前美團(tuán)外賣(mài)技術(shù)負(fù)責(zé)人創(chuàng)業(yè)，做具身智能時(shí)代的“餐飲世界模型”

具身智能的落地，正在從實(shí)驗(yàn)室走向最真實(shí)、最繁忙的物理世界。

而元節(jié)智能（AtomBite.AI）選擇了一個(gè)看起來(lái)并不性感、但足夠真實(shí)的場(chǎng)景：餐飲后廚。

36氪獲悉，具身智能公司元節(jié)智能近日完成千萬(wàn)級(jí)種子輪融資，由英諾科創(chuàng)基金領(lǐng)投，水木清華校友種子基金、知名投資人個(gè)人跟投。資金將主要用于餐飲場(chǎng)景具身世界模型研發(fā)及核心產(chǎn)品落地。

元節(jié)核心團(tuán)隊(duì)在成立公司前有過(guò)較長(zhǎng)時(shí)期的探索和孵化，此次融資標(biāo)志著項(xiàng)目初步驗(yàn)證可行性，并已拿到國(guó)內(nèi)外多家頭部公司的產(chǎn)品合作部署意向。

元節(jié)智能的創(chuàng)始團(tuán)隊(duì)帶有鮮明的“美團(tuán)基因”。

創(chuàng)始人兼CEO王棟博士曾任美團(tuán)外賣(mài)事業(yè)部技術(shù)負(fù)責(zé)人，管理千人產(chǎn)研團(tuán)隊(duì)，主導(dǎo)構(gòu)建支撐日均數(shù)千萬(wàn)訂單的外賣(mài)算法、數(shù)據(jù)與系統(tǒng)架構(gòu)；聯(lián)合創(chuàng)始人李滔曾執(zhí)掌美團(tuán)外賣(mài)算法與數(shù)據(jù)體系，是少數(shù)真正跑通過(guò)“全鏈路數(shù)據(jù)算法驅(qū)動(dòng)”的技術(shù)負(fù)責(zé)人；聯(lián)合創(chuàng)始人李浩哲則是連續(xù)創(chuàng)業(yè)者，具備多年全球化商業(yè)落地經(jīng)驗(yàn)。

過(guò)去幾年，餐飲數(shù)字化已經(jīng)被SaaS、點(diǎn)餐小程序、配送調(diào)度系統(tǒng)改造了一輪又一輪，但當(dāng)全球外賣(mài)訂單持續(xù)攀升，一個(gè)長(zhǎng)期被忽視的問(wèn)題開(kāi)始變得越來(lái)越突出：從商家出餐到騎手取餐之間，仍然存在大量高度依賴人工的物理操作環(huán)節(jié)。

比如打包、封簽、分揀、接駁、配送。

這些流程看似瑣碎，卻直接影響整個(gè)履約效率。錯(cuò)單、漏單、撒漏帶來(lái)的損耗，會(huì)同時(shí)傳導(dǎo)至用戶、商家、騎手與平臺(tái)四端。與此同時(shí)，全球餐飲行業(yè)還普遍面臨結(jié)構(gòu)性用工問(wèn)題：北美快餐行業(yè)時(shí)薪持續(xù)上漲，國(guó)內(nèi)餐飲門(mén)店則長(zhǎng)期存在招工難、流動(dòng)率高的問(wèn)題。

離開(kāi)美團(tuán)之后，王棟曾在北美與新加坡進(jìn)行了持續(xù)數(shù)月的市場(chǎng)考察，深入走訪大量餐飲商家與外賣(mài)平臺(tái)。他最終形成了一個(gè)明確判斷：餐飲后廚，可能是具身智能最具確定性的商業(yè)落地方向之一。

原因在于，這個(gè)場(chǎng)景同時(shí)具備幾個(gè)關(guān)鍵特征。

首先，它是全球共通需求。無(wú)論中國(guó)、北美還是東南亞，餐飲行業(yè)都面臨人力成本上升與履約效率問(wèn)題。

其次，它的ROI足夠清晰。只要能夠降低錯(cuò)單率、減少人工、提升出餐效率，商家就愿意為此付費(fèi)。

更重要的是，相比家庭、養(yǎng)老等強(qiáng)調(diào)情感交互的場(chǎng)景，餐飲屬于專(zhuān)業(yè)服務(wù)領(lǐng)域，決策鏈條更短，中小商家合作意愿更強(qiáng)。

在接受36氪采訪時(shí)，王棟表示，服務(wù)業(yè)本身占據(jù)全球GDP的巨大比例。如果能夠在餐飲后廚這個(gè)高頻場(chǎng)景中建立起真正可運(yùn)行的具身方案，實(shí)現(xiàn)從模型到應(yīng)用的系統(tǒng)性落地閉環(huán)，本身就價(jià)值巨大，并且也具備未來(lái)再向家庭廚房等更復(fù)雜的場(chǎng)景延伸的可能。

（圖源/企業(yè)）

相比不少公司優(yōu)先做“通用具身世界模型”，元節(jié)智能更傾向于從真實(shí)場(chǎng)景中持續(xù)學(xué)習(xí)以逐步建立模型能力。

王棟表示，“移動(dòng)能力（Locomotion）經(jīng)過(guò)七八年發(fā)展，其實(shí)已經(jīng)基本解決了。現(xiàn)在行業(yè)真正的焦點(diǎn)，開(kāi)始轉(zhuǎn)向精細(xì)操作。雖然靈巧手距離真正成熟還有距離，但二指、三指夾爪已經(jīng)出現(xiàn)大量成熟的工程化方案，可以支撐部分標(biāo)準(zhǔn)化任務(wù)落地。”

