作者 | 许丽思

编辑 | 漠影

机器人前瞻9月9日报道，近日，费莫一科技（下文简称“PHYMI”）完成近亿美元种子轮融资。本轮融资由IDG资本领投，云启资本、滴滴出行、复星锐正、耀途资本、禾赛科技跟投。

对于一家成立不久、首款产品都还没公开的创业公司，投资人究竟在为什么下注？

公司的名字听起来有些神秘，来历却很直接。PHYMI寓意连接Physical World、 Manipulation & Mobility与Intelligence，中文名“费莫一”则来自英文名的音译，也暗含了对“莫拉维克悖论”的致敬。创始人刘念邱解释，团队最初想过很多含义明确的名字，但大多无法注册，最终选择了这个更加年轻化、有个性的名字。

站在费莫一背后的刘念邱，是一位从自动驾驶行业转向具身智能的连续创业者。他曾任英特尔高级工程师，此后担任元戎启行技术合伙人、董事，参与过无图智驾方案落地，以及技术体系向端到端模型、VLA大模型演进的过程.

在元戎期间，刘念邱亲历了自动驾驶从0到1做出产品、从1到10推进试点，再到大规模量产的完整周期,见证了中国高阶自动驾驶从 L4 研发运营走向规模化量产的关键阶段。随着智驾逐渐进入规模增长和持续迭代阶段，他把目光投向了仍处在早期的具身智能行业。

刘念邱从2024年开始密切关注机器人。当时行业的能力重心仍偏向机械系统和运动控制；到了2025年，本体和小脑运控逐渐成熟，VLA、World Model等技术路线快速演进，基于AI的机器人开始进入真正的0到1阶段。

在刘念邱看来，这正是进入具身智能的绝佳窗口期。相比继续参与一个成熟产业的规模扩张，他更希望重新做一件从0到1、再到10的事情。

▲费莫一科技创始人刘念邱

PHYMI想做的，是一个能够走进开放、动态生活空间的Physical Agent。

在刘念邱描述的场景中，机器人就像是融入人们生活中的一个伙伴。比如，去公园露营时，机器人可以帮忙驮东西、铺垫子、买咖啡和清理垃圾；在前往咖啡店的途中，用户看到一家冰淇淋店，还可以通过系统临时增加一项购买任务。在这个过程中，机器人能够不断自主调整行动计划，连续完成长程移动、环境理解、物品操作和人机交互。

讲这些故事的机器人公司其实不少，不过刘念邱强调，PHYMI这条路线的核心在于，零门槛部署、开箱即用，实现“GO ANYWHERE，DO ANYTHING，WITH ANYONE”。

刘念邱把PHYMI的技术路线类比为元戎当年探索无图智驾：先摆脱固定区域的限制，接受在开放、动态空间中早期能力不够成熟的情况，再逐步扩大适用范围。

围绕这一目标，费莫一同时布局了PHYMI BRAIN、PHYMI BODY、PHYMI DATA和PHYMI LINK。

BRAIN面向开放动态真实世界，构建覆盖多模态感知、世界建模、推理规划与行动生成的具身智能模型系统；BODY是 Physical Agent 进入真实环境并长期稳定运行的物理载体；

DATA将真实交互转化为可学习的经验；LINK负责连接人、Physical Agent和环境，支持远程交互、任务调度以及多机器人协同等。

近亿美元融资也将沿着这套体系投入，主要用于Physical Agent核心技术研发、真实动态数据体系建设、产品工程化与场景落地，以及团队扩充，加速Physical Agent的产品迭代与发展。

产品正式亮相之前，费莫一关于开放动态真实世界的判断，仍需要通过产品和真实使用等待验证：一家早期初创公司，为何一开始便同时布局BRAIN、BODY、DATA和LINK？面向开放动态场景的Physical Agent，又将以怎样的产品形态进入真实生活？跨场景免部署可以做到什么程度？

