Gravis Robotics 获得 2亿美元 A 轮融资，扩大自主重型机械规模

Gravis Robotics 已获得 $200 million 的 A 轮融资来自 SoftBank，为这家总部位于苏黎世的建筑机器人公司提供了大量新资本，以在全球基础设施项目中扩展其自主重型机械技术。

公司称此轮融资是迄今为止建筑机器人领域规模最大的 A 轮融资。随着对 物理 AI 的投资日益超出类人机器人和仓库自动化，进入需要机器与复杂、不断变化环境互动的行业，这轮融资应时而生。

对 Gravis 来说，这种环境就是建筑工地。公司并非从头打造全新重型设备，而是开发用于改装现有挖掘机和其他土方机械的硬件和 AI 软件，有效为承包商已拥有的车队添加不同程度的自主运行能力。

The new funding will be used to accelerate Gravis’ international rollout, expand its engineering team, and put its autonomous systems into more construction and infrastructure projects.

将物理 AI 引入重型建筑

Gravis 成立于 2022 年底，源自 ETH Zurich 的衍生公司，起源于机器人与自主控制系统的研究。公司由首席执行官兼联合创始人 Ryan Luke Johns 与首席技术官兼联合创始人 Dominic Jud 领衔，机器人研究员 Marco Hutter 担任联合创始人兼董事会成员。

建筑业面临的挑战不同于许多自主机器已取得进展的环境。

例如，自动驾驶车辆通常尝试在不改变环境的情况下理解并安全地导航。而挖掘机则恰恰相反。每一次铲斗的移动都会改变机器随后需要理解的地形。

机器还可能遇到土壤、岩石、变化的坡度、地下阻力等无法事先完全预测的条件。

Gravis 正在通过基于学习的机器人控制系统来应对这种不确定性，该系统将机器液压数据与 LiDAR、摄像头和全球导航卫星系统（GNSS）定位相结合。其软件持续解释机械的周围环境和作用于其上的物理力量，而非仅执行预定的动作序列。

公司表示，其模型也在仿真中进行大量训练，使 AI 在部署到实体机械之前，能够经历大量虚拟挖掘情景。

将现有挖掘机转变为自主机器

Gravis 战略的核心之一是避免对单一设备制造商的依赖。

建筑车队通常由多个品牌的机器组成，往往是多年采购和租赁协议的累积。要求承包商用专为自主设计的机器替换这些车队，可能会大幅增加采用的难度。

相反，Gravis 已开发出 Gravis RACK，一种可安装在现有挖掘机和轮式装载机上的模块化自主控制系统。公司称该平台已适配包括 Caterpillar、John Deere、JCB、Hitachi、Volvo、Yanmar、Case、Develon 和 Sumitomo 在内的制造商设备。

该车顶系统融合了摄像头、3D LiDAR、GNSS RTK 定位和汽车级边缘计算。由于处理在机器本体上进行，Gravis 表示即使在可靠连接不可用的情况下，自治功能仍可继续运行，这在偏远或未完工的建筑工地尤为重要。

完整的 LiDAR 覆盖和传感器融合用于持续扫描周围地形。这些信息既可支持自主挖掘，又能同步生成 3D 场地数据、填挖可视化以及已完成工作的记录。

Gravis 的感知系统还能识别自卸卡车并协调挖掘材料的放置位置，使自主工作流能够超越单纯挖掘，延伸至装载和物料搬运等活动。

在不移除操作员的情况下实现自主

Gravis 并未将自主视为全有或全无的转变。

其 Slate tablet interface 使承包商可根据任务在多种操作模式间切换。操作员可以留在驾驶舱内使用 AI 辅助引导，亦可在机器执行较长的自主任务时离开，或远程监督设备。

在车内的 Copilot 模式下，操作员可使用点触挖掘控制和增强视觉引导。作业可通过计算机辅助设计（CAD）或建筑信息模型（BIM）几何、物理参考点或坐标来定义。随后界面能够可视化机器工作时需要移除或添加的材料量。

