Agility Robotics
US$0.99 解锁 Word + PDF（各一次下载）。报告全文在本页免费阅读。
Agility Robotics
率先进入仓储领域的人形机器人——现在必须证明自己能够持续领先
| 字段 | 详情 |
|---|---|
| 报告状态 | 第1部分，共2部分（第1–7节）；第2部分随后发布 |
| 覆盖日期 | 2026年6月18日 |
| 公司阶段 | 完全商业化——C轮以上融资，RaaS部署已激活 |
| 编辑标准 | 以证据为导向；全文对各类声明进行分类标注 |
如何阅读本报告
本报告全文采用四级证据分类体系。每一项实质性断言均按以下方案进行标注或说明：
| 标签 | 含义 |
|---|---|
| 已核实事实 | 经监管文件、官方产品文档、具名客户新闻稿、经同行评审或预印本研究证实，或经两个及以上独立来源相互印证 |
| 公司声明 | 由Agility Robotics或其高管陈述；未经独立核实 |
| 编辑推断 | 基于公开证据的综合权衡所得出的合理结论；明确标注为解读性内容 |
| 未知 | 未公开披露，或仅由单一低可信度来源披露 |
经过编排的演示视频不被视为自主生产能力的证明。合作公告不被视为付费客户关系的证明。货物发运不被视为有效部署的证明。凡研究资料不足之处，本报告将如实说明，而非以推断填补空白、将其伪装成事实。
行内引用采用方括号数字[n]，对应第14节来源列表。仅引用研究资料库中出现的来源。
01执行摘要
Agility Robotics——于2026年3月更名为简称"Agility"17——占据了一个其他任何人形机器人公司目前尚无法以同等文献支撑加以主张的地位：它已在具名、可独立核实的客户的真实生产环境中完成了双足机器人的商业部署。在一个新闻稿惯常比可用产品早出现数年的行业里，这一区别具有极其重要的意义。
该公司的Digit机器人是一款175厘米、60公斤的双足人形机器人，专为仓储与物流物料搬运而设计7。它能够移动料箱、装卸传送带和自主移动机器人（AMR），处理料仓，并在为人类工人建造的设施中运作——无需对这些设施进行结构性改造13。Arc云平台负责机队编排，与仓库管理及执行系统集成，并提供无线软件更新9。主要商业模式为机器人即服务（RaaS）：Agility保留硬件所有权，按月收取订阅费，涵盖硬件、工作单元、Arc平台、维护及更新59。
截至2026年中期，已确认的部署客户包括亚马逊、GXO物流、加拿大安大略省伍德斯托克的丰田汽车制造公司（TMMC）以及位于德克萨斯州圣安东尼奥的Mercado Libre10131516。TMMC的合作记录尤为详尽：一项为期一年、涉及三台Digit机器人的试点项目于2026年2月签署商业协议，并计划追加七台机器人1016。在一处未具名的佐治亚州设施中，Agility报告称Digit已搬运超过10万个料箱13——这是一项公司声明，尚未经独立审计，但与部署时间线相符。
在财务方面，该公司已通过多轮融资累计筹集约6.4亿美元，另有一轮4亿美元融资已有报道但尚未经主要来源确认811。首席执行官披露公司估值约为20亿美元1214。制造业务集中于俄勒冈州塞勒姆占地7万平方英尺的RoboFab工厂，公司表示该工厂在满负荷产能下每年最多可生产1万台机器人112。约80%的零部件来源于美国境内13。
Agility故事的核心张力，在于其真实的先发优势与证明其估值和融资规模所需的商业规模之间的差距。率先在仓库中部署人形机器人是一项真实的成就。然而，在同时扩展任务范围、提升可靠性、并将单位经济效益压缩至首席执行官所引用的每小时2至3美元目标5的同时，还要抵御资本更为雄厚的竞争对手——波士顿动力、Figure AI、1X Technologies以及正在崛起的中国企业——这是一个难度截然不同的问题。本报告将对这一张力两面的证据进行审查。
最新新闻
- MSTR-Robotics-magerdaniel 0.5.11Pypi.org·2026-08-01GENERAL
- Unitree IPO Finally Puts A Real Price On Profitable Humanoid RobotsBiztoc.com·2026-08-01GENERAL
- AMD unveils integrated robotics board with 3.4× speed advantage over NvidiaCrypto Briefing·2026-08-01GENERAL
- robotics-dev 0.0.19Pypi.org·2026-08-01GENERAL
- Lazy bones rejoice as SF robotics company introduces house-cleaning robotNew York Post·2026-07-31GENERAL
- Amazon ramps up delivery speed, robotics roll outYahoo Entertainment·2026-07-31GENERAL
- Startup Offers $30-Per-Hour Humanoid Robot CleanersNewser·2026-07-31GENERAL
02Agility Robotics的故事
起源：俄勒冈州立大学与双足机器人的押注
Agility Robotics于2015年作为俄勒冈州立大学动态机器人实验室的衍生公司成立2。三位联合创始人——Jonathan Hurst、Damion Shelton和Mikhail Jones——带来了一种在当时颇为非主流的坚定信念：对于在人类环境中运作的机器人而言，腿部而非轮子才是正确的运动基础228。Hurst在转换职能之前曾担任首席机器人官，他在俄勒冈州立大学花费多年时间研究腿式运动的生物力学与控制理论。该实验室早期在ATRIAS——一款弹簧质量双足平台——上的研究工作，为后来的Cassie乃至Digit奠定了智识基础。
俄勒冈州立大学的学术渊源绝非仅仅是传记色彩，它以至今仍清晰可见的方式塑造了公司的技术优先级。动态机器人实验室的研究方法强调被动动力学、能量效率和稳健运动，而非操作灵巧性——这一优先级层次既解释了Digit在穿越杂乱仓库环境时的真实优势，也解释了其在精细操作任务方面的相对局限。基于Digit硬件发表的独立研究证实，源自这一传统的运动策略研究已通过仿真到现实的迁移成功转化为实际硬件成果2326。
从Cassie到Digit：产品传承脉络
在Digit之前，有Cassie——一款于2017年发布并销售给科研机构的双足下肢平台，没有手臂和躯干。Cassie从未是物流意义上的商业产品；它是一个研究平台，产出了学术论文，验证了运动方案，并在Digit问世之前的岁月里提供了现金流。众多高校实验室购置了Cassie机器人，由此形成的双足运动控制领域已发表研究成果——其中大量采用强化学习和仿真到现实迁移方法——构成了Agility得以持续积累的真实智识资产2325。
Digit在Cassie的基础上增加了躯干、手臂以及能够支持操作任务的传感器套件，由此诞生。从研究平台向商业产品的转型，不仅需要硬件开发，还需要构建一套全然不同的组织能力：规模化制造、客户支持、与企业仓储系统的软件集成，以及能够经受大型物流运营商采购部门考验的商业模式。
融资历程与投资方构成
融资轨迹既反映了真实的商业进展，也折射出2022至2025年间投资者对人形机器人领域普遍高涨的热情。
| 轮次 | 日期 | 金额 | 主要投资方 |
|---|---|---|---|
| A轮 | 2020年9月 | 2000万美元 | 未披露18 |
| B轮 | 2022年3月 | 1.5亿美元 | 亚马逊工业创新基金8 |
| C轮 | 2024年11月 | 1.05亿美元 | 舍弗勒集团、NVIDIA NVentures820 |
| 据报道的追加轮次 | 2025–2026年 | 约4亿美元 | WP Global、软银（据报道）11 |
已确认融资总额：A轮至C轮合计约3.75亿美元818。illustrated-ai.com报道的4亿美元追加融资11尚未获得一手来源证实，在得到佐证之前应视为未知信息。档案摘要中引用的累计"6.4亿美元以上"数字已将这笔未经证实的融资纳入其中。
