不做地面清扫机器人，直接接管光伏工地的搬运、安装和组装——旧金山初创公司拿到了顶级风投的信任票
全球光伏装机量每年都在刷新纪录，但一个容易被忽略的事实是：光伏电站的建设速度，正在成为清洁能源转型的瓶颈。不是缺订单，不是缺资金，而是缺人——大规模的户外施工需要大量体力劳动，而愿意干这种活的工人越来越少。
一座100MW的地面光伏电站，需要搬运和安装超过30万块光伏板。传统施工方式下，从基础打桩到支架安装、组件搬运、接线调试，整个工期需要6到12个月。人力成本占EPC总成本的15%到25%，而且安全事故率居高不下。
旧金山初创公司Gritt Robotics看到了这个缝隙。2026年7月，他们宣布完成3400万美元融资，目标很明确：用物理AI系统接管光伏电站的核心施工流程。
这轮融资的结构值得拆解——它反映了资本市场对"物理AI"赛道的判断变化。
Series A由Obvious Ventures领投，Union Square Ventures（USV）和Active Impact Investment跟投。这三家投资机构的组合很有意思：Obvious聚焦"影响驱动"的科技投资，USV是Fred Wilson创立的老牌风投（投过Twitter、Coinbase），Active Impact专注清洁能源和影响力投资。
此外，Gritt还获得了美国能源部American-Made Solar Prize第七轮50万美元奖金。政府奖项+顶级风投的双重背书，说明这条技术路线的可行性已经经过了独立评审。
Gritt的技术策略跟很多建筑机器人公司不同。他们没有从零造一台专用机器人，而是开发了一套"物理AI附件"——挂载到现有施工设备（挖掘机、起重机、叉车）上，让这些设备具备自主搬运、定位和安装能力。
这个思路背后的逻辑很务实：
| 维度 | 专用机器人方案 | Gritt 外挂方案 |
|---|---|---|
| 设备成本 | 需要采购全新专用设备 | 利用现场已有设备 |
| 部署速度 | 需要定制产线，交付周期长 | 附件安装，数天即可投产 |
| 适用场景 | 单一功能，场景受限 | 通用设备+AI附件，多场景复用 |
| 维护体系 | 需要新的维保团队 | 沿用现有设备维保体系 |
| 扩展灵活性 | 换场景需换设备 | 换AI模型+附件即可切换任务 |
更关键的是数据壁垒。Gritt在官网强调，他们的系统建立在"大规模空间和运营数据集"之上——也就是说，每次部署都在积累光伏施工的场景数据（地形、光照条件、组件规格、安装路径），这些数据反过来让AI模型越来越准。
从结果看，Gritt已经自主完成了数万块光伏板的搬运和安装，破损率为零。在光伏组件单价数百美元、且对微裂纹极度敏感的背景下，零破损是一个硬指标。
Gritt选择光伏作为切入点并不意外——标准化程度高、施工场景重复、户外作业招工难。但他们真正想做的显然不止于此。官方路线图明确提到了数据中心、大型基础设施、混凝土和钢筋施工。
这个扩张路径的底层逻辑是：物理AI平台一旦在某个场景跑通，数据和算法可以迁移到相邻场景。光伏施工积累的"户外大型组件精准安装"能力，跟数据中心的预制件吊装、甚至建筑的模块化施工，在技术层面是相通的。
Gritt不是唯一瞄准这个方向的公司。2026年上半年，建筑机器人领域出现了一波密集的融资事件：
| 公司 | 融资额 | 方向 | 技术特点 |
|---|---|---|---|
| Gritt Robotics | $3400万 | 光伏/基建施工 | 现有设备AI外挂 |
| Monumental | $3200万 | 砌砖机器人 | 专用自主砌砖系统 |
| Luyten | 未公开 | 塔吊AI改造 | 塔吊+3D打印改装 |
| McLaren/FieldAI | 未公开 | 自主施工机器人 | 通用建筑机器人平台 |
从融资规模和技术路线看，资本正在分化押注：一部分投专用机器人（Monumental砌砖），一部分投改装方案（Luyten塔吊、Gritt外挂），还有一部分投通用平台（FieldAI）。Gritt的"外挂"路线在部署速度和设备兼容性上有优势，但长期看，AI模型的泛化能力和施工精度是关键壁垒。
中国是全球最大的光伏装机市场，也是最大的光伏组件生产国。但在光伏电站施工自动化方面，国内还停留在"清扫机器人"和"巡检无人机"层面，核心的搬运安装环节基本依赖人工。
Gritt的思路对国内的启示有三点：
第一，施工自动化的价值锚点不是"替代工人"，而是"加速装机"。在碳中和目标下，光伏装机速度直接决定了减排进度。如果AI能把100MW电站的工期从8个月压缩到4个月，价值远大于省几个人工。
第二，"挂载式"方案更适合中国市场。国内EPC企业普遍自有设备存量巨大，能复用现有设备的方案推广阻力最小。
第三，数据积累要趁早。Gritt强调他们的AI建立在大规模空间数据之上。国内光伏施工场景丰富、地形复杂，如果本土企业现在开始系统性积累施工数据，未来在AI施工模型上就有先发优势。
1. 光伏电站BIM模型可以直接驱动施工：Gritt这类AI施工系统需要读取组件排布、支架规格、基础坐标等数据。BIM工程师在建模时就需要考虑机器可读性——不只是给人看，更要给AI执行。
2. 关注施工仿真能力：在光伏项目中尝试用BIM做施工工序仿真（吊装路径、安装顺序），这将成为AI施工系统的"预编程"输入。
3. 学习机器人协作接口：了解IFC到机器控制指令的转换逻辑，未来BIM模型直接输出G-code或ROS指令不是科幻。
"We can have the world we want. Gritt is how we build it."——Gritt Robotics官网标语