欧洲机器人创业生态正在发生一次明显的结构性变化。过去提到欧洲机器人产业，首先想到的往往是工业机械臂、伺服驱动、精密减速器、机器视觉以及成熟的工厂自动化体系；但2024年以来新成立的一批机器人企业，正在把创业方向迅速推向Physical AI、人形机器人、机器人自主软件、世界模型、异构机器人调度以及软件定义制造。

近期受到关注的10家欧洲机器人和Physical AI初创企业，虽然业务横跨不同领域，却共同反映出一个趋势：机器人产业下一阶段的竞争重点，正在从“制造一台机器”逐渐转向“让机器真正理解并持续适应物理世界”。

这10家公司多数成立于2024年至2026年，分别来自法国、英国、瑞士、意大利、丹麦和爱沙尼亚等欧洲国家。它们的产品形态并不统一，有些开发人形机器人，有些完全不生产机器人本体，而是提供机器人“大脑”；还有企业将AI、机器人和数字化生产系统结合起来，重新设计工厂运行模式。更值得注意的是，不少公司成立时间不到两年就获得数千万乃至数亿欧元融资，显示资本正在快速流向Physical AI及其底层基础设施。

法国Advanced Machine Intelligence（AMI Labs）：押注机器人“世界模型”

法国Advanced Machine Intelligence（AMI Labs）代表的是最上游的一条技术路线——世界模型。公司2026年在巴黎成立，其目标不是制造某一款具体机器人，而是开发能够理解真实物理世界的AI系统。

AMI认为，仅仅依靠语言模型并不足以解决现实世界中的机器人问题，因为摄像头、传感器和机器产生的数据具有连续、高维、动态和噪声复杂等特征。其技术路线是让AI从真实世界传感数据中提取更抽象的环境表示，使智能系统能够预测行动产生的结果，并据此制定后续行为，同时加入相应的安全约束。

这一思路对于机器人行业意义重大。当前大型语言模型擅长处理文字和知识，但机器人工作面对的并不是一段静态文本，而是不断变化的货物、人员、车辆、机械设备以及空间关系。一台移动机器人如果真正拥有世界模型，就不仅仅是“发现前方有障碍物然后绕行”，而是有可能理解环境状态、任务目标以及自身行动产生的后果。

AMI的潜在应用已经覆盖机器人、工业自动化、可穿戴设备以及医疗等领域。公司成立后即获得约8.9亿欧元融资，对应约30亿欧元投前估值，成为欧洲近年来规模极为罕见的早期融资案例之一。

瑞士Flexion Robotics：不造机器人身体，而是做机器人“大脑”

瑞士Flexion Robotics则更加直接地瞄准“机器人智能层”。这家公司成立于2024年，总部位于苏黎世，并不准备制造自己的人形机器人身体，而是开发可以跨不同机器人硬件运行的自主软件栈。

其系统覆盖从任务指令到运动控制、从机械操作到行走运动等环节，将强化学习、仿真、语言推理、视觉—语言—动作模型和全身控制结合起来。Flexion将自己的定位概括得非常明确：不是制造机器人身体，而是制造机器人的“大脑”。

这种硬件无关路线值得工业车辆和移动机器人行业关注。传统AGV软件往往与具体车辆、控制器和导航系统深度绑定，而未来Physical AI的软件层可能逐渐与硬件解耦。同一套智能系统有可能同时运行在不同品牌、不同形态甚至不同自由度的机器人上。

Flexion目前已经推出Reflect机器人智能平台，重点解决机器人长时间、多步骤自主任务的问题。公司还在推进仿真到现实世界的迁移，希望机器人可以主要在高保真数字环境中训练，再将学习能力转移到真实设备。目前公司累计融资接近5000万欧元。

意大利Generative Bionics：把机器人身体本身变成“计算系统”

意大利Generative Bionics走的是机器人本体与Physical AI融合路线。这家2025年成立于热那亚的企业正在研发面向真实工业和服务环境的智能人形机器人平台，并将解决劳动力短缺、人机协作以及复杂环境作业作为主要方向。

公司已经获得约7000万欧元融资。其首个人形机器人平台GENE.01采用开放式架构，希望形成能够从工厂继续扩展至其他行业的通用平台。

Generative Bionics强调“Body as Compute”，即机器人身体本身并不是简单承载AI的机械外壳，而是智能系统的一部分。其设计路线把生成式设计、机械结构和Physical AI结合起来，使机器人的运动、结构效率以及环境交互共同参与智能计算。

这也是当前人形机器人产业正在逐渐形成的一种认识：Physical AI并非简单地把一个大模型安装到机器人里，而是必须把机械、驱动、传感器、控制算法和模型统一考虑。