投资方构成具有重要的战略意义。亚马逊参与B轮融资8不仅仅是财务行为：亚马逊同时也是在其设施中部署Digit的客户13，以及一家明确表达仓储自动化兴趣的战略投资方。这种激励机制的高度一致在商业上固然有利，但也引发了一个问题：亚马逊的部署究竟代表独立的商业验证，还是战略投资方主导的支持性试点？这一区别对于解读商业证据的说服力至关重要。舍弗勒集团参与C轮融资820值得关注，因为舍弗勒是一家精密工程制造商，对工业自动化有直接利益诉求——这与纯粹的财务投资方相比，是一种性质不同的战略背书。
NVIDIA NVentures的投资20与NVIDIA通过其Isaac仿真平台和Omniverse工具全面布局机器人基础设施的战略方向一脉相承。Agility与NVIDIA之间的技术合作4与Agility将仿真用于策略训练的做法相吻合，但该合作的具体条款尚未公开披露。
品牌重塑："Agility Robotics"更名为"Agility"
2026年3月5日，公司宣布去掉名称中的"Robotics"，更名为简洁的"Agility"17。官方给出的理由是拓展覆盖范围，以应对超越原有机器人框架的新兴使用场景17。编辑推断：此次品牌重塑是一次定位调整，符合一家已积累足够商业信誉、无需再费力解释自身业务的公司的行事逻辑——它意在传递更宏大的抱负，潜在方向包括相邻的自动化软件、机队管理，或物流以外的其他行业。这也与成熟机器人公司将自身定位从硬件制造商转变为自动化解决方案提供商的普遍趋势相吻合。然而，此次品牌重塑究竟反映了真实的产品多元化，还是主要属于营销操作，现有证据尚无法作出判断。
领导层与组织架构
Jonathan Hurst是公司联合创始人，曾担任技术领导职务2。Damion Shelton和Mikhail Jones同为联合创始人2。现任CEO未在研究档案的一手来源中具名，但有关定价与估值的CEO表态通过商业及新闻来源被引用512。未知信息：所提供的档案中未详细说明当前完整的高管团队构成。
公司在三地运营：主要制造基地位于俄勒冈州塞勒姆，办公室分别设于宾夕法尼亚州匹兹堡和加利福尼亚州弗里蒙特12。匹兹堡的存在与毗邻卡内基梅隆大学机器人生态系统的地理优势相符。弗里蒙特的选址则使公司得以靠近湾区丰富的软件与人工智能人才资源。
03产品组合：Agility Robotics究竟在卖什么
Digit：核心产品
Digit是该公司唯一的商业产品。它是一款双足人形机器人——两条腿、两条手臂、一个配备传感器的头部——从设计之初便专为仓储与物流材料搬运而非通用操作所打造13。这种设计专一性既是优势，也是制约：Digit在目标环境中的优化程度是通用人形机器人所无法比拟的，但其适用范围也比公司更宏观的营销语言有时所暗示的要窄。
硬件规格
| 参数 | 当前代次 | 第五代（计划中） | 来源 |
|---|---|---|---|
| 身高 | 175 cm | 未披露 | 7 |
| 重量 | 60 kg | 未披露 | 7 |
| 最高速度 | 1.8 m/s | 未披露 | 7 |
| 举升能力 | 16 kg | 22.7 kg（50磅硬拉） | 714 |
| 传感器套件 | 摄像头、激光雷达、多模态融合 | 未披露 | 79 |
| 充电方式 | 自主对接充电 | 未披露 | 9 |
| 零部件数量 | 约6,000个 | 未披露 | 13 |
| 美国本土采购零部件 | 约80% | 未披露 | 13 |
1.8 m/s的最高速度低于人类快步行走的速度（平均约1.4 m/s，快步约2.0 m/s）。在仓储场景中，这一速度对大多数物料搬运工作流程已属足够，但在以循环时间为关键约束变量的高吞吐量环境中则会成为瓶颈。16 kg的举升能力覆盖了大多数标准仓储托盘的重量，但不适用于制造业和重型物流中常见的更重载荷。计划中的第五代将举升能力提升至22.7 kg14，部分弥补了这一差距。
自主对接充电功能9是一项在竞品对比中常被低估的实用特性。一台需要人工干预才能充电的机器人，无法真正实现跨整个班次的自主运行。自主对接消除了这一依赖，但充电时间和工作占空比——即有效工作时间与充电时间之比——尚未公开披露。未知信息：电池容量、充电时间及每班次的运行占空比。
Agility Arc：软件平台
Arc是Agility基于云端的机器人群组编排平台19。其声明功能包括：
- 对多台Digit机器人进行机群管理与监控
- 与仓库管理系统（WMS）及仓库执行系统（WES）集成
- 与第三方供应商的自主移动机器人（AMR）机群集成
- 空中（OTA）软件更新
- 任务分配与工作流协调
Arc平台包含在RaaS订阅中9。编辑推断：Arc在运营功能之外具有重要的战略意义。若Agility能将Arc确立为人形机器人与现有仓储软件基础设施之间的集成层，便可形成超越硬件层面的转换成本。已将Arc与其WMS和WES集成的客户，若要切换至竞争对手的机器人，将面临相当繁重的重新集成工作。这与企业软件平台在众多行业中形成强粘性的逻辑如出一辙。
Arc的具体技术架构——数据是在设备端、边缘计算端还是云端处理——尚未公开披露。"基于云端"的描述1意味着对云端存在较高依赖，这引发了关于延迟、连接要求以及在网络基础设施不稳定的设施中运营韧性等方面的疑问。未知信息：Arc的延迟特性、离线运行能力及数据驻留安排。
工作单元概念
Agility将Digit部署于定义明确的"工作单元"（workcell）中——即大型设施内一个结构化的运营区域9。工作单元包含在RaaS订阅中，代表支持Digit运行所需的物理与软件基础设施：充电站、安全边界定义、传感器校准区域，以及与传送带系统或AMR交接位置的集成接口。
工作单元概念是对"无需改造设施"13这一说法的务实诠释——这是一个相对而非绝对的表述。Digit不需要对建筑结构进行改造——无需新建传送带、架高地板或专用通道。但它确实需要一个经过特定设置的明确运营区域。编辑推断：工作单元的框架体现了诚实的工程态度，但也带来了纯软件产品所不存在的部署摩擦。每个新工作单元的安装都需要物理设置时间、校准和集成工作——这些成本被纳入RaaS模式中，但会影响部署速度。
商业模式：RaaS与直接购买
Agility提供两种商业路径59：
机器人即服务（RaaS）——主要模式
- 按月订阅
- Agility保留硬件所有权
- 订阅涵盖：硬件、工作单元、Arc软件、维护及OTA更新
- 客户按有效机器人工时付费；Agility承担硬件折旧和维护风险
直接购买——次要模式
- 通过Ricoh USA合作伙伴关系提供9
- 客户直接购买硬件
- 持续的软件和服务订阅另行适用
- 客户承担硬件折旧和维护风险
在大多数场景下，RaaS模式是双方在战略上均优先选择的路径。对客户而言，它将资本支出转化为运营支出，降低资产负债表风险，并使付款与价值交付相挂钩。对Agility而言，它创造了经常性收入，维持了对硬件的控制权（从而实现数据收集与软件改进），并降低了初始部署的门槛。通过Ricoh USA合作伙伴关系提供直接购买选项9表明，Agility愿意满足具有不同采购偏好或会计结构的客户需求，但RaaS模式显然是主要的商业载体。
定价
定价情况较为模糊，而这本身就颇具说明意义。
| 来源 | 数字 | 可信度 |
|---|---|---|
| CEO公开基准 | 30美元/小时（对标人工全成本） | 中等 5 |
| 分析师估算（运营成本） | 当前10–25美元/小时 | 中低 57 |
| 长期目标 | 规模化后2–3美元/小时 | 公司声明 5 |
| 估算租赁成本 | 每年20,000–25,000美元或每月2,000–4,000美元 | 低 67 |
| 声明投资回报目标 | 不超过2年 | 公司声明 5 |
30美元/小时的CEO基准是最具权威性的单一数字5，但需要审慎解读。它似乎是一个对标仓储工人全成本而设定的定价锚点——而非Digit的内部运营成本。分析师对实际运营成本10–25美元/小时的估算57具有一定合理性，但尚未得到验证。若两组数字均大致准确，Agility在RaaS上的毛利率尚可，但并不突出。2–3美元/小时的长期目标5是一项公司声明，意味着通过规模化、制造效率提升和软件改进，运营成本将降低约10倍——对于一个规模化的硬件加软件平台而言，这是雄心勃勃但并非不可能实现的发展轨迹。
