ARCBOS工业级极寒除雪机器人Pre-A 商业计划书
1. 投资摘要（Executive Summary）
ARCBOS
ENGINEERED FOR EXTREME CONDITIONS
我们正在构建的，不是一台机器，
而是一种能力：
在极端环境下，实现无人系统的长期稳定运行ARCBOS 正在推进 SnowBot——一款面向北美、加拿大、欧洲及中国北方市场的：
全电 · 全自治 · 工业级极寒除雪机器人系统
用于在夜间、无人值守、极端天气条件下，替代人工完成高可靠除雪作业。该项目的出发点并不是做一台功能型设备，而是在真实高对抗环境中，建立一套可复用的工业级自治能力体系：底盘、电驱、能源、热管理、感知、控制、作业执行、远程运维与失效控制协同成立。
本轮为 Pre-A 融资。
本轮只有一个核心目标：
做出一台真正可运行、可验证、可展示的工业级样机本轮投资买到的不是短期收入，而是四个更有价值的东西：
├─ 一个真实存在且预算成熟的百亿美元级市场入口
├─ 一个高工程门槛赛道的先发位置
├─ 一个从0到1的关键工程跃迁节点
└─ 一个有机会走向平台型公司的起点SnowBot 所切入的不是一个需要漫长教育的新市场，而是一个已经存在、每年重复发生、必须完成、失败成本极高的设施运维市场。投资本轮，核心并非赌“今年能卖多少台”，而是赌“谁能把第一台真正能干活的工业级机器做出来”。这一点，对硬科技投资尤其重要。
2. 问题与机会（Problem & Opportunity）
2.1 这不是一个新需求，而是一个被低效满足的成熟需求
北美商业雪与冰管理市场本身已经足够大，且支出结构成熟。Grand View Research显示：
北美商业雪与冰管理市场：
├─ 2023年：$225.3 亿
└─ 2030年：$274.2 亿
美国占北美约 74.4%
=> 美国 TAM 约 $160–170 亿这组数据的重要意义，并不只是证明“市场大”，而是证明：
除雪并非一个边缘型需求，而是一项已经被预算化、长期化、制度化的设施运维支出。
对投资人而言，最有价值的不是一个“看起来很大”的市场，而是一个：
├─ 已经有人在花钱
├─ 钱每年都要花
├─ 不做不行
└─ 可以被新系统替代SnowBot 所面对的，就是这样的市场。
2.2 当前解决方案的结构性问题
今天的市场并不是没有解决方案，而是现有方案在高失败成本场景中并不令人满意。当前行业结构大致如下：
当前解决方案
│
├─ 人工 + 燃油设备
│ ├─ 夜间调度困难
│ ├─ 极端天气组织成本高
│ ├─ 作业质量波动大
│ ├─ 人工和燃油成本持续上升
│ └─ 安全、责任、保险风险高
│
└─ 轻量机器人 / 消费级方案
├─ 轻载
├─ 可控环境
├─ 体验导向
├─ 无法覆盖极寒重载工况
└─ 无法支持高可靠、长时间、无人连续作业问题的本质在于，市场并不缺“能动的设备”，缺的是：
在极端环境下长期稳定运行的工业级系统这也是 SnowBot 的切入点所在。我们不是和所有扫雪设备竞争，我们是在高失败成本、高责任压力、高可靠要求的工况里，替代人工与低可靠系统。
2.3 为什么这是一个值得投资的机会
一个项目值不值得投，关键不在于它的宣传词，而在于它是否同时满足以下几点：
├─ 需求真实
├─ 预算成熟
├─ 替代明确
├─ 失败成本高
└─ 技术壁垒足够深SnowBot 满足这五点。
进一步说，SnowBot 并不是在创造一个新预算，而是在替代现有预算：
传统除雪 OPEX
→ 被工业级自治系统替代
→ 转化为设备与服务组合支出这意味着，市场教育成本不是从零开始；客户并不需要先相信“除雪是否重要”，客户只需要判断：
谁能把除雪从“高波动、重人力、重责任”的模式，变成“可预测、可审计、可复制”的工程系统。
