【深度專題】從管線到國防的「工業級 AI 感測器」─ 獨角獸 Gecko Robotics

很多人提到物理世界的 AI，想到的是 Tesla 的車、Boston Dynamics 的機器人，但真正正在「監聽」與「掃描」我們這個世界的，可能是一群貼在牆上、爬在管線上的小機器人。本週的專題是我一直在關注的美國新創 Gecko Robotics，從核電廠牆面到美軍潛艦，它們不只是在掃描裂痕，更是在打造「基礎建設的數位孿生」

Gecko Robotics 的起源與創辦人 Jake Loosararian

在創辦 Gecko Robotics 之前，Jake Loosararian 是一位標準的工程系學生，白天上課、晚上寫程式。他就讀於賓州的 Grove City College，主修電機工程。那時的他，對 AI 沒有太多想像，關注的也不是語音助手或聊天機器人，而是一面牆，會不會裂。

這個念頭，來自他大學時期的一次實習經歷。在一座老舊的火力發電廠裡，他親眼看到資深工程師綁著繩索、背著儀器，爬上數十公尺高的爐壁，用人工的方式「聽」牆壁是否有腐蝕、裂痕。這樣的檢測流程又慢又貴，而且危險，最糟的是：還常常漏掉關鍵問題。這不是個別案例，而是全美數十萬座關鍵設施的日常。

Jake 沒有立刻想創業。但那個畫面一直停在他心中。直到畢業後，他和幾位同學動手組出第一台「像壁虎一樣能爬牆」的機器人原型，能沿著鋼鐵牆面自主移動、收集結構數據。那時他還不知道這會變成一家獨角獸，只知道：「這世界有太多價值上億的設施，它們壞掉的方式卻只靠人耳貼牆來判斷。」

他將這家公司命名為 Gecko Robotics —— 一隻會聽、會看、會記錄的機器壁虎，目標是讓每一面牆都能說出自己的故事。

市場缺口與催化事件：我們不了解我們的世界

當人類已能用衛星即時監控火山爆發、用 AI 寫小說的同時，我們卻仍無法即時掌握一座電廠牆壁是否即將破裂。這正是 Gecko Robotics 想解決的問題——我們其實「不知道」這個世界的結構狀態。

Jake 曾在 NYSE Floor Talk 訪談中說過：「紐約州約有 17,000 座橋樑，但只有 6 座不需要立即維修。」這不只是預算問題，更是資料斷層的問題——我們不知道該修哪裡、什麼時候修、會不會出事，因為大多數結構健康資訊根本沒被長期追蹤、標準化或數位化。

這種「資料失明」不只存在於基礎建設，也出現在能源、製造、國防等高風險產業。轉捩點出現在 2018 年，一間化工廠因壓力管爆炸導致生產中斷，Gecko 受託調查，團隊通宵一週分析數百萬筆聲學資料，才拼湊出事故真相。這讓 Jake 意識到——靠人是無法處理這種規模的結構資料問題的。

這也是為什麼 Gecko 的目標從來不只是打造機器人，而是建構一整套能夠「掃描」、「分析」、「理解」世界的資料基礎設施。只有當我們真正看懂這個世界，AI 才有可能幫助我們維護它。

技術堆疊與產品設計：不只是會爬牆，是一個數據工廠

如果你曾看過 Gecko Robotics 的機器人在鋼鐵牆面上攀爬的畫面，第一反應可能會是：「這東西也太酷了吧。」但真正讓它變得有價值的，並不是「會爬牆」，而是它背後所建立的整個資料體系——從資料採集、清洗、分析到可視化，Gecko 打造的是一個完整的工業級數據工廠。

它們的壁面巡檢機器人，外型像一台壓縮過的坦克車，搭載超過 15 種感測器：包括雷達、超音波、厚度量測儀、磁力掃描、攝影鏡頭與紅外線熱成像等。這些機器人能夠在一個 12 小時輪班內，攀附並掃描超過 5,000 平方英尺的牆面，幾乎無需人工介入。

然而，這只是第一步。Gecko 真正的技術關鍵，是那套名為 Cantilever 的平台系統——一個專為工業維運打造的 AI 分析與決策平台。所有來自現場的原始感測資料，會被上傳至 Cantilever，經過自動分類、清洗、比對與建模，最終呈現為一張結構健康的「風險地圖」。

這張地圖，不只是好看而已。它能根據不同區域的損壞程度，幫助工程師判斷哪些部位需要維修、哪些可以延後，甚至可以預測幾年後可能出現的疲勞裂痕與腐蝕風險。對一家運營核電廠或軍艦艦隊的單位來說，這意味著能更早安排停機、更少災難性故障、更高資產壽命報酬率。