不超过两年的投资回报声明5是一项公司声明，尚未经过独立核实，且在很大程度上取决于对利用率、任务成功率、维护频率以及被替代人工全成本的假设。以当前定价和能力水平，这一投资回报逻辑在高吞吐量、重复性托盘搬运环境中具有一定合理性，但对于更多变或更复杂的任务则不够清晰。
制造：RoboFab
位于俄勒冈州塞勒姆的RoboFab工厂是一项已核实的事实113。主要参数如下：
- 建筑面积：70,000平方英尺1
- 声明峰值产能：每年10,000台机器人1214
- 美国本土采购零部件：约80%13
- 每台机器人零部件总数：约6,000个13
每年10,000台的数字是对峰值产能的公司声明——而非当前实际产量。当前实际产量未公开披露。编辑推断：声明峰值产能与实际当前产量之间的差距可能相当显著。建设一座年产能达10,000台的工厂是对预期需求的资本投入，并不意味着该需求目前已在这一水平上实际存在。80%美国本土采购零部件的数字，在当前关税环境下具有重要的商业和地缘政治意义（详见第10节）。
产品与版本
04技术栈：优势与尚待完成的工作
运动能力：真正的优势
Agility最具防御性的技术优势在于双足运动能力。这并非营销说辞——它有俄勒冈州立大学动态机器人实验室谱系十年已发表研究成果的支撑，以及独立同行评审工作的佐证，这些工作证明了运动策略成功迁移至Digit硬件的可行性232526。
该运动方案将经典控制理论与现代强化学习相结合。早期Digit工作采用基于模型的控制，配合精心设计的反馈策略23。近期工作已转向基于学习的方法，包括在物理仿真中训练运动策略并部署至真实硬件的仿真到现实（sim-to-real）迁移26。ASAP论文（《对齐仿真与真实世界物理以学习敏捷人形机器人全身技能》）26表明，仿真到现实的差距——历史上阻碍将学习策略部署至物理机器人的主要障碍——可以通过精细的物理建模和域随机化得到大幅弥合。这是独立研究成果，而非厂商声明。
实际结果是，Digit能够以早期双足机器人无法实现的鲁棒性在仓库地面上导航。它能够应对轻微的地面不平整、不同地面类型之间的过渡，以及活跃仓库中的动态环境——叉车、人工操作员、移动传送带——并具备足够的可靠性以在生产环境中运行。1.8 m/s的最高速度7以绝对值衡量并不突出，但在中等速度下稳定可靠的运动能力，比快速但不可预测地失效的运动能力具有更高的商业价值。
操作能力：已承认的差距
操作能力——用手臂和手抓取、放置及处理物体——是Digit当前局限性最为明显的领域。在生产部署中得到确认的任务范围较窄：移动料箱、处理料仓、传送带装卸、AMR装载、牵引车装卸313。这些都是相对结构化的任务，涉及在固定位置处理已知几何形状的物体。它们不需要精细的灵巧性，例如从非结构化料仓中拣选单个物品或处理可变形物体。
社区来源指出，自主性和灵巧性仍需改进，Digit尚未达到人类级别的敏捷性3537。这一说法准确，但需要加以背景化：目前市场上没有任何人形机器人能在非结构化环境中实现人类级别的操作灵巧性。相关问题在于Digit的操作能力是否足以胜任其目标任务集，而部署证据表明——对于其目前执行的特定结构化任务而言——答案是肯定的。
社区视频来源中可见的基于MuJoCo的抓取仿真工作32表明，操作能力正在通过仿真持续开发，这与行业向基于学习的操作策略发展的整体趋势一致。然而，这些仿真能力是否能以商业部署所需的任务成功率转化为可靠的真实世界表现，现有证据尚未证实。
传感器融合与感知
Digit的传感器套件将摄像头和激光雷达与多模态传感器融合相结合79。具体传感器型号、分辨率、视场角及融合架构均未公开披露。未知信息：详细的感知栈架构、目标检测精度，以及在复杂光照或遮挡条件下的性能表现。
Digit当前任务集对感知的要求低于通用操作：机器人需要导航至已知位置，识别已知几何形状的料箱或料仓，并执行结构化的拣放动作。这比开放世界目标识别是一个难度低得多的感知问题。工作单元概念9通过约束操作环境进一步降低了感知难度。
Agility Arc与软件集成
Arc平台与WMS和WES系统的集成19是真正的技术与商业差异化因素。大多数仓库自动化系统——传送带、分拣机、AMR——需要大量定制集成工作才能与企业软件通信。Agility声称Arc作为RaaS服务的一部分处理这一集成9，从而减轻了客户的集成负担，尽管这些集成在实践中的深度和可靠性尚未得到独立验证。
OTA更新能力9对于现代联网设备而言是标准配置，但在机器人领域尤为重要：这意味着Agility可以向已部署的机器人推送能力改进、错误修复和安全更新，无需现场服务访问。这在运营上是高效的，同时也意味着客户今天部署的机器人将随时间推移具备不同（推测为改进的）能力——这是一个卖点，但如果更新以影响工作流集成的方式改变机器人行为，也可能成为运营不可预测性的来源。
仿真到现实迁移：独立验证
研究档案中技术意义最为重大的独立验证，是关于Digit仿真到现实迁移的系列工作。ASAP论文26和强化学习运动工作23均证明，在仿真中训练的策略可以以足够的保真度迁移至真实Digit硬件，从而实现有用的行为。这并非易事：仿真到现实的差距历史上一直是将学习策略部署至物理机器人的主要障碍，因为仿真与真实物理之间的微小差异会在行为上产生放大效应。
"No More Marching"运动论文24针对早期学习运动策略的一个具体局限性——产生不自然、高能耗步态模式的倾向——进行了研究，并展示了更自然的短程运动方式。这与仓库部署密切相关，因为能源效率直接影响工作周期和运营成本。
多接触MPC工作25在Digit硬件上展示了动态运动操作——协调的运动与操作——这比当前生产任务集更为先进，表明存在一条可能随时间扩展Digit能力的研究管线，尽管从研究演示到生产部署的时间线通常以年为单位衡量。
安全架构
Agility声称目标是在2026年前推出首款"协作安全"人形机器人413。这是一项公司声明，尚未得到独立验证。具体的安全架构——碰撞检测、力限制、紧急停止协议、人体近距离感应——未有公开详述。未知信息：Digit设计或认证所依据的具体安全标准（ISO 10218、ISO/TS 15066或同等标准），以及是否已获得任何第三方安全认证。
声明中援引的"超过十年部署经验"4作为安全路线图的支撑，若按字面理解则具有误导性：Digit自2023至2024年起才开始商业部署13，而前代平台Cassie是研究工具而非商业产品。所谓十年经验指的是研究谱系，而非生产部署历史。
05研究、论文、作者与实验室
俄勒冈州立大学的基础
Agility Robotics的研究身份与俄勒冈州立大学动态机器人实验室密不可分。联合创始人Jonathan Hurst正是在该实验室发展出了支撑Digit的双足运动理论2。该实验室在被动动力学、弹簧-质量运动模型以及ATRIAS平台方面的工作，为Cassie和Digit奠定了理论与实验基础。这一学术传承是真正的资产：它意味着Agility进入商业市场时，所拥有的经过验证的运动研究积累，深度超过大多数初创竞争对手。
Digit硬件的核心已发表研究
研究档案中包含四篇与Digit技术能力直接相关的论文：
[23] 基于强化学习的三维Digit双足机器人鲁棒反馈运动策略设计（arXiv:2103.15309） 本文展示了在真实Digit硬件上基于强化学习的运动策略设计。作为早期独立证据，它证明了基于学习的策略可以从仿真迁移到Digit物理平台，具有重要意义。该工作着力解决如何设计对仿真到现实迁移中固有模型不确定性具有鲁棒性的反馈策略这一挑战。
[25] 动态运动操作的多接触模型预测控制（arXiv:2209.08662） 本文展示了用于协调运动与操作的模型预测控制——机器人在运动的同时操控物体。这在技术上比当前生产任务集（涉及静止或缓慢移动的操作）要求更高，代表了一种尚未在生产部署中得到验证的研究能力。
[26] ASAP：对齐仿真与真实世界物理以学习敏捷人形全身技能（arXiv:2502.01143） 这是档案中最新且技术意义最为重大的论文。ASAP直接针对仿真到现实的差距，提出了将仿真物理与真实世界物理对齐的方法，以实现敏捷全身技能的迁移。论文展示了在Digit硬件上的成功迁移，为Agility用于能力开发的仿真到现实方法提供了独立验证。