3. 为什么是现在（Why Now）
3.1 四个趋势正在同时形成窗口期
SnowBot 之所以是现在，而不是更早或更晚，有四个关键原因：
├─ 极端气候频率提升，极寒与突发天气场景增多
├─ 夜间人工组织难度持续上升，用工结构改变
├─ 商业设施无人化、自动化需求增强
└─ 零排放与电驱替代趋势明确这四个变化叠加之后，意味着在高失败成本场景中，客户对“能不能自动化”这件事的看法正在变化：
从“可选项”
变成“必须探索的基础设施升级方向”3.2 北美采购机制也在支持新方案切入
Grand View Research显示，北美除雪采购有明确的季节性采购周期和责任要求。一般而言：
5月左右：RFP 启动
6–8月：方案评估与比较
9月前：合同授标
冬季：执行客户并不是随时随地临时拍脑袋买东西，而是在一个成熟、强标准、强责任、强服务等级（LOS）的体系中采购。采购关注点通常包括：
├─ LOS（服务等级）
├─ 响应时间
├─ 覆盖范围
├─ 关键区域优先级
├─ 风险与责任控制
├─ 过程记录与可审计性
└─ 再结冰等二次风险处理能力这意味着，SnowBot 的商业价值，不是“多一个机器人”，而是：
把除雪这件事带入更高标准的工程系统范式。
4. 解决方案（Solution）
4.1 SnowBot 的本质定义
SnowBot 不是一台“会铲雪的机器人”。
SnowBot 的真正定义是：
极端环境自治系统这个定义非常重要。
因为“铲雪车”是制造业视角，而“极端环境自治系统”是技术壁垒与平台能力视角。前者主要看成本、制造、毛利；后者看的是系统能力、场景控制力、技术复用与平台扩展。
所以，我们构建的不是单一功能设备，而是：
在极端环境下，使无人系统长期稳定运行的一整套能力这也是为什么 SnowBot 会首先落在除雪场景：
因为除雪是一个对能源、热管理、结构、控制、自治、运维要求同时很高的真实对抗场景。它不是业务边界，而是能力验证的第一战场。
4.2 系统能力结构
SnowBot 要成立，不是某一个技术点成立，而是多个系统同时成立：
核心系统能力
│
├─ 极寒运行能力（-30℃级别）
├─ 全电驱动系统
├─ 重载作业能力
├─ 感知与自治系统
├─ 无人值守运行能力
├─ 远程运维能力
└─ Fail-safe / Fail-degraded 体系这里面任何一个单点都不够。
必须是这些系统协同成立，SnowBot 才是一个真正的工业级样机，而不是实验室概念验证品。
4.3 技术路径
对于硬科技投资而言，最常见的追问并不是“你是不是 AI”，而是：
├─ 极寒下电池怎么办？
├─ 暴雪遮蔽下怎么感知？
├─ 重雪湿雪会不会把机构卡死？
├─ 低温下扭矩与续航如何平衡？
└─ 失效时系统如何处理？因此，SnowBot 的技术路径必须明确：
技术路径
│
├─ 热管理系统
│ ├─ 电池保温
│ ├─ 主动加热
│ ├─ 低温启动管理
│ └─ 极寒工况热能闭环
│
├─ 感知系统
│ ├─ 多传感融合
│ ├─ 非单一视觉依赖
│ ├─ 暴雪/遮蔽冗余感知
│ └─ 路径与障碍双重识别
│
├─ 电驱与底盘
│ ├─ 高扭矩低温适配
│ ├─ 防冻结结构
│ ├─ 复杂附着力地面适配
│ └─ 重载执行机构匹配
│
└─ 控制系统
├─ 极端工况容错
├─ 动态路径修正
├─ 任务优先级管理
└─ 降级运行策略我们不会在 Pre-A 阶段承诺“技术已全面成熟”，但必须诚实且专业地表明：
我们清楚地知道，真实工程挑战在哪里；并且本轮资金，就是用来把这些挑战工程化拆解并验证。
这比空泛地说“我们有 AI”更能获得成熟投资人的信任。
4.4 运维闭环
另一类常见疑问是：
