Danu Robotics 推出回收分拣机器人 H.E.R.O.，完成 500 万美元 late-seed 融资
来源TechCrunch AI查看原文
速览
- Danu Robotics 把回收分拣机器人 H.E.R.O. 推向市场，采用夹爪而非吸盘抓取。
- 公司完成 500 万美元 late-seed 融资，已有 50 万美元签约合同。
- 销售管道超过 200 家客户，瞄准欧美 200 亿美元回收分拣市场。
- 创始人测算单站点可增收 48.5 万美元，初始投入 16 万美元、年维护 2.4 万美元。
- 回收中心靠分拣出的材料赚钱，因此有效系统能带来直接投资回报。
- 竞品 Glacier 与 RecycleEye 的吸盘式机械臂已在出货。
- Danu 用 AI 持续迭代机器人软件，作为差异化竞争点。
- 长期方向是小型化、便携化，把回收能力下沉到机场、医院等源头场景。
总部位于苏格兰爱丁堡的 Danu Robotics 正在把一款名为 H.E.R.O. 的回收分拣机器人推向市场。创始人 Amy Ma 曾在伦敦一家银行做软件开发，她发现办公楼里分类好的回收物最终被倒进同一个垃圾桶，进而意识到整个回收行业的经济性长期依赖人工在垃圾流中分拣可回收物。Danu Robotics 成立已有六年，其机器人采用夹爪而非吸盘抓取物品，并通过 AI 持续迭代软件。公司目前手握两家大客户的意向书和 50 万美元已签约合同，销售管道中有 200 多家客户，瞄准欧洲和北美规模 200 亿美元的回收分拣市场。公司已完成 500 万美元 late-seed 融资。Amy Ma 给出的经济账是：一个投入运行的站点通过上线该机器人可增加 48.5 万美元收入，而初始投资为 16 万美元、每年维护费 2.4 万美元。她的下一步目标是让机器人更坚固、更小、更通用，从而进入活动场馆、购物中心、医院和机场等场景，在源头处理包装废弃物。
关键事实
- Danu Robotics 总部位于苏格兰爱丁堡，成立已有六年，创始人兼 CEO 为 Amy Ma。
- 其回收分拣机器人名为 H.E.R.O.，使用夹爪抓取物品，而非竞争对手 Glacier、RecycleEye 采用的吸盘方案。
- Danu Robotics 已获得 500 万美元 late-seed 融资。
- 公司目前有来自两家大客户的意向书，以及 50 万美元已签约合同，销售管道中超过 200 家客户。
- Amy Ma 称欧洲和北美的回收分拣市场规模为 200 亿美元。
- 按 Amy Ma 的测算，站点上线该机器人可增加 48.5 万美元收入，对应 16 万美元初始投资和每年 2.4 万美元维护费。
本站视角
对国内做机器人硬件的团队来说，Danu 的路径值得注意：它没有在通用人形或通用抓取上竞争，而是选了一个 ROI 可以当场算清的垂直场景——回收分拣。回收中心的收入与分拣出的材料量直接挂钩，客户不需要理解 AI，只需要算一笔账，这让销售周期和说服成本都远低于大多数机器人落地场景。夹爪对吸盘的技术选择也说明，在这个场景里「能抓起什么」比「抓得多快」更影响可用性，因为垃圾流中的物品形状极不规则。 但需要保持怀疑。200 亿美元市场规模、48.5 万美元增收、16 万美元投入、2.4 万美元年维护，这些数字全部来自创始人 Amy Ma 的单方测算，原文没有给出任何已落地站点的实测数据。50 万美元签约合同和两家大客户意向书同样没有披露客户名称与合同期限，意向书本身不构成收入。200 多家客户「在销售管道中」是一个极宽的表述，从初次接触到接近签约都可以算进去，不宜当作订单储备来理解。 对国内回收与固废处理行业而言，这类设备的真正门槛可能不在 AI 而在工况：中国的生活垃圾成分、含水率与欧美差异明显，夹爪方案在湿垃圾占比高的环境下能否维持分拣准确率，是 Danu 模式能否迁移的关键变量。对做具身智能的团队来说，更实际的启示是：与其追求通用能力，不如先找到一个客户能当场算出回本周期的场景，把 AI 藏进设备里而不是写进 PPT 里。
背景与影响
回收行业的分拣环节长期依赖人工，工人需要从混合垃圾流中手动挑出不同种类的可回收物，这既是成本中心，也限制了回收率。机器人分拣被视为替代方案，Glacier、RecycleEye 等公司已推出吸盘式机械臂并进入出货阶段，说明这一细分市场已有一定成熟度。Danu Robotics 的切入点有两个：硬件上改用夹爪抓取，软件上通过 AI 持续优化分拣能力。从商业逻辑看，回收中心的收入直接取决于能分拣出多少可售材料，因此客户对能提升分拣效率的设备有明确的付费意愿和可量化的回报周期，这也是 Amy Ma 用「增收 48.5 万美元 / 投入 16 万美元」这套账来说服客户的基础。这意味着，如果 Danu 的测算在真实站点成立，它的竞争点就不只是设备价格，而是单位投入的产出效率。需要观察的是，这些数字目前来自创始人自述，尚无第三方验证的落地案例数据。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。