围绕这些问题，机器人前瞻与刘念邱进行了一次面对面的深入交流。

一、离开元戎创业，具身智能刚走到真正的0到1

机器人前瞻：您过去的职业经历一直围绕汽车和自动驾驶展开，在2024年的一次演讲中也提到，自动驾驶其实是具身智能的一种形态。为什么选择在元戎启行还处于快速上升期的时候，离开相对成熟的智驾行业，进入产品形态、商业模式和落地路径都还没有完全确定的具身智能领域？

刘念邱：我觉得其实要看这两个行业所处的阶段。

在智驾领域，我在元戎经历了一个比较完整的周期，从0到1、从1到10，再从10到100、到1000。

从0到1，是有产品出来；1到10，是开始能够落地、试点，证明它的商业价值；从10到100、1000，就是正式进入大规模量产，后面其实更多就是规模增长和持续迭代的过程。

再看机器人。我其实从2024年就比较关注机器人，那个时候机器人还真的就叫 Robotics，更多偏机电系统和运动控制。

到2025年开始出现一些操作能力，但那个时候的操作能力和现在相比，还是有非常大的差距。真正基于AI的机器人，我觉得其实是从2025年才开始进入一个从0到1的过程。

之前大家会用Diffusion、VLA，最近又比较火的World Model等等。我感觉现在已经到了一个路线开始收敛，然后开始往上去 scaling 的阶段。

所以我觉得这是一个非常关键的时间点。过去的经验，本质上就是用经验去形成认知。从这个时间点往后，才是开始迈出通向具身智能这条路的起点，所以应该下场了。

刚好智驾也已经走过了前面的阶段，开始进入成熟期。所以我觉得这是一个非常好的时间点。

机器人前瞻：您现在出来创业，这是一个好的时间点吗？

刘念邱：我觉得，如果是真的想把具身智能落地，现在是一个很好的窗口期。

如果再早两年，我们可能要花大量精力做的其实不是具身智能，而是在做机械、电机、齿轮。

如果是去年，可能勉强能够搭一个还不错、能用的本体，开始做一些数据验证。但数据怎么做，可能也需要做很多实验，运控也没有那么成熟。

但到现在这个时间点，本体加小脑、运控这些东西的成熟度相对已经比较高了。虽然不能像汽车那么成熟，但已经可以很快支持我们需要开发的能力。

可能它的可靠性还没有那么高，做不到五年不坏，但已经足够支撑我们做大脑、系统和产品能力的开发与验证、

而且刚好我们过去在汽车行业积累了很多东西，包括对硬件、传感器，以及整个软硬一体AI系统的理解，这些其实能够更好地帮助我们完成这样一个整合。

因为机器人毕竟是物理世界里的东西，它很难脱离硬件单独去做。

机器人前瞻：从自动驾驶到具身智能，过去在汽车行业的很多经历在具身智能里都有发挥空间。那有没有哪些经验，是您之前觉得可以直接用，但进入具身智能以后发现其实并不work的？

刘念邱：我觉得具体的方法不能直接搬过来。因为汽车本身做的是回避碰撞，而且天然是在一个平面上移动，所以具体的方法不能直接搬。

但是如果往上抽象一层，很多方法论其实还是可以借鉴的。

机器人前瞻：您之前在元戎的时候主导过RoadAGI的一些探索，现在费莫一也强调机器人在开放环境里的移动能力，这两者在技术上有没有一些延续？

刘念邱：要看怎么定义这个“延续”。其实用的是完全不同的方法，但我觉得目标是一致的。

当时我推动RoadAGI，目标也是希望它从道路扩展到更大的范围，包括室内，能够跨室内外。但当时发布的RoadAGI本身还是一辆车，只是一辆“有手的车”。

现在我们关注的是一个真正的机器人，它已经不再是汽车形态。

当它不再是汽车形态之后，就会涉及更复杂的越障能力、通过障碍物的能力，让它真正不再受地形影响，像正常人一样通过正常障碍物，比如楼梯、栏杆这些。

所以应该说目标上存在延续，都是希望智能系统能够摆脱固定区域的限制，进入更加开放的空间。但Physical Agent面对的环境、任务和交互对象更加复杂，因此技术方法和产品体系都需要重新构建。