[24] 不再踏步行进：学习面向短程SE(2)目标的人形运动（arXiv:2508.14098） 本文针对学习型运动中的步态质量问题——即强化学习训练策略倾向于产生不自然、能效低下的步态。该工作与商业部署密切相关，因为能效影响运营成本和工作周期，而步态的自然性则影响人类在共享工作空间中对机器人的接受程度。
研究空白与局限性
关于Digit的已发表研究集中于运动控制和全身控制领域。以下方面的已发表工作明显不足：
- 非结构化环境中的操作灵巧性与抓取成功率
- 长时域任务规划与执行
- 共享空间中的多机器人协调
- 故障模式分析与恢复行为
- 生产环境中的人机交互安全性
已发表文献中的这些空白，与当前系统已知的能力局限相对应。编辑推断：研究管线在运动控制和全身控制方面的推进速度，快于操作灵巧性——这一模式与公司的俄勒冈州立大学传承以及当前生产部署的任务集相吻合。
公司相关论文
- Three Engineers, Hundreds of Robots, One Warehouse2008·被引 215·Agility Digit
- AI buzzwords explained2017·被引 34·Agility Digit
- The Rise of Automation and Robotics in Warehouse Management2020·被引 28·Agility Digit
- Robotics and Automation2024·被引 16·Agility Digit
- A Warehousing Robot: From Concept to Reality2023·被引 10·Agility Digit
- Human–Robot Collaboration: The Future of Smart Warehousing2021·被引 6·Agility Digit
- Bringing Robots Home: The Rise of AI Robots in Consumer Electronics2024·被引 5·Agility Digit
代码与仿真
- robosuite_RL Demo (Agility A2)YouTube (demo)
开源 robosuite_RL 演示，展示 Agility A2 在 MuJoCo 仿真中学习机器人抓取，来源为 Agility Robotics 的 YouTube 视频。
数据集与基准
06媒体证据库：视频证明了什么
应用证据标准
对机器人能力的视频证据需要审慎解读。在受控环境中精心编排的演示，仅能证明某一特定行为在特定条件下、于特定场合得以实现，并不能证明该行为具有可靠性、可重复性、自主性，或能够代表量产产品的实际表现。本节将以上述标准对研究档案中的视频证据进行评估。
Automate 2025：与Agility Robotics共探机器人未来 [27]
内容呈现： Agility在Automate 2025行业展会上的演示，介绍Digit的能力与商业部署情况。
所能证明的： 截至2025年中期，该公司的公开定位与对外传播口径。行业展会本质上是营销活动；在此背景下所作的陈述，除非有独立来源佐证，否则均属企业自述。
所不能证明的： 任务成功率、自主运行时长，或在受控环境中演示的能力是否具有可靠性。
双足机器人迈向未来 [28]
内容呈现： 关于双足机器人的新闻或纪录片报道，可能包含Digit的实拍画面。
所能证明的： 媒体对该领域的关注，以及Digit运动能力的部分视觉证据。
所不能证明的： 量产部署的实际表现，或在非结构化环境中自主完成任务的能力。
重磅：CEO Sanctuary与Agility发布两项全新人形机器人演示 [29]
内容呈现： Agility（及Sanctuary AI）以现场或近现场形式呈现的全新能力演示。
所能证明的： 截至录制日期，Agility正在积极开发并展示新能力。由CEO主导的演示，本质上是以视频形式呈现的企业自述。
所不能证明的： 所演示的能力是否已达量产就绪状态、是否具备可靠的自主性，或能否代表已部署系统的实际表现。
Agility A2在MuJoCo中学习机器人抓取 [32]
内容呈现： 基于MuJoCo物理仿真引擎的机器人抓取演示，被描述为一个开源的robosuite_RL示例。
所能证明的： 基于仿真的抓取研究正在持续推进，且部分成果已公开分享。"A2"的命名方式及开源框架表明，这可能是社区或学术研究工作，而非Agility官方产品开发的组成部分。
所不能证明的： 真实硬件的抓取能力、量产就绪的操作能力，或仿真结果能否迁移至Digit实体硬件。
污染来源：AGIBOT / Q1相关视频 [30][31]
档案中有两个视频来源——"Unitree对阵AGIBOT功夫机器人2026年对决" 30 与"认识你的首款个人人形机器人：Q1" 31——似乎与另一家中国机器人公司AGIBOT有关，而非Agility Robotics。研究档案的来源冲突分析已正确识别出这一来源污染问题：Q1机器人（身高0.8米、QDD关节、"Agi-Soul"AI、联合创始人郑辉君）是AGIBOT的产品，而非Agility Robotics的产品 3031。上述来源已从本报告的证据基础中予以排除。
证据缺口
关于视频证据，最重要的观察在于其缺失之处：目前尚无任何由独立方拍摄、未经剪辑的完整视频，记录Digit在量产仓库环境中长时间自主运行的真实情况。亚马逊、GXO、丰田及Mercado Libre的确认部署案例 10131516，均通过新闻稿和新闻报道加以记录，而非连续的运营视频证据。这对工业部署而言属于常态——客户通常不允许在生产现场进行拍摄——但这也意味着，视频证据无法独立核实上述自主量产运营的相关声明。
支持量产部署的最有力独立证据来自文字报道：The Robot Report对丰田部署案例的报道 10，以及The Logic对同一事件的独立报道 16，提供了相互印证的新闻叙述，其证据效力远强于供应商自制视频。
媒体库
07商业现实
<!-- module: commercial_reality -->已确认的事实
Agility的商业证据比目前任何其他人形机器人公司都更为充分，但需要精确描述。以下是经多个独立来源支持的已核实事实：
亚马逊： 部署情况已由多个独立新闻来源确认13。亚马逊还通过亚马逊工业创新基金参与了B轮投资8，这使得将其解读为纯粹的独立商业验证变得复杂。具体设施位置、部署单位数量、任务成功率及商业条款均未公开披露。
GXO物流： 部署情况已由多个独立新闻来源确认13。GXO是一家主要的第三方物流运营商，这使其成为具有重要商业意义的独立客户。具体运营细节未公开披露。
丰田汽车加拿大制造公司（安大略省伍德斯托克）： 这是本报告中记录最为详尽的部署案例。《机器人报告》10与《The Logic》16提供了相互印证的独立报道。已确认的关键事实如下：
- 为期一年、使用三台Digit机器人的试点项目已完成
- 商业协议于2026年2月签署
- 计划再增加七台机器人
- 任务内容：料箱/料盒搬运及牵引车装载
TMMC的部署尤为重要，原因在于其应用场景是制造业环境，而非单纯的物流/仓储场景，这表明Digit的适用范围已超出电商履约领域。
Mercado Libre（德克萨斯州圣安东尼奥）： 商业协议于2025年12月通过BusinessWire新闻稿公告15。BusinessWire是一家付费新闻稿发布服务，因此这是官方公司公告，而非独立新闻报道。然而，所点名的客户（拉丁美洲最大电商公司Mercado Libre）及具体地点（德克萨斯州圣安东尼奥）提供了足够的具体信息，可将其视为已确认的商业协议。截至本报告日期，机器人是否已实际部署并投入运营，尚未得到独立确认。
单一佐治亚州设施搬运料箱逾10万个： 公司声明13，未经独立审计。若任务周期时间在分钟量级，则与部署时间线相符，但无法独立核实。
客户质量问题
四家已确认客户代表了物流与制造业领域具有重要意义的横截面：全球电商与物流巨头（亚马逊）、主要第三方物流运营商（GXO）、一级汽车制造商（丰田）以及拉丁美洲主要电商平台（Mercado Libre）。这并非一份与小型公司开展友好试点的名单——这些都是拥有成熟采购流程、具有真实运营利益的大型组织。
然而，这些部署的深度与其存在本身同样重要。
08市场与使用场景
Digit今日实际应用之处，以及路线图所指向的方向