机器坏在大雪里怎么办？SnowBot 不是“能跑就够了”，而必须具备“能活”的运维闭环。我们的设计原则不是只追求正常工况下的完美表现，而是要定义：
系统如何失败
以及失败是否可控因此，SnowBot 的运维体系从一开始就要考虑以下能力：
运维闭环
│
├─ Fail-safe
│ └─ 出现关键问题时安全停机
│
├─ Fail-degraded
│ ├─ 局部功能受限时降级运行
│ └─ 保留关键基本能力
│
├─ 远程监控
│ ├─ 实时状态回传
│ ├─ 故障预警
│ └─ 运行日志留存
│
├─ 云端接管能力（预留）
│ ├─ 远程介入
│ └─ 任务调整
│
└─ 模块化维护
├─ 快速替换
├─ 故障隔离
└─ 现场可维护性设计从投资逻辑上讲，这一部分的价值在于：
它让 SnowBot 从“一个会动的样机”，变成“一个值得相信能走向真实场景的工业系统”。
4.5 极端天气对抗清单
优秀的工业 BP，不只是说“我们懂技术”，还要表现出：我们懂麻烦会发生在哪里。
极端天气对抗清单（示意）
│
├─ 镜头 / 传感器表面结冰
│ ├─ 加热策略
│ ├─ 防冰涂层
│ └─ 冗余感知切换
│
├─ 底盘陷雪 / 打滑
│ ├─ 高扭矩驱动
│ ├─ 牵引策略调整
│ └─ 动态路径修正
│
├─ 湿雪堆积导致执行机构卡滞
│ ├─ 防堵塞机构设计
│ ├─ 排雪路径优化
│ └─ 工况自识别参数调整
│
├─ 电池低温性能衰减
│ ├─ 热管理预启动
│ ├─ 运行中热平衡控制
│ └─ 能量调度策略
│
└─ 暴雪遮蔽下感知失真
├─ 多源感知融合
├─ 低可见度模式
└─ 安全降级策略我们不是停留在 PPT 层面，而是在用工程师的方式预判真实世界的麻烦。
5. 市场进入逻辑（Future Go-to-Market Logic）
5.1 首批目标客户是谁
SnowBot 首批目标客户应集中在高失败成本场景：
Tier 1 客户
├─ 数据中心
├─ 物流 / 仓储园区
└─ 医疗设施
Tier 2 客户
├─ 商业园区
└─ 教育机构这些客户有几个共同特点：
├─ 夜间必须保持运行
├─ 基础设施连续性要求高
├─ 事故与停运代价高
├─ 已经有稳定的除雪支出
└─ 电力与安全体系成熟这不是随机选择，而是典型的“先打高价值客户，再逐步扩展”的硬科技市场切入逻辑。
5.2 为什么我们不是从零找客户
ARCBOS 的一个关键优势，是团队并不是脱离真实产业场景单独做机器人，而是长期在以下领域积累客户基础：
既有产业基础
├─ 储能（BESS）
├─ 微电网
└─ EMS 系统这类客户与 SnowBot 目标市场高度重叠，因为它们往往本身就是：
├─ 拥有大型园区或设施资产
├─ 高可靠运维要求
├─ 电力系统成熟
├─ 具备预算能力
└─ 对自动化和无人化接受度较高因此，SnowBot 未来并不是从完全陌生的客户池起步，而是从既有工商业设施客户关系中，延伸一项高度匹配的新能力。这一点在投资逻辑上极其重要，因为它显著降低了后续商业化的不确定性。
5.3 潜在规模为什么有 3000 台级别
我们对外表达必须严谨。
3000 台不能说成订单，只能说成基于现有客户体系与场站结构识别出来的潜在部署规模，即 Pipeline 级别。
它的推导逻辑应当被理解为：
总潜在需求
= 客户数量
× 每客户场站数量
× 单站部署模型因此：
潜在部署规模 ≈ 3000台（Pipeline级）这不是本轮的交付目标，也不是订单承诺，但它有两个非常重要的意义：
├─ 证明未来市场进入不是抽象想象
└─ 证明一旦样机成立，后续商业化存在可见路径6. 单站部署模型（Unit Deployment Logic）
6.1 典型站点结构
为了让投资人理解这不是“卖一台机器”，而是“卖一个站点解决方案”，我们需要把单站结构说清楚。
