近亿美元种子轮，投给了一个“不做Demo”的智驾人
考研资深辅导
2026年09月10日 16:30:22
Demo可以造出上限，落地才能守住下限。
作者丨李玉鹏
编辑丨张丽娟
近日，费莫一科技（简称 "PHYMI"）宣布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。在融资趋于收紧的下半年，这笔种子轮的资金体量并不多见。
一家成立还不到半年初创，在种子轮就拿到顶级 VC 和头部产业方的近亿美元的支持，答案不在 Demo 里，而在创始人刘念邱身上。
他此前是元戎启行技术合伙人、董事，亲历了中国高阶自动驾驶从 L4 研发运营走向规模化量产的全过程。今年 3 月，刘念邱转身跨入具身赛道。
在他看来，现在具身行业正处于一个与智驾历史非常相似的节点：大家都想直接做 " 全无人 "，但真正能跑通商业化的是 " 先用起来 "。
"我们走的是一条开放、大家都能用上的路径。" 刘念邱告诉小饭桌。他要让机器人进入开放动态真实场景，以 "跨空间跨场景的长程移动 + 操作" 为核心能力，以 " 伙伴 " 的身份切入商业化，他甚至刻意避开了 " 具身智能机器人 " 这个行业惯用标签，把产品定义为 "Physical Agent"。
这次访谈中，我们想从他那里挖掘的不是融资故事，而是一个从智驾跨界过来的人如何重新理解物理世界里 AI 落地的逻辑。以费莫一科技为样本，还可以借此审视一个更底层的追问：当具身赛道从讲故事进入拼落地的阶段，什么样的团队和路线才可能穿越周期。
" ‘使命’完成，但不能再等 "
刘念邱的履历在具身智能创业者中属于 " 少数派 "。
早前在英特尔，他负责新设备和新工艺的开发与导入，干的是硬核工程；后来出来创业，做的是软硬件结合的方向，物联网、工业智能化都碰过。" 很长一段时间都在做软硬件结合的东西。" 刘念邱说。这段经历给了他一个底色：对物理世界的产品落地有手感。
再后来，他进入智驾行业。刘念邱在元戎亲历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，并参与了无图智驾方案落地，以及技术体系向端到端模型、VLA 大模型演进的过程。
今年 3 月，他决定离开。按他的说法，是觉得自己在这个阶段能发挥的 " 独特性 " 已经不再明显。" 我和元戎走过了从 0 到 1，从 1 到 10，再到 100 的全过程。剩下的，就不是我的‘使命’了。" 他说得很平静。
真正吸引他的是具身智能。刘念邱关注这个方向已经好几年了，但迟迟没有动手，主要原因是供应链不成熟。
要做真正意义上的具身智能，而不是 " 机电系统 + 控制 "，就得自己设计电机、减速器，把大量精力耗在非核心环节上。" 我觉得这有点本末倒置。" 他说。直到今年，产业链上下游被智能制造和机器人热潮打磨成熟，数据和模型的理解也开始收敛，他觉得时机到了。
这个判断里有一个关键的时间感：不能再等了。" 在此之前，别人还在探路；之后，别人已经开始积累了。而现在，就是个好时机。" 在他看来，具身智能正从讲逻辑、讲故事、做 Demo，转向真正的数据驱动 AI 产品开发，大家在这个转折点站在了同一起跑线，但窗口却不会一直开着。
而从智驾到具身，他认为能迁移过来的是更深层的东西：一是基础设施的 Know-How，比如车端数据采集、回传、清洗、筛选的整套体系，机器人同样需要；二是对技术节奏的判断力。
此前在元戎启行，刘念邱和团队做过一个业内公认 " 决绝 " 的选择：果断放弃高精地图，全面转向 " 无图 " 方案。"创业公司不适合保留两条路线。机会在于更快看到未来方向，然后全力以赴。" 他很笃定。而这种 " 舍得 " 的背后，是对技术趋势的前瞻判断和执行力。
