2026-05-23 10:11 UTC+8站內改寫4 分鐘閱讀更新: 2026-06-30 21:03 UTC+8

美團外賣前負責人入局餐飲具身模型，元節智慧獲千萬級種子輪融資

具身智慧初創公司元節智慧（AtomBite.AI）完成千萬級種子輪融資，由英諾科創基金領投。公司由前美團外賣技術負責人王棟博士創立，專注於餐飲後廚的具身世界模型，不造人形機器人，旨在解決外賣履約效率問題。

來源量子位作者: 克雷西

美團外賣前負責人入局餐飲具身模型，元節智慧獲千萬級種子輪融資 – 量子位

克雷西 2026-05-23 10:11:00

來源：量子位

不造人形機器人，死磕餐飲後廚

具身智慧初創公司「元節智慧（AtomBite.AI）」已於近期完成千萬級種子輪融資，由英諾科創基金領投，水木清華校友種子基金及知名投資人個人跟投。

資金將主要用於餐飲場景具身世界模型研發及核心產品打磨落地。

這家公司今年3月31日才剛剛註冊成立，融資速度之快，在具身賽道里也算頭一檔了。

訂單方面，公司同步拿下了國內外多家頭部公司的產品合作部署意向。還沒正式量產，訂單意向已經排上了。

美團外賣前負責人創業成果

公司創始人王棟博士，是前美團外賣事業部技術負責人。他管過千人產研團隊，主導構建了支撐日均數千萬訂單的外賣演算法、資料與系統架構。

十年美團，他對餐飲外賣場景的商家痛點、運營鏈路、規模化路徑的理解，用投資人的話說，是”刀刻般的”。在美團期間，他就針對商家痛點研製了多款智慧硬體產品併成功部署。

他的學術底子同樣硬。師從清華大學張鈸院士，博士期間主攻人工智慧表示問題，AI與機器人領域頂會論文持續產出。

2011年，他搭出了全球首個商用影片人臉識別與跟蹤系統；後來又做出業界領先的本地生活推薦系統和移動原生廣告平臺。

聯合創始人李滔，也是美團老將，曾執掌美團外賣演算法與資料體系，是少數真正跑通“全鏈路資料演算法驅動”的實戰型技術負責人。

另一位聯合創始人李浩哲，是一名連續創業者，具備多年全球化商業落地經驗，補上了團隊的商業化和出海能力。

其他核心團隊成員，來自清華、中科大、美團、地平線等。

有知名投資人評價：

王棟博士絕對是最適合做商業場景具身應用的創始人——“技術深度+全球視野+一線體感”的結合，在目標賽道中幾乎找不到第二個。

不造人形機器人，死磕餐飲後廚

2026年具身智慧賽道火得一塌糊塗，通用人形機器人融資一輪接一輪。

但元節智慧選了一條看起來“不那麼性感”的路——餐飲後廚。

離開美團後，王棟在北美和新加坡跑了好幾個月，深入走訪大量餐飲商家，調研各方外賣平臺，最後得出一個很樸素的結論：餐飲後廚是具身智慧最具確定性的商業落地方向。

原因也不復雜，這個方向需求全球共通、痛點足夠尖銳、商業模型可驗證。

具體來說——

全球外賣訂單還在漲，但“從商家出餐到騎手交接”這個環節，至今仍是技術改造的薄弱地帶。

高錯單率、高撒漏率，使用者端、商家端、騎手端、平臺端四方都在為此買單。這是真金白銀的效率黑洞。

另一邊，全球餐飲業的用工困境已經是結構性的了。

王棟的判斷很直接：

商家不在意你的機器人像不像人。商家在意的是：多少錢，能幹什麼活，幫我省了什麼成本。

作為商業公司，我們當然關注通用模型的宏偉藍圖，但我們更關注的是如何到達數實融合的物理模型的可行路徑。

具身世界模型：讓機器人”先想再動”

那麼，元節智慧在做的“具身世界模型”到底是什麼？

2026年初，具身智慧領域正在經歷一場正規化轉移。過去的機器人控制，本質上是“看到什麼就做什麼”——VLA（視覺語言動作模型）把當前畫面和指令直接對映成動作，類似條件反射。

但問題在於，真實的後廚環境極其複雜，油煙、遮擋、多人協作、物品隨機擺放……純靠“條件反射”式的策略，泛化能力很差，稍微換個場景就容易出錯。

世界動作模型（World Action Model，WAM）提供了一條不同的路：讓機器人在動之前，先預演一遍未來會發生什麼。

具體來說，WAM透過大規模影片資料訓練，讓模型學會預測“如果我做了這個動作，世界會變成什麼樣”。

這種對物理世界動態的理解能力，就像一個廚師學徒，在真正上手之前，先看了幾萬小時的後廚操作錄影。

圖靈獎得主Yann LeCun說得很明確：只有具備了“預測未來”的能力，AI才能進行復雜的規劃。

而元節智慧要做的，正是把這套“先想再動”的能力，落到餐飲後廚這個具體場景裡。

元節智慧的具身世界模型，從第一天起就錨定真實商業環境：後廚的物理約束是什麼？打包動作的容錯邊界在哪裡？多裝置協同排程的時序邏輯怎麼建？

這些問題，純靠模擬環境是答不出來的。

三層技術架構，從”能動”到”會想”

基於這套思路，元節智慧的技術體系分三層：

上層是具身世界模型——讓機器人對後廚物理環境形成完整認知，能預測動作後果，具備自主決策能力，核心是“理解一個場景”；

中層是任務編排與排程最佳化雙引擎——把上層的認知決策翻譯成精確的物理執行計劃，同時統一排程多種後廚裝置。

底層是自研核心部件與通用硬體本體的深度融合——確保在真實商業後廚裡，系統能穩定完成各類複雜操作，滿足精準性、長程性與泛化性的要求。

WAM的落地路徑也很清晰：先從外賣打包與接駁切入，解決出錯率最高的履約環節；再擴充套件到操控炒菜機、洗碗機等後廚存量裝置；最終目標是構建數字孿生後廚作業系統，實現全域性智慧排程。

這套路徑的核心邏輯是，從應用落地開始，一磚一瓦收集真實資料，藉助實際場景逐步構建並驗證符合物理規律的具身世界模型，而是讓場景倒逼模型生長。

元節智慧的策略本質上是一樣的：在真實的餐飲後廚裡形成“資料-模型-硬體”的飛輪迴圈。

只不過他們更進一步，讓世界模型直接指導動作生成，讓機器人在每一次操作中既是執行者，也是學習者。

具身應用元年，從後廚開始

王棟博士說：

2026年是具身應用的元年。只有在真實環境中形成“資料-模型-硬體”的飛輪迴圈，具身智慧才能從實驗室走向產業。我們從第一天起，就在構建面向全球的產品與商業體系。

千萬級種子輪，對於一家成立不到兩個月的公司來說，只是起點。

但從團隊配置、技術路線到商業邏輯，元節智慧顯然已經想清楚了一件事——具身智慧的突破口，可能不在實驗室的Demo裡，而在全球數百萬家餐飲門店的後廚中。

當大多數玩家還在追逐通用人形機器人的宏大敘事時，元節智慧已經蹲進了後廚，開始一單一單地收集真實世界的資料。

*本文系量子位獲授權刊載，觀點僅為原作者所有

具身智慧

克雷西

蘇姿豐上海開講：AI正在重新定義計算的每一層2026-05-20

手機的智慧體AI，正在因為天璣全面躍升2026-05-15

“DeepSeek版Claude Code”，Github 2.3k星2026-05-04

單Agent時代結束，AI們開始組團上班2026-04-22