Serve Robotics近日宣布与快速发展的按需洗衣平台NoScrubs达成合作,这也是Serve首次在预制食品配送之外,正式涉足城市商业配送领域。
本次试点项目将于本周在洛杉矶部分街区启动,借助Serve现有的自主人行道配送机器人,将NoScrubs的洗衣订单直接送达用户家门口。
此次商业试点将Serve的"最后一公里"配送业务延伸至一个全新的本地高频消费场景。目前,NoScrubs已在全美七个主要城市开展运营。
在线洗衣服务是消费物流领域增长最快的细分市场之一。受城市忙碌家庭、双职工家庭以及越来越多习惯使用应用程序的年轻消费者驱动,该市场规模预计将从2025年的约400亿美元增长至2030年的1300亿美元。
Serve现有的上路机器人可以直接切入这一新品类,在无需额外建设专属车队的情况下创造新的营收来源。参与其中的还是同一批机器人、同一套自主驾驶技术架构,以及与食品配送业务相同的运营体系。
Serve将洗衣配送视为向更多垂直领域扩张的早期探索,未来计划涵盖干洗、零售、药品及生鲜等场景——这些领域与食品配送在最后一公里的经济逻辑上高度契合,同样适合人行道机器人发挥作用。
Serve Robotics联合创始人兼首席执行官Ali Kashani表示:"我们已经打造出规模最大的自主配送平台之一,并在美国人口最密集、环境最复杂的城市中用多年时间验证了这一模式。"
"与NoScrubs的合作,正是我们将已有积累转化为新品类配送能力、为消费者带来更多便利的一次实践。那些为你送来晚餐的Serve机器人,很快也将为你送上洗好的衣物,而这仅仅是个开始。"
对于用户而言,整个使用体验十分简便。用户在NoScrubs应用中选择心仪的配送时间段后,NoScrubs将根据机器人的可用状态和存储需求进行调度,用户只需等待衣物按时送达即可。
NoScrubs联合创始人兼首席执行官Matt O'Connor表示:"用户对快速、无缝配送体验的期待,早已不局限于餐食配送,而是渗透到日常生活的方方面面。与Serve的合作让我们得以探索更具创新性的服务方式,同时提升运营效率。"
目前,Serve在全美运营约2000台机器人,其中500台部署于洛杉矶,将在继续承担食品配送任务的同时,同步处理NoScrubs的订单。
由于洗衣取送通常发生在餐食配送的高峰时段之外,此次合作能够有效填补现有车队的空闲时段,让已上路的机器人发挥更大的利用率。
此次业务扩展是Serve持续扩张战略的组成部分。今年1月,Serve已完成对Diligent Robotics的收购,将其自主配送平台的触角延伸至室内场景。
Q&A
Q1:Serve Robotics的配送机器人目前在哪些城市运营?
A:Serve Robotics目前在全美运营约2000台自主配送机器人,覆盖多个主要城市,其中洛杉矶部署了500台。此次与NoScrubs的洗衣配送试点项目也率先在洛杉矶部分街区启动,这些机器人将在承担原有食品配送任务的同时,同步执行洗衣订单的配送工作。
Q2:Serve机器人如何处理洗衣配送订单?
A:用户通过NoScrubs应用选择配送时间段后,NoScrubs系统会根据机器人的实时可用状态和订单存储需求,自动将订单分配给对应的Serve机器人。整个流程对用户来说非常简便,只需等待衣物按时送达即可。由于洗衣取送通常发生在餐食配送高峰之外,机器人的整体使用效率也得到了有效提升。
Q3:在线洗衣服务市场的增长前景如何?
A:在线洗衣服务是当前消费物流领域增长最快的细分赛道之一。受城市忙碌家庭、双职工家庭以及偏好使用应用程序的年轻消费者需求拉动,该市场规模预计将从2025年的约400亿美元大幅增长至2030年的1300亿美元,增长潜力十分可观。
好文章,需要你的鼓励
市场研究公司Klue本月初遭黑客入侵,大量客户数据被窃。Klue表示正与黑客组织Icarus沟通,并相信对方正在删除所盗数据。受影响客户包括Gong、LastPass、HackerOne等多家知名企业。然而事态趋于复杂——另一黑客团伙声称从Icarus处获取了Klue客户数据,并向客户发出勒索威胁。Klue提醒客户勿向第二方支付赎金,并建议索取数据样本以核实其真实性。
KAIST等机构提出3D HAMSTER,通过为视觉语言模型加入深度编码器和几何重建损失,让机器人规划器直接输出三维轨迹,解决了分层机器人系统中规划与执行的维度不匹配问题,显著提升了操作鲁棒性。
苹果公司对OpenAI提起诉讼,指控其窃取商业机密。据披露,前苹果系统电气工程师刘畅(Chang Liu)在离职加入OpenAI后,利用一个此前未知的身份验证零日漏洞,持续数周从苹果内部网络存储中下载大量机密文件,内容涵盖未发布产品信息、工程演示文稿及技术规格等。苹果已修复该漏洞并终止相关访问权限。此案已提交加州北区联邦法院,并要求陪审团审判。
南京大学提出Light-Omni框架,通过全局状态与潜在状态双机制,让AI视频助理无需反复推理即可实现精准记忆检索,速度提升逾12倍,准确率同步提高。