Agility的商业部署高度集中于单一操作原型：一台人形机器人在仓库或轻型制造环境中，在固定地点之间搬运标准化容器——料箱、料仓、箱体。这种专一性在短期内并非弱点，而是使商业部署得以实现的战略选择。对于投资者和潜在客户而言，问题在于：这一原型在遭遇物理或经济硬性限制之前，究竟能延伸多远。
核心滩头阵地：仓内物流料箱搬运
已确认的部署任务包括料箱与料仓搬运、输送机装卸、自主移动机器人（AMR）装载，以及牵引车装卸13。所有这些任务具有共同特征：重量有限的物体（当前上限16公斤，第五代将提升至22.7公斤）、标准化几何形状，以及由工作单元设置所界定的可预测取放位置714。在佐治亚州单一设施中搬运逾10万个料箱，是公开记录中最具体的吞吐量数据13，但Agility尚未披露循环时间、错误率，或在无人工干预情况下完成的比例。
这一滩头市场规模庞大。在当前人形机器人热潮兴起之前，全球仓库自动化支出估计每年约300亿美元，而可寻址细分市场——那些因环境过于多变或受制于遗留系统而无法采用固定自动化的设施——被分析师普遍视为人形形态的主要商业逻辑。Agility"无需改造设施"的主张19是其商业吸引力所在：一台能够穿行于现有建筑、使用现有货架、并通过Arc与现有仓库管理系统集成的机器人，与输送机改造项目相比，代表着一种根本不同的采购对话。
Agility Arc平台可与仓库管理系统（WMS）、仓库执行系统（WES）以及AMR机队集成19，是使多机器人协同调度切实可行的软件层。没有它，单台Digit不过是一件新奇之物；有了它，协调运作的机队才能成为可行的运营单元。OTA更新模式意味着已部署单元的软件能力可以持续提升，无需实体召回，这对签署多年期RaaS协议的客户而言至关重要。
已确认的客户细分
| 客户 | 行业 | 已确认任务 | 来源 |
|---|---|---|---|
| 亚马逊 | 电商履约 | 料箱搬运（试点） | 13 |
| GXO物流 | 第三方物流 | 料仓/料箱搬运 | 13 |
| 丰田汽车制造加拿大公司 | 汽车装配支持 | 料箱/料仓搬运、牵引车装载 | 1016 |
| Mercado Libre | 电商履约（拉美） | 料箱搬运（商业协议） | 15 |
丰田的部署记录最为详尽。The Logic与The Robot Report均独立证实，在安大略省伍德斯托克工厂进行了为期一年、涉及三台Digit的试点，随后于2026年2月签署商业协议，并计划扩展至十台机器人1016。汽车行业的参与具有重要意义：丰田的采购流程严格，一份已签署的商业协议——而非仅仅是试点意向书——意味着该机器人通过了内部安全与可靠性门槛。具体任务（料箱与料仓搬运、牵引车装载）与仓内物流原型一致，与装配或精密操作相去甚远。
Mercado Libre的商业协议于2025年12月通过Business Wire宣布，涵盖在德克萨斯州圣安东尼奥设施的部署15。这家拉美电商巨头的加入值得关注，原因有二：其一，它将Agility的客户基础延伸至北美制造业和物流业传统巨头之外；其二，它表明RaaS模式对传统自动化程度较低行业的运营商同样具有商业吸引力。
邻近市场：可信但尚未验证
轻型制造支持。 丰田的部署暗示了更广泛的汽车相关机遇：向装配线补料、套件配送以及子装配体运输。这些任务在结构上与仓库料箱搬运相似，但发生在更受限、节奏更快的环境中，对错误的容忍度更低。Agility"无需改造设施"的主张在此更显勉强；汽车工厂并非围绕人形机器人的行进路线设计，而制造业人机协作的安全认证要求也远比仓库通道严苛。
零售后仓操作。 零售配送中心的收货、分拣与补货与料箱搬运特征相符。多家美国大型零售商已公开探索人形机器人试点；截至本报告覆盖日期，尚无与Agility合作的案例获得确认。
冷链与危险环境。 Digit的传感器套件与自主对接能力，使其理论上适用于人员在场成本高昂或存在危险的环境——冷库、药品配送、某些化学品处理场景。目前尚无在上述细分领域的部署获得确认。
品牌重塑后的扩张信号。 2026年3月从"Agility Robotics"更名为"Agility"，被明确定位为反映超越Digit产品线、超越仓库物流的更大抱负17。公司援引了"新兴使用场景"，但未作具体说明。这是标准的IPO前叙事动作——扩大可寻址市场的故事——应将其视为方向性信号，而非产品路线图承诺。
市场规模与竞争时机
仓内物流人形机器人市场真实存在，但仍处早期阶段。Agility的优势在于，它拥有真实的付费客户、真实的量产硬件，以及在真实设施中运行的实际部署——这一领先优势以年为单位，超越大多数竞争对手。风险在于：先发优势的市场窗口，可能短于达到成本目标（规模化后每小时2至3美元）所需的资本周期，而只有达到这一目标，人形机器人才能真正具有颠覆性，而非仅仅是高端选项56。以当前估计的每小时10至25美元运营成本67，Digit的竞争力来自灵活性与规避资本支出，而非原始劳动力成本替代。
RaaS模式非常适合客户对人形机器人长期可靠性尚存疑虑的市场。月度订阅、Agility保留硬件所有权9，将技术风险转移回制造商——对于故障模式尚未充分认知的产品类别而言，这是正确的商业结构。理光美国（Ricoh USA）的直接购买合作伙伴关系9为偏好资产所有权的客户提供了替代方案，但拥有一个快速迭代硬件平台的经济账，吸引力并不那么显而易见。
09竞争格局
Agility身处一个快速演进的赛道
Agility的竞争地位颇为特殊：它既是西方市场商业化程度最高的人形机器人公司，同时也是一家在硬件与软件层面正遭受多方挑战的企业——挑战者或资本更为雄厚，或技术攻势更为凌厉。自Digit于2023年首次实现商业部署以来，这一赛道已发生了实质性变化。
主要竞争对手
| 公司 | 机器人 | 融资额（约） | 商业化状态 | 相较Agility的核心差异化 |
|---|---|---|---|---|
| Figure AI | Figure 02 | 约6.75亿美元 | 试点部署（宝马） | 手部灵巧度更高；与OpenAI合作实现语言条件控制 |
| Boston Dynamics | Atlas（电动版） | 现代汽车支持 | 研发/试点 | 动态机动性卓越；与现代汽车制造深度整合 |
| Tesla | Optimus | 内部资金（特斯拉资产负债表） | 内部测试 | 规模野心巨大；垂直整合；特斯拉制造基础 |
| 1X Technologies | NEO | 约1.25亿美元 | 早期试点 | 更柔和、更安全的设计理念；挪威背景 |
| Apptronik | Apollo | 约3.5亿美元 | 试点（梅赛德斯-奔驰） | NASA技术传承；明确聚焦汽车领域 |
| Unitree Robotics | H1/G1 | 未披露（中国） | 商业化（低成本） | 价格大幅更低；开放SDK；中国制造成本优势 |
| Sanctuary AI | Phoenix | 约1.4亿加元 | 试点 | Carbon AI系统；加拿大背景；强调操作能力 |
来源：截至报道日期的公开融资轮次及部署公告；Agility相关数据来自81112。
Agility的结构性优势
首个商业部署。 目前尚无其他西方人形机器人公司能在规模与客户多样性上与Agility相提并论。亚马逊、GXO、丰田和Mercado Libre并非可有可无的试点案例，而是经独立核实的正式商业合作关系101516。这一点至关重要，因为它意味着Agility已积累了真实的运营数据——包括故障模式、维护周期、任务成功率——而竞争对手尚未拥有这些。若Agility能有效利用这一数据优势，其价值将随时间推移持续复利增长。
RoboFab制造基础设施。 一座占地7万平方英尺、专用于人形机器人生产的工厂，声称峰值产能为每年1万台，且约80%的零部件来自美国本土112，这在近期构成了真实的护城河。目前尚无竞争对手披露同等规模的制造基础设施。美国本土采购比例这一数字，在潜在关税或出口管制压力可能波及中国制造零部件的背景下（见第10节），同样具有重要意义。
工作单元加软件的整体解决方案模式。 Arc平台与工作单元部署模式意味着Agility出售的是一套系统，而非单纯的机器人硬件。对于需要整合方案而非单纯设备的物流运营商而言，仅销售硬件的竞争对手将面临更艰难的商业谈判。
