放大资金，增加盈利可能
配资是一种为投资者提供杠杆资金的金融服务！
配资是一种为投资者提供杠杆资金的金融服务！
智客Zhiker获悉，成立仅月余的Physical AI企业昆腾动力已完成超亿元种子轮融资，由云启资本与商汤科技联合投资。
创始人李强此前在阿里体系待了17年。2015年加入菜鸟，做过菜鸟集团CTO，也做过阿里国际数字商业板块CTO，管过全球几千人的研发团队，兼任过菜鸟无人车总经理，是中国最早把L4无人车运营规模做到千台以上的人。他的上一个身份，是阿里体系里同时把"物流业务+AI技术+全球化"三件事统管过的一号位。
2026年，他辞掉这一切，出来做了一家叫昆腾动力（Quantum Dynamics）的公司，虽然刚刚成立月余，核心班子已经码齐，CTO来自头部自动驾驶公司（在线算法负责人），首席科学家有北美具身智能实验室背景（国内顶尖机构助理教授），硬件负责人来自上市公司人形机器人事业部（机械臂和灵巧手方向），商业化负责人马里兰大学物理系博士出身，在Meta和亚马逊做过算法专家，自己还创过一家物流调度公司，手握联想和韩国乐天等客户。
同时，公司已经与浙江大学、南洋理工大学、上海创智学院、香港科技大学等众多国内外知名大学和机构建立起广泛和深入的科研合作。
这样一支集齐产学研多维能力的团队要做的事，不是简单造一台机器人，而是打造Physical AI系统，让整个机器人在物理世界里自己进化。
在李强看来，昆腾动力是一家Physical AI系统公司，不是纯模型公司。“模型是系统的一部分，不是全部，”他说，“我们追求的是'合适'，不是'最好'。”
Physical AI和Agentic AI最大的不同在于，机器人天然受地域和场所分割，真正的壁垒不在于谁的模型参数最大，而在于谁能搭建一套可量产、可闭环的系统，让1000台机器人在物理世界里真正每天干活。
作为种子轮投资方，云启资本看中的正是昆腾动力商业闭环能力。在云启资本看来，当前Physical AI 赛道已不再只是概念、模型和Demo的竞争，重心正转向高价值场景落点、规模化部署，以及能否形成数据、模型与产品相互促进的闭环。
昆腾动力创始人兼CEO李强（图源/企业）
▎以下为与李强的对话全文，略有删减：
智客ZhiKer：您之前是菜鸟CTO，为什么出来做Physical AI？
李强：我2015年加入菜鸟，2016年开始，我们就想通过技术改变物流行业现状，比如仓储自动化，但做了很久发现，上一代技术只能解决20%～30%的问题，大量问题解决不了。
到2025～2026年，技术发展到能解决过去一直想解决不了的问题的阶段，这是出来做这个事情最大的出发点。其次，16年前参与了互联网和移动互联网的浪潮，这一波AI浪潮里我希望能继续做一个创业者，而不是大厂的管理者。
智客ZhiKer：您提到当时"上一代技术只能解决20%到30%的问题，大量问题解决不了"，可以举几个具体的例子吗？
李强：物流里面，过去老的技术只能对标准容器，比如，标准箱子做存储、检索、搬运，但是对如拣选之类需要对标准容器里的货物做手眼协同操作的，上一代技术没法根本解决。原来用机械臂做，最后都没有太规模化推广，原因是很难覆盖100%的SKU，拣选成功率遇到各种异常时，需要停机、人工介入恢复。新技术可以让机器人自动识别异常，比如东西拣了一半掉地上了，机器人可以转个腰、扭个头，重新对焦看清楚掉哪里去了，低头弯腰把它捡起来，自己恢复。这是过去做不了、现在能做的。
其次，过去老技术是固定的机械臂，无法随着业务变化物流场所要跟着变。经常过了一个月、两个月企业业务变了，这个地方要干别的事了，臂已经固定住不能挪了，因为挪的代价很高，客户就不愿意弄。新技术是移动的机器人，随时可以移动、随时可以调。
再有，对包裹操作过去只能实现部分操作。比如老技术机械臂抓取是容易的，但抓起来之后翻个面，或者翻个面之后再贴个面单是很难的，因为面单是柔性的、软的、还有一定粘性的纸质材料，要贴在一个柔性软包上面非常难。现在用世界模型建模和预判，可以非常好的灵巧控制。
智客ZhiKer：你们主要是切入物流中的哪些场景？
李强：我们切入的环节包括：包裹称重、贴面单、翻面供包、补货上架、拣货下架、装箱打包，这些环节用工缺口大，人力成本高。
路线是从仓库和分拨中心（封闭）做到网点和门店（半开放），再到末端送货上门（全开放）。
智客ZhiKer：现在Physical AI赛道团队技术都很强，你们的竞争壁垒在哪？
李强：我们是一家Physical AI系统公司，不是纯模型公司。模型是系统的一部分，不是全部，技术优势也体现在对系统多个部分的掌控能力上。
第一，数据飞轮体系。菜鸟无人车从2021年起就有1000台以上L4无人车在中国运营，是中国最早达到千台规模的无人车队。我们沉淀了一套完整的体系，从数据采集、存储、秒级检索、100%自动化标注，到让数据进模型做训练、做评测、做发布。这套体系的规模和沉淀，绝大部分现在的具身公司可能都没有。
第二，安全技术。当初做的重达一吨的无人车，能在开放道路上面跑40公里，这证明我们对整个安全的技术机理有充分的理解。现在很多具身机器人，执行速度比较慢，如果有好的安全技术，就可以让机器人把节拍调得更快，不用担心磕碰。
第三，模型和系统经验。团队既有L4无人驾驶领域一段式端到端和VLA上车部署的完整实战经验，也在具身智能领域积累了全身控制（WBC）、多源异构数据协同训练、持续训练和强化学习等关键能力。我们不仅知道如何训练和迭代大模型，也深刻理解现阶段大模型的能力边界，能够通过系统架构、工程约束和数据闭环弥补模型在可靠性、实时性和长尾问题上的不足，让模型能力真正转化为可规模化部署的产品能力。