典型北美客户站点
│
├─ 面积：5万–20万平方米
├─ 关键区域：
│ ├─ 主干道路
│ ├─ 停车区
│ ├─ 装卸区
│ └─ 出入口
│
└─ 共同要求：
├─ 必须保持通行
├─ 夜间必须完成清雪
└─ 不允许关键区域失效这种站点不是靠“一台万能设备”去解决，而是按面积、效率、时间窗口与优先区域配置设备。
6.2 单站部署模型
单站需求本质上是下面这个式子：
单站需求 = 面积 × 清雪效率 × 时间窗口要求据此可形成基本部署逻辑：
单站部署模型
├─ 小型站点：2–3台
├─ 中型站点：3–6台
└─ 大型站点：6–10台这一点非常关键，因为它意味着：
一个客户不只是“一台交易”
而往往是“多台部署结构”也就是说，一旦进入一个客户，不仅有较大单客价值，还有复制扩张空间。
6.3 单站经济性的本质
从客户视角看，除雪已经是一项既有支出。
根据站点规模与服务强度不同，现有年除雪费用通常可落在一个明显的支出区间内。更重要的是，这项支出的特征是：
├─ 每年发生
├─ 与天气有关但无法取消
├─ 高波动
└─ 高责任因此，SnowBot 的商业逻辑并不是让客户多花一笔陌生的钱，而是：
用更可预测的设备与系统投入
替代高度波动的人工作业支出一句话总结：
不是增加预算
而是替换预算7. 产品路径（Roadmap）
7.1 SnowBot 的发展路径
SnowBot 的发展不应被理解成“先做机器人、再慢慢想商业”，而应被理解为一个严格的工程推进路径：
产品路径
│
├─ Phase 1：样机成立（Pre-A）
│ ├─ 完成整机设计与制造
│ ├─ 打通关键系统链路
│ └─ 做出可运行样机
│
├─ Phase 2：工程验证（A轮前）
│ ├─ 极寒测试
│ ├─ 重载测试
│ ├─ 自治与安全验证
│ └─ 关键失效模式识别
│
└─ Phase 3：A轮准备
├─ 样机成熟度提升
├─ 技术路线明确
└─ 面向小规模试点与产品定义我们没有混淆不同阶段的任务。Pre-A 不承担 A 轮的任务，A 轮也不提前承担 B 轮的任务。每一轮融资都只消灭当前最关键的一类风险。
7.2 平台扩展潜力（非雪季与第二增长曲线）
尽管本轮核心是样机，但从平台视角看
“除雪是不是季节性太强？”
这个问题的正确回答，不是回避，而是承认 SnowBot 的第一验证场景具有季节属性，但其底层能力并不季节化。SnowBot 的底盘、能源包、热管理、控制与自治系统一旦成立，可自然延伸到：
平台扩展方向
├─ 除草
├─ 园区巡检
├─ 安防巡逻
├─ 工业巡检
└─ 其他高对抗户外场景更进一步，结合 ARCBOS 既有能源与 EMS 背景，未来还可埋下一个重要伏笔：
SnowBot 不只是作业节点
也可能成为移动的能源节点8. 本轮融资用途（Pre-A Use of Funds）
8.1 本轮明确做什么
Pre-A 的本质，不是追收入，而是买工程成立的确定性。
因此，本轮资金主要用于：
资金用途
│
├─ 样机开发
│ ├─ 机械结构
│ ├─ 电驱系统
│ ├─ 电池与热管理
│ └─ 作业执行机构
│
├─ 控制与自治系统
│ ├─ 感知集成
│ ├─ 控制逻辑
│ ├─ 路径与作业策略
│ └─ 安全机制
│
├─ 测试与验证
│ ├─ 低温测试
│ ├─ 功率测试
│ ├─ 负载测试
│ └─ 雪工况测试
│
└─ 核心工程团队
├─ 系统集成
├─ 样机开发
└─ 工程问题闭环8.2 本轮明确不做什么
为了建立投资信任，本轮必须明确边界：
本轮不做
├─ 批量生产
├─ 商业化销售
├─ 大规模市场投放
├─ 销售团队扩张
└─ 收入增长考核9. 里程碑（18-Month Milestones）
