导语：当AI从数字世界走向物理世界，一种全新的智能工具——Physical AI正成为科技巨头和资本追逐的下一个风口。近日，由菜鸟前CTO李强创立的昆腾动力（Quantum Dynamics）完成超亿元种子轮融资，云启资本与商汤科技联合押注。这家成立仅半年的科技公司，没有选择炫技的Demo，而是扎进物流仓库，用数千台机器人每天数万次抓取动作，打造一套能自我进化的物理智能系统。这背后，究竟藏着怎样的战略逻辑？
从菜鸟CTO到创业者：物流基因如何反哺AI
李强在阿里巴巴的17年履历，几乎覆盖了电商与物流的全链路。他曾任菜鸟集团CTO、阿里巴巴国际数字商业板块CTO，管理数千人研发团队，同时兼任菜鸟无人车总经理，统筹自动驾驶商业化。这种“技术+业务+全球化”的复合背景，在具身智能赛道的创始人中极为罕见。当前行业创业者多来自自动驾驶或学术实验室，前者擅长系统集成，后者拥有前沿视角，但李强属于第三类——深谙真实商业场景，懂得如何将AI技术转化为可落地的价值。
昆腾动力的核心团队同样覆盖了前沿研究、模型研发、硬件工程到全球化商业落地的全部环节。这种基因让公司在成立之初就选择了一条差异化路线：不等待完美的通用模型，而是先找到现有技术能交付客户价值的切入点。正如李强所言：“我们不需要等一个完美的通用模型出现再去找场景，而是先找到能把现有技术转化为客户价值的切入点，率先跑通商业化。”这种务实态度，与当前许多只做Demo的科技公司形成鲜明对比。
值得一提的是，李强团队曾与全球200个国家的邮政系统深度对接，积累了海量物流履约的一线经验。这些经验直接转化为昆腾动力对仓库场景的深刻理解：哪些工序最耗人力、哪些环节自动化最难突破、哪些数据最有价值。正是这种“从产业中来”的视角，让昆腾动力在拿到本轮AI融资后，能迅速聚焦于美妆、医药等SKU规整的电商仓库，先跑通人机协同的混产模式。
数据飞轮：仓库为何成为Physical AI的最佳训练场
Physical AI面临的核心悖论是：物理世界的数据无法像文本和图像那样通过爬虫批量获取。谁先拥有规模化部署真机的能力，谁就拥有了数据采集的优先权。昆腾动力的答案很直接——把机器人直接放进物流仓库。
一个中型仓库里，一台拣货机器人每天完成数万次抓取、放置、扫描、贴标动作，覆盖从刚性箱体到柔性包裹、从标准尺寸到异形SKU的几乎所有物理操作类型。每一次动作的成功或失败，都是一个无需人工标注的清晰信号。这与AI图片生成模型依赖海量标注图片不同，Physical AI的“标注”来自物理世界本身——抓取失败就是负样本，成功就是正样本，而且这些数据天然带有时间序列和因果关联。
昆腾动力搭建了一套数据闭环体系：端侧机器人运行轻量级算法，实时识别高价值数据片段，包括需要人工干预的场景、模型预测置信度低的状态、以及反复尝试失败的困难案例。这些数据被自动打标、回传，进入训练管道。针对需要人工干预的部分，算法平台会截取最具学习价值的片段，剔除冗余，确保每一帧进入训练集的数据都贡献有效信息。
这种机制让数据管道具备两个鲜明特征：一是规模效应，每新增一个部署仓库就新增一个数据来源；二是独家数据的生产，随着数据越厚，模型的泛化能力和成功率就越高，后续接入新客户、新场景的成本和周期就越低。这种“先场景后底座”的路径，与一些先从仿真环境出发的科技公司截然不同，后者往往面临sim-to-real的鸿沟。
从世界动作模型到集群进化：Physical AI的技术架构拆解
当真实场景数据达到足够密度，昆腾动力开始自研基础模型——具身原生的World-Action Model（世界动作模型）。它区别于常见的视频预测模型，通过联合建模视觉、动作、本体状态与触觉信号，模型能够学习“一次操作会如何改变物理世界”，并满足机器人实时控制的工程要求。
这套系统平台由六个技术模块协同构成，覆盖数据归集、模型更新、集群协同进化的完整Physical AI体系。其中，轻量级World Model Corrector（世界模型校正）用于实时监控动作执行偏差，在操作失效前及时触发纠偏、重规划和重试。面对新客户和新仓库，系统无需重新训练全模型权重，而是通过Test-Time Training、少样本示范和历史经验复用，使机器人快速适应不同的货物、货架、光照和流程变化。
最终，所有具身机器人组成一支持续学习与自我进化的集群。每台设备产生的成功、失败、干预和恢复经验，经由离线强化学习、偏好优化、仿真训练与真机验证的多重流程，持续更新至整个机群中。这种“集群学习”模式，与大模型训练中通过大量数据微调的逻辑一脉相承，但物理世界的复杂性使得强化学习需要更精密的奖励设计。值得一提的是，团队还引入了Human-in-the-Loop机制，让每一次人工干预都成为训练数据，使单人可管理的机器人数量持续提升。
