一家 12,000 平方英尺的工厂，正在用机器人生产机器人。这不是遥远的愿景，而是 Tensr 今天正在做的事。

Tensr 的创始团队来自伯克利，曾让全尺寸自动驾驶赛车以每小时 160 英里的速度无人竞速，团队中也有人长期深耕制造业。两者合一，走向机器人制造，他们自己也说是"自然的过渡"。这段对话来自 Y Combinator 的演示日周边视频，发布于 2026 年 9 月。

1. 从公寓里的几台机器人到真正的工厂

YC 批次期间，Tensr 几乎是从零开始的——几台摆在公寓里的机器人，仅此而已。批次结束时，他们已经拥有一座运转中的工厂，能够制造真实的工业机械。这种跨度，在一个批次内实现，本身就说明了团队的执行密度。

工厂目前正在生产的产品横跨几个品类：从人形机器人到末端执行器，再到国际空间站用途的机器人。产品线的宽度不是分散，而是证明了这套制造能力的通用性。

2. Azimov 1：超过 275 个零件的人形机器人

展示台中央摆着的是 Azimov 1，一台完整的人形机器人。它由超过 275 个零件组成，涵盖塑料外壳、CNC 金属件、PCB 电路板、电子元器件和执行器。这不是一个原型，而是一个正在被量产的产品。

另一件展品来自伯克利 AI 研究实验室。研究人员拿着设计找到 Tensr，问题很直接："我们有客户要大量下单，怎么让这东西可以规模化量产？"Tensr 正在把这个装置——一款智能吸盘夹爪——变成可以上产线的产品。这款夹爪的核心能力是通过内部传感器判断"我有没有抓到这个东西、抓得有多稳"，不需要外部视觉系统辅助。

3. 工厂即学习机器：每笔订单都在训练下一次制造

Tensr 的核心判断是：整个工厂本身就是一台学习数据机器。每当一笔客户订单进来，工厂就在自我实验，学习如何在下一次制造得更好。这种闭环——生产即数据采集，数据再优化生产——是他们认为过去几年技术条件成熟之后才能做到的事。

他们用来定位自己的参照系是 TSMC：客户带着设计来，Tensr 负责把它变成可以量产的现实。制造能力本身就是产品，而不是某一款具体机器人。

4. 为什么现在，为什么是他们

过去没有人大规模做这件事，Tensr 的解释是时机问题——"过去几年出现了关键的技术变化"。他们没有展开说是哪些技术，但从团队背景看，自动驾驶领域的传感器融合、高速控制和规模化验证经验，与机器人制造的需求高度重叠。加上部分成员原本就有制造背景，这让他们能同时理解"机器人该怎么动"和"零件该怎么造"。

从赛道的角度看，人形机器人硬件正在进入快速迭代期，多家公司同时需要制造合作伙伴，而具备快速打样和规模化能力的代工厂几乎是空白。Tensr 卡的正是这个位置。

Tensr 的逻辑在结构上是自洽的：制造能力越强，积累的训练数据越多；数据越多，下一次制造越高效；效率提升反过来吸引更多客户下单。如果这个飞轮真的能转起来，"机器人领域的 TSMC"不只是一个比喻，而是一种可以防御的竞争壁垒。问题在于，飞轮的第一圈最难——订单规模、数据质量、工厂节拍能否同步爬坡，将是接下来最关键的验证。