每一台移動式機器人 — 人形、AMR、四足、無人機 — 都需要兩樣核心團隊沒人想自己打造的東西：能在重新開機、換班與軟體更新後依然存續的持久空間記憶，以及一個能以日常語言對其進行推理的 LLM。RakuAI 以服務形式同時交付兩者：每個場域一次擷取的 Gaussian splat，由我們託管，透過 17 個原生 MCP 工具，供你選定的任何 LLM 查詢。我們不做機器人、SLAM 或運動規劃 — 我們與它們並肩存在。
本頁專為倉儲自動化、人形、配送與巡檢機器人公司的工程師與合作夥伴主管而寫。它力求誠實說明：我們在技術堆疊中位於何處、我們做與不做什麼，以及為何基礎模型機器人公司是客戶，而非競爭對手。
位於感知之上（我們消化影像、深度與姿態），位於高階任務規劃之下（我們為你規劃器的 LLM 提供查詢服務）。我們就是場景記憶 + 場景問答層 — 不多也不少。這份專注，正是我們的訴求。
一句話說清楚我們的切入點：一個永久存續的場域 splat + 一個任何 LLM 皆可查詢的 MCP API — 按擷取次數與查詢次數計費、由我們託管、客戶零基礎設施負擔。護城河並非 splat 本身 — 而是 LLM 不會被廠商鎖定，這對於已有 LLM 合作關係、不希望被指定該用哪一個的機器人 CTO 來說格外重要。
你機器人的規劃器（或其 LLM）透過 HTTPS 與 RakuAI 的 MCP 介面 對話 — 或經由機器人上 Jetson Orin 用戶端的 stdio 橋接。執行階段以空間原語回應：錨點、姿態、場景查詢、splat 控制代碼、物件差異。
兩端都是真實且已上線的。正式環境 MCP 伺服器公開 17 個原生工具（5 個唯讀 + 12 個變更）— 完整清單見 spatial-engine.html，已記載的場景工具見 mcp.html。託管的 MCP 執行於美國東部的 Azure Container Apps。LLM 由你自行選擇 — 這份廠商中立正是護城河所在。
四個區隔，一個共同的痛點：機器人蒐集了數 TB 的空間資料，卻被傾倒進儲存空間，再也無人查詢。以倉儲爭取營收穩定性，以人形機器人爭取曝光度。
機器人已具備 SLAM。它們欠缺的，是一種無需自建分析管線、就能乾淨俐落地回答「B 區自上一班以來有什麼改變？」的方式。每個場域的 splat 讓整個機群的品管得以統一。
目標範例Symbotic、Locus Robotics、Fetch / Zebra、GreyOrange、Geek+
正競相在 6–9 個月內交付財星 500 大客戶試行的 B–D 輪新創。他們會採購任何能省去一條 6 個月工程工項、又不會把他們鎖進單一廠商 LLM 技術堆疊的方案。
目標範例Figure、1X Technologies、Apptronik、Agility Robotics、Unitree
人行道與最後一哩機群運行於不斷變化的都市環境中。對路線、放置點與障礙物的持久場景記憶，可在不重新裝設機器人感測器的前提下，補足既有導航的不足。
目標範例Starship Technologies、Serve Robotics
Spot 與四足機群產生龐大資料集，傾倒進儲存空間後再也沒被打開過。客戶按場域付費，換取可稽核、加上時間戳記、可查詢的資產：「列出第三季所有被標為紅色的閥門。」
目標範例Boston Dynamics Spot 生態系、ANYbotics、Cognite
RakuAI 的 NVIDIA Inception 會員資格（2026 年 5 月獲准）與審核中的新創額度計畫在此處相互加成。每一項皆依其狀態誠實標示 — 我們不主張尚未取得的核准。
Sim · Lab · Perceptor · Manipulator · ROS
世界基礎模型
USD 數位分身模擬
推論微服務
Inception 權益
訓練與工程諮詢時段
雲端模擬 · G5 / G6e · Greengrass
實際進度
我們不是要取代你的感知技術堆疊。我們要取代的，是沒人想接手的持久記憶子系統，以及那座永遠被推到「下一季」的場景問答 LLM 橋接。
第一年淨節省：25 萬–100 萬美元被取代的工程成本。誠實的但書：若潛在客戶已擁有一套運作順暢的持久記憶 + LLM 橋接技術堆疊，那我們就沒有生意可做 — 我們也不會假裝不是如此。
完整 90 天全程免費。其產出是一份公開發表、共同行銷的案例研究 — 正是讓第 2、第 3、第 4 場試行更容易談成的交付成果。
第 1–2 週
免費 splat 擷取（由我們掃描，或指導你的團隊），並為你 5–10 個場域上線 MCP 中繼。此期間零帳單。
第 3–8 週
整合支援。NVIDIA Innovation Lab 諮詢時段（核准後）每週與你的感知工程師預約。我們會駐守在你的 Slack 中。
第 9–12 週
有哪些查詢被提出、你的機器人如何運用場景記憶、省下多少工程工時、哪些出了問題、哪些奏效 — 接著共同發表一份案例研究。
轉換方案：按場域授權，或按擷取 + 按查詢計費 — 我們讓最初 3 場試行告訴我們哪種定價模式勝出。無論如何，試行皆維持免費。
誠實版本。基礎模型機器人公司是整合夥伴與客戶，而非競爭對手。
相鄰，而非競爭
客戶，而非競爭對手
消費／不動產擷取
Waymo · Tesla FSD · Wayve
RakuAI 是 NVIDIA Inception 成員。我們在 Raku Capture 中交付、由 NVIDIA 加速的同一套 3D Gaussian splatting 技術堆疊，正是驅動上述按場域場景記憶的核心 — 與 NVIDIA Isaac 互補，而非競爭。閱讀更多 →
NVIDIA Inception 是為 AI 新創提供的免費計畫；RakuAI 的會員資格不代表 NVIDIA 為 RakuAI 的產品背書。進一步了解請見 nvidia.com/startups。