二、还没有产品，就拿下近亿美元种子轮融资

机器人前瞻：您能介绍一下现在核心团队的情况吗，当时是怎么把整个团队搭起来的？

刘念邱：我们最大的特点，是提出了一条新的路径，这条路径对很多人其实是有吸引力的。

我们不是只想让机器人在一个固定场景里完成某个Demo，而是希望它真正进入开放、动态的生活空间，成为人的伙伴，在这个空间中接触更多场景、更多人，获得更多真实反馈。这样一来，机器人既要有长程移动能力，也要有操作能力。

所以我们在搭团队的时候，基本也是围绕这几类能力来组建的。

第一类是AI 2.0方向的人才。现在智驾本身也已经进入预训练、大模型驱动的阶段，所以我们团队里有过去做AI Coding、视频生成等方向的人。

第二类是机器人方向的人才，包括机器人操作、运动控制。

第三类是我们过去在智驾行业积累比较多的能力，比如传感器系统、底层软件，以及软硬件系统整合。车载供应链在可靠性和性能上已经有比较成熟的积累，这些经验对机器人同样有帮助。

另外还有很重要的一块是数据工程。机器人真正出去运行以后，数据怎么采集、上传、清洗、标注，背后都需要一整套基础设施，这方面我们过去也有比较多经验。

所以现在团队基本就是围绕这几个方向搭起来的，各个关键环节都有人。

机器人前瞻：你们招人的时候，更倾向具有什么样特质的人？

刘念邱：我们现在这个阶段非常关心的一点，是这个人是不是非常目标导向，会不会提出问题、看问题。因为创业早期其实不缺问题，缺的是判断哪个问题才是重要的问题。

一天可能能看到几十个、上百个问题，但我们人数有限、精力有限，所以要选择哪一个问题最值得解决，然后再想怎么解决。

另外一个就是创业精神。我觉得创业公司为什么适合干新的事情？因为来创业公司的人，大概率本身就是有创业精神的人，不然他可能也不会来这样的公司。

机器人前瞻：费莫一现在还没有公开具体产品，只提到一些技术路线。但在这种情况下，已经完成了数亿元的种子轮融资，投资人在投你们的时候，最看重什么？

刘念邱：首先还是我们讲的这条新路径。我们希望把机器人真正带进开放、动态的日常生活圈，让它更早产生商业价值，也就是有人愿意为它的实际使用价值付费。

这背后的基础首先是移动能力。哪怕机器人现阶段只会一些简单的抓放，只要移动能力足够好，其实就已经能干很多活，也有机会产生商业价值。

如果一开始就做家庭家政，机器人可能要先把很多事情都做得很好，消费者才愿意买。我们的路线不太一样，希望先凭借移动能力进入真实场景，随着机器人的能力不断提升，愿意使用它的人也会越来越多。

与此同时，真实使用又会带来更多数据和反馈，反过来继续推动产品迭代。我们希望形成这样一个闭环。

从投资人的角度来说，这条路径本身有足够的差异化，而且这个差异化恰好对应具身智能接下来要进入的阶段。

我们认为，科技行业大致会经历三个阶段。

第一阶段是Demo和概念阶段，大家都在判断谁可能成功，但其实还看不清楚，某种程度上像“抽卡”。

第二阶段，开始真正尝试落地、验证商业逻辑。到了这个阶段，团队就不能只会做科研，还要能够做产品、做工程落地和运营管理。虽然这个时候收入可能还覆盖不了成本，但会不断接近最终规模化的商业模式。

再往后才是真正的大规模商用，这时候考验的是怎么把技术优势快速转化成商业优势。

所以除了技术路线本身，投资人也会看重我们过去在产品化、工程化和规模化方面的经验。

另外，现在整个具身智能行业，我觉得还是处于第一阶段的后半部分，还没有真正到落地。

真正落地就不应该是公司自己发一个新闻，说“我在那里做了什么事情”，而应该是用户自己会发。

就像Robotaxi一样，用户会说“我今天在哪儿打了一辆车”，而不是只能在新闻上看到它。

三、同时布局大脑、本体、数据和系统，想让机器人成为动态生活空间里的伙伴

机器人前瞻：国内外做类似开放世界移动操作的企业其实也不少。费莫一和它们相比，最特别的地方是什么？

刘念邱：本质上还是路线差异，我们的一个核心能力是“跨场景免部署”。

这里的“免部署”是希望尽可能降低机器人进入新环境的使用门槛，不再依赖复杂的前期建图、扫描或环境改造。长期来看，我们希望Physical Agent能够跨越更多空间和任务，这也是“GO ANYWHERE. DO ANYTHING. WITH ANYONE.”所表达的愿景。