这种技术架构的独特之处在于，它不追求单点能力的极致，而是构建一套能从真实部署中持续进化的系统。正如李强所说，赛道竞争的核心迟早落在数据采集效率与单位数据成本上——谁能用更低成本持续产出海量真机数据，谁就能建立稳固优势。这种思路与特斯拉FSD的逻辑相通：部署的终端规模越大，沉淀的驾驶数据越多，整套集群通过强化学习迭代后的整体性能就越强。
商业化路线图：从电商仓库到居家服务，务实渐进
昆腾动力将落地节奏分为两个阶段。2026年重点瞄准B2C、中小B电商仓库，聚焦补货上架、货品拣选、包裹打包三大人力密集工序，优先落地美妆、医药类SKU规整的仓储环境，采用人机协同混产模式完成规模化试点。到2027年，业务边界将进一步向复杂快递网点延伸，遵循“物流仓储→工业产线→零售货架→医药分拣→商用服务→居家民生服务”的拓展路径。
这种渐进式策略非常务实。物流场景本身就具备任务高频、反馈清晰、商业价值明确的特点，是验证机器人能力、积累真实数据并提升模型泛化能力的重要入口。而且，物流场景中的“原子动作”具有高度可迁移性——例如抓取、放置、贴标、打包这些动作，在工业产线、零售货架甚至居家场景中都能找到对应形态。昆腾动力通过物流场景沉淀出标准化的原子动作库，后续向外拓展新场景时，这些积累可以直接复用。
在操作精度上，团队遵循循序渐进的打磨节奏：先落地台式固定机械臂方案，再实现人形机器人静态作业，接着攻克全身协同移动操作，最终达成人流开放环境下稳定的动态作业能力。控制标准也从基础抓取精度起步，逐步向毫米级、亚毫米级精细操作迈进。这种“由简入繁”的思路，与AI工具导航中分类分级推荐工具的逻辑类似，都是先聚焦核心痛点，再逐步扩展能力边界。
进入居家、康养等高难度场景时，昆腾动力会采取“先低风险后高互动”的落地思路，先落地物品传递、收纳等基础任务，再逐步迭代近距离人机精细交互功能。不过，现阶段这套体系仍面临小样本学习能力不足、全域安全体系有待完善、自适应力触觉控制有待提升等挑战。
投资逻辑与行业趋势：Physical AI为何成为下一个主战场
IDC报告显示，2025年中国具身智能机器人用户支出规模预计超过14亿美元，到2030年将飙升至770亿美元，年均复合增长率达94%。资本涌入的速度越快，一个结构性问题越凸显：物理世界的数据无法像文本和图像那样批量获取。这意味着，先发优势将决定数据壁垒的高度。
商汤资本在投资评语中表示，物流是目前具身智能赛道里最扎实的落地赛道之一，AI机器人的降本增效价值能直接量化；同时，相比纯技术出身的创业团队，李强具备物流、电商产业认知优势，叠加团队及股东的产业资源协同，项目能快速切入核心仓储场景跑通真实数据飞轮。云启资本则强调，物流是验证机器人能力、积累真实数据并提升模型泛化能力的重要入口，昆腾动力采取的渐进路线更为务实。
有趣的是，当前Physical AI赛道的竞争正经历从“炫技”到“实干”的集体转向。刚刚结束的WAIC 2026大会上，翻跟头、跳舞的Demo展台人气依然高涨，但真正吸引人流驻足的，是那些将汽车工厂、物流分拣线搬进现场的实景演示。业界共识正在形成：Physical AI的竞赛，其落脚点从来不只是技术Demo的惊艳程度，而是机器人能否在真实世界中稳定地完成作业。
昆腾动力选择的是一条并不性感的路径——先让数千台机器人在仓库里跑起来。它要证明的不只是一家公司的商业可行性，更是物理AI“从垂直场景切入，逐步走向通用”的路线可行性。如果这套“先场景后底座”的战略能够跑通，那么对于整个行业来说，将提供一种可复用的范本。毕竟，与AI诗词生成这类创意性工具不同，Physical AI需要面对的是物理世界的刚性约束——重力、摩擦、碰撞、变形……这些都需要真实数据的淬炼。
挑战与展望：智能工具的下一个十年
尽管前景广阔，昆腾动力面临的挑战依然严峻。首先，物流场景虽然数据密集，但不同仓库的货架、货物、流程差异巨大，模型的泛化能力需要持续验证。其次，物理世界的数据采集成本远高于数字世界，规模化部署机器人需要大量资金投入，而本轮超亿元融资虽然数额可观，但相较于后续的硬件采购和运维成本，可能只是开始。
此外，团队需要在技术迭代和商业化之间找到平衡。李强强调“先落地产生营收，再持续积累独家真机数据”，但短期内物流仓储的自动化改造本身就是一个利润率较低的行业，如何用机器人方案实现比传统自动化更优的ROI，是验证商业模式的关键。
从更宏观的视角看，Physical AI作为智能工具的新形态，正在开启一个“万物皆可编程”的时代。就像AI画图工具让创意表达变得触手可及，文生图模型让非专业用户也能生成高质量图像，Physical AI的目标是让物理世界的操作——从拣货、打包到护理、维修——都能像调用API一样简单。昆腾动力选择从物流切入，正是看中了这个垂直领域的高频、高价值、高数据密度特性。
未来，当仓库机器人集群积累了足够多的真机数据，当世界动作模型能够泛化到更多场景，Physical AI或许会像今天的AI工具箱一样，成为企业数字化转型的标准配置。而昆腾动力能否在这场竞赛中脱颖而出，不仅取决于其技术实力，更取决于它能否在资本寒冬中保持定力，走通这条“从仓库到家庭”的务实之路。