費莫一劉念邱：智駕無圖的經驗，也能遷移到機器人 | 物理AI 50人

劉念邱很難被歸進典型的具身創業者模板裡。他不是從機器人實驗室出來的學者，也不是過去兩年才進入 Physical AI 的連續創業者。他曾在英特爾做過新工藝和設備研發，創業做過物聯網和工業智能化。2018年加入自動駕駛公司元戎啟行，他又從硬件一路做到Robotaxi運營、產品、數據、量產和售後。2026年，劉念邱又多了一個身份——費莫一科技創始人。事實上，從2024年開始，他就一直密切關注具身智能的發展，翻看大量論文，也持續研究上游供應鏈和技術路線。

到2025年底，他判斷創業的時機開始成熟：一方面，機器人供應鏈已經足夠完善，創業公司不必再把大量精力花在補齊本體和硬件短板上；另一方面，AI驅動的技術和數據範式逐漸清晰，可以開始形成真正有長期價值的技術積累。決定創業後，劉念邱與多位元戎聯合創始人溝通，大家都支持他出去再做一次從0到1。甫一創業，費莫一科技就獲得IDG資本領投、雲啟資本、滴滴出行、復星銳正、耀途資本、禾賽科技等頭部資本的近億美元種子輪融資，而在早期接觸投資人時，劉念邱甚至沒來得及準備商業計劃書。

劉念邱更願意把費莫一的機器人稱為“Physical Agent”，他認為機器人最終要進入開放的生活環境，在不同時間、不同地點替不同的人完成任務。過去兩年，具身智能最常見的落地路徑，是先找到一個邊界足夠清晰的場景。工廠擰螺絲、酒店送東西、倉庫搬運，先把任務定義清楚，再通過工程和模型把成功率做上去。劉念邱並不認為這些場景沒有商業價值，但他的疑問是，如果機器人長期只在一個被高度定義過的環境裡工作，它積累下來的能力，究竟有多少能夠遷移到另一個場景？所以費莫一選擇了一條邊界更模糊的路線——開放動態場景。商業區、寫字樓、住宅、活動區域，都是劉念邱希望機器人逐步進入的“生活圈”。

它可能幫人取東西、買咖啡、丟垃圾，也可能在快遞員忙的時候替他完成部分任務。機器人不被提前固定成某一種職業，而是根據環境和需求不斷變化自己的任務。費莫一把這種角色叫做“夥伴”。機器人進入越豐富的環境，遇到越多的人、物體和任務，才越可能形成跨場景遷移的能力。費莫一今年很重要的一項工作就是初始數據採集，並計劃在明年開始多點部署，讓 Physical Agent 逐漸形成落地—數據—訓練—再落地的閉環。再往後則是行業現在都還沒有解決的問題：開放世界的複雜度幾乎沒有上限，一個機器人在Demo裡完成10次任務中的1次，和用戶任何時候叫它都能完成任務，是兩套完全不同的標準。

以下是左林右狸頻道與費莫一科技創始人劉念邱的對話，在不改變原意的基礎上做了部分編輯：元戎啟行的關鍵轉向：停運Robotaxi，押注無圖左林右狸頻道： 元戎當時在深圳運營過一段時間Robotaxi，有了核心客戶群，為什麼把它停掉了？劉念邱： 運營了一年多。我們其實最早就在市中心CBD這種繁華區域做無人出租車運營。後面我們認為，基於高精地圖的那套方案沒有未來，準備走無圖路線。作為創業公司，不可能兩條線都走好，也沒有那麼充足的資源，所以決定把Robotaxi停下來，全力以赴做無圖。這也是為什麼後來我們率先推出無高精地圖方案，剛推出來的時候很多人還不信，直到我們拿到定點。

左林右狸頻道：你最早什麼時候覺得高精地圖路線走不下去？在停掉Robotaxi、轉向無圖的決策裡，你具體做了什麼？劉念邱：2021年，我開始思考當時這套業務繼續發展下去的可行性。因為我直接負責運營，所以對實際運營成本比較清楚，也會持續看這套業務未來怎麼發展、規模擴大之後能不能成立。基於這些實際情況，我開始在團隊裡提出調整方向的想法。我主要是把運營端看到的問題和研發端的判斷放在一起看。最終方向的選擇是核心團隊共同討論、共同決策的。左林右狸頻道：你負責Robotaxi運營，投入了很多心血，真正停掉深圳Robotaxi時，你當時負責哪些收尾工作？劉念邱：當時採取的是一個漸進式的收尾過程。