机器人前瞻：你们刚成立不久，就同时布局了四层能力。对一家初创公司来说，这意味着非常高的研发投入和组织复杂度，为什么觉得这四层都必须同时做？

刘念邱：因为我们要走向第二阶段，也就是开始真正尝试落地、验证商业逻辑的阶段。

走向第二阶段，就意味着必须得有本体。

其实DATA和BRAIN，所有AI公司都应该要有，但不是所有公司都真的能够做好一套支撑大规模数据的基础设施。

LINK则是机器人要和人产生交互，需要有这样的系统来支持，这部分也和运营相关。

其实就和汽车一样。如果我要真正做Robotaxi运营，我得买车、改车，得有传感器系统，有运营调度系统，还要能够收费，同时还需要数据和模型。

机器人前瞻：这四层都是全栈自研吗，还是有一些会用开源或者生态伙伴的方案？

刘念邱：我们其实非常崇尚和生态伙伴合作，但凡有伙伴能够做好，我们肯定愿意用伙伴的东西。

我们的核心竞争力还是放在PHYMI BRAIN这一块，这是我们的上限。但Physical Agent真正进入现实世界，模型、本体、数据和交互不能彼此割裂。BODY、DATA和LINK是BRAIN（大脑）能力落地不可缺少的系统支撑。。

机器人前瞻：PHYMI的定位是想做开放、动态、真实世界的Agent。能不能用一个更具体的例子解释，这到底意味着什么？

刘念邱：用通俗的话来说，我们其实想打造一个生活圈里的伙伴。它不是只服务某一个人，而是进入开放、动态的生活空间，在不同场景里帮助不同的人承担那些高频、细碎，却始终需要有人亲自到场、持续消耗时间和注意力的现实事务。

这些需求可能来自普通用户，也可能来自服务人员。我们的定位是协助人，而不是替代人。我们希望机器人能够成为一个随时可以被想到、也能够真正完成目标的伙伴。

机器人前瞻：您提到的这些场景都非常细碎，但市场足够大吗？最开始是怎么想到“丢垃圾”这个场景的？

刘念邱：我觉得市场其实非常大。

我们做过一些调研。也和物业等一线服务方进行过交流。调研下来会发现，帮人处理这些高频、细碎的生活事务，已经形成了真实需求，也有人愿意为此付费。

我们的出发点其实一直不是去找一个单独的垂直场景，而是看一个生活圈里，不同的人在不同时间会有哪些需要别人帮忙的事情。聊下来会发现，这些需求虽然看起来很细碎，数量但非常多、频次高，而且很多都发生在同一个区域里。放到整个生活圈来看，其实际需求和市场空间都很大。

跨场景能力可以让同一台机器人在不同时间承接不同任务，提高机器人的使用效率和实际价值。对我们来说，重要的不是押注某一个单独场景，而是让机器人真正进入生活，被大家接纳和使用。只有进入真实生活，获得更多使用和反馈，机器人才能迭代得更快。最终我们想走的还是通向通用机器人的路径。

机器人前瞻：在产品形态上，你们强调PHYMI BODY不被单一形态定义，要“为长期干活设计”。能满足这个要求的机器人本体，应该长什么样？

刘念邱：PHYMI不会简单用某一种固定外形定义产品，但无论采用什么形态，核心还是要有通用的移动能力，同时能够像人一样干活，这就意味着身高不能太矮，也不能太高。否则很多人能放东西的位置，它拿不到；人能看到的东西，它也可能看不到。

