Travis Kalanick 是 Uber 联合创始人，也是这家公司扩张最快时期的 CEO。2017 年，在一连串公司文化与治理危机后，他辞去 CEO；此后很少公开露面。外界主要知道他在经营 CloudKitchens，一家把地产改造成外卖厨房、再向餐饮商家出租的公司。Kalanick 对“回归”这个说法并不满意。他说，自己没有回来，因为过去八年一直在工作，只是没到处宣传。
如今，这些工作被装进了同一个名字：Atoms。7 月，公司完成 17 亿美元融资，由 a16z 领投，Uber、Bain Capital Ventures、Fifth Wall 等机构参投；a16z 联合创始人 Ben Horowitz 加入董事会。这是 Horowitz 在 a16z 写过的最大一张支票。
Atoms 是 Kalanick 把过去八年积累的几家公司合并而成的一家工业 AI 集团。它从食品、矿业和运输切入，把软件、传感器、专用机械、自动驾驶和工业地产装进同一套系统。它的目标不是卖出一台机器人，而是让一间厨房、一座矿山或一支车队能够由机器统一调度和运营。
在 Atoms 的发布会上，Travis Kalanick 先放了一段十年前的旧视频。那时他还在 Uber，正反复向内部解释一套叫“比特与原子”的想法。Kalanick 笑说，许多老同事大概早已听烦了：“求你别再讲比特和原子了，我都不知道你在说什么。”十年后，他还是在讲同一件事，只是终于有了一家公司来承载它。
这场投资很容易被简化成“硅谷明星创始人押注工业 AI”的叙事，但从 Atoms 的发布会中，我们能发现， a16z 愿意心甘情愿花大价钱下注，买到的并不是一台已经成型的机器人，而是一组尚在拼装的公司，以及 Kalanick 把它们变成一套系统的能力。
a16z 押注的背后是 Horowitz，他认识 Kalanick 多年。当 Uber 与 Lyft 激战时，他还是 Lyft 董事会成员，却常与对手 Kalanick 直接交流。决定投资 Atoms 前，他只有一个疑问：工业 AI 会不会只是 Kalanick 的“一时兴起”？
而 Horowitz 真正想确认的是，Kalanick 还有没有当年的闯劲。过去他见过 Kalanick 如何应对中国网约车公司的补贴战：对方越进攻，他越兴奋，甚至说如果能解决中国市场，全世界其他地方都不算问题。几番接触后，Horowitz 判断，他仍是“原来那个 Travis”，于是，他干脆地下注 All in。
不同于其他的机器人公司，Kalanick 有别的想法。他不是先让机器学会适应人类留下的复杂世界，而是先拿到厨房、矿区、车辆和地产的控制权，再把这些环境改造成机器容易理解、容易执行的生产系统。Atoms 更像一家用机器人重做工业运营的公司，而不是一家出售机器人的公司。
这也是他十年前的旧视频里面，“比特与原子”真正想说的事。在计算机里，CPU 处理比特，硬盘存储比特，网络把比特从 A 点搬到 B 点。到了物理世界，制造业负责“处理”原子，房地产负责“存储”原子，运输和物流负责搬运原子。Kalanick 回头看 Uber，认为它其实只完成了其中一层：Uber 是物理世界的网络，把人和车数字化调度起来，但车辆本身仍由人驾驶。自动驾驶则把这层网络继续向下数字化。
Atoms 想再往前一步：不是只改造运输，而是给一个完整产业装上“计算机”。Kalanick 对工业 AI 的定义，并不是一台机器人或一个模型；而是一整套由软件、传感器、机器人和 AI 组成的系统，用来自动化一个工业部门的运营。
这个定义看起来宽泛，却指出了工业自动化经常被忽略的问题：单台设备会工作，不等于整个系统能赚钱。矿车可以无人驾驶，但一座矿能否增产，还取决于装载、路线、排队、维护、选矿和调度能否协同；机械臂会做一份餐，也不等于消费者能以足够低的价格吃到它，后面还有场地、订单、库存和配送。
人形机器人之所以受欢迎，是因为它提供了另一个直观承诺：人能工作的地方，它也能工作。门把手、楼梯、工具和工位都是按人体设计的，只要机器足够像人，就不必重建环境。
问题是，适应世界本身很昂贵。家庭和普通商业空间充满家具、杂物、光线变化和临时情况，机器人每向前走一步，都要处理大量长尾问题。工业场景反而可以选择另一条路：让矿车只在测绘好的矿区行驶，让食品设备反复完成少数标准动作，把原料、工序和场地一并标准化。
通用机器人试图提高机器理解世界的能力；Atoms 试图降低机器需要理解的世界难度。前者把复杂度放进模型和硬件，后者把一部分复杂度移到场地、流程和组织设计里。
CloudKitchens 过去常被理解为“幽灵厨房”：它拿下工业地产，改造成只做外卖的共享厨房，再出租给餐饮品牌。放进 Atoms 后，地产不只是一门租赁生意，也是食品计算机的“存储”。如果机器人必须进入全球不同餐厅，适配每间厨房的面积、设备和工作流，部署会很慢；如果公司能控制场地，就可以重新安排设备、动线和工序，让厨房从一开始就适合机器。
