图片来源：Gritt官网Solar页面。该图为官方产品/宣传素材，不是第三方审计证据。
一块大型太阳能板并不神秘。难的是，在偏远、炎热、风沙不断的工地上，把成千上万块一百磅级别的玻璃板搬起、对准、放下、固定，还不能拖慢项目排期。
这就是Gritt切入Physical AI的地方。它没有先讲“通用机器人会改变世界”，而是先回答一个承包商每天都会算的问题：同样一支队伍，今天能不能多装几千块板，少让工人反复把重物举过头顶，少让项目被缺工和天气打断。
TechCrunch在2026年7月报道，Gritt出隐身时已累计融资3200万美元，其中2600万美元Series A由Obvious Ventures领投。更关键的不是融资，而是现场信号：报道提到Gritt已有2套系统部署，未来18个月合同覆盖2.8GW太阳能安装，客户包括美国前10大电力施工公司中的3家。
官网口径更激进。Gritt的Solar页面称，它已经安装3万+块太阳能板、18MW+太阳能，EPC部署后效率提升4倍，成本比全人工低50%，重负荷伤害减少80%。这些是官网案例数据，未经第三方审计；但它们仍然说明Gritt想卖的不是一个机器人演示，而是一组可以被项目经理、EPC和业主放进排期表里的产能指标。
它卖的不是机械臂，是施工确定性
Gritt的聪明之处，是没有把自己做成“从零自研一台万能机器人”的故事。
TechCrunch报道里，一个很重要的细节是：Gritt使用现成设备和机械臂，比如租来的滑移装载机、Kawasaki等厂商的机械臂，再把自己的AI模型、视觉感知和控制系统接上去。第一项任务很具体：从堆放区卸下大型玻璃太阳能板，把它们搬到金属支架旁，再以亚毫米级精度定位，最后由工人固定。
这一步听起来不性感，但它足够值钱。因为太阳能工地的瓶颈不只在“有没有人”，还在“人能不能稳定、安全、持续地重复高强度动作”。TechCrunch引用GrittCEO的说法：典型8人队伍每天约能安装800块板；同样队伍配合Gritt系统后，每天可安装3000到4000块板。这个数据同样来自公司说法，经第三方媒体报道但不是独立审计。
对买方来说，这种价值比“机器人很先进”更容易采购。EPC关心的是项目交付、人工组织、事故风险、延期罚款和资产上线时间。Gritt把AI翻译成这些买方已经会算的变量。
这也是Physical AI商业化和软件AI很不同的地方。一个SaaS工具可以先卖效率幻觉，之后靠留存证明价值；一个进入工地的AI系统必须先证明自己不会打乱现场，不会制造安全风险，不会让已有设备和工人重新学习一整套流程。
Gritt选择接入现有机械和施工节奏，本质上是在降低采用阻力。客户不用相信一台全新机器人会统治工地，只需要相信这套AI控制层能让现有设备做一个高频、危险、排期敏感的动作。
从一个动作，长成工地操作系统
如果Gritt只是一台太阳能板安装机器，它仍然是一个不错的机器人公司。但它更有商业化想象力的地方，是把“搬板”当成进入工地数据层的入口。
Gritt官网把产品拆成五类能力：pick-and-place、assembly、transportation、verification和planning。也就是说，它不只想做搬运和装配，还想做检查、日志、文档、现场监控和下一步建议。
Gritt新闻稿也强调，系统接入常见施工设备后，可以在大型施工现场捕捉已完成工作、材料流动和现场条件，并把这些实时数据用于管理决策。官网还称机器每天捕捉TB级数据、已部署7+工地；这些官网数据同样未经第三方审计。
这条路径很重要。很多AI产品死在“只做建议，不进执行”。Gritt反过来：先从执行动作赚钱，再把执行动作带来的现场数据变成更大的管理入口。
太阳能只是第一块板。Gritt公开说未来会扩展到檩条装配、部件运输、监督验证，还希望进入数据中心和大型基础设施场景。TechCrunch报道里还提到，Gritt希望未来处理钻孔、搭建支架、绑钢筋等高频施工任务。
换句话说，它的增长路径不是“卖更多机械臂”，而是“在同一个施工现场里承包更多可重复、可验证、可调度的动作”。
这会形成一种很现实的护城河。不是模型参数，也不是一段Demo视频，而是工地数据、现场集成经验、安全边界、客户排期信任、以及每一次部署后积累的操作反馈。
为什么这个案例值得AI创业者看
Gritt给垂直AI创业者的第一个启发是：最好的切入口未必是知识工作。
过去两年，AI商业化最热的样本常常发生在客服、销售、代码、法务、财务和医疗行政。它们共同点是文本密度高、数据可获得、交付在屏幕里完成。但Physical AI提醒我们，另一个巨大机会在屏幕之外：只要工作足够重复、足够危险、足够影响收入或交付周期，买方就会认真计算AI能不能进入现场。
第二个启发是：硬行业里的AI产品，最好先把“新技术”伪装成“旧流程更好用”。
Gritt没有要求客户立刻接受一个完全重构的施工方式。它从客户已有设备、已有队伍、已有项目指标切入，把AI放在最痛的一段流程上。这样的产品化方式更朴素，但也更接近真实采购：客户不是为AI概念付费，而是为少拖期、少伤人、多装板、少返工付费。
第三个启发是：在垂直AI里，先做服务边界清晰的“窄动作”，可能比先做宏大的“通用Agent”更容易建立信任。
太阳能板安装看起来窄，但它有三个好条件：动作频率极高，结果容易验证，收益能被项目方换算成排期和成本。只要这一步跑通，Gritt才有资格谈更大的工地操作系统。
这也是很多AI创业者容易反过来的地方。他们先做一个可以覆盖很多场景的Agent，再寻找愿意把关键流程交给它的客户。Gritt的顺序更硬：先接一段客户每天都头疼、每天都愿意付钱解决的现场动作，再让AI从这段动作里长出更大的系统。
Physical AI的第一笔钱，来自脏活
Gritt仍有很多不确定性。48套系统能否按计划部署，现场安全和质量能否在规模化后保持稳定，太阳能之外的施工任务是否真能复用同一套智能系统，官网效率和伤害下降数据能否得到更多第三方验证，这些都还要继续观察。
但它已经给出一个清晰信号：AI进入物理世界后，商业化不一定从“最像未来”的场景开始，而可能从最累、最重、最容易拖期、最会影响现金流的地方开始。
软件世界里，AI先替人写字、写代码、回消息。物理世界里，AI可能先替人搬板、对位、检查和排工序。
真正的机会不在“机器人会不会像人一样聪明”，而在“哪一段真实工作已经贵到值得把智能接进去”。Gritt的答案很直接：先去工地，先接脏活，先把排期做成产品。