英国Humanoid：轮式人形机器人首先进入制造和内部物流

英国Humanoid则是这批企业中与工厂内部物流关系最为直接的公司之一。Humanoid总部位于伦敦，同时开发轮式和双足机器人，希望在人类已经建立的工业环境中实现通用劳动自动化。

其HMND 01 Alpha Wheeled轮式人形机器人采用移动底盘加双机械臂结构，额定负载能力15公斤，平均运行时间约4小时，首先瞄准制造、物流和仓储等高度重复的物料处理任务。

Humanoid真正值得关注的并不仅仅是机器人硬件，而是其自研KinetIQ AI体系。KinetIQ被设计成为机器人车队端到端协调框架，使不同形态的机器人可以由统一系统进行管理。这意味着未来同一个工厂中，轮式机器人与双足机器人理论上可以共享一部分任务规划、学习和调度能力。

2026年以来，Humanoid已经在实际生产物流环境进行多项验证，包括与企业客户开展生产物流概念验证，并在德国工业现场测试自主物流作业。今年7月，公司完成约1.33亿欧元A轮融资，投后估值约11亿欧元。

这种融资规模也说明资本对工业人形机器人商业化路线的关注正在明显升温。与一些首先强调双足行走能力的人形机器人企业不同，Humanoid同时布局轮式结构，本身就说明工业用户更加关心效率、稳定性和投资回报，而不一定要求机器人必须完全模仿人的移动方式。

丹麦Hive Robots：尝试用RaaS模式推动人形机器人落地

丹麦Hive Robots提供了另一种商业化思路。公司2025年成立，并没有把重点放在制造单一品牌机器人，而是希望通过软件和Robot-as-a-Service，也就是“机器人即服务”模式，帮助企业部署人形机器人。

其目标行业包括零售、仓储、物流、酒店和医疗等，并提供概念验证、软件开发以及垂直行业部署服务。公司当前已经把货架补货等场景作为重要商业方向。

这种模式与过去AMR产业的发展轨迹有一定相似性。对于许多用户来说，采购机器人本身并不是最大难题，真正困难的是系统集成、工作流程改造、软件连接、人员培训、运维以及持续升级。

如果人形机器人未来进入物流领域，用户可能同样不愿意一次性购买昂贵设备，而更倾向于按照实际使用能力和服务效果付费。Hive因此代表的不只是机器人技术创新，也是一种机器人商业模式的变化。

英国Stateful Robotics：把重点放在多机器人任务决策

英国Stateful Robotics进一步把重点放在多机器人任务决策上。这家从牛津机器人研究生态中成长起来的公司成立于2025年，开发硬件无关的移动机器人“决策智能”平台。

传统机器人往往按照预先定义好的路径和规则完成任务，而Stateful希望让机器人能够面对持续数分钟、数小时乃至数周的复杂任务，根据环境变化不断调整行为。

其系统可以把用户提出的吞吐量、覆盖范围、安全性和其他运营指标转化为机器人任务，然后根据现场变化进行动态优化，并能够从单机器人扩展到多机器人乃至人与机器人协同。

这种技术方向实际上与内部物流目前越来越受到关注的异构机器人调度高度相关。未来大型工厂可能同时拥有无人叉车、潜伏式AMR、料箱机器人、机械臂和人形机器人，如果每一类设备都运行独立系统，整体效率将受到明显限制。硬件无关的软件层因此可能成为下一阶段机器人产业的重要竞争入口。

目前，Stateful融资规模约410万欧元。

爱沙尼亚Rollo Robotics：从自主巡检和移动安防切入

爱沙尼亚Rollo Robotics选择移动安防和巡检作为切入口。这家2025年在塔林成立的公司开发采用陀螺稳定技术的自主移动机器人，将机器人、传感器和自动化能力结合起来，用于持续环境监测。

公司已获得约370万欧元Pre-Seed融资。虽然这一产品与传统仓储AMR用途不同，但其底层逻辑同样是让移动机器长期、自主地运行于人类环境，并承担重复性巡检和信息采集任务。

这类技术未来也可能延伸至工厂巡检、能源设施、物流园区以及大型仓库等场景。在这些应用中，机器人并不需要搬运货物，而是持续获得环境数据，并完成异常检测、安全监控和设备状态检查。

英国Isembard：重新定义“机器人公司”与未来工厂

英国Isembard进一步扩展了“机器人创业公司”的定义。它并不以销售机器人本体为主要业务，而是在建设软件驱动的分布式精密制造工厂。

其核心MasonOS将报价、生产计划、供应链、制造、质量控制和交付等流程连接起来，并通过AI持续优化生产，同时连接机床、机器人和操作人员。公司认为，未来工厂本身也应该被视为一种可通过软件持续升级的自动化系统。

Isembard在2026年3月完成5000万美元A轮融资，计划加快欧洲及其他地区的工厂网络扩张。

其逻辑与传统“大型中央工厂”有所不同：通过标准化软件、自动化设备和分布式生产单元，把更多中小型精密制造能力连接起来。对于机器人产业而言，这类公司虽然不一定直接制造机器人，却可能影响机器人零部件和先进装备未来的生产组织方式。