9.1 Milestone 1（0–6个月）：整机样机做出来
投入重点
├─ 核心工程能力搭建
├─ 样机系统集成
└─ 低温 / 功率基础验证
输出
├─ 第一代工程样机完成
├─ 整机可运行
└─ 关键技术链路打通9.2 Milestone 2（6–12个月）：样机能跑、能测、能暴露问题
投入重点
├─ 多轮测试
├─ 极寒工况验证
├─ 执行机构优化
└─ 控制与安全逻辑完善
输出
├─ 样机在真实工况下运行
├─ 关键失效模式识别
└─ 下一轮改进方向明确9.3 Milestone 3（12–18个月）：形成 A 轮基础
投入重点
├─ 样机迭代
├─ 工程验证总结
└─ 技术路线固化
输出
├─ 可展示样机
├─ 工程验证报告
├─ 关键参数与边界清晰
└─ A轮融资基础形成9.4 A 轮前的市场认可度证明
虽然本轮不做收入目标，但优秀的 Pre-A 项目仍应在 A 轮前形成一定程度的市场认可度证明。
因此，我们希望在 A 轮前争取形成：
3–5 个头部客户 LOI（意向订单）储备这不是本轮的收入承诺，而是未来市场拉动力（Market Pull）的证明。
它能有效降低 A 轮投资人对“技术成立但没人要”的担忧。
10. 竞争壁垒（Defensibility）
10.1 第一层壁垒：工程复杂度
SnowBot 最底层的壁垒，不是一个算法点，也不是一个机械零件，而是系统复杂度。
必须同时成立的四大系统
├─ 极端环境工程
├─ 重载机械系统
├─ 电驱与能源系统
└─ 自治系统多数团队的问题并不在于“有没有人才”，而在于能力是割裂的：
典型失配
├─ 机器人团队：强算法，弱工程
├─ 机械团队：强结构，无自治
├─ 新能源团队：强电池，无作业系统
└─ 自动驾驶团队：强感知决策，无重载执行能力所以，SnowBot 的壁垒首先来自于系统工程的稀缺性。
10.2 第二层壁垒：客户与场景理解
我们不是在卖一台“车”，而是在进入客户的运维系统。
这一点很关键，因为大型工业设施客户不会因为一个“有趣的机器人”而买单，他们只会因为：
你能让他们的运营更稳定ARCBOS 已有的储能、微电网、EMS 客户体系，意味着我们不是从消费级设备思维进入这个市场，而是从设施运营思维进入这个市场。这种视角本身就是壁垒。
10.3 第三层壁垒：能源 + 自动化 + 作业系统的组合
“如果 Caterpillar 或 John Deere 也做，会怎么办？”
这是个好问题。我们的回答不应是“他们不会做”，而应是：
传统重型机械巨头的优势在机械和制造
ARCBOS 的优势在：
├─ 能源系统
├─ 自动化系统
├─ 高对抗作业系统
└─ 客户场景整合理解换句话说：
我们卖的不是车
而是：
能源 + 自动化 + 作业系统这让我们的价值不只是设备层，而是系统层。这也是对抗大厂时最重要的方式：
不要在单点上和巨头比，要在系统组合能力上建立自己的位置。
10.4 第四层壁垒：平台能力与迁移能力
一旦 SnowBot 的底层能力成立，其长期壁垒不会停留在除雪本身，而会扩展为：
平台能力
├─ 同一底盘与电驱
├─ 同一能源与热管理
├─ 同一自治框架
├─ 同一远程运维逻辑
└─ 不同作业模块复用这让 ARCBOS 的长期价值，不是单一产品销量，而是底层能力持续复用与强化后的平台结构价值。
11. 样机系统结构（Prototype Architecture）
11.1 整机系统结构
为了让投资人真正“看见它存在”，我们将 SnowBot 样机理解为以下系统架构：
SnowBot 系统架构
│
├─ 机械系统
│ ├─ 重载底盘
│ ├─ 除雪执行机构
│ └─ 结构抗寒设计
│
├─ 动力系统
│ ├─ 电驱动系统
│ ├─ 电池系统
│ └─ 热管理系统
│
├─ 控制系统
