昆腾动力（Quantum Dynamics）成立半年即获超亿元种子轮融资，由云启资本与商汤科技联合投资。创始人李强为前菜鸟集团CTO、阿里巴巴国际数字商业板块CTO，团队覆盖从前沿研究、模型研发到全球化商业落地的完整闭环。
Physical AI赛道，什么样的创始人能跑出来？
目前具身智能赛道的创始人多分为两类：自动驾驶背景出身，擅长系统集成与工程化落地；或源于Neo Lab，具备前沿的具身智能技术视角。而昆腾动力创始人李强则属于第三类——深耕物流商业化场景，兼具AI技术理解力与全球化业务操盘经验。
擅长系统集成与工程化落地，但缺乏垂直场景的深度运营经验。
技术视角前沿，但从实验室到商业场景的转化路径较长。
阿里17年，横跨淘宝天猫、菜鸟、国际化业务、无人车四个板块，从0到1搭建体系。管理数千人团队，与200个国家邮政系统对接，积累了全球物流履约的一线经验。
注：李强曾任菜鸟集团CTO、阿里巴巴国际数字商业板块CTO，同时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。
但Physical AI的竞赛，规则完全不同。
业界共识正在形成：Physical AI已成为继大语言模型后的下一个主战场，竞赛的胜负手正从模型参数大小迈向真实数据厚度。IDC报告显示，中国具身智能机器人用户支出将从2025年的14亿美元飙升至2030年的770亿美元，年均复合增长率达94%。
钱涌入的速度越快，一个结构性问题越发凸显：物理世界的数据，无法像文本和图像那样通过爬虫批量获取。
注：数据来自IDC，具身智能机器人用户支出包含硬件、软件及服务。2025—2030年复合增长率约94%，市场空间从14亿美元跃升至770亿美元。
谁先拥有规模化部署真机的能力，谁就拥有了数据采集的优先权。这也是昆腾动力切入产业的底层逻辑：先扎进物流仓库，靠真机部署积累独家真实数据，再反向打磨底层的世界动作模型。
一个关键问题：数据有了，然后呢？
昆腾动力自研的Physical AI底层平台由六个技术模块协同构成，覆盖数据归集、模型更新、集群协同进化的完整体系。其目标并非打造一个单点能力模型，而是构建一套能从真实部署中持续进化的具身智能系统。
联合建模视觉、动作、本体状态与触觉信号，学习"一次操作如何改变物理世界"。区别于视频预测模型，满足实时控制工程要求。
将原始日志自动加工为携带任务阶段、失败原因的高价值样本，支撑秒级检索、自动清洗标注和天级模型迭代。
判断机器人的人工介入时机，将每一次干预转化为训练数据，使单人可管理的机器人数量持续提升。
实时监控动作执行偏差，在操作失效前触发纠偏、重规划和重试，提高真实场景中的任务成功率。
无需重新训练全模型权重，通过测试时训练、少样本示范和历史经验复用，快速适应不同货物、货架、光照和流程。
每台设备的成功、失败、干预经验，经由离线强化学习、偏好优化等流程，持续更新至整个机群。
注：六大模块协同运行，形成"数据采集→模型训练→部署验证→经验回传"的闭环。每新增一个仓库，就新增一个数据来源，模型泛化能力随部署规模递增。
真正的考验，在实验室之外。
昆腾动力的落地节奏清晰分两阶段，每一步都踩在物流场景的真实痛点之上。
Physical AI的竞赛，落脚点从来不是技术Demo的惊艳程度，而是机器人能否在真实世界中稳定地完成作业。从垂直场景切入、逐步走向通用，或许比等待一个完美的通用模型更务实。
昆腾动力目前已在美妆、医药类电商仓库启动规模化试点，2026年完成人机协同混产验证。核心技术围绕仓储场景持续打磨，为后续向工业产线、零售货架、居家服务等场景拓展奠定基础。
了解更多 → 公开信息可查