7月31日消息，Physical AI平台公司昆腾动力（Quantum Dynamics）近日完成超亿元种子轮融资，本轮由云启资本、商汤科技联合投资。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。
昆腾动力成立于2026年上半年，聚焦AI与真实物理世界的深度融合，自研可跨多场景复用的通用智能系统技术，面向全行业的Physical AI底层平台。
昆腾动力的创始人兼CEO李强，此前深耕物流商业化场景，在阿里巴巴集团任职17年，兼具AI技术理解力与全球化业务操盘经验。公司核心团队覆盖前沿研究、模型研发、硬件工程及全球化商业落地的全链路，具备从技术突破到价值交付的闭环能力。
李强表示：“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。”
技术路线上，昆腾动力以真实场景数据为根基，构建了一套从数据采集到集群进化的完整闭环体系。其核心策略并非依赖仿真或单点算法突破，而是通过端侧轻量算法实时筛选高价值数据片段，包括人工干预场景、低置信度预测和反复失败的困难案例，并自动完成打标与回传，同时针对人工干预部分只截取最具学习价值的操作片段，剔除冗余信息，确保每一帧进入训练集的数据都贡献有效信息。
这套机制旨在通过仓库部署加速真实数据密度积累，进而不断提升模型的泛化能力和任务成功率，降低新客户与新场景的接入成本，形成稳固的数据飞轮。
在模型层面，昆腾动力并未采用常见的视频预测模型，而是自主研发了具身原生的世界动作模型（WAM），通过联合建模视觉、动作、本体状态与触觉信号，使模型能够学习一次操作如何改变物理世界，并在此过程中满足实时控制的工程要求。依托已构建的数据闭环，系统可将物流场景中的原始日志自动加工为携带任务阶段、失败原因、恢复动作及业务结果的高价值训练样本，支撑秒级检索、自动清洗标注和天级模型迭代，极大缩短了从数据到模型优化的周期。
在执行保障与快速部署方面，系统部署了轻量级世界模型校正器，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，从而提高真实场景中的任务成功率。同时，Human-in-the-Loop机制不仅判断人工介入的时机，更将每一次干预转化为训练数据，使单人可管理的机器人数量持续提升。面对新客户或新仓库，系统无需重新训练全模型权重，而是借助测试时训练、少样本示范和历史经验复用，快速适应不同的货物、货架、光照和流程变化，显著降低了场景迁移的成本和时间。
最终，所有具身机器人构成一个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，均经由离线强化学习、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，实现单机经验向全集群能力的共享与跃升。这套由数据归集、模型更新、集群协同进化等六个技术模块协同构成的Physical AI体系，正在线下真实产业场景中完成验证与打磨，其目标并非打造单点能力模型，而是构建一套能从真实部署中持续进化的具身智能系统，让机器人在真实世界中越用越聪明。
本轮超亿元融资将用于Physical AI核心技术研发、人才团队扩充及海外市场拓展。按现有规划，昆腾动力将于2026年在B2C及中小B电商仓库启动人机协同试点，聚焦补货上架、货品拣选和包裹打包三个环节，优先覆盖美妆、医药类SKU规整的仓储场景。2027年计划拓展至快递网点，后续场景延伸方向为工业产线、零售、医药分拣及商用服务，最终目标涵盖居家民生领域。公司表示，技术体系的实际性能与商业化进展，将在真实产业部署中持续接受验证。
热门跟贴