NVIDIA合作伙伴关系。 NVIDIA旗下NVentures参与C轮融资20，其意义不仅在于资金层面。这一举动意味着Agility可获取NVIDIA Isaac仿真平台与Omniverse工具链的支持，而这些工具正日益成为仿真到现实（sim-to-real）训练流程的核心，直接决定人形机器人公司扩展任务库的速度。已有独立研究证明，在Digit硬件上成功实现了仿真到现实的策略迁移2326，验证了这一技术路径的可行性。
Agility的结构性弱点
硬件性能差距。 以当前代产品最高速度1.8米/秒、最大负载16千克的参数来看7，Digit在整个赛道中既非最快，也非最强。Boston Dynamics的电动版Atlas在公开视频中展示了更出色的动态机动性，尽管Atlas目前尚无确认的商业部署。特斯拉Optimus的目标是在特斯拉自有工厂中实现更高吞吐量。Figure 02在其宝马试点视频中展示了更强的手部灵巧度。Agility第五代产品的改进（负载提升至22.7千克）14属于渐进式提升，而非颠覆性突破。
任务范围狭窄。 Digit已确认的商业任务均围绕同一主题展开：拾取标准化容器、搬运、放置。这在商业上具有价值，但在战略上存在局限。Figure借助OpenAI语言模型、Sanctuary依托其Carbon AI系统，竞争对手正在向更通用的操作能力迈进，致力于打造更具通用性的机器人。若市场在Agility扩展任务库之前便转向通用操作能力，其在料箱搬运领域的先发优势将难以为继。
相对特斯拉的资本劣势。 特斯拉Optimus项目由特斯拉资产负债表提供资金支持，这意味着它不像风险投资支持的公司那样受资本约束。若特斯拉通过垂直整合与制造规模实现成本目标，可能在Agility达到自身规模目标之前便将其价格打穿。这是一个中期风险，而非眼前威胁，但却是最应令Agility投资者警惕的情景。
中国竞争对手的成本压力。 Unitree的G1和H1平台以极具竞争力的价格上市，使Agility当前的成本结构显得昂贵。Unitree开放的SDK与激进的定价策略针对的是不同的市场细分（研究机构、早期采用者），但若中国人形机器人制造商达到工业部署所需的可靠性门槛，成本差距将演变为严峻的竞争威胁。第10节所讨论的地缘政治约束或许会限制中国人形机器人在美国及盟友市场的渗透，从而使Agility受益，但这并非永久性保护。
竞争格局总结
Agility的定位可以概括为：商业化领先，技术层面处于中游，财务状况尚可但并不占据主导地位。公司已将其学术起源与先发优势转化为真实的客户关系与真实的制造基础设施。然而，它尚未展现出足以使其成为长期明显赢家的技术广度或成本下降轨迹——毕竟特斯拉、Boston Dynamics（现代汽车）以及资金充裕的初创企业都在加速追赶。未来18个月——第五代硬件的表现、RoboFab的产能爬坡，以及4亿美元融资轮是否能按报道条款完成交割——将决定Agility能否巩固领先优势，抑或将发现自己身处一个竞争更为激烈的格局之中。
竞品对比
| 机器人 | 厂商 | 自主性 | 可信度 |
|---|---|---|---|
| iRobot Roomba Combo 10 Max | iRobot | Autonomous | 0.90 |
| Mobile ALOHA (Stanford) | Stanford University | Teleoperated | 0.90 |
| 1X NEO | 1X Technologies | Remote-Assisted | 0.90 |
<!-- module: geopolitical -->
10地缘政治背景与约束
供应链、政策与中美维度
Agility所处的行业已以异乎寻常的速度演变为地缘政治敏感领域。人形机器人处于先进制造、人工智能与国家安全的交汇点——这一组合已在华盛顿和北京同时引发监管关注。
美国制造与供应链
Agility约80%的零部件来自美国本土112，这是一个经过深思熟虑的战略选择，而非单纯的物流安排。在当前美国政策环境下——以《芯片法案》、扩大的先进半导体出口管制以及日益强烈的制造业回流政治压力为特征——一家能够可信地宣称拥有国内供应链深度的企业，在面向美国政府相关客户的采购竞争中具有明显优势，同时也能更好地抵御关税冲击。
位于俄勒冈州塞勒姆的RoboFab工厂112是这一战略的实体体现。在大多数电子制造业已迁往亚洲的当下，在美国本土建设一座专用人形机器人制造工厂代价高昂。然而，这一资本投入在一定程度上被其所带来的战略定位所抵消。若美国对中国制造机器人加征关税——鉴于中美贸易政策走向，这是一个合理的情景预判——Agility的本土制造能力将成为相较于任何依赖中国零部件供应链竞争对手的重大竞争优势。
约20%来自美国境外的零部件构成了一项残余脆弱性。Agility尚未公开披露哪些零部件属于这一类别。若其中任何零部件来源于中国——尤其是传感器、执行器或电力电子元件——则面临关税升级和潜在出口管制限制的风险。这是潜在客户和投资者应当深入追问的未知因素。
英伟达合作关系与出口管制
英伟达通过NVentures进行的投资20及相关技术合作，使Agility在仿真与训练方面形成了对英伟达计算平台的依赖。英伟达的先进GPU本身受美国出口管制约束，限制其向中国销售。这对Agility的国内业务运营并不构成制约，但对其未来任何国际扩张战略具有重要意义——尤其是若Agility寻求在英伟达硬件获取受限的市场开展部署。
中国竞争威胁与市场准入
研究档案标注了关于Agility在中国邮政和顺丰快递部署的未经核实说法[档案中已注明存疑]。这些说法仅出现于单一低可信度来源，缺乏独立佐证，不应视为已确认信息。更宏观地看，Agility尚未披露任何在华商业部署，鉴于中国本土人形机器人生态系统（宇树科技、智元机器人、傅利叶智能等）的存在以及监管环境，目前尚不清楚该公司是否有意在中国市场参与竞争。
更具现实意义的地缘政治动态恰恰相反：中国人形机器人制造商能否渗透Agility所在的美国及盟友市场。美国政府对关键基础设施中中国技术的审查力度正在加强。多个美国州及联邦机构已限制或正在考虑限制中国制造的无人机和自主系统。若类似限制延伸至物流设施中的人形机器人——尤其是那些为美国国防承包商或关键供应链处理货物的设施——中国竞争对手将面临重大市场准入壁垒，从而使Agility受益。
汽车行业地缘政治
丰田汽车加拿大制造工厂的部署1016在地缘政治背景下颇具意义。丰田是一家日本企业，在加拿大工厂部署了一款美国人形机器人。这一供应链配置与当前美国及盟友贸易政策所倡导的"友岸外包"逻辑高度契合。随着汽车制造商面临展示供应链韧性和本土化内容的压力，与美国机器人企业的合作伙伴关系可能兼具政治价值与运营价值。
劳动关系与监管环境
仓库和制造设施中的人形机器人在政治上并非中性议题。Digit在亚马逊设施的部署——亚马逊是一家劳动关系颇具争议的企业——已引发劳工倡导者的审视。截至本报告覆盖日期，尚无针对Agility或其客户的监管行动，但围绕自动化与工人替代的政策环境正在演变。多个美国州已提出或正在考虑立法，要求提前通知自动化部署或征收自动化税。这些是中期风险，可能影响客户采用速度，尤其是在有工会的设施中。
Agility的安全路线图——供应商声称将于2026年成为首款"协作安全"人形机器人4——在此背景下具有重要意义。工业环境中人机协同作业的监管审批是一个真实存在的瓶颈。相关标准机构（ISO、ANSI，以及美国语境下的OSHA）尚未发布关于人形机器人在人机共享工作空间运行的综合标准。Agility"逾十年部署经验"的声明4是其安全公信力的基础，但该声明实质内容的独立核实——Digit持有哪些具体安全认证、存在何种事故记录——在公开资料中尚无从查证。
11炒作、现实与难看的一面
从Agility公开叙事中区分信号与噪音
Agility是一家拥有真实成就的公司，同时也积极参与了人形机器人炒作周期。区分两者需要对具体主张施以一致的证据标准。
真实存在的
商业部署是真实的。 四个具名客户——亚马逊、GXO物流、丰田汽车加拿大制造公司以及Mercado Libre——已由多个独立来源证实 10151613。丰田的部署尤其被两家独立媒体以细粒度的方式记录，包括具体的机器人数量（试点阶段三台，计划扩展至十台）、具体设施（安大略省伍德斯托克）以及具体任务（托盘/料箱搬运、牵引车装载）。这不是一场精心编排的演示；而是与一家拥有严格采购标准的企业签订的商业协议。