在另一端，远程编排使操作员能够通过实时视频和现场信息监督并远程操作一台或多台机器。

这种混合方式可能对采纳至关重要。建筑工地很少是完全受控条件下的重复性任务。让人类保持在操作环中，使承包商能够逐步引入自主，而无需围绕全自动设备重新设计整个工地。

跨混合建筑车队的软件层

更宏大的目标是有效地在碎片化的重型设备市场之上创建一个智能层。

如果同一套自主软件能够在众多制造商的机器以及不同尺寸的设备上运行，承包商或许能够在不将整个车队标准化为单一供应商的情况下部署自动化。

Gravis 表示，其基于学习的控制系统会根据不同机器的物理特性进行调整，而无需对每台挖掘机单独编程。

随着物理 AI 从演示阶段转向商业部署，这一区别可能变得愈发重要。对单台精心配置的机器表现良好的机器人系统，相比能够适应全球已在运行的异构车队的软件，对大型承包商的价值要小得多。

Gravis 表示，其地形感知挖掘技术可将产能提升最高达 30%，但实际收益必然取决于机器、作业和现场条件。

从研究项目走向活跃工地

在 SoftBank 投资之前，Gravis 已经开始商业扩张。

2025 年 11 月，公司宣布获得 $23 million 的新融资，并与包括 Holcim、Taylor Woodrow、HD Hyundai 和 Flannery Plant Hire 在内的公司开展合作与部署。当时，Gravis 表示其系统已在包括英国、欧盟、美国、拉美和亚洲在内的七个国家投入使用。

其中一个显著的部署是在曼彻斯特 机场的 Taylor Woodrow 基础设施项目中进行的自主挖掘。公司还在自主采石场物料搬运方面开展工作，并与 Flannery 建立合作，旨在通过设备租赁市场提供配备 Gravis 技术的挖掘机。

这段商业化历史有助于将最新融资与主要聚焦于未来原型的物理 AI 投资区分开来。Gravis 正在筹集资金的同时，其系统已与传统建筑团队一起进行测试和使用。

英国项目将把自主挖掘机投入更大规模的试验

此扩展亦获得政府支持。

Gravis 与 Flannery Plant Hire 最近被选入英国 CAM Pathfinder 互联与自动化移动计划的项目。该倡议将在六台挖掘机上试验全自主的土方系统，应用包括开槽、大规模挖掘和卡车装载。

该项目尤为重要，因为设备租赁可能成为建筑自主化的重要分销渠道。

租赁公司可以为单个项目提供配备自主功能的机器，而无需承包商购买自主机器或永久改装自有车队。这将降低试验该技术的财务和运营门槛。

这还将使自主系统面向更广泛的工地、机器配置和地面条件，从而可能生成有价值的运营数据，以改进底层 AI 模型。

为何建筑正成为重要的物理 AI 市场

关于物理 AI 的大部分关注都集中在 类人机器人 上。重型机械则代表另一潜在重大机遇，其经济使用案例可能更易定义。

挖掘机、装载机等机器已经执行了大量体力工作。挑战不在于发明全新的机械形态，而在于为已经大规模部署的设备添加智能。

这为商业化提供了不同路径。公司如 Gravis 并非让客户决定新型机器人应完成何种工作，而是针对承包商已每日支付熟练工人和昂贵机械执行的任务。

剩余的挑战是可靠性。建筑环境杂乱、动态且安全关键，这意味着自主设备必须在远比工厂车间或仓库更不可预测的条件下保持一致运行。

Gravis 对仿真、机器遥测、传感器融合和可适配控制模型的关注正体现了该问题的难度。

SoftBank 融资将 Gravis 推入新阶段的扩张

$200 million 的 A 轮融资为 Gravis 提供了更多资源，以应对该挑战。

与其仅仅资助进一步研究，不如将更多机会放在部署上：在更多设备品牌上安装系统，积累活跃建筑项目的经验，并证明自主机械能够在受控演示之外提供持续的经济效益。

改装策略可能尤为重要。建筑公司在现有机械上投入了巨额资本，而能够在这些资产上添加智能的平台，其扩展方式可能不同于要求客户购买全新机器人车队的竞争对手。

如果该模式被证明可靠，建筑业可能成为物理 AI 最具影响力的市场之一。机器已经存在，工作已经定义，且基础设施需求持续增长。

Gravis Robotics 现在拥有另外 $200 million，以展示 AI 不仅能够理解和导航物理世界，还能帮助重塑它。