一家由Los Alamos国家实验室机器人老兵创立的YC新公司，想让机器人在核电站里干技术员干了几十年的活儿——擦拭取样、贴着阀门探测泄漏。Salem Robotics上周在Hacker News发帖介绍自己：不造机器人本体，只给已有的四足机器人装一层“任务大脑”。帖子里价目表列得很清楚，技术验证从数万美元起步，规模化部署每台机器人能到约50万美元。但翻遍公司官网和这场发帖讨论，找不到一个已经付费的客户名字。报价单齐全、订单空白，这个组合恰恰是判断早期硬科技公司真实进度的好切口。
从Los Alamos到UT Austin的技术底气
创始人Caleb Horan和Janak Panthi的履历值得单独说一句。Horan是UT Austin机器人学在读研究者、NRC Fellow，此前在Los Alamos国家实验室核材料部门做了多年自主机器人部署；Panthi是退伍军人出身，同样在UT Austin读博（预计2026年底毕业），有核设施四足机器人的实地部署经验。两人合计凑出的“15年核能经验、10年Los Alamos”背景，不是随便一支团队能复制的。公司顾问名单里还挂着UT Austin机器人学教授Mitchell Pryor和企业家Jim Nelson，一个管技术，一个管商业化。
这份背景解释了帖子里的技术描述为什么那么细：核污染取样要“擦拭”固定区域再送检、探测器移动中要保持与曲面法向一致、几厘米误差走廊里无所谓但贴着管道测量就会出错——这些不是外行能编出来的场景。
经典规划对赌端到端AI
Salem的技术选择本身是一次表态。当下机器人行业，尤其是人形机器人赛道，大量关注和资源都在往端到端学习系统上堆。Salem反着走：语义理解交给AI去认场景、认任务，一旦确定要执行的物理动作，就切回经典几何规划、约束优化和关节级控制。
- 结论.在核设施、化工厂这类容错率极低的场景，“能证明机器人做了什么、不会做什么”比“机器人足够聪明”更重要，这也是Salem押注经典路线而非端到端学习的核心逻辑。
公司自己把这套方法包装成“具备理论安全保证”，但这只是创始人一方的说法，没有第三方或监管机构的公开验证——在核能这种强监管行业，这一点分量差得远。
报价公开，客户名单是空的
HN评论区里，Salem给出了具体价格区间：技术验证从数万美元到超过10万美元不等，规模化部署每台机器人在数十万美元到约50万美元之间。这套报价体系听着像是已经跑通了几轮客户，但目前唯一能查到的实地接触，是Salem去德州Andrews的核废料处置设施Waste Control Specialists做过一次现场考察，评估能否用移动机器人减少人员辐射暴露——公开材料并没有确认这家公司已经付费签约。
公司官网和这场发帖讨论里，都没有出现任何一个已付费核能客户的名字。融资方面能确认的是YC标准的S26批次投资条款，外加通过Rice Business Plan Competition路径进来的non sibi ventures早期投入及后续未披露金额的加注，以及被列为投资方但未披露具体金额的Goose Capital。这些信息拼起来，是一家技术叙事完整、早期资本到位，但商业验证证据还很薄的公司。
报价表齐全，客户名单空白，是判断早期硬科技公司真实进度的最好切口。
原帖反复拿油气行业的LDAR（泄漏检测与修复）巡检举例，讲得跟已经落地的产品一样，但翻遍所有公开材料，找不到任何一个甲烷或VOC传感器集成的部署案例。目前唯一确定在推进的，是核设施辐射巡检——LDAR更像是市场愿景，而不是马上能交付的产品线。
接下来该盯什么
对核电运营商和核废料处置设施来说，机器人巡检的吸引力很实在：减少技术人员进入高辐射区域的次数，这是一笔能算清楚的安全账。但在监管极严的核能行业，“理论安全保证”这种自我表述能不能扛住NRC或DOE层面的审查，才是决定这家公司能不能从验证阶段走到规模化部署的关键变量。
值得持续追问的几件事：Salem有没有拿到第一份真正付费的核能合同；LDAR产品什么时候能真正交付，而不只是帖子里的一个例子；经典规划路线在客户现场跑起来，会不会比端到端学习方案更贵、更慢地适配新场景。这些问题的答案，比创始人履历和技术理念本身，更能说明这家公司是不是真的走在商业化的路上。