菜鸟前CTO李强创办Physical AI平台昆腾动力，获云启资本、商汤科技超亿元种子轮融资

据硬氪报道，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、人才梯队建设以及全球化市场拓展。来源显示，昆腾动力成立于2026年上半年，由前菜鸟集团CTO、阿里巴巴国际数字商业板块CTO李强创办，定位于面向物理世界的通用智能系统底层平台。

这起融资之所以受到关注，不仅因为金额处于早期项目较高水平，也因为它指向了AI产业正在加速转向的方向：从大语言模型和数字空间能力，进一步进入仓储、物流、制造等真实场景，解决机器人在复杂物理环境中的感知、决策与执行问题。

从物流商业化场景切入Physical AI

昆腾动力创始人兼CEO李强在阿里巴巴集团任职17年，曾参与淘宝天猫、菜鸟、国际化业务以及无人车等多个板块从0到1的体系建设。其履历中，与本次创业最相关的是两条线索：一是长期负责大规模技术团队与全球化业务，二是曾兼任菜鸟无人车总经理，统筹自动驾驶技术研发与商业化推进。

来源提到，昆腾动力核心团队覆盖前沿研究、模型研发、硬件工程和全球化商业落地等环节。与部分由自动驾驶背景或实验室技术背景出发的具身智能创业团队不同，昆腾动力更强调先在可落地的产业场景中建立闭环，再反向打磨底层模型能力。

李强在报道中表示，公司不需要等待一个完美通用模型出现后再寻找场景，而是先找到能够把现有技术转化为客户价值的切入点，率先跑通商业化。这也解释了昆腾动力为何选择物流仓储作为早期落点：该场景高频、复杂、数据密集，同时存在明确的人力成本与效率痛点。

数据闭环是具身智能平台的关键竞争点

Physical AI与文本、图像模型最大的不同，在于训练数据来源。网页文本和公开图像可以通过大规模采集获得，但物理世界中的抓取、移动、扫描、贴标等动作数据，必须依靠真实设备在真实场景中运行产生。谁能更早、更大规模部署真机，谁就更可能获得高质量、可持续增长的数据资产。

据来源描述，在一个中型仓库中，拣货机器人每天会完成大量抓取、放置、扫描、贴标等动作，覆盖刚性箱体、柔性包裹、标准尺寸和异形SKU等多种对象。每一次动作成功或失败，本身就是清晰的训练反馈信号，这类数据对模型提升泛化能力尤为重要。

昆腾动力正在搭建一套数据闭环体系：端侧机器人运行轻量级算法，实时识别高价值数据片段，例如人工干预场景、模型置信度较低的“近似失败”状态，以及多次尝试仍未成功的困难案例。这些数据会被自动打标并回传训练管道；对于需要人工干预的部分，系统会截取最具学习价值的片段，减少冗余数据进入训练集。

• 场景选择：优先进入物流仓储等真实需求明确、动作数据密集的场景。
• 技术路线：通过真机部署获得真实物理交互数据，再反向优化模型。
• 商业逻辑：每新增一个仓库部署点，就增加一个持续生产数据的数据源。
• 平台目标：不是单点机器人能力，而是可持续进化的具身智能系统。

影响与解读：Physical AI进入“实干”阶段

今年以来，具身智能赛道正在从展示型Demo转向真实生产场景。来源提到，在WAIC 2026大会上，除了翻跟头、跳舞等吸睛演示，汽车工厂、物流分拣线等实景化演示也吸引了大量关注。这反映出产业共识正在形成：Physical AI可能成为大语言模型之后AI竞争的新主战场，而竞争焦点不再只是模型参数规模，而是真实数据厚度、系统工程能力和商业落地速度。

IDC报告数据显示，2025年中国具身智能机器人用户支出规模预计超过14亿美元，到2030年将增长至770亿美元，年均复合增长率达94%。在资本与需求同步升温的背景下，昆腾动力这类平台型公司的机会在于，能否把硬件部署、端侧算法、数据筛选、模型训练和场景交付整合成可复制体系。

不过，Physical AI的挑战也同样明显。真实仓库环境中的商品形态、包装材质、空间布局和异常情况高度复杂，模型不仅要“看懂”，还要稳定完成动作，并与现有仓储系统、作业流程和成本结构兼容。因此，昆腾动力后续能否持续扩大部署规模、形成跨场景复用能力，将决定其平台叙事能否真正成立。

总体来看，昆腾动力的成立与融资说明，AI创业正在从纯软件模型竞争进一步外溢到物理世界。对于中文科技读者而言，这类公司值得关注的不是单一机器人产品，而是其背后围绕真实数据、机器人集群和行业场景构建的下一代AI基础设施。