在這樣的判斷下，元節(jié)智能沒(méi)有把重點(diǎn)放在重新發(fā)明機(jī)器人硬件，而是要做一套面向餐飲場(chǎng)景的“世界動(dòng)作模型（World Action Model，WAM）”。

在王棟看來(lái)，VLA（Vision-Language-Action）路線過(guò)度依賴語(yǔ)言模塊進(jìn)行高層規(guī)劃，但對(duì)視覺(jué)表征不足，而真實(shí)世界里的動(dòng)作控制，本質(zhì)上并不依賴語(yǔ)言。“人類(lèi)真正的動(dòng)作控制路徑，其實(shí)沒(méi)有那么強(qiáng)依賴language。更核心的問(wèn)題，是視覺(jué)理解、物理理解，以及動(dòng)作如何與真實(shí)世界建立映射。”

基于這一判斷，元節(jié)智能在模型層面更強(qiáng)調(diào)探索融合視覺(jué)（Vision）與觸覺(jué)（Touch）的“VT-WAM”（視覺(jué)-觸覺(jué)世界動(dòng)作模型）。王棟解釋道：“視覺(jué)看得見(jiàn)物體，卻看不見(jiàn)接觸；觸覺(jué)看不見(jiàn)全局，卻看得見(jiàn)成敗。視覺(jué)ground的是世界的幾何側(cè)面，觸覺(jué)ground的是世界的物理側(cè)面。VT-WAM再把這兩類(lèi)信息通過(guò)隱空間綜合進(jìn)一個(gè)能預(yù)判接觸后果的‘世界-動(dòng)作模型’。”

世界模型不僅需要視覺(jué)感知能力，更重要的是理解真實(shí)物理世界中的規(guī)律與因果關(guān)系。他舉例說(shuō)，一個(gè)飲料杯是否裝水、裝得滿不滿、溫度是冷是熱，都會(huì)影響機(jī)器人抓取時(shí)的摩擦力、重心變化與操作穩(wěn)定性。

元節(jié)智能希望通過(guò)視覺(jué)、觸覺(jué)等多傳感器協(xié)同感知物體狀態(tài)，并在模型中嵌入對(duì)液體晃動(dòng)、重心變化等物理屬性的因果理解，讓機(jī)器人的動(dòng)作不只是基于數(shù)據(jù)擬合，而是真正符合現(xiàn)實(shí)世界的物理規(guī)律，從而提升抓取與操作的穩(wěn)定性和精細(xì)度。

從技術(shù)架構(gòu)來(lái)看，元節(jié)的系統(tǒng)大致分為三層：最上層是具身世界模型，用于形成對(duì)后廚環(huán)境的認(rèn)知，并完成決策與動(dòng)作規(guī)劃；中層是任務(wù)編排與調(diào)度引擎，將認(rèn)知結(jié)果轉(zhuǎn)化為具體執(zhí)行計(jì)劃，并統(tǒng)一調(diào)度不同設(shè)備；底層則是自研核心部件與通用硬件本體的融合，確保系統(tǒng)能夠在真實(shí)后廚長(zhǎng)期穩(wěn)定運(yùn)行。

這套架構(gòu)背后的核心邏輯是：不是先造一個(gè)通用機(jī)器人，再去尋找應(yīng)用場(chǎng)景，而是在一個(gè)足夠高頻、足夠痛的場(chǎng)景里持續(xù)收集真實(shí)交互數(shù)據(jù)，反過(guò)來(lái)喂養(yǎng)世界模型，讓模型在物理世界中越來(lái)越“聰明”。

餐飲后廚每天都在重復(fù)大量高頻操作——打包、分揀、搬運(yùn)、烹飪、接駁——這些動(dòng)作天然能夠形成海量、多樣化的真實(shí)世界數(shù)據(jù)，而這類(lèi)數(shù)據(jù)很難單純依靠仿真環(huán)境生成。

（圖源/企業(yè)）

具體落地路徑上，元節(jié)智能目前選擇從“外賣(mài)打包與接駁”切入。這是整個(gè)履約鏈路中出錯(cuò)率最高、標(biāo)準(zhǔn)化程度相對(duì)較高、同時(shí)又最容易量化價(jià)值的環(huán)節(jié)。

“打包環(huán)節(jié)的任務(wù)范圍清晰，場(chǎng)景可控，我們的路徑是以商業(yè)價(jià)值為依據(jù)，先聚焦提升抓取精準(zhǔn)度，做到可用可靠。”王棟表示，“站在商業(yè)視角，商家并不在意你的機(jī)器人像不像人，會(huì)不會(huì)跳舞，商家更在乎你到底能幫我干什么活。”

目前，元節(jié)的方案是將高頻、標(biāo)準(zhǔn)化動(dòng)作交給端側(cè)輕量化小模型執(zhí)行，例如套餐裝盒、封簽等動(dòng)作，以降低延遲與網(wǎng)絡(luò)依賴；而云端大模型則主要用于處理異常情況，例如物料缺失、異物干擾等復(fù)雜場(chǎng)景，并通過(guò)KDS系統(tǒng)聯(lián)動(dòng)后廚人工補(bǔ)位。

打包環(huán)節(jié)模型預(yù)計(jì)會(huì)在2026年內(nèi)進(jìn)入真實(shí)商家后廚進(jìn)行規(guī)模化部署。

在團(tuán)隊(duì)的設(shè)想中，未來(lái)模型能力會(huì)從打包這一單點(diǎn)環(huán)節(jié)切入，繼續(xù)向更復(fù)雜的后廚操作延伸，包括分揀、配送接駁、烹飪協(xié)同，甚至逐步進(jìn)入更廣泛的服務(wù)業(yè)場(chǎng)景。