另一方面，它又不能太贵，稳定性也得好，最核心的就是要让大家用得起，也愿意长期使用。

机器人前瞻：您刚刚提到价格要让大家比较容易接受、用得起。大概什么价格比较合适？

刘念邱：我们希望它最终能够进入普通用户和服务机构可负担的价格区间。具体价格还要结合产品形态、能力和量产进展来确定。

机器人前瞻：PHYMI BRAIN采取的是多层异步分频多模态架构，这个和业内常见的“高层慢思考、低层快执行”的两层架构相比，最大的区别是什么？

刘念邱：那种本质上是一个两层架构。如果只是从大的逻辑上来说，我们也可以这么理解，但实际上没有这么简单，因为机器人的决策其实有很多种。

就像大模型一样，大家做Agent，完成一件事情可能会有很多Agent共同参与。我们认为一个Physical Agent，本质上也需要很多模型共同解决问题。

比如所谓高层慢思考，它其实也不只是一个“慢思考”。机器人要去买咖啡，到了一个地方以后，它得想咖啡店在哪里、怎么找，是看导航还是问人；如果问人，又涉及跟人交流。如果是操作任务，比如做冰淇淋，它又要把任务拆成几步，第一步干什么、第二步干什么，这其实是另外一种思考模式。

所以如果只从大的逻辑上拆，当然可以分成低频的认知决策和高频的运动控制。但如果机器人真的进入真实空间，它还要跟人交流、理解人的目标、拆解目标，同时还要移动。

而且真实移动过程中，也不会像一些Demo一样，提前把往哪里走、过什么路、在哪里左转这些信息都告诉它。真实情况下可能没有这些信息，它得自己去搜索、去看导航。

所以我们才提出多层异步的系统。它其实是一堆能力的集合，不同能力对运行频率、输入信息、模态的要求都不一样。

我们还提出全模态感知能力。比如机器人在真实世界里，手臂碰到东西，也应该知道自己碰到了，而不是只有指尖碰到才叫碰到。这些都会对模型提出不同的要求。

机器人前瞻：现在大家都在讲数据飞轮，您觉得这个飞轮要真正转起来，最关键的是什么？有人会说是数据质量或者一致性。

刘念邱：如果要让它转得动、而且高质量地转，首先基础设施得好。

没有基础设施，数据本身的流转都不通畅。

但流转通畅以后，更关键的是每转一圈，怎么保证它真的往上走了一层，这就必须有真实反馈。

我们觉得真实反馈很重要，所以最终还是得进入真实市场。

机器人前瞻：采集到的数据，什么样的数据才算真正好用？

刘念邱：这个有很多维度。

如果从最基础的角度来说，比如时间同步、一致性，这些必须做好，这是最基础的。

再往宏观一点，就是这个数据背后的逻辑必须清晰。

举个例子，我需要拿编号为“1”的那瓶水，但是“1”这个字写得非常小，那至少你的摄像头得能够看清楚这个“1”。

如果摄像头根本看不清“1”，只是人在示教的时候看清楚了，然后抓了这一瓶，那机器人凭什么知道为什么要抓这瓶？它根本不知道这个动作背后的原因。

所以从细的角度，是时间同步、一致性这些基础质量；从宏观角度，是这个数据背后的逻辑必须清晰。

机器人前瞻：PHYMI LINK主要负责多模态交互、动态同步等能力，这些能力看起来也可以由BRAIN或者普通机器人调度系统完成，为什么要单独定义成一层？

刘念邱：它其实是一套系统，有点像人和机器人之间，以及机器人和机器人之间的桥梁。

因为我们做的是长程移动，机器人并不一定一直在人的身边，所以人和机器人之间怎么交互、机器人之间怎么协同，就需要通过PHYMI LINK来完成。

它不只是任务调度。比如一台机器人发生故障，但任务还没有完成，这时候可能就要让另外一台机器人来接替它。

再比如机器人帮你去买咖啡，柜台上放了很多杯，它不知道应该拿哪一杯。你可以在家里看到它那边的画面，然后告诉它拿哪一单。或者它去一个店里帮你买东西，你事先不知道店里具体有什么，它到了以后看到现场的东西，你也能看到，再决定让它买什么。

