机器人前瞻（公众号：robot_pro）
作者 | 刘俐杉
编辑 | 许丽思

机器人前瞻7月31日报道，今日，Physical AI平台公司昆腾动力（Quantum Dynamics）宣布完成超亿元种子轮融资，本轮由云启资本、商汤国香资本联合投资。

融资资金将主要用于Physical AI核心技术研发、人才梯队建设及全球化市场拓展，加速其面向物理世界的智能系统从底层模型到场景化落地的全链路构建。多维资本参与项目孵化与团队组建。

据企查查公开信息显示，该公司创立于2026年3月，专注于打造面向物理世界的Physical AI平台。该公司目前已与浙江大学、南洋理工大学、上海创智学院、香港科技大学等众多国内外高校和机构建立科研合作。

该公司创始人李强在阿里巴巴任职17年，曾任菜鸟集团CTO、阿里巴巴国际数字商业板块CTO，他曾带领团队对接过海外200个国家的邮政体系，对全球物流生态有一线的实操认知。

▲ 菜鸟CTO李强

在该公司核心团队方面，该公司CTO曾任行业头部自动驾驶公司的在线算法负责人，深耕自动驾驶全栈技术；首席科学家专攻具身智能基础模型，拥有北美名校、具身智能实验室访问学者和博士后背景，现任国内顶尖机构助理教授。

该公司硬件负责人曾是某上市公司人形机器人业务的技术带头人，深耕机械臂与灵巧手领域；商业化负责人毕业于马里兰大学物理系，曾在高盛、亚马逊、Meta担任算法专家，拥有10年物流调度系统创业经验，手握联想、乐天等等海内外合作客户资源。

在数据方面，昆腾动力认为高质量、封闭、海量的真实场景数据应该由每一台部署在仓库的机器人采集，而数据越多，模型的泛化能力和成功率就越高，模型越强，接入新客户、新场景的成本和周期就越低。

在应用场景上，围绕创始人的经历，昆腾动力决定将物流场景作为起始点，2026年先进入仓库与分拨中心，聚焦B2C与B2小B仓库的补货上架、拣选、打包三大人力占比最高的核心岗位，以人机混场的方式稳步推进。

国内电商仓则从美妆、医药这类SKU丰富、货品相对规整的场景入手做拣货与打包。

等到场景跑通、模型成熟，2027年之后再向数量庞大、环境更复杂的快递网点拓展，最终沿着物流到工业产线、零售补货、医药分拣等类物流场景，再到商业服务，最终走向养老家庭等民生服务的路径，一步步扩大应用场景。

而借力开源方案把场景跑通只是第一步，昆腾动力的第二步是反向定义属于自己的基础模型，搭建起技术底座，做深场景、做宽平台。

但昆腾动力的核心不是做一个单点能力模型，而是构建一套从真实部署中持续进化的具身智能系统。

首先是具身原生的World-Action Model，联合理解视觉、动作、本体状态和触觉，学习“动作会如何改变物理世界”，同时满足机器人实时控制要求。

其次是建立大规模数据闭环，以真机和人类操作数据为主，把原始日志自动加工成带有任务阶段、失败原因、恢复动作和业务结果的高价值训练数据，实现秒级检索、自动清洗标注和天级模型迭代。

然后，利用高效Human-in-the-Loop降低人工成本和提升成功率。系统判断机器人什么时候真的需要人工介入，把每次介入转化为训练数据，一个人可以管理更多机器人。

之后再通过轻量级World Model Corrector实时监控执行偏差，在机器人动作失效前及时纠偏、重规划和重试，提高真实场景中的成功率。

在这个过程中，新客户和新仓库不需要重新训练整个模型的权重。而是通过Test-Time Training、少样本示范和历史经验复用，机器人可以快速适应新的货物、货架、光照和流程。

最后，所有机器人就能组成一个持续学习和自我进化的舰队。每台机器人产生的成功、失败、干预和恢复经验，都会通过离线强化学习、偏好优化、仿真训练和真机验证，更新到整个舰队。

物流是目前具身智能赛道里最扎实的落地赛道之一，依托创始人的物流、电商产业认知优势，叠加团队具备的产业资源协同，昆腾动力具备着天然优势。不过行业整体仍存在硬件成本、复杂场景适配等待解难题，对昆腾动力而言，想要完成底层模型打磨、多场景规模化部署，后续仍需面对技术落地与商业化层面的挑战。