11 月 5 日有两条新闻可以放在一起看。日本那边，鹿岛建设宣布把搭载 FieldAI 自主软件的四足机器人用到了 10 多个工地，一年跑了 2,000 多次自主任务（本站 11 月 6 日那篇写过）。美国这边，Serve Robotics 宣布了一件不太像机器人公司会做的事：把机器人身后的连接、数据筛选和训练数据拿出来单卖。两家公司说的是同一件事的两面——机器上现场之后，难的是围着它的那套系统。
一、三件产品，对应三个断点
Serve 这次发布的三件产品，官方描述都很短，但各自对着一个具体的麻烦。
Serve Link 负责把现场的机器接到机房里的模型、监控与训练系统上，支持 Wi-Fi、LTE、5G 和卫星。它要解决的不是“能不能连”，而是“网络很差的时候还能不能可靠地连”。
Serve Data Curator 对着数据量。一个车队每天产生的真实数据，远超工程团队能逐条审阅的量，工具负责把那些“罕见的时刻”挑出来——真正能让模型变好的样本往往只占极小一部分。
基础模型数据目录 是第三件，素材来自 Serve 自己跑出来的路面部署数据，包括地形与基础设施信息，用途是教模型理解人特别多的环境。
“造出一台机器人只是开始。要让几千台机器人保持连接、持续学习和改进，需要另一层技术。” Ali Kashani，Serve Robotics 联合创始人兼 CEO，2026-11-05 公告
Kashani 在 TechCrunch 的采访里给这套打法起了个名字：AWS 时刻。他的逻辑是，技术还早期的时候必须自己做端到端应用，因为只有这样才知道该造什么；等技术扩散开，就应该把底层开放出去，让别人在你的平台上搭东西。
二、底子是 2,000 台机器人和 27 家医院
这套服务不是概念稿。Serve 自己的车队规模摆在那里：累计部署 2,000 多台机器人，进入 40 多个城市和 27 家医院，覆盖约 300 万人口，为 4,000 多家餐厅送过餐。公司 2021 年从 Uber 分拆，2024 年上市，2026 年收购 Diligent Robotics，把业务从人行道配送扩到院内服务机器人。
公告说这套服务目前已经支撑十几个行业、数千台车，包括建筑、采矿和自动驾驶卡车。发布是跟着三季度财报一起出来的，同一批消息里还有一项与 T-Mobile 的合作：把 AI 算力往机器人这一端推近。
三、工地比人行道难在哪
人行道上的机器人，环境复杂但相对可预期：有 GPS、有蜂窝网络、路面状况稳定。工地不是这样，四个环节几乎都要重做。
| 环节 | 人行道配送 | 建筑工地 |
|---|---|---|
| 定位 | GPS 加视觉，城市路网可参照 | 地下室、隧道、钢结构内部长期无 GPS |
| 网络 | 蜂窝覆盖稳定 | 临时用电临时网络，随进度改线，带宽与人共用 |
| 机型 | 自家同构车队，软件可统一 | 挖机、机器狗、焊接、巡检、塔机并存，接口各不相同 |
| 数据 | 影像与轨迹为主 | 点云、影像、焊接与振捣参数、实测实量结果 |
面对同样的约束，两家公司的解法正好相反。鹿岛与 FieldAI 选择把处理留在机器人上，所以断网、无 GPS 也能跑完一圈巡查；Serve 选择把连接做厚，让重活回到机房。两条路都在回答同一个问题：现场算力和网络都不够时，决策放在哪一端。
还有一层差别在数据密度。一台巡检机器狗一天下来的影像和点云是几十 GB 起步，一台挖掘机的作业参数每秒都在刷；这些东西既不能全传回去（工地出口带宽通常只有几十兆，还得跟办公和监控分），也不能全留在机上（模型更新要用）。所谓“数据筛选”，本质是在现场先做一次压缩和打标，把有价值的片段挑出来再回传，其余留在本地轮转覆盖。这一步做不好，传回去的要么是垃圾，要么是人审不完的量。
这也解释了为什么这层能变成生意。卖设备是一次性收入，卖连接、数据筛选和模型更新是按月或按项目的经常性收入，而且客户车队越大越难换供应商。
四、谁买单，合同里该写什么
承包商。没必要自建一套 MLOps。连接、数据筛选、模型更新按项目租，成本进机械费或安全文明施工费。但要先问清一件事：断网的时候机器人还能不能干活——这决定 SLA 怎么写，也决定机器人该不该保留机上算力。
机器人厂商。数据是护城河，外包连接层的前提是保住模型权重和训练权。原始数据归谁、能不能用于供应商自己的模型训练，必须在协议里写死，不能留默认条款。
业主。现场影像、点云、模型上第三方云，涉及保密与数据主权。合同至少要写四条：数据存放在哪、留存多久、能否二次使用（尤其是否用于厂商训练）、删除与审计怎么做。
需要说明的是，Serve 的公告没有披露定价、SLA 和数据处理条款，这些只能按项目逐个谈。首批客户里唯一被点名的是 Bedrock Robotics，做挖掘机自主化改装的那家，它用 Serve Link 通过 Wi-Fi、LTE、5G 和卫星把设备连回去。
计价方式值得提前想清楚。这类服务通常按设备台数、数据流量或项目周期计价，前两种对承包商是浮动成本，后一种更好进预算。真正要盯的是超量条款：点云和影像的体积随扫描频率线性上涨，一个扫描频率从每周一次提到每天一次，账单可能翻好几倍，而项目上往往只有机器人班组知道这件事。
五、BIM 团队要接的三件事
数据要回得来，先得对得上
- 统一坐标基准。机器人建图用的是局部坐标（SLAM 原点），模型用的是施工坐标或大地坐标。不统一，回传的点云就套不上模型，只能人工找基准点。
- 让构件编码成为任务号。焊接、吊装、铺贴这类作业都按构件取数，模型编码是机器人的索引。编码一旦在深化阶段被改，机器人那边的任务清单就全错位。
- 把采集数据纳入交付。巡检影像、实测实量、周期点云不再是过程资料，而是竣工交付与运维孪生的输入。命名、版本、精度都要按交付标准做，不能等到交付前再补。
口径说明
- 客户名单、“十几个行业、数千台车”均为 Serve Robotics 自述；Bedrock 使用 Serve Link 一说见 Serve 公告与 TechCrunch 报道，Bedrock 未单独披露使用规模。
- 定价、SLA、数据存储与使用条款未公开，文中不作推断。
- 鹿岛与 FieldAI 的数字见本站 11 月 6 日文章，此处仅用于对照两条技术路线。
资料来源：Serve Robotics《Serve Robotics Launches Physical AI Services, Opening Technology Behind Its Robot Fleets to Leading Physical AI Companies》（GlobeNewswire，2026-11-05）；TechCrunch《Serve Robotics launches new business to become the AWS for robots》（2026-11-05）；Serve Robotics 官网 Physical AI Services 页面；本站《2,000 次巡查之后：鹿岛把机器狗排进了工地日程》（2026-11-06）。