決定撤出之後，我們逐步減少車隊規模，並沒有在做出決定的當天就把所有服務停掉。當時還有一小批比較忠實的用戶，客服也和他們做了溝通、說明與解釋。原來面向Robotaxi運營的產品工作，開始轉向量產產品和車企對接。團隊重新思考，面向L2輔助駕駛，產品應該具備什麼功能，在不同道路條件下怎樣運行、怎樣退出。這和原來圍繞Robotaxi運營做產品，關注的問題已經不一樣了。那段時間的工作重點，一方面是逐步收好原來的運營業務，另一方面是讓產品工作轉向新的量產方向。左林右狸頻道： 智駕從有圖切到無圖，對整個技術體系意味著什麼？劉念邱： 相當於是推倒重做。

過去有圖的版本比較傳統，有感知、預測、追蹤這些模塊，加上高精地圖定位，再加規劃控制。走向無圖之後，感知大幅擴大了邊界，基本把地圖定位也包進來了，跟規劃之間也變得非常緊耦合。整個數據需求也不一樣，所以是一個非常大的架構變動。左林右狸頻道：研發無圖方案時，你具體背哪些任務？周光和其他核心高管分別負責什麼？劉念邱：我這一側比較重要的工作，首先是傳感器方案的調整。轉向無圖以後，系統在一定程度上更加依賴視覺。到了量產項目裡，就需要重新考慮怎樣選擇和配置傳感器，既滿足後續算法的需求，也適合量產使用。另一部分是數據生產體系的建立。

方案更加依賴數據之後，數據怎麼生產、怎樣與外部合作伙伴配合、怎樣控制成本，都需要建立相應的體系。這些也是我參與的工作。大家對方向有基本共識，具體想法提出來之後會一起討論，並沒有經常出現某個人能看到、其他人都看不到的情況。實際推進中，更多是把不同方面的問題拿出來，共同討論怎麼解決。左林右狸頻道： 這種行業裡沒人做過的事情，當時怎麼設deadline？劉念邱： 科研項目很難設一個特別嚴謹的deadline，因為沒人能確定那個時間一定能出結果。更多是大家全力以赴，不斷判斷哪條路是對的，然後快速驗證。

比如怎麼感知道路、怎麼理解道路結構、怎麼做數據標註，今天定好的方法，明天採數據一試發現不行，後天可能就換新的。那個時候強調的就是跑得快、快速調整、快速試錯。左林右狸頻道： 怎麼試錯呢？劉念邱： 先定義模型結構，然後決定數據怎麼採、怎麼標、怎麼訓，再跑起來看有沒有問題。出了問題馬上判斷：到底是道路理解錯了，還是理解對了但規劃錯了？如果理解不對，是模型能力的問題，還是前端數據的問題？整個過程就是不斷拆問題，所以只要有算力，我們基本都會希望人休息的時候算力不要休息。左林右狸頻道： 元戎啟行作為一家初創公司，集中所有資源挑戰行業沒人做過的東西，當時團隊的狀態是不是很緊張啊？

劉念邱： 問題流轉到哪裡，哪裡就會特別緊。不是整個公司所有人一直不休息，但核心部門基本上沒有什麼固定休息日。團隊規模起來之後，也會有工程師輪換、背靠背工作的機制。但真正核心的判斷，最後還是會收斂到比較少數的人，因為真正對問題有清晰認知的人其實不多。左林右狸頻道： 從決定做無圖，到真正拿到定點，大概用了多久？劉念邱： 一年左右。但拿到定點以後壓力反而更大，因為下一步不是證明技術能做，而是要想怎麼把它量產。之前做Robotaxi的時候相對還寬鬆一些，轉無圖再走量產之後，整個團隊壓力明顯更大。左林右狸頻道： 當時外界對無圖有很多質疑，你怎麼看？劉念邱： 我覺得很合理。

在那個時間點，在高精地圖已經覆蓋的範圍裡，傳統有圖方案的表現肯定會更成熟。無圖更多是在證明未來的可能性。而且當時很多同行本身就在高精地圖產業裡，會天然排斥。另外別人沒做出來，也不可能因為你做出來了，就馬上承認你的方案一定好。但回頭看，我覺得無圖是整個行業的一個轉折點。過去城市智駕只能在少數幾個城市用，真正到無圖開始大範圍落地之後，消費者才會覺得這個東西是我自己開車的地方也能用。左林右狸頻道：第一個“板車試驗”出現時，你在其中扮演什麼角色？劉念邱：相比所謂的“板車試驗”，我印象更深的是拿到頭部科技公司定點之前的一次主流知名車輛改裝。

