standardiserad fysisk utformning skulle kunna göra det lättare att upprepa driftsättningen, men en containerlösning i sig säger inget om fabrikens produktionskapacitet, säkerhetsprestanda eller kostnad per enhet.

Från produktdesign till robotarbete

Tekniken kommer in i bilden innan en robot plockar upp en del. Enligt 120ft omvandlar arbetsflödet produktdesigner, dellistor och kvalitetskrav till digitala tillverkningsinstruktioner. Därefter simulerar det produktionslinjen för att hitta information som saknas och möjliga flaskhalsar innan den fysiska monteringen börjar.

Det skiljer sig i grunden från att automatisera en enskild rörelse. En robot kanske kan sätta in en komponent, men ett produktionssystem måste också säkerställa att komponenten finns tillgänglig, är rätt placerad och kontrolleras efteråt. Om ett moment misslyckas behöver systemet kunna återhämta sig utan att en ofullständig eller defekt produkt går vidare.

120ft uppger att företagets egenutvecklade samordningsprogramvara koordinerar robotar, verktyg, förberedelser av delar och kvalitetskontroller, även när uppgifter misslyckas. Monteringsinstruktioner och produktionsdata sparas så att framgångsrikt arbete kan återanvändas i senare produktionskörningar.

Simulering har blivit ett viktigt utvecklingsverktyg inom robotik i stort. Plattformar som NVIDIA Isaac Sim gör det möjligt för utvecklare att bygga virtuella miljöer, testa robotars beteende och generera syntetiska data före driftsättning. Sådana verktyg kan göra det lättare att upptäcka problem tidigare och upprepa experiment. 120ft har inte offentliggjort vilken simuleringsplattform eller vilka robotmodeller företaget använder, så tillkännagivandet ska inte tolkas som en bekräftelse på att företagets lösning integreras med NVIDIAs programvara eller hårdvara.

Den större utmaningen, som Unite.AI har belyst i sin bevakning av sambandet mellan robotikdata, modeller och tillverkning, är att omsätta inlärt beteende i tillförlitligt fysiskt arbete. Att upprepa en lyckad demonstration är bara en del av uppgiften. I verklig produktion tillkommer också variationer i delar, placering, friktion och slitage.

Vad påståendet om sju timmars inlärning mäter

120ft uppger att tiden det tar att lära in en komplett monteringsfärdighet har minskat från sju veckor 2025 till sju timmar 2026. Målet är sju minuter 2027.

Siffrorna gäller inlärning av färdigheter, inte tiden det tar att tillverka en produkt. De visar inte heller hur snabbt en hel fabrik kan ställas om till en ny produkt, vilket kan kräva verktyg, fixturer, inspektionsrutiner och materialhantering utöver den enskilda inlärda färdigheten.

Företaget beskriver en demonstration av lampmontering som omfattar ett cylinderlås, gängning av en lamphållare och ett funktionstest. Det ger en mer konkret bild av det avsedda arbetet än ett allmänt påstående om humanoid intelligens: att hantera komponenter, utföra monteringsmoment och kontrollera resultatet.

Tillkännagivandet innehåller inget detaljerat testprotokoll, ingen framgångsgrad, ingen uppgift om vilka produktkategorier som testats eller hur ofta människor behöver ingripa. Den rapporterade förbättringen av inlärningen är därför företagets påstående om utvecklingsframsteg, inte ett oberoende validerat mått på kommersiell tillförlitlighet. Målet på sju minuter är fortfarande något man hoppas uppnå i framtiden.

För kunderna blir det slutliga testet praktiskt. Hur många godkända produkter kan en anläggning leverera per skift? Hur ofta avstannar arbetet? Vad kostar varje färdig enhet när tillsyn, underhåll och kasserade delar räknas in? Dessa mått avgör om snabbare kompetensutveckling leder till en bättre tillverkningstjänst.

Erfarenhet av hårdvara bakom satsningen

Grundaren och vd:n Martin Willers startade 120ft 2025. Tidigare var han med och grundade ljudvarumärket Transparent, som tillverkar reparerbar ljudutrustning, och byggde upp hårdvarudesignföretaget People People, som såldes till EY Doberman. Det nya företagets fokus på mindre konsumentvarumärken speglar de tillverkningsproblem han stötte på i de verksamheterna.

Finansieringsrundan omfattar 22 affärsänglar. Bland de namngivna deltagarna finns Ted Persson, partner och medchef för Scaleup Europe Fund på EQT; Sophia Bendz, partner på Cherry Ventures och tidigare global marknadsföringschef på Spotify; samt Fashwells medgrundare Matthias Dantone. I tillkännagivandet nämns också Sam Baker från Planet A. De enskilda affärsänglarnas kopplingar till bolag ska inte förväxlas med ett besked om att vart och ett av dessa bolag har investerat.

Utöver montering av nya produkter ser 120ft möjligheter inom reparation, uppgraderingar och återtillverkning. Sådana tillämpningar skulle kräva större flexibilitet eftersom returnerade produkter kan vara i olika skick, till skillnad från enhetliga uppsättningar nya komponenter.

Tillverkningssatsningen bakom robotarna

120ft:s grundidé är att robotteknik och återanvändbar produktionsprogramvara kan göra delad montering i mindre skala kommersiellt attraktiv. De humanoida robotarna är den synliga delen av förslaget. Det mindre synliga arbetet handlar om att koppla samman produktinformation, arbetsmoment och kvalitetskontroll i en process som pålitligt kan leverera färdiga varor.

Om metoden fungerar kan mindre varumärken få ytterligare ett sätt att testa efterfrågan och fylla på lagret utan att behöva ta över en hel fabrik. Nästa milstolpe är att visa att det containerbaserade systemet kan upprätthålla tillförlitlig produktion för olika typer av uppdrag. Affärsänglarundans kapital ska finansiera arbetet med att omvandla den idén till en verksamhet i drift.

Atlas Roan är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker artificiell intelligens inom additiv tillverkning, 3D-utskrifter och avancerad materialteknik. Hans arbete undersöker hur AI-driven design, simulering och processoptimering förändrar tillverkningsflöden - från prototyper till storskalig produktion.
Med ett praktiskt och tekniskt grundat perspektiv undersöker Atlas hur maskinlärning förbättrar utskriftstillförlitlighet, materialegenskaper och produktionseffektivitet över branscher som flyg- och rymdindustri, bilindustri, hälsovård och industriell tillverkning. Han är särskilt intresserad av hur AI möjliggör snabbare iteration, minskar avfall och låser upp nya materialegenskaper som tidigare var omöjliga eller mycket svåra att tillverka.
Artiklar skrivna av Atlas Roan är AI-genererade och granskade av Unite.AIs redaktionella team för att säkerställa teknisk korrekthet, tydlighet och ansvarsfull rapportering om AI-driven tillverkning och materialinnovation.