科技未来 · 2026-10-19

Dyna Robotics：折餐巾做到99%，为什么仍不量产？

发生什么Dyna Robotics创始人Lindon在3小时访谈中复盘公司路径：公司2024年底启动，2025年四五月推出DynaOne，折叠餐巾连续24小时、成功率99%以上；[9]

2025年6—9月在真实场景部署，年底前后决定不继续量产该场景。公司随后把重点转向完整工作流与预训练，已有十个以上客户，团队不到200人，中国四五十人团队负责硬件研发和供应链。[9]

细节文章披露了单任务失败的细节：客户一天需要1300张餐巾，DynaOne最初24小时只能折850张；叠一张约20秒，但抓两张要约2分钟，10%的双折就会导致当天产出不达标；[9]

机器人每半小时到一小时需要人补料，员工要设闹钟，客户因此误判“机器人太慢”。团队由此判断，只做折叠动作不够，必须把上料、下料、库存寻找、放置到货架等完整工作流跑通。[9]

Why it matters这是机器人商业化里最容易被宣传口径掩盖的部分：演示视频里的成功率，不等于真实场景的可用产出。工作流中的每一次人工介入、每一个异常处理，都会侵蚀机器人的替代价值。[9]

TOPOME Take评估一台服务机器人，至少看四个指标：连续运行时长、单位时间有效产出、每班人工介入次数、异常恢复时间。单任务成功率只能说明动作能力，不能说明商业闭环。[9]

具身智能Q3：通用模型会吃掉机器人吗？

发生什么播客「晚点聊」第184期以2026年Q3“具身季报”讨论GPT-6 Extra对机器人行业的冲击。[10]

节目提到，IROS 2026晚宴对100多名研究者的调查中，约三分之一认为通用模型会解决一切，人数最多的一派主张把通用模型当工具、继续研究机器人专用问题，还有一派认为通用模型永远解决不了很多物理问题。[10]

细节节目把Astro在机器人中的介入分为三层：直接做策略，生成末端位置再反解关节动作；监督/纠偏现有动作模型，例如银河通用案例中直接控制成功率26%，监督π0.5后提升到48%；[10]

作为机器人研究员，在Blender中搭仿真、生成物体与物理属性、调适运动控制，形成Physical RSI。[10]

节目还讨论了World Labs被AMD以82亿美元股票交易收购、宇树上市后的市值波动，以及美国FCC对部分境外生产先进机器人的授权限制。[10]

Why it matters如果通用模型能把“推理与空间理解”这一层吃掉，机器人公司的价值就要往触觉/力觉、工艺约束、硬件可靠性、失败恢复和任务数据上移。[10]

节目判断，通用模型与物理模型更可能分层共存：高频实时控制留在本地，低频决策放到云端。[10]

TOPOME Take看具身智能公司，不要只看模型架构名词；要问它在哪个环节拥有不可替代的闭环，数据是否能持续积累，硬件是否可靠，以及客户是否愿意为完整工作流付费。[10]

Elise AI：按房源收费的公寓运营AI，估值一年翻倍

发生什么美国房地产AI公司Elise AI完成3.5亿美元融资，估值40亿美元；13个月前上一轮融资估值22亿美元。公司称ARR从2021年起连续五年每年翻倍，2026年6月超过2亿美元；[11]

已覆盖650万套公寓、约占美国公寓总数六分之一，与超过3000万租客产生交互，合作超过500家住房运营商，全美TOP50公寓运营商中75%为其客户。[11]

细节Elise AI 2017年以MeetElise起步，最初做租客消息自动回复，随后按“瓶颈”扩展：全天候回复邮件、短信和电话，自助看房，维修工单分诊与派单，续租和催收。[11]

收费按物业单元按月收取，文章给出的行业估算订阅成本约8—15美元/套/年；2026年9月发布Apollo AI Agent，面向租赁、运维、管理多角色，可批量处理看房改期、工单检索、续租预测等任务。[11]

Why it mattersElise AI的收入随管理房源规模增长，商业模式更接近“按单元计费的运营服务”，而不是一次性软件授权。它把AI从“替人回消息”推进到“替员工调数据、跑流程”，争夺的是物业员工每天打开的第一个界面。[11]

TOPOME Take判断这类AI服务，要看三件事：能否量化节省的人力成本，能否提升入住率或续租率，以及客户是否愿意按规模持续付费。[11]

文章中的30%—40%人力缩减、2个百分点入住率提升等数字为行业估算或样本数据，不能直接当作普遍结果。[11]