英国Cambridge Aerospace：自主系统技术向复杂场景延伸

英国Cambridge Aerospace主要面向自主系统和复杂环境技术，其具体应用方向与制造和物流机器人存在一定区别，但底层技术同样涉及感知、控制、自主决策以及复杂环境运行。

这类企业说明，Physical AI并不只属于工业机器人行业。无论是地面移动机器人、无人系统还是复杂场景下的自主机器，本质上都需要解决机器如何感知环境、理解任务并自主作出行动决策的问题。

随着传感器、边缘计算和AI模型能力提升，不同行业之间的自主系统技术正在出现越来越明显的交叉。

法国Harmattan AI：从自主系统走向实时智能决策

法国Harmattan AI同样聚焦自主系统、安全和实时智能决策。其产品方向虽然与工业机器人和内部物流不同，但技术底层依然依赖传感器融合、环境感知、自主任务规划和快速决策。

这进一步说明，Physical AI正在突破传统工业机器人行业的边界。未来用于工厂、物流、基础设施巡检以及其他复杂场景的自主机器，在AI基础架构层面可能越来越多地共享相似技术。

10家公司背后的共同趋势：机器人产业开始重新分层

把这10家公司放在一起观察，可以发现欧洲机器人创业正在形成几个非常鲜明的新方向。

第一，软件的重要性正在超过单纯的机械创新。AMI Labs研究世界模型，Flexion开发跨硬件自主智能，Stateful解决移动机器人任务决策，Humanoid则希望通过KinetIQ协调不同形态机器人。机器人产业长期由机械、伺服和控制器驱动，而Physical AI时代正在增加一个价值量可能越来越大的“智能软件层”。

第二，机器人硬件与智能正在逐渐解耦。过去机器人企业通常必须同时开发整机、控制器和软件，但越来越多创业公司认为，一套机器人智能应该能够运行在不同厂商的硬件之上。类似PC产业曾经经历的硬件与操作系统分层，也可能部分出现在机器人领域。当然，现实世界中的机器人远比计算机复杂，机械差异、动力学、安全标准和传感器配置都会增加跨平台难度，但方向已经非常明确。

第三，工业现场重新成为Physical AI最重要的商业落脚点之一。仓库、汽车工厂、制造车间和物流中心任务高度重复，同时又存在大量非标准化操作，非常适合作为新一代机器人训练和商业验证的场所。Humanoid已经直接进入生产物流环境，Hive把仓储和物流列为主要行业，Flexion和Stateful的软件能力也天然适用于工业移动机器人。

第四，资本开始把Physical AI视为继生成式AI之后的重要投资方向。这10家公司中，AMI Labs融资接近8.9亿欧元，Humanoid完成1.33亿欧元A轮融资，Generative Bionics获得7000万欧元，Flexion融资接近5000万欧元，Isembard则获得5000万美元A轮资金。如此密集的大额早期融资说明，投资者已经不再把机器人仅仅看成传统自动化设备，而是将其视为AI从数字世界进入现实世界的重要载体。

对于叉车、AGV和AMR行业而言，这些变化同样值得重视。传统AGV时代，企业更多比较导航方式、机械性能、可靠性和调度效率；AMR普及后，竞争进一步扩展到环境感知、动态避障以及柔性部署；进入Physical AI阶段，机器人可能继续比较环境理解、任务推理、跨车型学习、自主操作乃至与其他机器人协作的能力。

未来的仓库可能同时运行传统人工叉车、无人叉车、AMR、自动存取设备、机械臂以及不同形态的人形机器人。这些设备未必来自同一家制造商，但越来越可能由更高层的软件系统进行统一任务编排。届时，机器人本体仍然重要，但整个产业链的价值分配可能发生变化：传感器产生数据，机器人执行任务，而真正决定整个系统效率的，可能是位于它们之上的世界模型、智能决策、任务编排和机器人学习平台。

因此，这10家成立时间并不长的欧洲企业真正值得关注的，并不是它们今天已经销售了多少台机器人，而是它们正在尝试重新定义“机器人公司”究竟是什么。未来最具影响力的机器人企业，未必一定拥有最大的机器人整机工厂，也可能是一家掌握机器人通用智能、世界模型、多机协同或者制造操作系统的软件公司。

从这个意义上说，Physical AI带来的可能不是传统机器人产业的一次简单升级，而是机器人价值链的一次重新分层。当AI真正开始拥有感知、判断并作用于物理世界的能力后，机器人本体、软件、数据、仿真、任务调度和制造体系将更加紧密地结合。欧洲这一轮新兴机器人企业的集中出现，正是这种产业变化正在加速的一个缩影。