│ ├─ 运动控制
│ ├─ 作业控制
│ └─ 状态管理
│
├─ 感知系统
│ ├─ 环境感知
│ ├─ 路径识别
│ └─ 障碍检测
│
├─ 自治系统
│ ├─ 路径规划
│ ├─ 作业策略
│ └─ 调度逻辑
│
└─ 运维系统
├─ 远程监控
├─ 故障诊断
└─ OTA/版本管理能力11.2 样机阶段必须回答的问题
Pre-A 阶段，投资人并不要求我们已经把一切做到完美，但一定要求我们回答清楚：
样机阶段验证目标
├─ 能不能在 -30℃ 运行
├─ 能不能持续作业
├─ 能不能处理湿雪 / 重雪
├─ 能不能稳定执行动作
├─ 故障会怎样发生
└─ 失败是否可控这也是为什么样机并不是“做出一个外观”，而是做出一个能经受工程拷问的系统。
12. 核心团队（Team）
12.1 团队的本质价值
这支团队的价值，不是每个人单独都很强，而是结构上形成闭环。
对硬科技项目而言，真正稀缺的不是明星，而是：
从方向判断
到系统实现
再到量产与产业协同
都有人负责12.2 龚铁靖
创始人 / 平台架构与全球战略负责人
核心能力体系：
龚铁靖
│
├─ 平台方向与战略判断
│ ├─ 极端环境赛道选择
│ ├─ 产品矩阵与场景规划
│ └─ 平台长期演进路径设计
│
├─ 中欧美资源整合能力
│ ├─ 北美与欧洲市场渠道布局
│ ├─ 政商资源对接能力
│ ├─ 国际化公司结构搭建
│ └─ 中国供应链整合能力
│
├─ 团队构建与组织能力
│ ├─ 核心团队搭建
│ ├─ 创始阵营结构设计
│ ├─ 统一行动机制建立
│ └─ 长期激励与控制权设计
│
└─ 工程与资本双轮驱动能力
├─ 技术边界与风险控制判断
├─ 融资节奏设计
├─ 资本结构规划
└─ 全球化扩张路径设计12.3 龚继锋
联合创始人 / 全球产业链与资本战略负责人
核心能力体系：
龚继锋
│
├─ 产业资源整合能力
│ ├─ 欧洲高端制造资源
│ ├─ 中国新能源产业链体系
│ └─ 跨国产业协同管理
│
├─ 规模化复制能力设计
│ ├─ 从样机到批量交付
│ ├─ 成本与效率结构优化
│ └─ 供应链稳定性建立
│
└─ 资本与产业协同
├─ 产能扩张节奏规划
├─ 制造投入结构设计
└─ 产业化风险控制12.4 王健
合伙人 / 自治系统与智能控制负责人
教育背景：
中南大学 · 机械工程（机器人工程）博士
中南大学 · 车辆工程本科
核心能力体系：
王健
│
├─ 重载移动机器人控制能力
│ ├─ 无人车算法与控制经验
│ ├─ 高负载作业机器人系统开发
│ ├─ 挖掘力在线估计系统研发
│ └─ 复杂地形运动控制能力
│
├─ 高对抗场景机器人经验
│ ├─ 危爆救灾机器人项目负责人
│ ├─ 埋地管道抢修机器人核心成员
│ ├─ 国家重大科研仪器专项成员
│ └─ 极端环境作业经验
│
├─ 户外工业机器人落地能力
│ ├─ 光伏清扫自主机器人主导研发
│ ├─ 多场站实际部署
│ └─ 长周期运行优化经验
│
└─ 平台级自治系统构建
├─ 感知-决策-执行闭环设计
├─ 作业力学与控制协同
└─ 工业级稳定性设计12.5 颜其锋
合伙人 / 工业设计与国际标准战略负责人
教育背景：芬兰阿尔托大学（Aalto University）· 新媒体学博士
现任：
深圳市鹏城工业设计研究院院长
南方科技大学、湖南大学访问教授
曾任：
诺基亚研究院首席设计师
荣誉与成就：
├─ 光华龙腾奖“中国设计业十大杰出青年”
├─ 多次获得 IDEA 与红点国际设计大奖
├─ 拥有20余项国际发明专利
├─ 主导 IEEE-11073 国际技术标准制定
└─ “中国标准创新贡献奖”一等奖核心能力体系：
颜其锋
│
├─ 国际级工业设计体系
│ ├─ 重载设备设计语言构建
