microagi 是一家成立于2025年的德国具身智能与机器人部署公司，总部位于慕尼黑，并在苏黎世、伦敦、伊斯坦布尔等地设有研发或运营团队。它将自己定位为一家“数据研究与部署实验室”，目标不是展示机器人在实验室里完成漂亮动作，而是让机器人能够长期、稳定地运行在工厂、物流、食品生产和商业服务等真实环境中。(microagi)
一句话理解这家公司
microagi既不是传统机器人本体厂商，也不主要从零训练通用机器人基础模型。
它更像是机器人产业中的一个数据、训练与部署中间层：
记录熟练工人怎样工作，把这些操作转化为训练数据，用数据训练或微调机器人模型，再把模型部署到客户现有的机器人上。
因此，它试图解决的是具身智能行业中非常现实的“最后一公里”问题：机器人可能在演示视频里表现很好，但到了真实生产线，面对光照变化、物体偏移、设备差异和异常情况时，往往无法持续可靠地工作。microagi希望把“机器人演示”变成“机器人生产力”。(Google Cloud Press Corner)
核心产品：Atlas
microagi的核心平台名为 Atlas。它覆盖从现场数据采集、模型训练到机器人实际部署的完整流程。
Atlas大致分为三个环节：
第一步是记录人类操作。
microagi在工厂或作业现场部署摄像机、可穿戴传感器等采集设备，记录熟练工人怎样完成装配、搬运、分拣、清洁或其他操作。与传统遥操作不同，它强调尽量不打断原有生产流程，让工人在正常工作过程中产生训练数据。(microagi)
第二步是训练机器人控制策略。
采集到的视频、动作和环境数据会被转换成适合机器人学习的数据，并结合仿真扩充训练场景，再用于微调现有的机器人基础模型或控制策略。
第三步是部署到实际机器人。
训练完成的策略可以部署到适合该任务的机器人平台上。microagi强调Atlas是“硬件无关、模型无关”的中间层，即客户不必永远绑定某一种机器人本体或某一家模型厂商。(LinkedIn)
可以把Atlas理解成机器人领域的“企业定制训练与部署平台”：
机器人厂商提供身体，模型公司提供大脑，microagi负责采集岗位经验、训练大脑，并让大脑在特定身体和特定工厂中可靠运行。
数据业务：shift
microagi还有一个重要业务叫 shift，主要负责收集大规模人类操作数据。
大语言模型可以从互联网上获得海量文字和图片，但机器人需要的是另一类数据：人怎样拿起物体、施加多大力量、怎样调整手腕、遇到异常时怎样纠正动作。互联网上几乎没有足够规模、足够精细的此类数据。
为解决这个问题，shift组织人员佩戴第一视角摄像设备，记录做饭、清洁、整理、搬运等真实劳动过程。根据2026年7月的公开报道，shift当时已在15个国家开展数据采集，并有超过2万人参与相关任务。相关数据一部分用于microagi自己的部署业务，也可以提供给机器人模型实验室和机器人企业。(Business Insider)
shift曾在纽约推出一种颇受关注的数据采集方式：为居民提供免费清洁服务，同时记录清洁人员完成洗碗、拖地、整理衣物等工作的第一视角视频。这实际上是在用服务补贴的方式，获取稀缺的真实世界操作数据。(Business Insider)
它的商业模式
microagi目前可能同时存在三类收入来源：
- 面向工业客户的机器人部署服务：为汽车、物流、食品生产等企业采集岗位数据、训练模型并完成上线。
- Atlas平台和长期运维服务：围绕机器人模型更新、数据闭环、异常处理和跨硬件部署收取软件或服务费用。
- 真实世界数据供应：通过shift向机器人基础模型公司、AI实验室及机器人厂商提供训练数据。
前两类业务更接近企业级机器人系统集成，第三类则类似机器人时代的数据基础设施。公司公开描述的模式是：向模型实验室提供数据，获得或使用其模型，再结合客户现场的专有数据进行微调和部署。(Business Insider)
创始团队
microagi由五位联合创始人组建：
- Bercan Kilic：CEO，曾任红牛车队空气动力学工程师；
- Yoan Iliev：曾在梅赛德斯F1相关工程团队工作；
- Anton Poletaev：具有艾伦·图灵研究所研究背景；
