Serve Robotics 推出 Physical AI Services，出售机群连接能力和训练数据

Serve Robotics 在 11 月 5 日推出了 Physical AI Services，把支撑自家配送机器人机群的连接能力和训练数据基础设施，开放给其他打造自主机器的公司。这一举动，让这家以人行道送餐机器人闻名的旧金山公司，有望成为建筑、采矿和自动驾驶卡车领域的基础设施提供商，而估值 41 亿美元的自主挖掘初创公司 Bedrock Robotics，成为了第一个被点名的客户。

这次公告，与Serve 2026 年第三季度财报同时发布，财报显示营收为 283.5 万美元，相比 2025 年同期的 68.7 万美元，同比增长 313%。随着新合作伙伴陆续上线，日均配送量比一年前增长了两倍，公司还把 2026 全年营收指引，从此前 900 万到 1000 万美元的区间，上调到了 1200 万美元。

建立在五年机群运营经验之上的三款产品

Physical AI Services 由三款独立的产品组成，是 Serve 自 2021 年从 Uber 分拆出来以后，通过一系列收购和内部开发搭建起来的。

第一款产品 Serve Link，在田间运行的机器人与离板计算系统——云端托管的 AI 模型、监控基础设施，以及越来越多地承担感知和决策重活的训练流水线——之间，提供可靠的连接。底层技术来自Voysys AB，一家瑞典远程操作公司，2025 年被 Serve 以大约 575 万美元收购。Voysys 的系统通过专有的带宽调节、先进的视频压缩，以及同时跨 Wi-Fi、LTE、5G 和卫星网络的多链路冗余，实现了低至 50 毫秒的端到端延迟——这样，一次蜂窝信号的中断，不会切断机器人与远程操作员或云端模型之间的连接。

第二款产品 Serve Data Curator，解决的是每一家机器人厂商在规模化之后都会遇到的一个瓶颈：一个大型机群产生的数据，大部分都是平淡无奇的，但真正能提升模型可靠性的，是那些罕见、困难的边缘案例。Serve 表示，自己的整理系统能从持续不断的传感器数据流中自动识别出那些高价值的瞬间，让训练过程能聚焦于真正重要的样本，而不必处理几个小时毫无亮点的录像。

第三项服务，是一套取自 Serve 在超过 40 座城市部署经验的真实世界基础模型数据目录。这些数据覆盖的，是仿真环境很难令人信服地复现的那种复杂、非结构化的户外环境——人行道上的障碍物、路缘石、行人流动、多变的天气。它明确瞄准的目标，是为机器人公司提供在人类环境中导航（而不是在受控仓储空间里导航）所需的训练数据。

为什么 Bedrock 选择购买，而不是自己搭建

Bedrock Robotics 由一批 Waymo 自动驾驶项目的老将，在 2024 年创立，2026 年 10 月以 41 亿美元投后估值，完成了一轮 6 亿美元的 C 轮融资。它的 Bedrock Operator 是一套可逆的、当天就能完成的改装套件，安装在现有的挖掘机上，无需对设备做永久性改造，就能实现完全自主的土方作业。这家公司在菲尼克斯一处 130 英亩的制造厂址，进行了它所称的建筑行业规模最大的有监督自主挖掘测试。

尽管在自主技术上有深厚积累、资金也相当充裕，Bedrock 仍选择用 Serve Link 来搭建自己的连接层，而不是自己去搭建这套基础设施。这个决定，是这次发布公告里信息量最大的一个细节。建筑工地面临着一些与城市人行道相似的多网络连接挑战——不可预测的蜂窝信号覆盖、遮挡视距链路的障碍物，以及当自主系统遇到意外情况时需要人工操作员介入的需求。通过使用一套已有的、经过实战检验的连接技术栈，Bedrock 能把工程资源集中在自己核心的挖掘自主技术上，而不必重新搭建一套远程操作基础设施。

这种模式在云计算领域有先例：那些理论上完全可以自己运营服务器的公司，一旦 AWS 或 Azure 这类平台证明了自己的可靠性、并提供了明确的成本优势，往往也会转而选择使用它们。Serve 正押注，机器人厂商也会得出同样的「自建还是购买」的结论。

一次带着重要背景的指引上调

Serve 在 11 月 5 日公布的 1200 万美元全年营收指引，相比 2026 年 8 月，是一次实质性的回升——当时公司因为 Uber Eats 的配送量低于预期，把营收展望从 2600 万美元下调到了 900 万到 1000 万美元。第三季度的反弹，得益于包括 DoorDash 在内的新配送合作伙伴——这项合作的营收在第二季度环比增长了近 50%——以及品牌合作营收，在第三季度环比增长了近 80%。经常性营收占第三季度总营收的约 69%，公司表示，这个数字反映了公司向软件服务的结构性转变。

运营亏损依然可观。Serve 第三季度的美国通用会计准则净亏损为 5920 万美元，截至 9 月 30 日，手头现金及有价证券为 1.98 亿美元。公司尚未披露 Physical AI Services 的定价、合同条款或财务预测，这让这个平台对未来营收的贡献，眼下完全还只是推测。

更广泛的物理 AI 基础设施竞赛

Serve 正在进入一个竞争格局尚未成形的市场。英伟达凭借其 Isaac 机器人 SDK、Cosmos 世界基础模型、Omniverse 仿真平台和 Jetson 边缘处理器，主导着物理 AI 开发技术栈，并与多家主要工业机器人厂商建立了合作关系。Field AI 为在非结构化环境中运作的机器人，提供一个 API 优先的自主能力层，把自己定位在更靠近模型和决策这一侧。Viam 为通用机器人部署，提供基于云的机群管理和远程操作服务。

Serve 的具体定位——来自公开部署的真实户外环境数据，加上一套在数千辆车规模上经过现场验证的连接技术栈——正好落在这些层级之间。它不与英伟达的仿真和模型开发工具竞争，而且相比一个通用的云机器人平台，它能提供更具领域深度的内容。这个细分市场是否足够宽广，能支撑起一门持久的基础设施生意，取决于其他机器人厂商有多快会得出「自建连接和数据流水线不值得投入」的结论。

公司在 10 月拓展到澳大利亚的国际业务，以及通过 2026 年 1 月收购的 Diligent Robotics 所获得的医院医疗场景布局，让这套数据目录在地理和环境多样性上，超出了美国城市人行道的范畴。Physical AI Services 在运营的第一年必须回答的实际问题是：Serve 机群真正跑过的那些环境，产出的训练数据，是否足够相关，能加速那些挖掘沟渠、运送矿石，或在长途高速公路路线上导航的机器人。与 Bedrock 的这次合作，是对这一主张的第一次真实世界检验。