│ ├─ 极端环境产品形态规范
│ ├─ 平台级设计标准制定
│ └─ 高端产品识别体系建立
│
├─ 国际标准与技术规范能力
│ ├─ IEEE国际标准制定经验
│ ├─ 数据与设备接口规范理解
│ └─ 标准化战略规划能力
│
├─ 国际品牌与行业高度
│ ├─ 诺基亚研究院全球经验
│ ├─ 国际设计大奖认可
│ ├─ 学术与产业双重影响力
│ └─ 高端客户信任背书
│
└─ 欧洲与高层资源网络
├─ 北欧设计与科技资源
├─ 国际产业合作通道
└─ 高层次交流平台12.6 陈超
合伙人 / 产品工程与平台实现负责人
教育背景：机械设计制造及其自动化
核心能力体系：
陈超
│
├─ 工业级产品工程实现
│ ├─ 光伏清洁机器人设计经验
│ ├─ 商用清洁机器人产品经验
│ └─ AGV及户外专用车辆结构经验
│
├─ 产品平台工程化
│ ├─ 样机结构与整机设计
│ ├─ 研发到量产转化
│ └─ 成本与结构优化
│
└─ 研发与交付协同
├─ 研发管理能力
├─ 专利布局能力
└─ 产品可靠性与稳定性提升12.7 团队结论
从投资人视角看，这支团队不是“某一个人很厉害”，而是形成了一个清晰闭环：
团队闭环
├─ 龚铁靖 / 龚继锋：方向、资本、供应链、产业协同
├─ 王健 / 陈超：系统实现、样机开发、工程落地、量产转化
└─ 颜其锋：设计体系、国际标准、品牌高度这类闭环能力，对 Pre-A 硬科技项目极其关键。因为投资人最怕的，不是技术难，而是团队只能做 PPT、不能做系统。我们的团队结构，正是为了解决这一顾虑。
13. 投资逻辑（Investment Logic）
13.1 本轮融资的本质
这轮融资不应该被理解成“赌收入”，而应该被理解成：
买工程成立的确定性这是本项目最关键的投资逻辑。
因为对硬科技而言，最有价值的价值跃迁，往往发生在：
想法
→ 样机
→ 工程验证
→ 可投资资产Pre-A 的意义正是完成这一跳。
13.2 为什么这轮值得投
如果把投资决策抽象成一个问题，那么问题不是“SnowBot 未来会不会卖很多”，而是：
谁最有可能
把第一台真正能干活的工业级机器做出来？而我们的答案是：
市场真实存在，支出成熟存在，团队结构闭环存在，技术挑战认知清晰存在，样机路径明确存在。
本轮资金一旦帮助团队把样机做出来，项目的估值逻辑就会从“概念”切换到“工程实体”，这本身就是一次重要的价值重估。
14. 结论（Closing）
SnowBot 不是一个喧闹赛道里的消费级故事。
它更像是一个安静但极其扎实的硬科技机会。
它的核心特征是：
├─ 百亿级成熟市场
├─ 高工程门槛
├─ 低竞争密度
├─ 长期刚需存在
└─ 平台扩展潜力明确Pre-A 的意义，不是证明商业已经成立，而是证明：
这个方向能不能被做成
这个系统能不能被做出来
这个团队能不能把第一台真正能干活的样机摆到投资人面前因此，本轮融资的唯一使命是：
把想法
变成样机
把不确定
变成工程实体最后，对投资人而言，真正值得下注的不是一台 SnowBot 本身，而是一条能力成长路径：
工程能力
→ 产品能力
→ 平台能力一旦第一台成立，后面的故事就不再只是“讲出来”，而是“被证明出来”。
15. 摘要
为什么值得投：
因为：
极寒除雪是北美刚需，且人工组织昂贵、波动大、责任重；
但：
现有人工模式与轻量机器人都无法稳定满足高失败成本场景；
所以：
我们用全电、全自治、工业级极寒作业系统去替代；
而且：
我们拥有从战略、产业链、工程实现到量产转化的闭环团队；
现在：
请用 Pre-A 资金，让我们把第一台真正能干活的样机做出来，
并为 A 轮形成工程验证与市场认可基础。上海阿克博斯技术有限公司
Shanghai ARCBOS systems Ltd