刘念邱创立费莫一科技，押注开放动态场景的PhysicalAgent机器人

2026年，具身智能创业赛道迎来一位非典型选手：刘念邱正式创立费莫一科技（Femo AI），并迅速完成近亿美元种子轮融资，投资方包括IDG资本、云启资本、滴滴出行、复星锐正、耀途资本与禾赛科技等头部机构。值得注意的是，刘念邱在早期接触投资人时甚至尚未准备商业计划书——这一细节折射出其技术路径与行业判断已获得资本高度共识。

刘念邱的职业轨迹罕见地横跨半导体硬件、工业物联网、自动驾驶运营与量产全链条。他曾在英特尔从事新工艺与设备研发，后加入元戎启行，从硬件工程师一路成长为负责Robotaxi运营、产品、数据、量产及售后的高管。2021年起，他主导元戎启行从高精地图路线转向无图智驾，并推动公司停运深圳Robotaxi业务，将资源集中于无图方案研发。这一决策背后，是他对运营成本与技术可持续性的深度测算：高精地图依赖方案在规模化扩张中难以成立，而无图架构虽需“推倒重做”整个技术栈——感知边界大幅扩展、地图定位模块被整合进感知-规划紧耦合系统——但长期更具可行性。

正是这段经历，成为他切入具身智能的关键跳板。2024年起，刘念邱系统研读具身智能论文并调研上游供应链；至2025年底，他判断创业窗口已成熟：一方面，机器人本体供应链趋于完善，创业公司无需再耗费大量精力补足硬件短板；另一方面，AI驱动的数据-训练-落地范式逐渐清晰，具备构建长期技术壁垒的基础。

与当前主流路径不同，费莫一并未选择工厂拧螺丝、酒店送物或仓库搬运等边界清晰的封闭场景。刘念邱指出，这类场景虽具商业价值，但机器人积累的能力难以迁移到新环境。“如果长期只在高度定义的环境中工作，它学到的只是特定任务的‘条件反射’。”他更关注开放动态场景——商业区、写字楼、住宅小区、临时活动区域等“生活圈”。在此类环境中，机器人可能取快递、买咖啡、丢垃圾，或在快递员高峰期协助分拣配送；它不被预设为某一种职业，而是根据实时需求动态切换角色，费莫一将其定义为“伙伴”（Partner）。

这一思路直接源于其在无图智驾中的经验迁移：无图系统的核心挑战在于应对开放世界的不确定性——道路结构、行人行为、临时障碍物均无固定模式，必须依靠强泛化能力与持续在线学习。刘念邱认为，机器人同样面临“Demo里10次成功1次”与“用户随时召唤都能可靠完成”的鸿沟。前者是实验室指标，后者才是真实世界标准。

费莫一今年的核心任务是初始数据采集，计划2027年启动多点部署，构建“落地—数据—训练—再落地”的闭环。其技术路线强调三点：一是以视觉-语言-动作联合建模为基础，避免过度依赖预设语义标签；二是重视长尾场景覆盖，例如雨天湿滑地面、拥挤人流中的避让、非标准容器抓取等；三是设计轻量化推理架构，确保在边缘端实现低延迟响应。

在具身智能领域，多数初创企业仍处于单点突破阶段：优必选聚焦人形机器人本体，宇树科技主攻四足平台，而像费莫一这样从算法范式与场景定义层面提出系统性差异化的团队尚属少数。刘念邱坦言，最大的挑战并非技术本身，而是如何定义“可用”的标准——当用户说“帮我拿杯咖啡”，机器人需理解“附近哪间店有库存”“是否需支付”“递送路径是否畅通”“接收人是否在场”等隐含条件，这涉及常识推理、多模态理解与社会规范建模的深度融合。

值得关注的是，费莫一的创始团队延续了元戎启行的工程化基因。多位元戎联合创始人支持刘念邱二次创业，反映出其在量产落地与系统集成方面的公信力。资本快速到位也说明市场对“非场景绑定型”具身智能路径的认可正在升温。

具身智能的终极目标，是让机器真正融入人类生活流。当前行业普遍采用“先窄后宽”策略：从可控场景出发，逐步拓展能力边界。费莫一则试图反向操作——从开放场景出发，通过数据驱动倒逼能力泛化。这条路径风险更高，但若成功，或将跳过中间阶段，直接通向通用物理智能（General Physical Intelligence）。

目前，全球范围内尚无公司在开放动态生活场景中实现规模化机器人服务。费莫一的探索能否验证该路径的可行性，将在未来两年见分晓。