仿真到现实的策略迁移是真实的。 独立的同行评审及预印本研究已证明，强化学习运动策略成功迁移至实体Digit硬件 2326。这并非供应商的自我声明，而是对核心技术路线的独立科学验证。ASAP论文 26 专门针对人形机器人全身技能的仿真到现实差距展开研究，文献 23 则展示了在3D Digit平台上设计鲁棒反馈运动策略的成果。这些结果证实了Agility的技术基础是扎实的，尽管研究演示与生产级可靠性之间的差距仍然相当可观。
RoboFab是真实的。 位于俄勒冈州塞勒姆、占地70,000平方英尺的制造设施，以及每年10,000台的声明产能，已由多个来源证实，包括公司官方材料和独立报道 112。这一规模的设施代表着真实的资本承诺，以及大多数竞争对手所不具备的真实制造能力。
融资基本属实。 A轮（2,000万美元）、B轮（1.5亿美元，含亚马逊工业创新基金）以及C轮（1.05亿美元，含舍弗勒和英伟达NVentures）均已由多个来源证实 81820。illustrated-ai.com报道的额外4亿美元融资轮 11 仅来自单一低可信度来源，在获得佐证之前应视为未经证实。
已声称但未经核实的
"首个商业部署的人形机器人。" Agility使用了这一表述 14，对于工业环境中"人形机器人"（双足、人体尺度）的特定定义而言，这一说法具有一定合理性。然而，它依赖于定义的选择。波士顿动力的Spot（四足，非人形）的商业部署时间更长。这一说法是营销语言，而非可证伪的技术陈述。
2026年实现"协作安全"。 供应商已声明这一目标 4，但公开记录中没有关于该目标具体指向哪些安全认证或标准、以及是否已实现的独立核实。工业环境中人机协作的安全认证是一个历时数年的监管流程；供应商公告并不等同于认证。
两年内实现投资回报。 供应商声明的目标 5 在合理的定价和利用率假设下具有可行性，但尚未通过客户数据得到独立验证。目前没有任何客户公开确认实现了这一投资回报率。该计算对正常运行时间、任务成功率以及被替代人工的全成本等假设高度敏感。
每小时30美元的定价基准。 CEO所述数字 5 是最具权威性的单一来源，但这是一个对标人工成本设定的定价基准，而非已披露的合同价格。实际合同条款并未公开。分析师估算的每小时10至25美元运营成本 67 可能反映的是运营成本而非向客户收取的价格，两者可以同时成立。
2026年第二季度交付量增长300%以及中国邮政/顺丰快递部署。 这些说法仅出现在单一来源中，没有任何独立佐证 [档案中已注明冲突]。不应将其作为事实引用。已确认的部署基础（亚马逊、GXO、丰田、Mercado Libre）才是恰当的参考点。
难看的一面
自主性表述被选择性使用。 Agility将Digit描述为"在生产环境中全天候自主运行" 14。实际运营情况更为复杂：Digit需要工作单元配置、Arc云连接、定期维护以及自主对接充电 9。这些要求均不妨碍Digit在其所执行的特定任务上被归类为自主，但"全天候"的说法暗示了一种尚未经独立核实的可靠性和正常运行时间。档案中的自主性评定（置信度0.82）恰当地指出，缺乏对任务成功率和干预频率的独立运营审计。
演示视频不构成运营证据。 档案中的若干视频来源 272829 展示了Digit在受控或半受控环境中执行任务的情况。本报告始终遵循的编辑标准将精心编排的演示视频视为能力的说明，而非自主生产性能的证明。这一区别至关重要：一台能在演示环境中搬运托盘的机器人，与一台能在嘈杂、多变的仓库环境中连续八小时可靠搬运托盘的机器人，是截然不同的两件事。只有丰田和GXO的部署提供了后者的证据，即便如此，详细的性能指标也未对外公开。
品牌重塑叙事为时尚早。 2026年3月更名为"Agility"并配以"拓展新兴使用场景覆盖范围"的表述 17，是一次典型的IPO前叙事扩展操作。该公司实际的商业收入来自一款产品（Digit），执行一类任务（仓储物流托盘搬运），服务四个已确认的客户。品牌重塑是关于战略雄心的合理信号，但将其视为业务多元化的证据将是一种类别错误。
规模化定价经济尚未得到验证。 规模化后每小时2至3美元的目标 56 需要制造成本降低、软件成本在大型机队中摊薄以及维护成本下降的共同实现，而这一切尚未得到证明。从当前运营成本估算（每小时10至25美元）到每小时2至3美元的路径，涉及关于制造良率、零部件成本曲线以及软件杠杆的推测性假设。这并非对Agility的独特批评——它适用于整个人形机器人行业——但对于任何具有长期时间跨度的投资或采购决策而言，这是一项重大的不确定性。
声明追踪
独立研究证实了 Digit 硬件上仿真到现实的策略迁移，且在亚马逊、GXO、丰田、Mercado Libre 的已确认部署中，Digit 自主完成料箱搬运，并非由人工执行。
每年 10,000 台的峰值产能数据来源于 Agility 自身的营销材料，目前尚无独立生产审计或第三方对该产能声明的公开核实。
$30/小时的数据是 CEO 对标人工综合成本所设定的定价基准，并非经过核实的内部运营成本——分析师对实际运营成本的估算为 $10–$25/小时，两项数据均未经独立审计。
不到两年的投资回收期目标仅为供应商自述数据，目前没有经过独立核实的客户案例研究、公开财务分析或第三方 ROI 审计予以支撑。
上述声明仅出现于单一低可信度来源，未获任何独立报道证实，目前已确认的部署仅限于亚马逊、GXO、丰田和 Mercado Libre。
12未来情景
Agility至2028年的三条可能路径
对于处于Agility当前发展阶段的公司进行情景分析，需要区分公司可控变量（产品开发、制造规模、定价策略）与不可控变量（竞争对手进展、监管环境、宏观经济状况、客户采纳节奏）。以下三种情景均基于现有证据构建，并非预测。
情景A：整合巩固与品类领导地位（概率：中等）
所需条件： 第五代硬件按计划实现22.7公斤的提升能力并改善可靠性；据报道的4亿美元融资轮以接近20亿美元的估值完成交割；RoboFab产能于2026年底扩展至每年数百台、2028年达到数千台；Arc平台深化WMS/WES集成；两家或以上具名企业客户签署商业协议。
结果： Agility确立其作为西方领先仓储物流人形机器人公司的持久地位。客户群从四家扩展至十五家或以上具名账户。RaaS模式产生的经常性收入足以支撑持续研发，无需依赖额外的稀释性融资轮。2027至2028年间，可信的IPO路径得以开启。每小时30美元的定价基准得以维持，随着制造规模提升，运营成本逐步降至每小时10美元。
重点跟踪指标： 第五代产品商业化上市日期；RoboFab产量披露；附具名设施及已确认任务的新客户公告；Arc平台集成合作伙伴关系。
情景B：技术停滞与竞争挤压（概率：中等）
所需条件： 第五代硬件改进属于渐进式而非颠覆性提升；Figure AI、Apptronik或其他竞争对手在生产环境中展示出明显更优越的操作能力；特斯拉Optimus实现内部规模化部署，形成可信的成本基准，从而压低Agility的定价；4亿美元融资轮以低于报道的估值或更具稀释性的条款完成交割。
结果： Agility保留现有客户群，但难以突破料箱搬运这一细分领域。竞争叙事从"先发优势"转变为"窄域专家"。资本实力更雄厚的竞争对手带来的定价压力迫使利润率收缩。IPO窗口收窄。公司维持生存但未能实现品类领导地位，成为大型工业自动化或物流企业寻求人形机器人能力时的潜在收购标的。
重点跟踪指标： 竞争对手附性能指标的部署公告；Agility任务库扩展情况（或停滞迹象）；客户合同中的定价披露；任何客户流失或试点终止的报道。
情景C：来自低端的结构性颠覆（概率：较低但不可忽视）
所需条件： 中国人形机器人制造商（宇树科技、智元机器人或其后继者）以大幅更低的成本实现工业级可靠性；中国人形机器人进入物流设施的美国监管壁垒未能落地或遭到规避；一家主要的美国物流运营商（目前非Agility客户）规模化部署中国人形机器人，建立起Agility无法匹敌的成本基准。
结果： Agility的RaaS定价模式变得难以为继。RoboFab所代表的美国本土制造溢价从战略资产转变为成本劣势。公司被迫对成本模式进行根本性重构，或转向更高价值、更低量的应用领域（专业制造、国防相邻领域、危险环境），在这些领域中能力与供应链来源比成本更具决定性意义。
重点跟踪指标： 来自独立来源的中国人形机器人可靠性数据；美国针对关键基础设施中中国机器人的监管动态；中国竞争对手面向美国企业客户的定价公告。