所以PHYMI LINK本质上是让人和机器人、机器人和机器人之间能够跨越空间、无缝协同的一套系统。

它不是一个单独的硬件，载体可以是小程序，也可以是APP。如果机器人就在你面前，也可以直接交互。

四、机器人能力被普遍高估，真正量产还得等用户买单

机器人前瞻：费莫一成立时间不长，却要同时搭建模型、本体、数据和交互体系，，这个过程中最大的挑战是什么？

刘念邱：我觉得其实到处都是挑战，但也没有哪一个挑战会让我睡不着觉。

最开始什么都没有的时候，大家每天会讨论非常多的问题。那个阶段比较难的一点，是要判断哪些问题更重要、应该优先解决哪些问题。因为所有问题其实都想解决，但时间和精力有限，所以怎么做选择很重要。

现在很多基础设施基本都已经搭起来了，相对来说就会好很多。

机器人前瞻：现在业内很多具身智能公司都在讲从模型、本体到数据的各种闭环和全栈能力。行业出现这种全栈竞争，是因为大家的产品方向还没有确定，所以谁也不愿意放弃任何一个方向的可能性吗？

刘念邱：我们不是。我们的核心还是大脑，然后落地开放场景。

其他三个都是基础设施。基础设施的标准就是它能够支撑我长期发展，不会成为我的瓶颈，并不是说这些方向我们都要拿来试一遍、探索一遍。

我们做本体的思路，和专门做本体的公司也不一样，专门做本体的公司可能会追求本体性能的极限。我们只是希望这个本体在成本可控的情况下，各项参数能够符合产品需求。

机器人前瞻：从去年下半年到今年上半年，大批自动驾驶人才转向具身智能，甚至有人觉得自动驾驶的时代已经过去，具身智能才是未来。您认可这种说法吗？

刘念邱：不能这么说。首先，自动驾驶现在依然是一个很热的领域。特别是Robotaxi 正处在从概念真正走向落地的一个关键转变期，相关能力和用户规模都在持续增长。。

而且现在自动驾驶是真正被广大用户用起来了，增长速度也非常快，所以不能说它是一个过去的产业。

只能说，我个人对机器人非常感兴趣。我觉得它是一个开始要起来的行业，我更想去做0到1、再到10的事情。

从自动驾驶转到机器人，并不意味着所有做自动驾驶的人都有一样的优势。自动驾驶本身就是一个很大的行业，每个人在里面做的事情、积累的能力都不一样。

我过去的经验，一方面是经历了自动驾驶一个比较完整的周期；另一方面，我也做过非常多不同的板块，包括硬件、传感器、供应链、产品运营，还有数据相关的工作，这些都可以在机器人行业有很好的发挥空间。

元戎2019年才成立，而行业里很多公司2016年、2017年甚至更早就已经入场。作为后来者，我们必须不断判断，在每一个关键时间点应该做什么样的技术选择。

有些选择在别人眼里可能是一种豪赌，但在我们看来，是因为原来的路已经很难成功，所以必须找到一条新的、可能成功的路径。

机器人前瞻：自动驾驶和具身智能都经历过从概念火热到落地艰难的过程，您觉得具身智能有哪些能力是被大家高估的？

刘念邱：只要它开始走向人的真实生活，大家就很容易高估它，这和自动驾驶很像。

自动驾驶最开始出来的时候，大家就天天讨论伦理问题，但实际上，早期的智能根本没那么高级。那个时候连GPT都还没有，哪里来的那么复杂的推理能力？

现在整体来说，我觉得普通大众对它的能力还是高估了。大家高估的时候会把它想得特别厉害；但实际体验如果没有达到预期，又会反过来觉得它特别“垃圾”。

机器人前瞻：一家公司如果真的要进入量产阶段，需要迈过哪些门槛？

刘念邱：这就要看怎么定义“量产”。

如果把量产定义为通过现代化管理的标准工厂，按照标准化流程生产，那其实现在有些公司也可以算量产。

但我觉得真正的量产，应该是消费者有广泛、持续的真实需求，在日常生活中真的会去愿意长期使用它的时候。

而不是主要买它的科研价值或者表演价值，如果按这个标准来说，那还需要一段时间。

本文转自：凤凰网科技

原文地址： https://tech.ifeng.com/c/8wGyJ82qS4h