簡單來說，Gecko 並不是做一台機器人，而是建立了一個讓「牆會說話」的語言系統，並讓人類第一次可以用資料來理解這些關鍵基礎設施的內在狀態。這也是為什麼它在能源、製造甚至國防領域都能快速擴張——因為它解決的不是某個點的檢測問題，而是一整個產業的資訊斷層。

商業模式與場景落地：從電廠、煉油塔到潛艦

Gecko Robotics 的起點是工業現場，但真正的擴張力來自於它如何把一次性的檢測任務，轉化成持續性的平台關係。

早期的 Gecko 以專案制服務為主——派遣技術人員與機器人進廠掃描、生成報告、交付風險評估。這種模式本身就已經比傳統人工作業快上數倍，但 Gecko 並不滿足於只是更好的服務供應商。

隨著 Cantilever 平台的成熟，它們開始轉向「資料即產品」的商業邏輯：將原本零散的掃描任務，轉化成長期訂閱制的數位維運系統。企業不再只買一次性的檢測，而是以年約形式，持續存取過往資料、風險建模、維護預測與最佳化建議。這使得 Gecko 的角色從「檢測外包商」，進化為企業資產管理的資料系統供應商。

這套模式特別適用於那些資產壽命動輒數十年、維修風險極高的場域——火力電廠的壓力管、煉油塔內壁、鋼鐵製程的反應爐，甚至是軍艦與潛艦的船體。美國空軍與海軍已陸續採用 Gecko 技術，協助進行航空器與潛艦的遠端監測與結構健康建模。

有趣的是，在這些領域裡，Gecko 的競爭優勢不只是技術，而是它打造出一種雙贏的「維運語言」：企業端更容易理解風險、決策與成本效益，而 Gecko 則藉由持續資料累積與模型強化，拉開與對手的差距。

這不只是商業模式的轉換，更是一種客戶關係的轉變——從一次性外包，變成基礎設施的「數據共同治理者」。

融資與轉折點：從創業競賽到國防級基建

Gecko Robotics 的故事，並不是一開始就順風順水。2013 年剛成立時，它只是一群工程系畢業生手上的機器人原型，連正式公司登記都還沒辦。早期資金來自創業競賽、校友捐款與少數天使投資，連 Jake 自己都坦承，那時候「還不知道自己要蓋的是產品、平台，還是顧問公司」。

真正的轉折點出現在 2016 年加入 Y Combinator（YC）後。當時，Jake 拒絕了一間能源巨頭提出的收購邀約，選擇帶著團隊進入 YC，重新整理技術定位與商業模式。在這段期間，Gecko 團隊開始意識到：這不只是機器人，也不只是檢測，而是一個產業級別的數據斷層問題。他們開始同步開發軟體平台，逐步形成今天 Cantilever 的雛型。

此後，Gecko 的融資節奏逐漸加快，也越來越「看起來不像一間硬體公司」：

• 2018 年，A 輪由 Founders Fund 領投，這支彼得·提爾（Peter Thiel）創立的基金，過去押中過 Palantir、SpaceX，也明顯嗅到 Gecko 進軍國安與重工業的潛力。
• 2022 年，C 輪融資突破 7,000 萬美元，正式打入能源與基礎建設大型客戶群，並開始與美國空軍合作，擴展到軍用資產健康管理。
• 2024～2025 年，進一步與海軍簽署合約、與 L3Harris 合作建構飛機維修 XR 系統，使 Gecko 成為美國國防部「數位基礎設施供應鏈」的一環。

到了 2025 年中，Gecko Robotics 完成了 Cox Enterprises 領投的 D 輪融資，估值正式突破 12.5 億美元，成為美國第一批進入國防與能源雙重領域的實體 AI 獨角獸。

AI 的下一階段，不只是更會說話，而是更能看懂牆上的裂痕

在大多數生成式 AI 的敘事中，焦點集中在語言模型的語意理解、圖像模型的創造力，以及多模態模型的即時反應。但 Gecko Robotics 所代表的，則是另一種不被大眾關注、卻越來越核心的 AI 路線：將世界具象化成可感知、可量測、可建模的資料空間。

它的產品不是一套漂亮的 API，也不是一個入口網站，而是一個混合了硬體、感測器、AI 系統與決策邏輯的資料工廠。這讓它能處理的不只是語言與圖片，而是鐵牆、壓力管、鋼樑與艦艇——那些沒有語言、卻攸關城市與國安的物理結構。

這也是我們即將面對的下一場基礎設施轉型：當資料不再只是來自人類輸入，而是來自這個世界本身的結構、震動與聲音，AI 的理解能力將從「文本推理」轉向「世界建模」。

在這樣的未來裡，像 Gecko 這樣的公司並不只是機器人公司或 AI 公司，而是「基礎建設的資料化提供者」。他們不是讓 AI 更聰明，而是讓我們第一次能用 AI 理解那些過去只能靠經驗維繫的巨大系統。