其实，这种判断力还包含一个清醒的认知：技术领先的窗口极短。
" 现在技术优势保持时间都不会太长，大概也就半年到一年的时间。" 换句话说，真正的竞争不在谁先做出某个 Demo，而在谁能更快把技术优势转化为商业优势。
从智驾带过来的这些经验构成了费莫一科技所有战略选择的基本底色。某种意义上，刘念邱的转身不是因为 " 看到了具身智能的机会 " 这么简单，是他发现自己最擅长的东西：在技术路线不清晰的时候做出果断选择并把它做透，这恰好是当下具身行业很稀缺的能力。
从封闭场景到开放世界
带着这套从智驾里磨出来的判断力，刘念邱在具身智能里做的第一个选择，就是不走大多数人已经在走的路。
这也变成了融资过程中投资人问得最多的问题：跟市面上的其他具身公司到底有什么不同？
在刘念邱看来，具身行业里一类是以 " 本体 + 运控 " 为主，解决的是身体平衡和动作执行，但跟环境的真实交互很少；另一类以 " 大脑 " 为主，在特定场景里做特定任务。两条路线各有侧重，但有一个共同点：都不面对真正开放动态的真实空间。
他选择的路径是面向开放动态真实世界的 Physical Agent。" 也就让机器人进入人们的‘生活圈’，跟人真实交互、获得真实反馈。" 他解释。而这就要求机器人必须具备两项基础能力：跨场景跨空间的长程移动和跨场景操作。
对于移动能力，来自智驾背景的团队拥有天然优势；对于操控能力，技术成熟度还不够，但可以在真实场景中逐步迭代。两者结合，刘念邱称之为 "场景泛化"，这才是费莫一科技的差异化所在，这种选择的背后其实是一套完整的商业逻辑。
举个例子，机器人若只能在一个固定场景（比如酒店）工作，即便在这个场景里做得再好，可一旦换个陌生场景就立刻失效。
费莫一科技想做的是一个 "基础能力平台"，未来可以服务各种场景，让机器人具备对开放世界的基本理解和移动操作能力，能够进入社区、园区、商圈，承接巡逻、取送、巡检、收件等各种任务。
围绕 " 落地能力 "，刘念邱提到，大模型在商业落地上最成功的领域是 Coding，但那属于 " 虚拟数字世界 "，而在 " 现实物理世界 "，过去成功的案例有且只有智驾。
他进一步提到，L4 级全无人 Robotaxi 做了近十年，全球总量不到一万台，而 L2 级量产车部署了几百万台。关键区别在于，L2 走的是" 人机协同 "，让车先上路跑起来，获得了规模化的真实数据。
费莫一科技的技术体系本质上也是围绕这个逻辑搭建的。其中，BRAIN 负责解决开放动态空间里的认知和决策问题，让 Physical Agent 能够理解人和世界、预测物理交互，并自主完成移动与操作任务。
BODY 也就是 Physical Agent 进入开放动态真实世界的物理载体，设计原则围绕 " 可靠、实用、可负担 "。" 不是做让大家觉得炫酷的展示品，我们想做的是大家愿意每天跟它在一起，每天都会用的产品。" 他说。
DATA 以真实场景中的人机交互数据为主体，而非自建场景、自产数据、自建评测集。他打了个比方：" 同样一个工具，不同人用法不一样，用自己的素材源采集一万个小时，也不如用一千个人每人采一个小时的数据好。" 真实用户反馈定义 " 做得好不好 "，而不是开发者自己的标准。
LINK 则是一套人与机器人、机器人与机器人之间的协同系统，解决的是机器人执行长程任务中如何与人保持联系、获得授权、请求协助等问题。
" 用户端可以用小程序、APP 获得机器人状态、跟它交流，机器人也可以通过这套系统跟附近的人交流，这样才能形成全面互动关系，也是我们提出的机器人‘伙伴’的概念：伙伴帮人，人也帮伙伴。" 刘念邱解释。
