外观
新闻a16z今天
a16z领投Tutor Intelligence B轮：远程遥操作训练仓储机器人基础模型
本文由 AI 根据公开内容整理，可能有误，请以原文为准：Investing in Tutor Intelligence（a16z：News（RSS）（via AIHOT））
核心内容
a16z宣布领投机器人公司Tutor Intelligence的B轮融资，核心看点在于其“先落地后建模”的反向研发路径。不同于行业先构建通用模型再寻找场景的惯例，Tutor优先锁定仓储物流刚需，通过人类远程操作员（Tutors）在真实产线作业产生高价值数据，反向迭代机器人基础模型。目前该系统已在美国多家大型制造与物流网络运行，目标2027年底签约超1000台机器人，且过去12个月新增订单中近1/3来自存量客户扩容，验证了商业闭环。
技术架构上，Tutor实现脑、体、数据全栈垂直整合，两款本体Cassie（单臂箱拣/码垛）与Sonny（双臂电商履约）共享同一基础模型，确保跨形态能力迁移。商业模式创新地将传统Capex转为按小时计费的Opex，降低中小制造企业准入门槛；工程交付侧实现最低8小时快速部署。这种以ROI为导向的产品化策略，使其在获取真实长尾数据的同时，解决了机器人从实验室到规模化落地的产品体验与服务生命周期难题。
关键看点
- 反向数据飞轮：利用人类远程操作员在真实生产环境作业，采集高价值真机数据反向训练基础模型，规避纯仿真数据偏差
- 全栈模型复用：单臂Cassie与双臂Sonny两款异构本体共享同一基础模型，通过垂直整合实现跨硬件形态的能力迁移与迭代
- 商业化验证：过去12个月近1/3新客户为存量扩容，实施周期低至8小时，按小时计费模式将Capex转为Opex解锁中小企业市场
- 规模化目标：已进驻美国大型制造与物流网络，计划2027年底签约超1000台机器人，验证了仓储物流场景的PMF
工程与产业观察
Tutor Intelligence验证了“场景定义模型”的具身智能落地范式：在通用大模型成熟前，通过人机协同遥操作在真实产线积累高质量Corner Case数据，比纯仿真训练更具工程实效。其按小时计费与8小时极速部署能力，标志着工业机器人正从重型资产向柔性服务转型，为具身智能商业化提供了可复制的ROI驱动样本。
线索来源：AIHOT
延伸选型与深度对比
基于本文技术方向关联的整机参数、公开报价及同赛道选型横评。
宇树 G1
Franka FR3来源
本页事实对应的公开页面，以原文为准。