文章核心观点 - 东南亚超级应用平台Grab收购中国机器人公司推行科技，标志着大型平台正通过并购在全球范围内获取机器人技术、数据闭环与产品化能力，以加速末端配送自动化从试验走向体系化落地 [1][2] - 此次收购是一次多方共赢的战略选择，代表了中国硬科技出海的新范式，即通过与区域巨头的资本与生态整合，以更低摩擦的方式进入新市场，并可能产生“1+1>2”的协同效应 [22][23] Grab：后来居上的机器人新贵 - Grab是总部位于新加坡的超级应用平台，业务覆盖出行、外卖、快递、数字支付，常被视为东南亚的“滴滴+美团” [3] - 公司于2021年12月登陆纳斯达克，市值一度超过200亿美元，截至2025年第一季度月活跃用户约5770万，并在东南亚出行与外卖市场占据绝对头部地位 [6] - 自2025年第一季度实现盈利以来，其营收与利润持续稳步提升，为在机器人等新技术上的投入提供了条件 [6] - 公司在2025年内除收购推行科技外，还与文远知行、Momenta等多家头部自动驾驶公司发生投资或业务合作，显示出对新兴技术赛道的积极布局 [8] - 布局机器人技术是Grab寻找“第二增长曲线”的重要抓手，以应对区域市场增长边界清晰及向外扩张难度大的挑战，并在竞争格局未定的自动化履约方向提前下注 [9] - 行业数据显示，2024年全球物流机器人市场规模约145亿美元，预计2030年将增长至350亿美元，年复合增长率超过15%，末端配送等细分方向增速更为显著 [9] 推行科技：硬核而低调的隐形冠军 - 公司团队于2021年初由前AutoX产品经理卢鹰翔在美国硅谷组建，并于同年5月获得奇绩创坛投资后将核心团队迁往中国，以利用中国供应链优势 [10] - 创始人卢鹰翔毕业于哈佛与康奈尔大学，曾带领团队研发出美国加州批准可无安全员上路的L4级自动驾驶出租车，在该领域实现关键突破 [12][13] - 联合创始人兼CTO龙禹含毕业于卡耐基梅隆与剑桥大学，曾参与研发用于消防救援的人形机器人CHIMP，并在DARPA机器人挑战赛中获得全球第二名 [13] - 为应对具身智能训练数据稀缺的行业痛点，公司自创立起即研发“骑手影子系统”，利用有人操作的末端交通工具采集真实世界训练数据 [14] - 在产品侧，公司推出了具备单臂上肢操作能力的室内外一体化配送机器人Carri Flex，并将陆地数据训练的模型迁移至水面机器人平台，在渔业养殖场景实现商业落地 [16] - 在商业化方面，公司已与达达、山姆、美团等合作，在苏州、上海、深圳等城市落地机器人配送服务近两年，累计送达十万余单，并另有超千台本体销售订单待交付 [17] 地缘政治下的技术流动新格局 - Grab收购推行科技，意在获得一整套中国机器人供应链与快速产品化、量产交付的能力，以弥补自身在硬件研发与制造体系上的相对薄弱 [19] - 收购后推行科技或将作为子公司独立运营，产品有望率先在新加坡、雅加达等高密度城市试点，再复制到东南亚更多国家，通过“新加坡研发+中国制造+全球部署”的模式实现弯道超车 [20] - Grab作为新加坡公司，在全球多法域开展业务的便利性具有一定的“连接器”属性，或将为技术的跨区域落地创造更灵活的路径 [20] - 对推行科技而言，进入全球平台的体系化能力与全球化场景中，其技术价值释放的空间与速度有望显著提升 [20] 行业趋势与影响 - 推行科技的案例代表了中国硬科技出海的一种新范式，即通过与区域巨头的资本与生态整合进入新市场，绕开了从零搭建市场体系的高昂成本 [22] - 2023至2025年间，中国有超过20家AI机器人公司获得海外战略投资或并购，其中东南亚市场相对活跃，反映出区域市场对中国机器人技术认可度的提升及技术流动新格局的形成 [22] - 在AI与机器人领域，技术公司与平台生态的整合往往能产生“1+1>2”的效应，推行科技的技术需要Grab的场景加速迭代，Grab的网络也需要推行科技的能力完成升级 [23] - 随着AI从虚拟走向物理世界，类似并购事件或将越来越多，最终胜出的将是能解决真实问题、融入生态网络并将技术转化为可规模交付能力的团队 [23]

具身智能发展路径 - 具身智能机器人需建立在商业闭环和真实世界数据闭环基础上才能实现复杂化和智能化[3] - 推行科技通过物流机器人实现商业化运营，构建数据飞轮，形成可持续的发展路径[6] - 行业面临数据稀缺问题，真机数据需通过大规模部署积累，而仿真数据和通识数据同样关键[10] 骑手影子系统 - 系统通过采集骑手环境、定位和驾驶数据训练机器人自主导航能力[13] - 2.0版本扩展至上肢操作数据采集，覆盖开关门、拿放外卖等复杂动作[14] - 中国骑手日均骑行100-200公里，数据采集效率远超行业水平，已积累数千万公里行驶数据和近百万条上肢轨迹数据[14] 机器人技术突破 - 定义"三原色"原子任务（按按钮、推拉门、拿放货），简化复杂操作场景[17] - 开发行为树VLA模型，结合LLM任务规划和VLA执行反馈，提升系统适应性和可靠性[21][23] - 构建多层级反馈机制，使机器人在分布外场景中保持任务稳定交付[24] 商业化进展 - 物流机器人履约率达98.5%，已实现单个机器人盈亏平衡[6] - 与国内三大即时配送平台合作，完成近10万单配送[26] - 模型具备"一脑多形"和"一脑多栖"能力，可跨平台部署至四足机器狗、船只等场景[26] 团队与技术优势 - 团队曾研发DARPA挑战赛全球第二名的人形机器人CHIMP，具备顶尖工程能力[26][30] - 拥有L4级自动驾驶研发经验，为骑手影子系统提供技术基础[27] - 中国复杂城市环境和庞大骑手队伍为数据采集提供独特优势[30]