- Nico Nußbaum：来自德国亚琛工业大学相关工程与研究体系；
- Artjem Weissbeck：连续创业者，具有消费互联网和商业平台经验。
团队背景比较特别：既有F1工程人员，也有人工智能研究者和互联网创业者。这种组合与microagi的产品方向相符——机器人进入工厂不仅是AI模型问题，还涉及机械工程、实时控制、数据工程、现场实施和商业运营。(Business Insider)
融资情况
2026年7月，microagi宣布完成 5500万美元种子轮融资，由Hummingbird Ventures领投，Northzone、LocalGlobe、Village Global和redalpine等机构参与。
公司及多家媒体将其称为德国历史上规模最大的种子轮融资之一，甚至称为“德国最大种子轮”。不过这一说法主要来自公司和投资机构的口径，其估值没有对外披露。融资将主要用于扩大Atlas的工业部署、购买模型训练算力、扩展shift数据网络以及招聘工程和研究人员。(microagi)
与Google Cloud和英伟达的合作
2026年7月22日，microagi宣布与Google Cloud合作，使用Google Cloud的AI基础设施和英伟达Blackwell平台处理大规模物理世界数据，并训练面向具体任务的具身智能模型。
其计划使用的资源包括搭载NVIDIA RTX PRO 6000 Blackwell Server Edition GPU的云实例，以及GB300 NVL72机架级系统。这说明microagi虽然强调现场机器人部署，但模型训练、视频处理和仿真仍需要大量云端算力。(Google Cloud Press Corner)
公开资料还称，其技术已为宇树科技和优必选等机器人企业提供支持，但目前披露的具体合作项目、部署数量和生产运行指标仍然有限。(Google Cloud Press Corner)
microagi为什么受到关注
它抓住了具身智能行业的三个关键瓶颈。
首先是数据瓶颈。机器人缺乏类似互联网文本那样的大规模、高质量训练数据，shift试图建立一个现实世界劳动数据网络。
其次是部署瓶颈。很多创业公司集中于造人形机器人或训练通用模型，而microagi专门处理模型如何进入工厂、适配设备并稳定运行的问题。
第三是产业中立层的机会。如果Atlas确实能够兼容多种机器人本体和模型，它可能成为连接工厂、机器人硬件和具身智能模型的平台，角色有些类似云计算中的中间件或操作系统层。
面临的主要挑战
microagi的愿景很大，但实际执行难度也非常高。
真实工业环境很难标准化。 不同工厂的机械设备、安全规范、通信协议和生产节拍各不相同。所谓“硬件无关”在软件层面可以成立，但落到夹具、传感器、控制器和安全系统时，仍需要大量定制工程。
数据数量不等于数据质量。 大量第一视角视频未必自动成为有效的机器人训练数据。还需要动作同步、空间标定、力觉信息、任务标签和失败案例，否则机器人只能“看见人在工作”，却不一定理解怎样控制自己的身体。
从仿真到现实仍有落差。 仿真中学会的动作，部署到真实机器人后会受到摩擦、刚度、时延、磨损和物体差异影响，需要持续调试与安全验证。
商业周期可能很长。 工业客户通常要求可靠性、安全性和投资回报证明，一个机器人项目从试点到批量复制可能经历较长周期。
数据隐私与劳动伦理值得关注。 记录工人和家庭服务人员的第一视角视频，会涉及知情同意、工作场所监控、数据所有权以及数据未来用途等问题。
总体评价
microagi可以被看作一家**“具身智能的数据与部署基础设施公司”**。
它最有价值的地方并不是提出了某种全新的机器人本体，而是认识到：在具身智能时代，真正稀缺的可能不是又一台人形机器人，而是高质量的人类操作数据、客户现场知识，以及把模型可靠部署到真实生产环境的能力。
不过，公司目前仍处于非常早期的阶段。5500万美元融资、F1工程师团队以及Google Cloud和英伟达合作带来了很高关注度，但最终能否形成壁垒，要看Atlas能否在实际生产线上证明三件事：部署速度更快、运行可靠性更高、复制成本更低。只有做到这些，microagi才可能从一家机器人项目服务商，成长为真正的平台型公司。