具身智能最 大的认知误区是什么？是”堆砌海量真机数据就能产生通用智能”。
当行业还在为换一款机器人就需重新采集数万条数据而苦恼时，方奇科技给出了另一种答案。
近日，具身智能通用大脑研发商方奇科技（北京）有限公司ForgeAI（以下简称“方奇科技”）宣布完成千万级天使轮融资，投资方为启迪之星创投等知名机构投资。
据悉，本轮融资过程中机构关注度高涨，团队在众多意向投资方中做选择性敲定合作，优先看重产业协同能力而非单纯资金。
新融资到位后，将主要用于迭代其自研的语义化世界模型与图灵学习范式，并加速关键技术在典型场景中的验证与商业化落地，持续沉淀机器人可持续学习、可跨本体迁移的“通用技能操作系统”，并为打造通用“机器人大脑”蓄势，逐步构建面向多机器人本体、多场景的具身能力学习-沉淀-分发的基础设施。
作为具身智能赛道的「大脑型」创业公司，方奇科技走出一条“底层范式创新+商业落地并行”的差异化路线。
投资人押注这家具身智能“大脑公司”
新投资方的入局传递出明确信号：市场认可语义化世界模型+图灵学习这套全新技术范式，看好“人即数据”破解行业数据饥荒难题的路径。
值得注意的是，具身智能赛道热度高涨，但多数项目停留在Demo演示阶段。方奇科技成立短短数月，已经拿下近千万级别预订单。方奇科技创始人、CEO王心舟博士透露，沟通中越来越多机构不再满足听技术故事，而是关注真机指标、落地试点数据、商业化闭环路径。
“现在投资人要看实物、看试点数据、看落地订单，而不是PPT或摆拍Demo。资本市场对具身智能的认知，已经从概念炒作，走向工程验证的阶段。”王心舟表示。
顶 尖科研班底带队，从底层重新设计机器人大脑
创投圈有共识，硬科技投资本质也是投人。方奇科技核心团队主要来自清华、中科院等，还有海外连续创业者，硕博占比超90%，博士占比超25%。
作为方奇科技的创始人，王心舟毕业于清华计算机系，曾深度参与腾讯混元3D模型、物理AI算法架构设计。2025年前后，他敏锐捕捉到行业痛点：大模型拥有语义知识，却缺少真实世界物理认知；传统世界模型擅长物理仿真，缺少人类常识；二者简单拼接带来物理认知损耗。机器人想要真正走进现实，不能永远依靠人工手把手遥操示教。
2026年2月，方奇科技正式注册成立，定位为具身智能时代的机器人“大脑公司”，公司名字“方奇”取自大地承载现实环境，智能创造无限可能；英文ForgeAI寓意为机器人锻造扎根物理世界的智能根基。
语义化世界模型：为机器人配备”物理世界翻译官”
行业内不少团队高度依赖遥操工厂采集真机数据，但是遥操数据有明显短板：机器人本体夹爪、形态发生微小改动，数据有效性就会大幅衰减。海外赛道把VLA、世界模型简单拼接作为主流方案，但物理认知在传递过程中存在严重损耗，机器人泛化能力弱，换环境、换本体就失效。
方奇科技的解法是从底层重新设计。
传统VLA模型像一位只懂词典不懂语法的外国人，换一个房间就迷路。方奇科技提出的语义化世界模型，相当于为机器人配备了一位”物理世界翻译官”——将人类常识（如”玻璃易碎””湿滑地面要减速”）与物理参数（摩擦力、扭矩、材质硬度）编码进同一隐空间，形成机器人理解物理世界的”专属语言”。
在此基础上叠加图灵学习范式，模仿人类”预习-实践-反思”的学习路径：机器人从教材、互联网视频预习通识知识；观察人类少量示范掌握职业技能；再自主实践试错反思，沉淀可复用的技能库。摆脱传统遥操示教，实现“人即数据”，大幅降低数据采集成本。
技术架构采用云原生“云端超级大脑+端侧任务智能体”：云端负责大规模预训练推理、技能沉淀共享；端侧轻量化部署执行，实现“一脑多形”，一套大脑适配轮式、人形、机械臂多种机器人硬件。
王心舟给记者算了一笔账：靠遥操采集一条有效技能数据，成本高达数百元且换一款机器人就失效。而方奇的图灵学习将单次技能获取成本压降80%，训练部署速度提升40%。
“如果行业还在靠人肉遥控教机器人，它永远走不出实验室。我们要做的是让机器人看YouTube就能学会擦桌子。”