當時對方已經體驗過我們的車，對元戎的能力和方案感興趣，但還想看看這套能力放到主流知名車型上會是什麼表現，就給了我們一輛不帶智駕的車，希望能儘快體驗元戎方案在其車上的表現。我記得整個改裝過程大概不到兩天，那輛車來的時候還沒有搭載相應的智駕系統，我們需要開孔、更換玻璃、加裝控制器和傳感器，再把車輛恢復好，接入算法，出去做路測和評價。那幾天大家輪班推進，連續把這些工作接起來。我所負責的硬件和交付這一側，需要把客戶提出的體驗需求落實成實際車輛：傳感器和控制器裝上去，系統接起來，再配合後續測試和問題解決。客戶在很短的時間內，看到了我們把他們提供的一輛傳統車改成能夠進行自動駕駛測試的樣車。

這件事讓他們看到了團隊的執行力和交付能力，也增加了他們對我們繼續推進量產的信心。這次改裝當然不等於完成了量產，但它讓客戶能夠判斷這個團隊能不能面對實際車輛、實際問題，把事情往前推進。我理解，客戶對團隊的信任，就是在這樣的過程中逐步建立起來的。左林右狸頻道：但讓客戶認可還不等於量產，從“無圖能跑”到“無圖能量產”，你個人最難解決的問題是什麼？劉念邱：對我來說，最大的挑戰是和主機廠之間的系統整合與配合。研發階段，我們用的是自己搭建的一套系統，軟件能夠在研發環境裡運行起來，就可以開展測試。

但進入量產，必須和車企一起把大量工程細節定義清楚，包括診斷信號、信號矩陣、中間件通信的可靠性，以及功能安全相關的異常和處理機制。此外，還有質量保障、版本管理和售後對接。過去車企的售後更習慣處理某個零部件損壞的問題，智駕系統的問題診斷則需要雙方共同磨合，建立一套相應的售後診斷體系。這些工作讓我們完整地走過了一次量產工程化的過程。算法之外，還有大量系統、質量和協作上的問題需要解決。對我來說，當時壓力比較大的，就是把這些環節和車企一起打通，讓研發出來的能力真正進入量產交付體系。一位具身智能創業者的“煉成”左林右狸頻道： 你跟自動駕駛的緣分，其實比很多人想象得早。

你最早幫周光（元戎啟行創始人兼CEO）做自動駕駛硬件起家，這段能從頭講講嗎？劉念邱： 真正開始做智駕，應該是在2017年。那個時候幫周光等人做自動駕駛硬件，他們當時更偏重算法側，硬件工程化部分需要有人配合。我之前一直在創業做工業智能化，所以最早車頂上激光雷達、控制器之類的設備，很多都是我們幫他們做的。2017年算是已經參與智駕，也開始瞭解智駕到底是什麼。2019年，元戎啟行拿了國內當時單筆比較大的融資，邀請我過去。我想著可以去深度學習一下，所以就算正式投身智駕行業了。左林右狸頻道： 在這之前，你的經歷和自動駕駛其實看起來差得挺遠？劉念邱： 我之前創業做物聯網、工業智能化、自動化。

在英特爾的時候，我負責全球範圍的新工藝、新設備開發。聽起來不一樣，但技術本質上比較像。生產線上檢測物料、檢測環境，需要傳感系統，然後再加一套控制系統，跟後來做智能駕駛其實有很多相通的地方。左林右狸頻道： 你剛加入元戎時，公司大概是什麼狀態？劉念邱： 小几十個人。基本上是之前一起配合過的骨幹技術人員，大家覺得項目挺好、人也靠譜，就繼續搞。左林右狸頻道： 當時你在元戎裡具體負責什麼？劉念邱： 缺啥我幹啥。當時核心團隊主要做感知、規劃、地圖定位，我負責硬件和工程，早期整個硬件團隊是我建的。左林右狸頻道：那你接到的第一個任務是什麼？劉念邱： 我接到的第一個任務，是做車上不同傳感器的硬件同步控制器。

