从餐饮后厨到物理世界基础模型：量化派的物理AI，走的是卖能力的路

事件概述

量化派（QuantGroup）选择了一条不同于卖硬件或卖解决方案的路线——做物理世界基础模型提供商。其商业模式是让不同的机器人硬件平台调用同一个通用AI能力层，通过RaaS（Robot-as-a-Service）按效用付费，不卖硬件，卖的是机器人完成任务的能力。公司近期在餐饮后厨完成了四轮具身智能技术验证，场景涵盖三明治制作、购物袋分拣、牛排找盐调味、奶茶协同制作，全部在真实动态工况下进行，而非实验室环境。

核心信息

• 技术验证细节：
  • 三明治柔性制作：机器人需实时感知软质食材（面包、生菜、酱料）形态，柔顺控制力度，保证成品标准化。
  • 购物袋自主分拣：无预设流程，机器人需实时识别多品类物品并自主决策抓取与分类。
  • 牛排跨抽屉找盐调味：机器人只给定“找到盐并调味”的目标，需自主推理搜索路径并完成毫米级操作。
  • 奶茶跨设备协同：机器人需与奶茶机、搅拌机、封口机配合，控制液体晃动和位置偏移。
• 全球对标案例：
  • Physical Intelligence：2024年11月以24亿美元估值融资4亿美元（贝索斯、OpenAI、红杉等投资），8个月估值从4亿涨至24亿。
  • Skild AI：2024年7月A轮15亿美元，不到一年B轮47亿美元，后软银和英伟达以140亿美元领投C轮，年营收仅3000万美元。资本市场看重的是物理世界基础模型未来被大量调用的潜力。
• 政策推动：2026年6月，工信部和国务院国资委联合发布《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知》，要求10个省市及全部央企上报不少于20个/10个重点场景，11月底前交付验证报告，原则是“最小干预、利旧复用”，禁止为机器人改造环境。
• 商业壁垒：数据积累是关键。量化派通过B端商业落地、C端智能硬件、用户置换式采集、场景共创数据共享四条路径采集数据，物理世界数据无法快速购买，只能通过真实运营时间积累。

值得关注

量化派的路径是先从场景落地和数据售卖积累，再向智能硬件厂商输出模型调用和增值服务，最终切入算力赛道，形成基模+算力的收入结构。但跨场景复用的边际成本能否真正接近零，以及真实场景与仿真的落差能否被系统整合能力缩小，是商业模式能否从想象力转化为现金流的关键。首个第三方付费客户的出现将是赛道真正的拐点。