一家食品厂的码垛机，第一周通常能把箱子放到预定位置；真正考验交付能力的是第三个月。纸箱换了包装，托盘到货稍有变形，夜班操作员发现光电开关误报，供应商多久能把产线恢复到约定节拍？机器人采购合同常在验收后结束，生产现场的问题却每天重新开始。Formic 把设备、安装、监测、维护和软件装进一份持续服务合同，因而它近期的融资新闻，值得从工厂的日常账本来读。
Formic 10月22日经 Business Wire 发布融资公告，披露获得5000万美元增长资金：Mercato Partners 领投 B 轮股权融资，S2G Investments 提供债务融资。公司同时披露，数百台机器人在30多个州、100多处设施运行，累计现场生产超过75万小时，机群运行率99.6%，客户续约率97%。这些是企业披露的机群指标，公告没有列出逐客户测量窗口与计算明细；10月23日的行业报道随后转述了这项消息。所谓机器人即服务（RaaS），在这里并非把工业机器人改个订阅名称。收费结构变化会迫使提供商长期面对运行率、备件库存、故障接管和客户换线成本。设备在客户产线上每停一次，责任都可能沿着合同回到服务商。
“每月付费”究竟买到什么
Formic 的 Full Service Automation 页面列出设备方案评估、工程设计、现场安装调试、运行监测、合同服务等级、全天候技术支持、现场工程师网络与备件管理。码垛产品页还提到按月或按年付费、不同负载的协作或工业机器人方案，以及合同中的性能和运行率承诺。对产线负责人而言，付款对应的应是一条能稳定处理产品的工序，而不是机臂到货当天的一次拆箱。
这并不意味着设备“免费”。供应商把前期资本开支、维护支出和融资成本分摊进服务期间，采购方则把大额初始投入改成较可预测的经营支出。评价方案时，财务部门仍得算合同全周期的付款额、最低服务期、涨价条款、提前退出成本、系统迁移费用与可能的停线损失。设备产权归谁、到期后如何移走、耗材和电力由谁承担，都会影响最后一公里的成本。Formic 官网说“零 CapEx”，是其产品报价模式的宣传，并不能推导出所有工厂的现金流必然改善。
一张月租报价单也解释不了产线波动。食品包装可能季节性增产，金属加工的订单批量和节拍更不稳定。合同如果只约定设备“可开机”，却没有界定合格产品的产出和换型时限，机器在报表上健康，厂长眼前仍可能排起长队。需要把设备级可用率、整条线的 OEE、处理节拍、返工率分开约定。每一个指标都得有停机分类：客户停电、上游缺料、供应商故障、人工按下安全停机，归责并不一样。
75万小时：生产经验和训练样本要分开算
Formic 在10月22日融资新闻稿中披露，机群覆盖30多个州、100多处设施，累计现场生产运行超过75万小时。这是值得追踪的机群规模，但“运行了多久”尚不能告诉我们记录了什么。固定节拍的100小时也许只有重复动作；一次困难的换料可能留下一串关于识别、人工接管与错误恢复的高价值记录。若摄像头没有记录关键视角，或设备日志缺少产品批次、任务状态和故障原因，长时间开机无法自动变成可训练的样本。
公司官网还在首页展示滚动的训练数据小时数，在技术页展示生产数据小时数；新闻稿的75万小时指现场生产经验。三种标签统计的对象各不相同，公开页面也没有给出换算关系。原始生产记录经过筛选、同步、隐私处理和错误标注后，才可能成为模型训练样本。拿机群总运行时长直接宣传为“75万小时标注数据”，会抹去其中最耗费工程人力的整理过程。
从设备厂的角度，一条真正有用的记录往往由几份资料拼出：机器人控制器报出错误码，摄像头保留触发前后的画面，PLC 有上下游握手状态，工单写着维护员处理经过，最后还要知道当班是否因此失掉一托盘产量。日志时钟若不同步，故障看起来会像因果颠倒。现场系统的第一步可以朴素些：给故障事件统一时间戳与设备编号，建立“异常—人工处置—恢复—质量结果”的可追踪链，而不是先给每台机器贴上“智能体”标签。
这种数据也有权利边界。客户现场的配方、订单、工位视频、员工影像往往属于敏感经营信息。机群学习若要跨客户使用案例，需要在合同里写清采集范围、保留期限、去标识规则、模型更新流程，以及哪些客户数据绝不进入共享训练集。传感器由服务商持有，产品数据的使用权仍要在合同中约定。遇到劳动安全或质量事故，还要保留可供双方共同核查的原始事件记录，而不是仅留下模型生成的一句摘要。
现场智能首先是一套有边界的控制系统
Formic 的技术页面把 Core 描述为机器人侧的视觉识别、动作策略和确定性控制，把 Cortex 描述为机群遥测、诊断和远程更新层；其 Full Service Automation 页面还称设备可对接 OEE、节拍等运营数据。页面提到工业 PLC、安全停机路径、操作员界面。值得看的是这几个部件的分工：感知系统可以提出“这个箱子的位置变了”，控制器负责在规定周期里执行动作，安全回路有权打断运行。若安全机制被预测模型“建议忽略”，系统就不配进入无人看守的夜班。