第四，上层调度系统。我们做的不光是一台一台的机器人，而是一个车队。怎样对车队做好管理、任务的分发调度，有一套非常好的技术，过去也做过大规模的机器人车队调度，应该说在这方面能力是数一数二的。
智客ZhiKer：为什么定义昆腾动力（Quantum Dynamics）是一个系统性的平台公司，而不是一个机器人物流公司？
李强：我们最终交付的是一套系统，从机器人本体到模型到系统。
智客ZhiKer：你们做平台加多配置，而不是一台通用机器人，这个选择背后的逻辑是什么？
李强：一个平台，共享绝大部分零配件。仓库场景货架两米多高，机器人个子要高；末端送货要跑得快，个子高了反而不稳定。不同配置适配不同场景，跨少数本体，但不追求完全的一脑多形和zero-shot，那些对我们来说不重要。
通用机器人要求模型无所不能，结果迟迟落不了地，没有数据，模型更差，形成死锁。我们追求的是"合适"，不是"最好"。
智客ZhiKer：机器人本体是自产还是代工？
李强：核心零部件采购外采，本体代工组装。我们的核心能力在产品定义、构型设计、核心部件评估选型和BOM成本控制，基于已有资源快速迭代才是更好的选择，没必要重来一遍。
第一代机器人预计9月30日之前推出，会是一个更有创造性的构型，匹配我们选定的场景。
瞄准物流仓储场景，昆腾动力搭建数据闭环体系（图源/企业）
智客ZhiKer：你们的世界模型主要采用的是什么技术？
李强：我们会做一个具身原生的、robotics native的世界模型。传统基于视频生成模型的基座，本身不是为机器人控制而生的，是为视频生成而生的，里面有很多先天性的架构缺陷，所以我们会推倒重来。
其次，做好多模态的统一融合和表征。把视觉、触觉、力反馈等多种模态信号做好时空对齐，做到更好的表征，从而让数据效率更高，希望用更少的数据预训练出一个好模型。
最终，推出一体化的具身世界模型，它既是一个世界动作模型（World Action Model），可以出动作；也是一个世界模型（World Model），有了动作之后可以去预估世界因果，动作如何演化、预测下一个状态；同时它也是一个World Value Model，可以拿到状态之后Predict或者Estimate整个State是不是我想要的。比如做一个贴面单的动作，会预测贴的准不准、牢不牢、平不平整。这个预测是一个有着业务语义的预测。
我们预计会推出一个3-4B的世界模型。
智客ZhiKer：模型训练主要用的什么数据？数据是自采还是外购？
李强：我们主要用第一人称视角数据（Human-centric）视频，从物流场景采的一些跨任务的遥操作数据，再加上机器人在物流场景里干活产生的真机部署的真实数据，以这三部分数据为主，再辅助一些合成数据。
数据来源方面，第一，最大一部分是和客户及合作伙伴合作。很多客户和合作伙伴过去已经沉淀了一些数据，可能是为做质控、质检、客服采的，我们通过一些共赢的合作机制把它利用起来。第二，我们自己也会采，借助客户和合作伙伴的网络，让现有的熟练工用Ego-centric 、UMI或遥操作帮我们采，数据更真实、质量更高，同时价格也比较低。第三，短期也会买一些数据做补充，但不作为主要来源。对于Physical AI的团队来说，谁的数据成本更低、谁更有基础性，谁就有未来。
智客ZhiKer：模型预训练和后训练分别占比多少？
李强：大概五五开。后训练其实蛮重要的。
Physical AI跟Agentic AI不一样的地方在于，Agentic AI是通过互联网来分发的，要求模型什么都会、什么都要好、无所不能，因为你不知道用户会问你什么问题、让你解决什么问题。而Physical AI是一个机器人，天然受地域和场所分割。
预训练先交付基本的物理知识、让机器人能完成一些基本动作，然后通过后训练做任务微调、用RL技术做精调，再通过它在实际工作场所里干活，让它去自我进化。
比如物流分拣，一个新手第一天上班一小时分拣200件，一个老手一天分拣600件，我们希望通过后训练让机器人用最快的时间，从每小时200件自我进化到每小时600件。
行业里有说法是，做好Pre-training，累积数据、累积模型把Pre-training做到足够好，才有可能进入下一阶段。我的认知是，用当下行业里面已有的Pre-training好的模型，好好做后训练，一样能够达到在选定场景里规模化部署的条件。
智客ZhiKer：客户拓展方面有什么计划？
李强：主要扩展海外市场。日韩，尤其是韩国，因为距离近、有基础、老龄化和劳动力短缺严重。然后是欧洲地区，经济发达、劳动力成本高。北美是最大的市场，谁也不能放弃，但因为数据合规等不确定性，优先级往后排一排。
智客ZhiKer：现在团队大概多少人？
李强：目前大概25个人，很快会发展到接近50个人。
智客ZhiKer：公司未来3年阶段性规划是怎样的？
李强：2026年底，一到两个场景达到PMMF（Product-Market-Model Fit），有客户愿意付费，小规模推广。2027年，1000台机器人每一天在物理世界真正工作，不是交付1000台，不是生产1000台，是每天都有1000台实际在干活。（本文首发钛媒体APP，文 | 智客Zhiker，作者｜郭虹妘，编辑｜杨林）
一鼎盈提示：文章来自网络，不代表本站观点。
