成立当年拿下近千万订单再拿天使轮：方奇科技想给「世界模型缺人类知识、大脑缺物理常识」打补丁
清华博士团队创办的方奇科技完成千万级天使轮融资，押注「语义化世界模型 + 图灵学习」架构。成立当年签下近千万订单——但订单来自自家选定的「练兵场」。
- 融资：具身智能通用大脑研发商方奇科技完成千万级天使轮融资，投资方为启迪之星创投等机构。
- 团队：公司 2026 年才成立，创始人王心舟为清华计算机系博士，创业前曾深度参与腾讯混元 3D 模型与物理 AI 算法架构设计。
- 技术主张：认为泛化弱的根因是世界模型缺人类知识、具身大脑缺物理常识，提出「语义化世界模型 + 图灵学习」组合，把视觉、语言和物理状态组织进统一三维语义空间。
- 订单口径：与优地机器人、江苏龙寰达成战略合作，以「立体清洁」为试点场景，已签订近千万订单——订单数字为受访方口径，未获独立信源确认。
- 后进场的姿态：创始人直言「纯讲未来 5-10 年故事已经很难拿钱，投资人要看真机指标、看试点数据」。
2026 年的具身智能赛道已经进入 IPO 冲刺与订单验证期，头部公司融资轮次过亿是常态。方奇科技选择在这个时点进场拿天使轮，是一个反直觉的信号——要么是差异化的自信，要么是错过了窗口的无奈。从访谈纪要看，团队把筹码押在前者：王心舟对行业现状的诊断相当尖锐，「具身机器人泛化能力弱的根因仍然在于世界模型缺乏人类知识，而具身大脑又缺乏物理常识，即世界模型和具身模型之间存在物理知识与语义知识的割裂」。
这个诊断与近期研究侧的共识呼应：端到端 VLA 靠数据堆泛化有天花板，分层编排路线（如 9 月 21 日开源的 RPent，见本站同日稿）靠系统结构补短板。方奇给出的组合是「语义化世界模型 + 图灵学习」：前者把视觉、语言和物理状态组织到统一三维语义空间，让机器人能预测动作、自主决策；后者通过课程学习、任务学习、实践学习、反思学习的链路，打破遥操作示教「只知其然」的困境，让机器人从人类数据与真实实践中持续学习，构成所谓进化飞轮。
商业化方面，公司成立当年已有进展：与优地机器人、江苏龙寰等达成战略合作，以「立体清洁」作为练兵场推进试点落地，已签订近千万订单，并声称打通了「卖整机 + 卖 Skill」的两种商业模式。需要标注的是：这批订单数字来自融资报道中的受访方口径，属单一信源，金额构成、交付节奏与验收标准均未披露，未获独立信源确认。
「练兵场」这个词本身有信息量。清洁场景（尤其是立体清洁：地面、台面、不同高度的作业面）对机器人精度要求低于工业装配，容错空间大、商业价值密度适中，是典型的低风险验证场。选择它起步符合「先啃软柿子」的行业规律，但也意味着近千万订单的含金量要打折看：它验证的是技术在商用场景能跑，不等于在更高价值场景能跑。
世界模型与具身模型深度耦合进统一语义空间，学习范式从「遥操示教」升级为「课程—任务—实践—反思」四段式。押的是架构差异化，卖点同时面向整机厂（卖 Skill）与终端。
成立当年、天使轮、千万级订单、清洁场景——每一项都处在赛道最小规格。要证明的不是「能不能做」，而是架构优势能否在高价值场景复现，以及 Skill 商业模式的复购率。
王心舟在访谈里说了一句值得记下的话：现在投资人对具身智能的要求在快速提高——「纯讲在未来 5-10 年故事已经很难拿钱了，他们要看真机指标、看试点数据、看技术能否在真实场景跑通」。这与同日财联社创变者大会上「从讲故事到交账」的行业叙事完全同频：天使轮公司也要带着订单和试点来见投资人。
从这个角度看，方奇这轮融资的样本意义大于金额意义：它说明 2026 年下半年的具身智能融资市场已经完成了从「叙事定价」到「证据定价」的切换——哪怕是最早期的轮次，立项理由也要回答「为什么现在成立的公司能追上做了五年的同行」。方奇的答案是架构诊断差异化加低风险场景快速落单，这个答案能否兑现，要看清洁场景的试点数据能否公开、可审计。