公司页面称其支持机群范围的软件更新和跨设备经验复用。实际交付时，更新要有版本登记、回退路径、灰度范围和验证标准。某家工厂针对软包装训练出来的抓取策略，不应直接推给重量、摩擦系数不同的金属零件工位。训练数据的分布外场景、光线变化、摄像头移位与人工临时调整，都可能把“昨天可用”的策略变成今天的异常源。最好的升级记录应当同时写出适用设备型号、处理的失效类型，以及更新前后的误抓和停线次数。
Formic 的融资新闻稿称正在与 Physical Intelligence 合作，把后者的机器人基础模型与自身产线数据、运维经验结合。Physical Intelligence 10月13日的 Pi API beta 说明，将应用数据上传、微调模型、在机器人上测试，再针对失败案例补采数据，构成一轮迭代；该说明还坦言早期云端推理遇到过网络连通性问题。在工厂，网络中断时谁负责让机器人安全停下、能否切换经验证的本地策略，得先于模型性能榜单写入部署方案。
新签合同里若出现“机器人基本模型”“更通用的物理 AI”等词，采购方可以问一个具体问题：基础模型接管的是哪一段任务？产品识别、抓取点选择、排障建议或全部运动规划，验收方法完全不同。对于机床上下料，工件尺寸公差和夹持力可能比语言理解能力更要紧；对于混合 SKU 码垛，视觉识别的误差和节拍损失应一起测。把抽象的“泛化”拆成有界产品集合内的换型工时、人工接管率和安全停机次数，才能比较不同供应商。
给中小厂的一份验收清单
第一周要拿到基线。记录现有人工工位的有效工作时间、小时产出、次品、工伤风险点，以及不同班次的差异。让供应商以实际货箱、实际托盘和实际车间照明做试运行；样品演示时收拾得过于整齐的工作台，常与星期五夜班的现场不是一回事。
合同签署前明确测量时间窗。新闻稿中的99.6%为 Formic 自报的机群运行率；按每月连续计时720小时举例，99.6%相当于约2.88小时不可用，但只有先明确分母、计划检修与上游断料如何处理，这个换算才有合同意义。单台客户设备也不能自动享有机群平均水平。服务等级应写出故障起止时间戳、报修响应与现场到达时限，再约定是否由服务商承担超时后的服务抵扣或备机费用。企业要的是自己合同里的计算公式和可查日志。若同时购买远程更新服务，新增一项更新后连续多班次的回归测试。
再安排故障演练，而不只是成功抓取演示：箱子倾斜、标签反光、末端执行器吸盘磨损、急停后复位、网络断开。对每种情况问清谁可以在现场处理、谁必须由远程工程师授权、什么时候强制退出自动模式。供应商若能提供常用备件、维修手册和培训记录，即使某个 AI 功能尚未成熟，产线也有恢复生产的办法。
最后留好撤场方案。设备供应关系会变，产品包装会变，融资环境也会变。约定数据导出格式、控制程序的交接、网络账号的撤销和物理设备的迁移责任，可以让服务成为工厂可管理的资产。一份只谈上线时间、不谈终止交接的“零投入”合同，成本可能在最后一年才出现。
服务商也要为数据质量买单
持续服务产生数据的同时，还会产生记录责任。假设两台包装线都报“抓取失败”，第一台的原因是箱体胶带反光，第二台是气压不足。如果工单统一写成视觉故障，下一次模型训练可能让相机识别越来越复杂，却仍不能修好供气系统。故障字典需要由现场维修员、软件工程师和生产主管共同维护；每个事件最好注明设备状态、人工采取的措施，以及恢复后是否达到原来的节拍。这样的数据整理既费人工，又是跨客户复用经验的基础设施。
机群之间还存在“表面相似、实际不同”的问题。两家客户都做食品码垛，地面平整度、纸箱强度、托盘标准、卫生制度却不同。形成共性模型前，供应商应先把工位条件标准化地描述出来，再判断哪个经验能够迁移。若每个现场都有成百上千条例外规则，订阅服务的规模经济很快会被现场定制消耗。反过来，若服务商能从大量工单中识别一组重复发生的故障，改一款夹具或一套开机检查流程，也可能比训练一版新模型更快见效。
这类改进需要透明的效益归属。客户提供场地与操作反馈，服务商投入设备与工程时间，双方都可能声称改进来自自己。合同可约定匿名化性能统计是否可用于产品开发、通用夹具改造的收益如何分享、现场拍摄是否需事先通知。数据权属谈妥之后，维护员填写工单不再只是替供应商“喂数据”，而成为客户自己追踪停线、复盘班次差异的资产。
合同里的“共享收益”怎么算
一台新码垛机若减少夜班加班，节约容易计算；若它降低员工搬运负担、让熟练工有时间照顾更复杂的设备，收益会分散在多张报表里。采购部门可以先列出硬指标：单位合格箱成本、设备有效运行分钟数、故障维修工时和试运行后人员调配。每月复盘时再看软一些的指标，例如值班员是否敢独立恢复故障、工程师是否反复为同一问题出差。前者用于付款争议，后者决定服务是否真正减轻了管理负担。