中国具身智能创业公司凭什么跑出来？王心舟给出的答案很清晰：“我们的语义化世界模型、图灵学习范式是原生创新；国内完整工业硬件供应链，海量人类视频、教材等公开数据资源；还有商业服务、工业场景丰富的落地土壤，这是独有的路径。”
启迪之星创投总经理兼主管合伙人刘博表示，具身智能的竞争核心，在于能否走出“海量真机数据堆砌” 的老路，找到低成本、可规模化的通用机器人学习路径。方奇科技提出的语义化世界模型与图灵学习范式，给行业带来了新的解题思路，我们看好方奇科技有机会打造下一代具身智能的基础软件平台。
解决“大脑”泛化难题，冲刺技能跨本体复用
跨本体复用是具身智能落地的”最后一公里”难题。不同机器人夹爪尺寸、机械结构差异，会直接造成技能失效。单纯堆砌遥操数据，需要海量量级且不一定能实现通用具身能力涌现。
方奇的解法是以人类行为作为中间虚拟公版模板——先将技能抽象为人类动作范式，再映射适配不同机器人本体。王心舟坦言，现在团队已经跑通“人类视频、示范转化为机器人技能”，下一步重点攻克“机器技能反向抽象为通用人类范式”，计划2027年底完成整套技能学习‑沉淀‑分发架构。
对比传统VLA方案，方奇的技术使数采成本下降80%，训练部署速度提升40%，单款本体适配周期压缩至半个月。
本轮融资后，一方面会持续迭代云原生具身大脑核心技术，扩充顶 尖研发人才；另一方面加速产品在标杆场景试点验证，沉淀可跨本体复用的通用技能库。短期打磨可落地的生产力工具，长期目标是打造面向物理世界的具身智能基础设施，让机器人拥有自主学习、持续成长的能力。
以立体清洁为“原子技能收割场”，商业闭环已经跑通
在落地策略上，方奇科技选择立体商业清洁作为技术练兵场。
为什么是清洁场景？卫生间、物业立体清洁任务非标复杂，涉及抓取、擦拭、污渍识别等多种基础操作；作业节拍宽松，允许试错；打磨出来的抓取、识别、操作原子技能，还可以迁移到酒店服务、工业装配等更多场景。
目前方奇科技已经和优地机器人（股票代码03231.HK）、江苏龙寰达成战略合作，落地天津生态城物业试点，帮助物业人力成本下降20%。试点指标表现亮眼：擦拭覆盖率≥90%，垃圾拾取率≥95%，可见污渍清除率≥85%，人工接管率控制在10‑15%区间。单台机器人可以替代1‑2.5名保洁人员，目标回本周期18个月。
商业模式分为整机交付、技能订阅两类。针对没有硬件能力的物业客户做整机集成交付；面向机器人本体厂商输出软件大脑与技能订阅服务。
方奇科技清晰规划了多阶段里程碑：2026年底完成商业服务可用样机落地；2027年年中完善技能学习‑沉淀‑分发完整架构，年底推进规模化部署，目标实现200台以上落地规模；长期目标打造机器人时代智能基础设施，搭建通用具身智能平台，实现机器人技能学习、沉淀、共享、持续进化。
整车厂入局是威胁还是机会？”分工协同，类似智能手机时代”
如今整车厂纷纷下场布局人形机器人，硬件制造、供应链能力突出，不少观点认为会对软件团队形成降维打击。
王心舟对此有自己的判断：整车厂拥有成熟制造、供应链优势，可以产出优质硬件本体，但机器人智能大脑是完全不同的能力赛道。“未来行业格局大概率类似智能手机时代：硬件厂商做好终端硬件，软件平台提供操作系统与技能生态，二者分工协同。”
谈及行业趋势，王心舟判断，行业淘汰赛预计最早将于2027年开启，只烧钱做演示Demo的企业生存压力会显著加大。家庭人形机器人大规模普及还需要3‑5年，短期商业服务、工业场景是具身智能最 佳练兵场。
在他看来，现在行业有两个认知偏差：一是高估遥操数据的价值——遥操可以解决单点场景，但很难走向通用；二是低估Agent智能的价值——真实世界任务都是长序列复杂任务，离不开大脑的任务拆解、调度与Harness。
“机器人真正的终局，是让机器人像人一样学习、像人一样思考、像计算机一样被开发。”王心舟表示。
据悉，方奇科技下一轮融资已经在规划推进，计划引入更多产业与财务资本，加速技术迭代与场景规模化落地。