四者协同，让机器人不只停留在 " 会做一个动作 "，而是能在开放动态真实场景里把目标完成。这套体系的核心竞争力在 BRAIN，但刘念邱并不想把 " 全栈自研 " 当作标签，" 我们团队拥有全栈能力，希望大脑能被落地，必须有载体。" 他说，硬件环节在产业链成熟后会选择合作的方式。
从技术体系到产品定义，再到商业模式，费莫一科技的每一步选择都在回答同一个问题：机器人怎么才能真正进入普通人的生活。刘念邱给出的答案是让机器人更 " 可用 "，这个起点似乎才是离真实世界最近的那条路。
" 终局共识，路径分歧 "
这两年，具身赛道最不缺的就是 " 终局共识 "。所有人都看得到那个未来：机器人进入家庭、工厂、街头，替代大量人力劳动，市场规模巨大。但是，共识本身并没有意义，真正拉开差距的是路径选择。
在刘念邱看来，" 现在这么多具身公司，押注不同方向，但抛开名词看本质，路线其实很少。" 大多数玩家还停留在物理空间的动作规划层面，远没有触及开放动态真实场景下的认知、决策和交互问题。不同公司路线看起来五花八门，拨开那些概念包装，底层逻辑的差异并没有表面那么大。
这个判断是他从智驾行业带过来的一个核心认知。" 过去选择走什么路径、数据和基础设施去支撑未来在哪条路上走，这反而是最核心的。" 他提到，以元戎启行为例，它之所以能 " 后发先至 "，靠的不是在原有路线上做得更好，而是敢在关键节点 " 革自己的命 "，把全部资源押注到一条更接近终局的路上。
具身行业正在经历类似的岔路口，当一些公司在封闭场景里打磨单点能力，费莫一科技选择让机器人直接进入开放环境，这个选择在短期来看并不讨巧，开放环境里的任务完成度远不如精心控制的演示场景好看。但刘念邱的逻辑是：只有真实场景产生的问题，才能反向定义什么能力值得投入。
这也引出了他对竞争壁垒的理解。当硬件供应链趋同、模型架构趋同，可积累的东西会变成护城河：
在开放场景里积累的行驶数据、交互反馈、用户关系、以及 LINK 系统建立起来的人机协同网络，这些东西没法靠融资一次性补齐，只能靠时间和部署规模慢慢长出来。封闭场景里的积累，换个环境就失效，但开放场景里的积累，换个任务还能继续用。这才是 " 场景泛化 " 路线的深层优势。
某种意义上，具身赛道的竞争其实也算是 " 做选择 " 的竞争。刘念邱在智驾行业学到的是如何在决断中建立先发优势，放弃高精地图是这样，在具身赛道里选择开放动态 " 生活圈 " 也是这样。
选择的代价是放弃看起来更性感的叙事，不做全无人替代，不追人形双足炫技，不宣称全栈自研，但选择的价值在于，它让商业化的起点更早，让数据飞轮从第一天就开始转动。
具体到商业场景，刘念邱算过几笔实在的账。比如物业场景，大型物业集团的人力大量消耗在巡逻、检查、关灯这类 " 跟业主没有交互 " 的工作上，而人的更高价值应该放在与业主交互、提升服务体验上，物业愿意为机器人承担这部分基础工作付费。" 粗略估算，物业、快递、外卖等几个加起来大约是万亿级的市场规模。"
他将其比作 " 储能电站 "，虽然没产生新东西，但平缓了峰谷供电的供需关系。机器人一开始进入社区，解决的是不同时间点上零散而真实的需求，而不是直接取代某个具体岗位。
访谈最后，他又提到那句话：" 我们走的就是一条开放、大家都能用上的路径。" 这句话听起来虽不算宏大，却有着在智驾行业里多年打磨出来的清醒。
具身赛道上，所有人都想描述一个机器人无处不在的未来。区别在于，有些人先解决 " 怎么让机器人无处不在 "，有些人先证明 " 为什么今天就必须有机器人 "。刘念邱选择了后者。
在物理世界里，答案永远在行动之后。