服务商也有成本曲线。偏远工厂的一次现场维修，可能占掉整个月的服务毛利。客户多了以后，标准化备件和远程诊断可摊薄支出，但过度压缩现场人员又会拉长停线时间。双方利益真正一致的合同，应该奖励合格产出与快速修复，而非奖励报表上“从未发生事故”。让小故障有低成本报告通道，才能在故障变成重大停线前发现它。
融资之后，问交付密度而不是概念热度
5000万美元融资为服务商扩展安装与维护网络提供资金；新闻稿还称其当前部署进生产的速度约为一年前的三倍，这属于公司自报的相对变化，并非所有客户的交付周期都缩短三分之二。但现场能力不是靠新闻标题统一铺开的。新增州的备件仓、夜班接线员、工程师响应半径、重复利用的标准化工装，决定服务是否能跟随机群规模同步增长。合同数量增加后，若每台设备都需要高度定制，工程师仍可能被差旅与调试占满；若所有现场问题都被远程软件归为“待模型升级”，客户会在停线时承担实际成本。
Formic 新闻把融资与物理 AI 放在一起，真正值得关注的试金石是：同类任务第二十次部署比第一次少花多少调试时间，跨客户设备故障是否能更快定位，更新之后人工接管率有没有下降。这些数字未来若能按任务和时间窗公开，机群数据的产业价值就更容易被验证。对制造企业，机器人即服务值得尝试；对供应商，每一个月的服务账单，都应当有相应的产线表现作支撑。
参考资料
- Formic，《News》新闻列表及《Formic Raises $50 Million to Scale Physical AI Across American Manufacturing》公告链接，列表日期2026-10-22，2026-10-25访问：https://formic.co/resources/press （融资额与公司原始公告入口）。
- Formic，《Formic Raises $50 Million to Scale Physical AI Across American Manufacturing》，Business Wire 发布稿，2026-10-22；可阅读的原文转载：https://www.financialcontent.com/article/bizwire-2026-10-22-formic-raises-50-million-to-scale-physical-ai-across-american-manufacturing （融资构成、机群规模、累计运行小时、运行率、续约率与部署速度均为公司披露）。原发布页：https://www.businesswire.com/news/home/20261022651853/en/ 。
- Formic，《Full Service Automation》，网页未标日期，2026-10-25访问：https://formic.co/full-service-automation （设备部署、监控、合同服务等级、备件和维护内容）。
- Formic，《Robotic Palletizers》，网页未标日期，2026-10-25访问：https://formic.co/solutions/palletizing （码垛应用、订阅交付与运行承诺）。
- Formic，《The Magic》，网页未标日期，2026-10-25访问：https://formic.co/magic （Core/Cortex 定位及宣传数据）。
- Physical Intelligence，《Frontier Models for Every Robot》，2026-10-13：https://www.pi.website/blog/api-beta （应用数据微调、机器人试验及早期网络连接问题）。
- Formic，官方网站首页，网页未标日期，2026-10-25访问：https://formic.co/ （网页快照的训练数据与可用率标签）。
- Manufacturing.net，《Formic Raises $50 Million to Scale Physical AI Across U.S. Manufacturing》，2026-10-23：https://www.manufacturing.net/automation/news/22977055/formic-raises-50-million-to-scale-physical-ai-across-us-manufacturing （融资消息的行业报道，直接访问受限）。
数据说明：99.6%为 Formic 融资公告披露的机群运行率；官网首页另展示过去12个月动态运行率，统计时间窗不同。配图为概念示意，非客户现场照片。