當時車上要用到機械旋轉式激光雷達、組合導航和工業相機，還不是現在這些車載相機。這些設備原本來自不同的行業，各自有不同的工作方式：激光雷達有掃描週期，組合導航有自己的頻率和時序要求，相機有曝光和觸發條件。要把它們用在同一套自動駕駛系統裡，就需要讓它們在指定的時間點觸發，並且讓採集數據的時間戳處在同一條時間線上。當時要求的同步精度是優於 1 毫秒。我親手做的工作，就是先把這些設備的特性弄清楚，再設計一套電路系統，與各類傳感器對接，完成交互和同步控制。把多設備的時間線統一到毫秒級。當時整個自動駕駛研發還是模塊化分工，有感知、規劃、地圖和定位等團隊，大家各司其職，分別承擔不同模塊的研發。

我主要負責硬件這一側。左林右狸頻道：元戎早期很多核心成員各有分工，但好像你是不斷擴大的，這是怎麼做到的啊？劉念邱：我覺得最關鍵的一次變化，是從硬件研發走向對外交付。元戎最早只有研發團隊。當產品做出來，開始與東風這樣的合作伙伴對接時，就需要有人負責車輛改裝、交付，以及後續運營。我當時負責硬件研發，車輛改裝和交付自然先由我們對接。做著做著，就把後面的運營對接和運營管理也接了起來。隨著業務往前走，我們還需要主動尋找新的合作機會，所以我的工作又逐步延伸到商務和業務拓展。後來轉向量產，工作內容進一步涉及產品、質量、數據和售後。左林右狸頻道：你的工作內容越來越多，是誰把這些事交給你的？

劉念邱：這並不是某個人在某一天把一整套職責交給我，而是公司發展到那個階段，需要有人把這些事情承擔起來。我之前有創業經歷，也比較願意和客戶、合作伙伴打交道，就順著業務的需要去做了。對我來說，職責擴大的過程，就是不斷把技術做出來之後的事情接住。關注具身智能幾年，為何選擇現在創業？左林右狸頻道： 你之前一直在自動駕駛行業，什麼時候開始認真關注 Physical Agent 的？劉念邱： 2024年。那個時候Figure、宇樹H1開始頻繁出現在大眾視野，但大家主要還是展示走路、上下樓梯。那時候機器人走路還沒有現在這麼自然。

我本身一直對機器人感興趣，所以開始比較認真地看這個行業發展到什麼狀態、後面會怎麼走。左林右狸頻道： 到什麼時候，你覺得 Physical Agent 開始具備真正創業的條件？劉念邱： 到2025年，開始覺得它偏成熟了，可以開始關注完成工作。我那時候花了很多時間看技術資料、瞭解上游產業，會發現過去靠積澱加優化控制的路線，正在變成真正AI驅動的具身智能。2025年底之前，大家更多還是針對特定任務做一些探索。2026年之後，開始越來越多講異構數據、多元數據、泛化。過早進去，資源大量花在特化和探索上，不一定形成核心積累；太晚進去，別人又已經形成積累。

現在這個時間點，我覺得大家更多形成的是認知，還沒有形成特別大的時間差。左林右狸頻道： 行業進入窗口期是一方面，為什麼你自己也決定就在這個時間點出來？劉念邱： 一方面是供應鏈成熟了，做具身的時候不需要再像過去一樣，被很弱的本體和供應鏈限制，花大量精力去補這些東西。另一方面，整個技術和數據範式逐漸變得清晰，可以開始真正做積累。左林右狸頻道： 現在也有智駕公司做具身智能，你為什麼不留在元戎內部做？劉念邱： 具身需要非常高的資源投入，也要求非常專注，還需要大量優秀的人才。另外對我自己來說，在元戎過去從0到1、1到10、10到100基本都走過了，很多部門也已經建立起來，進入體系化運行階段。

我擅長的東西，在元戎的那個階段已經不能產生特別大的差異化優勢。對我而言，與其在那“躺平”，還不如在行業條件逐漸成熟的節點，再次做一件從0到1、從1到100的事。左林右狸頻道： 元戎的前同事有一起出來嗎？劉念邱： 幾乎沒有，基本上還是重新建團隊。但我從元戎帶出來的，是大規模數據閉環、對技術的判斷、工程化、規劃這些know-how。有這些項目經驗，再去搭一個新的具身團隊，邏輯是不一樣的。左林右狸頻道： 你覺得做過智駕完整週期的人，再做具身最大的優勢是什麼？劉念邱： 一個很重要的經驗就是，從demo到工程化、再到真正落地。機器人現在的demo週期差不多已經進入中後期了，下一步一定會看怎麼落地。

