欧洲建筑机器人公司All3近日宣布完成2500万美元种子轮融资,致力于通过机器人和AI技术将建筑行业的生产力提升三倍。
本轮融资由RTP Global领投,SuperSeed重要参与,Begin Capital、s16vc和VNV Global跟投。
All3通过三项集成技术,将建筑施工的每一个环节重构为端到端的一体化流程:All3 Mantis(一款用于现场装配的自主足式机器人)、AI驱动的设计软件,以及生产定制化建筑构件的机器人工厂。
与传统建筑方式相比,这种全新模式可节省高达30%的成本,缩短最多50%的工期,并减少最多25%的隐含碳排放——同时在建筑形态、功能或外观上没有任何限制。
建筑施工是一个规模高达6.7万亿美元的全球性行业,但其生产力在过去50年里几乎没有提升,对人工劳动力的依赖反而日益加剧,成本也随之水涨船高。
预制装配式建筑体系一直难以在城市环境中规模化推广,原因在于其技术上被锁定于标准化设计,无法适应城市住房需求所在的密集且不规则的建设场地。
相比之下,All3的一体化全自动方案能够在不受任何设计限制的前提下,重新激活建筑业的生产力。
公司这一独特的路径已经获得了早期市场需求的验证。All3已通过其AI设计软件处理了超过10万平方米的住宅项目,为其在德国2026-2027年快速增长的建筑项目储备奠定了坚实基础。
团队将主要利用这笔资金推进伦敦和贝尔格莱德的研发工作,并在德国——公司首发市场——的多个在建工地部署机器人舰队执行首批商业项目。德国目前正面临约70万套住宅的严重短缺。
All3联合创始人兼CEO Rodion Shishkov表示:“我们创立All3,是希望开发能够解决建筑业根本问题的机器人和AI解决方案。
本轮种子融资证明,我们已经做好准备去攻克一个长期以来被认为不可能解决的难题。建筑业是全球最大的、尚未经历生产力革命的行业,蕴含着万亿美元级的机遇。
借助这笔资金,我们将大规模部署我们的技术,使命非常明确:彻底解决住房危机。获得高质量的住房是人类的基本需求,而我们正在构建让每个人都能实现这一目标的技术。”
RTP Global合伙人、All3新任董事会成员Jelmer de Jong表示:“技术在提升建筑行业效率与项目交付方面具有巨大潜力。All3具备深厚的工程能力和清晰的战略聚焦,能够切实推动这一姗姗来迟的行业变革。
Rodion和团队成功地将前沿机器人技术、物理AI与可落地的商业模式相结合,他们令人鼓舞的早期市场需求就是最好的证明。我们非常期待看到首栋建筑在今年破土动工。”
SuperSeed管理合伙人Mads Jensen表示:“建筑业是一个6.7万亿美元的行业,至今仍在等待属于它的生产力革命。
这支团队拥有深厚的工程实力、成熟的技术平台和良好的商业进展,足以推动这场变革。我们之所以投资All3,是因为欧洲需要自己的物理AI领军企业,而这支卓越的团队正在打造这样的标杆。”
Q&A
Q1:All3是一家什么样的公司?它的核心技术是什么?
A:All3是一家欧洲的建筑机器人公司,致力于通过机器人和AI技术革新建筑行业。其核心技术包括三项集成方案:用于现场装配的自主足式机器人All3 Mantis、AI驱动的设计软件,以及生产定制建筑构件的机器人工厂,将建筑施工重构为端到端的一体化流程。
Q2:All3的技术相比传统建筑方式有哪些优势?
A:与传统建筑方式相比,All3的方案可节省高达30%的成本,缩短最多50%的工期,并减少最多25%的隐含碳排放。最关键的是,这些优势的实现并不会对建筑的形态、功能或外观造成任何限制,解决了传统预制建筑无法适应城市复杂场地的难题。
Q3:All3将这笔融资用在哪些方面?
A:All3将主要把资金用于在伦敦和贝尔格莱德推进研发工作,并在德国的多个在建工地部署机器人舰队执行首批商业项目。德国是公司的首发市场,目前面临约70万套住宅的严重短缺,All3希望通过技术规模化部署帮助解决住房危机。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。