跨情景变量
若干因素贯穿所有三种情景，值得重点关注：
劳动力市场状况。 劳动力市场紧张会加速人形机器人的采纳；劳动力市场趋软则会降低自动化投资的紧迫性。自2020年以来，美国仓储劳动力市场持续处于结构性紧张状态；任何重大转变都将影响Agility的客户管道。
保险与责任框架。 人形机器人在共享工作空间中的责任框架尚未建立，这是真实存在的商业摩擦。若某台Digit机器人造成工伤事故，Agility及其客户所面临的法律与声誉后果尚不明朗。清晰责任框架的建立——无论通过立法、行业标准还是判例法——将加速采纳；持续的模糊状态则会形成制约。
通用人工智能集成。 大型语言模型与视觉语言模型向机器人控制栈的集成正在全行业快速推进。若Agility成功集成通用人工智能，将Digit的任务库扩展至料箱搬运之外，可寻址市场将显著扩大。若竞争对手率先且更有效地实现这一集成，Agility的窄域任务聚焦将成为负担。
13持续跟踪清单
<!-- module: NAME -->以下指标是追踪Agility发展轨迹最具诊断价值的信号，按时间跨度和证据类型分类整理。
近期（0–6个月）
第五代硬件商业可用性。 Agility已披露第五代机器人22.7千克的举升能力目标14，但尚未确认商业可用日期。已公布规格与客户可用硬件之间的差距，是衡量执行可信度的行业标准指标。
4亿美元融资轮确认。 illustrated-ai.com报道的该轮融资11截至报道日期尚未获得独立来源证实。来自一级信源（SEC备案文件、官方新闻稿、具名投资方确认）的证实或否认，将对财务状况评估产生实质性影响。
新具名客户公告。 每一个附有已确认设施和已确认任务的具名新客户（而非仅仅是"合作关系"或"试点协议"），都是商业牵引力的证据。需关注包含客户方独立佐证的公告，而非仅依赖Agility的新闻稿。
安全认证披露。 2026年"协作安全"目标4应产生具体、可核实的成果：已达到的具名安全标准、认证机构、认证范围。对于缺乏上述具体信息的模糊供应商公告，应持审慎态度。
中期（6–18个月）
RoboFab生产量。 Agility已声明峰值产能为每年10,000台112，但尚未披露实际生产量。任何关于已出货台数、已部署台数或机队规模的披露，都将是重要数据点。需关注间接信号：零部件供应商公告、物流备案文件、客户机队规模披露。
任务库扩展。 Digit目前已确认的任务集较为有限。任何可信的演示——理想情况下是在生产环境中而非演示视频中——若能展示托盘/料箱搬运之外的任务（装配辅助、质量检测、更复杂的操作），将标志着能力的实质性扩展。
Arc平台集成。 新的WMS/WES集成合作关系，尤其是与主要物流软件供应商（Manhattan Associates、Blue Yonder、SAP Extended Warehouse Management）的合作，将表明软件平台正与硬件同步扩展。
竞争对手部署公告。 Figure AI与宝马的试点项目、Apptronik与梅赛德斯-奔驰的合作，以及Boston Dynamics的Atlas商业化项目，是最具参考价值的竞争信号。需关注上述任何项目从试点转向附有已披露绩效指标的商业协议的动态。
劳动关系与监管动态。 持续监测美国联邦及各州关于自动化披露要求、自动化税以及人形机器人专项安全法规的立法动向。同时监测OSHA关于人机协同工作标准的指导意见。
长期（18个月以上）
IPO或并购活动。 20亿美元的估值以及2026年3月品牌重塑前的IPO叙事，表明IPO是一个合理的中期结果。需关注S-1备案活动、投资银行授权委托，或来自工业自动化巨头（霍尼韦尔、艾默生、罗克韦尔自动化）或物流公司（DHL、联邦快递、UPS）的收购意向。
运营绩效数据。 最重要的长期信号，是目前公开记录中尚不存在的数据：任务成功率、平均故障间隔时间、每台每年的维护成本，以及RaaS合同的客户续约率。任何公开披露运营绩效数据的客户——无论正面还是负面——都将对投资和采购决策产生重要参考价值。
成本轨迹。 从每小时10–25美元的运营成本降至2–3美元目标56的路径，需要制造规模化和软件摊销，这将历经数年方能实现。需关注任何已披露的单台成本数据、制造良率数据或零部件降本公告，以便独立评估成本轨迹是否处于正轨。
中国人形机器人在西方市场的工业部署。 若任何中国人形机器人制造商以明显低于Agility的价格，在美国、欧盟或盟友市场实现经独立核实的工业部署，竞争格局将发生根本性改变。
14来源与方法论
来源列表
1 Industrial Humanoid Automation | Agility — https://agilityrobotics.com
2 Company | Agility — https://agilityrobotics.com/company
3 Humanoid Solutions | Agility — https://agilityrobotics.com/solutions
4 Latest Press | Agility — https://agilityrobotics.com/latest-press
5 How Monetizely's 5-Step Framework Can Help You Price Humanoid Robots — https://www.getmonetizely.com/blogs/are-you-ready-to-buy-humanoid-robots-on-a-subscription-plan
6 Agility Robotics Stock: $2.1B Valuation — Is It a Buy? — https://tsginvest.com/agility-robotics
7 Tesla Optimus vs Digit: Complete Comparison [Mar 2026] | Robozaps — https://blog.robozaps.com/b/tesla-optimus-vs-agility-robotics-digit
8 Sell or Invest in Agility Robotics Stock Pre-IPO — http://www.nasdaqprivatemarket.com/company/agility-robotics
9 FAQs | Agility — https://www.agilityrobotics.com/faq
10 Toyota Motor Manufacturing Canada to deploy Agility Robotics' Digit humanoids — The Robot Report — https://www.therobotreport.com/toyota-motor-manufacturing-canada-deploys-agility-robotics-digit-humanoids/
11 Agility Robotics Raises $400M for Humanoid Warehouse Bots — https://illustrated-ai.com/agility-robotics-400m-raise-for-humanoid-warehouse-robots/
12 Agility Robotics Plans New Funding Round at $2B Valuation, Expands RoboFab to 10,000 Units Annually | Embodied Global — https://embodiedglobal.com/en/article/agility-robotics-2b-valuation-new-funding-robofab-2026
13 Agility Robotics Digit Goes Commercial: Amazon, Toyota & GXO Deploy Humanoid Robots in Real Warehouses | Embodied Global — https://embodiedglobal.com/en/article/agility-robotics-digit