K-Scale Labs 是 2024 年出现的机器人基建公司，由 Matthew Chang 创立，试图通过开源硬件设计与模块化组件让人形机器人开发平民化，定位为「机器人硬件界的 GitHub」：提供开源 CAD 文件、物料清单，以及执行器、传感器、控制板的交易市场，同时服务学术研究者与爱好者。时点看似完美：基础模型在多模态理解上突破、Tesla 展示 Optimus、风投涌入具身智能、无人机与电动车供应链令部件成本大降。但 500 万美元种子轮远不够硬件开发周期所需，2025 年即告失败，成为机器人基建层过早的注脚。
市场时点错配与资本结构不适配硬件开发周期的致命组合。500 万美元种子轮对软件公司体面，对机器人基建却是杯水车薪——硬件初创通常需要 1500-2500 万美元才能达到 A 轮里程碑（经验证的单位经济、可重复的制造、出货 100 台以上）。数学无解：每轮设计迭代需 8-12 周（CAD 设计、打样、测试、修改），18-24 个月的跑道只够完成 6-9 次完整迭代——软件公司日更，硬件公司季更，没有留出机器人领域 PMF 所需的耐心迭代空间。月烧约 20-25 万美元（8-12 人的机械、电气、软件工程师加打样、库存与开销）。其次，获客经济糟糕：目标客户（研究实验室与机器人初创）采购周期 6-12 个月且预算有限——大学按科研拨款周期走，初创资本受限。需要签下 50-100 个均价 2-5 万美元的合同才能冲到 200-300 万美元 ARR 证明 traction，但硬件没法增长黑客，每单都要技术验证、定制与支持；团队大概花了 6-9 个月做产品、3-4 个月找早期客户，然后就撞上跑道尽头的墙。第三，竞争劣势：当 K-Scale 还在造开源基建时，Figure AI（6.75 亿美元）、1X（1.25 亿美元）、Agility Robotics（1.5 亿美元）在垂直整合，自建硬件、软件与渠道，全栈玩家不给基建层留生态位。
仿真优先的机器人开发平台：让公司在照片级虚拟环境中训练与验证机器人行为，再部署到实体硬件。不再卖硬件组件（正在快速商品化），改卖压缩开发周期的软件工具——这才是机器人业真正稀缺的基建：把开发周期从 12 个月压到 3 个月。目标客户是当前 500 多家造机器人的公司（汽车供应商、物流公司、制造初创），它们被实体测试的成本与时间卡住脖子。平台基于 NVIDIA Omniverse 与 Isaac Sim 做照片级物理仿真，在客户特定任务上微调开源基础模型（RT-2、Octo），并提供一键部署到主流硬件（Unitree、Trossen、Robotis）。收入为 2000-10000 美元/月的团队订阅、预训练策略市场 20% 的交易抽成、以及定制 sim-to-real 优化的专业服务。无库存、无制造、SaaS 经济——对被硬件现金流折磨的机器人业者，这正是缺位的那个角色。
技术栈：NVIDIA Omniverse / Isaac Sim / RT-2 / Octo 基础模型微调 / MuJoCo / Brax 仿真 / PyTorch / JAX / Unitree 等硬件一键部署
死因是「资金耗尽」。市场时点错配与资本结构不适配硬件开发周期的致命组合。500 万美元种子轮对软件公司体面，对机器人基建却是杯水车薪——硬件初创通常需要 1500-2500 万美元才能达到 A 轮里程碑（经验证的单位经济、可重复的制造、出货 100 台以上）。数学无解：每轮设计迭代需 8-12 周（CAD 设计、打样、测试、修改），18-24 个月的跑道只够完成 6-9 次完整迭代——软件公司日更，硬件公司季更，没有留出机器人领域 PMF 所需的耐心迭代空间。月烧约 20-25 万美元（8-12 人的机械、电气、软件工程师加打样、库存与开销）。其次，获客经济糟糕：目标客户（研究实验室与机器人初创）采购周期 6-12 个月且预算有限——大学按科研拨款周期走，初创资本受限。需要签下 50-100 个均价 2-5 万美元的合同才能冲到 200-300 万美元 ARR 证明 traction，但硬件没法增长黑客，每单都要技术验证、定制与支持；团队大概花了 6-9 个月做产品、3-4 个月找早期客户，然后就撞上跑道尽头的墙。第三，竞争劣势：当 K-Scale 还在造开源基建时，Figure AI（6.75 亿美元）、1X（1.25 亿美元）、Agility Robotics（1.5 亿美元）在垂直整合，自建硬件、软件与渠道，全栈玩家不给基建层留生态位。
累计烧掉约 $500万美元（美元），2024 年创立，2025 年停止运营，存活 1 年。