在这套系统里，Otter 处理订单和餐厅软件，Lab37 负责食品机器人，CloudKitchens 与 ProFood 提供生产场地和基础设施。它们并非天然属于同一家公司，Kalanick 是想用同一套运营目标把它们连起来：一顿饭能否以接近消费者自己去超市买菜的成本，被生产并送到家？他在台上称，机器生产已把每份餐的成本控制在 6 至 8 美元。要让一份便宜的餐真正送到消费者手里，Atoms 得同时解决机器人、软件、地产和物流，而不是卖出一条机械臂就结束。
矿业更能展现 Kalanick 的想法。Kalanick 说，自己研究矿业越深，越容易兴奋。原因不只是市场规模。芯片和能源是 AI 时代最受关注的资源，但制造芯片、建设电网和数据中心所需的金属与矿物，最终仍要从地下挖出来。矿业是物理世界最基础、也最难被软件直接改变的一层。
团队见矿业公司 CEO 时，开场白很简单：“你想不想每年多产 20% 的金子？”每个 CEO 都会点头，但接着就会要求证据。
证明不能只靠一辆自动矿车。Kalanick 在视频里站在一台巨型矿用车旁，称它是矿业网络中的一个“TCP 数据包”，一个把矿石从 A 点运到 B 点的物理数据包。按他的说法，车辆满载约重 200 万磅，拍摄时还有三架无人机“负伤”。
那矿业计算机的 CPU 是什么？是处理矿石的设备和工序。Kalanick 举了个例子：矿石被粉碎后，利用矿物表面性质的差异，把目标矿物从大量杂质中分离出来。普通人坐飞机俯瞰矿区时见到的巨大处理设施，正承担着把原料变成可用金属和矿物的工作。再往上一层，还需要一套像操作系统的软件，调度设备与物料，让开采、运输和加工按同一个目标运转。
这才是 Atoms 矿业计算机的完整含义：不是给矿车装上自动驾驶就宣布矿山智能化，而是把矿山看成一台由土地、设备、车辆、加工设施和软件共同组成的机器。增产 20% 是结果，自动驾驶只是其中一个部件。
自主导航也因此成为食品、矿业和运输之间最有可能共用的横向能力。Atoms 旗下的 Pronto AI 由自动驾驶工程师 Anthony Levandowski 创办，主要把自动驾驶用于矿区等封闭或半封闭场景。Kalanick 的判断是，人形机器人适合在人类环境里完成小规模、多变化的任务；大规模工业作业则更适合专门设计的机械。只要这些机械要移动，就需要轮子，也需要自主导航。
不过，把所有业务放在一起，也成了 Atoms 最难回答的问题。Kalanick 曾因文化差异拒绝合并一家与 Uber 十分相似的公司 Lyft，如今却要把比 Uber 和 Lyft 差异大得多的食品、矿业和运输装进同一个组织。共同的技术框架并不会自动消除行业差异：矿山面对少量大客户、漫长销售周期和严格的安全要求；食品面对高频需求、低毛利和城市运营；运输还涉及不同的道路法规和事故责任。
一位听众因此追问：这些业务会不会共享资源？是否各有一位 CEO 和一套董事会? Kalanick 的回答很实在，他说自己他很庆幸不用面对多个董事会。行政、财务、法务、人力和部分技术基础设施可以共用；矿业和运输的制造可能相近，食品设备却完全不同。各业务单元仍要像独立公司一样运营，负责人对结果拥有充分控制权。至于哪些软件、制造和供应链能力最终可以真正共享，他坦率地说，自己还没有全部答案。
所以 Atoms 的关键并不是“业务都与原子有关”这句畅想，而是共享能力能否大于集团复杂度。软件平台服务一个新行业时，复制代码的成本很低；工业平台进入一个新行业，往往意味着新的设备、供应链、认证和现场团队。平台可能产生复利，也可能只是把多个资本密集型难题堆在同一张资产负债表上。
同时，Kalanick 本人也是这场赌注的一部分。他离开 Uber 的方式，使“还是原来那个 Travis”听起来既像优点，也像风险。对谈中，他主动谈到自己的变化：过去总贴着规则边缘做事，要用电子扫描显微镜反复放大，才能确认没有越线；现在他会主动与那条线保持距离。
Horowitz 随后补充了这句话的组织含义。一个创始人带着两万人、隔着八层管理架构工作时，顶层任何含糊的表达都可能在传递中变形。领导者不能只保证自己没有越线，还要让最基层的人也知道安全边界在哪里。对一家要进入厨房、矿山和交通系统的公司，这不是公关修辞，而是产品可靠性和工业安全的一部分。
这也是 a16z 最大一张支票真正押注的东西：不只是工业 AI 这条路线，也不只是一位成功创始人再次创业，而是 Kalanick 能否把自己擅长的高强度运营，变成一种可复制、可约束的组织能力。
如果 Kalanick 成功了，Atoms 会证明，物理 AI 的领先者不一定是拥有最通用机器人的公司，也可能是最早控制了机器人工作环境、并把整条运营链连起来的公司。如果没有，17 亿美元则会证明另一件事：把世界改造成适合机器，有时比把机器训练得更聪明更贵。
参考资料：
https://atoms.co/unfinished-business
https://atoms.co/vision
https://atoms.co/
https://a16z.com/travis-is-back/
注：封面/首图由 AI 辅助生成