费莫一刘念邱：将智驾无图经验迁移至具身智能

刘念邱并不是典型的具身创业者。

他既非机器人实验室出身的学院派，也不是近两年才扎进 Physical AI 的连续创业者。他曾在英特尔从事工艺与设备研发，后来创业做过工业智能化；2018 年加入元戎启行后，从硬件工程一路拓展到 Robotaxi 运营、产品、数据闭环及量产交付。

2026 年，他带着新身份出发——费莫一科技创始人。公司刚成立便获得 IDG 资本领投，云启资本、滴滴出行、复星锐正、耀途资本及禾赛科技等机构跟投的近亿美元种子轮融资。

为什么在当下进场具身智能？

从 2024 年关注具身智能到 2025 年底决定创业，刘念邱的核心判断有两个：

1. 供应链成熟：硬件本体与上游供应链不再是主要瓶颈，团队无需耗费大量精力去“补硬件的课”。
2. 范式转变：行业正从“优化控制”彻底转向“AI 数据驱动”，异构数据与通用泛化成为核心，技术长期积累的基础已经明确。

刘念邱认为，在元戎启行走过从 0 到 100 之后，很多业务已步入体系化运营。与其在成熟体系中驻足，不如在范式转移的窗口期，重新打造一个从 0 到 1 的项目。

智驾无图经验的迁移：不做高精地图，不堆规则

元戎启行早年曾果断关停深圳市中心的 Robotaxi 业务，全面押注“无图”量产智驾。这一转型的本质是推翻传统的分块感知和先验地图依赖，走向感知规划高度紧耦合的数据驱动路线。

刘念邱把这套经验直接带入了具身智能领域：

• 坚决弃用“先验地图”：正如智驾不再依赖高精地图，机器人进入复杂、人流涌动的开放环境，依靠预先建图是不可持续的，必须依靠端到端数据驱动持续适应。
• 克制工程规则的堆叠：在封闭场景写规则短期有效，但面对开放环境，每加一条规则都会增加系统的不稳定性。数据驱动才是实现规模化落地的核心。
• 下限比上限更重要：当前机器人 Demo 周期已进入中后期，行业关注点正在从“视频里做成一次”转向“随时随地都能稳定工作”，也就是场景交付的可靠性下限。

避开封闭场景，押注“开放生活圈伙伴”

过去两年，业内常见的具身落地方式是寻找工厂拧螺丝、仓库搬运等边界清晰的场景。但在刘念邱看来，高度定制的封闭任务所积累的能力，往往极难跨场景迁移。

费莫一科技选择了另一条路径：直接进入商业区、写字楼和住宅等开放动态场景，将机器人定义为“Physical Agent（物理智能体）”或“生活圈伙伴”。它可以在露营地整理装备、帮忙代买咖啡，也可以在物流高峰期协同快递员搬运。

这种定位要求机器人具备人类尺度的视线与双手交互能力，能够在跨场景的丰富互动中建立泛化能力。早期的交互甚至允许“人帮机器人”（如远程辅助辨认物体），随着多模态数据积累，再逐步反哺模型，实现人机协同的渐进式闭环。

按规划，费莫一科技将在今年发布自研本体与配套大模型，全面推进初始数据采集，并于明年启动多点部署，正式跑通“场景落地—数据回传—模型迭代”的飞轮。