所謂落地，不一定馬上就是量產，而是要從“可以看到”變成“可以用”。你做10次成功1次，或者10個場景裡挑一個表現好的拍視頻，跟用戶什麼時候來都能用，是完全不同的事情。到了這個階段，關注的就不再只是單點能力上限，而是一系列場景裡的下限。另外一個經驗，就是技術範式發生變化時，組織能不能一起轉。元戎從有圖轉無圖非常痛苦，因為原來整個組織都是圍繞有圖搭起來的。機器人未來也一定會遇到類似問題，現在的技術不可能就是終局。最後還有規模化。技術優勢最終要轉成商業優勢，這裡面還需要生態、運營、經營。

Physical Agent 不是工具是夥伴，費莫一想做什麼左林右狸頻道： 費莫一把自己定義成做 Physical Agent，為什麼不用現在更常見的 Physical AI？劉念邱： Physical AI 我覺得代表的是一種能力，不是一個生產力。我們想做的是物理世界的Agent，它像數字世界的agent一樣，協助人們完成任務，人們也能在必要的時候幫助它成長，去完成人們生活裡的任務、解決具體問題。它得有認知空間的決策能力、有動作空間的規劃能力、有接觸空間的細節對齊能力，還要有記憶。所以我們覺得它更像Agent。而且Agent這個詞對用戶更直接，它是能幫我幹活的，而不是一個概念。

左林右狸頻道： 費莫一現階段最關注的是什麼？劉念邱： 開放動態場景的落地。現在沒有誰能說某一種模型就是終局，但不管什麼模型，最終都得在你真正要使用的場景裡學習，才能在那個環境裡工作。左林右狸頻道： 為什麼不先從工廠、酒店這種相對封閉的單一場景做起？劉念邱： 單點產品落地和長期技術路線之間要平衡。你在工廠裡天天打螺絲，打得再好，也不意味著明天就能跑到街上送外賣，這裡面沒有天然的遷移能力。我們希望 Physical Agent 從一開始就面向更開放的真實環境，接觸各種各樣的人和場景。今天可以送外賣，明天送快遞，後天可能打掃衛生。在咖啡廳裡能搬東西，在路上也能做類似任務。

這樣積累下來的能力，可遷移性會更強。左林右狸頻道： 所以你們提出“生活圈夥伴”，本質上也是這個邏輯？劉念邱： 對。不同的人，在不同時間、不同地點，會有不同需求。比如有人願意付錢請人幫他丟垃圾；去公園露營，需要有人收拾營地；出去玩突然想喝咖啡，周圍沒有賣的，總得派一個人走很遠去買。這些都是真實需求。Physical Agent 不一定固定屬於某一個崗位，而是在一個生活圈裡，根據需求幫助不同的人。左林右狸頻道： 為什麼叫“夥伴”，而不只是工具？劉念邱： 因為早期也不可能永遠只有機器人幫人，人也會幫機器人。

機器人走到一公里外找不到路，用戶可以通過它的眼睛告訴它往哪走；到了餐館看到很多袋子，它不知道哪一個是你的，人也可以幫助它判斷。隨著能力提升，需要人幫助它的比例會越來越低，它幫人的比例越來越高。這種關係我覺得更像夥伴。左林右狸頻道： 機器人進入生活圈之前，需要像早期自動駕駛一樣做地圖或者大量前期部署嗎？劉念邱： 不會。智駕我們都不用高精地圖了，Physical Agent 更不能用。高精地圖本身就有很多問題，尤其在人來人往、環境持續變化的開放場景裡，很難長期保持。我們還是希望走數據驅動，讓機器人像人一樣持續進化。左林右狸頻道： 你為什麼這麼排斥用工程手段快速解決問題？

劉念邱： 我覺得這是AI Native非常關鍵的一點。過去智駕大量寫規則，在邊界比較小的時候很有效。但邊界一大，每增加一個規則，都可能影響其他場景，你很難保證整個系統始終穩定。如果今天為了落地快，不斷加工程規則，短期看問題解決了；但等你有幾萬用戶之後，你還得持續維護這套體系，它最後會從優勢變成負擔。所以我們必須走數據驅動的AI路線，讓 Physical Agent 在真實任務中持續學習和進化。左林右狸頻道： 費莫一今年和明年的產品節奏是什麼？劉念邱： 今年會發布自己的本體，加一版大模型，開始做一些落地示範。同時今年非常重要的工作是初始化數據採集，我們自己也有采集設備。明年開始多點部署，真