作者 | 小葵
来源 | 具身之家Robots（ID：jushenhome）
9月21日，具身智能通用大脑研发商方奇科技宣布完成千万级天使轮融资，投资方为启迪之星创投等机构。
单看融资规模，千万级的天使轮，放在2026年具身智能赛道的融资狂潮里，算不上亮眼。但启迪之星创投总经理兼主管合伙人刘博还是投了，他的理由很直接：“具身智能竞争的关键在于探索低成本、可规模化的通用机器人学习路径。”
在刘博看来，方奇科技提出的语义化世界模型与图灵学习范式，为行业提供了新思路，他看好其打造下一代具身智能基础软件平台的潜力。但这条路径能否成为基础软件平台，仍取决于跨本体复用率和客户付费意愿。
（图源：方奇科技）
当大多数“大脑公司”还在以模型能力为核心卖点时，方奇科技想把竞争引向另一个层面：技能如何定义、验证和分发。这，也是它值得被关注的地方。
01 不做身体，做“大脑”
方奇科技的创始人王心舟出生于1996年，本科和硕士就读于北京航空航天大学，博士师从清华大学计算机系孙富春教授，创业前，他深度参与腾讯混元3D模型与物理AI算法架构设计，长期深耕具身智能、三维视觉、多模态生成大模型领域。
公司核心团队来自清华、中科院体系，技术能力覆盖世界模型、VLA算法、云原生系统等领域，并具备产业商业化全链路经验。
方奇的战略定位很清楚：不做本体，做机器人大脑公司。王心舟称，公司不是为某一款机器人单独开发大脑，而是把大脑能力拆解为可复用的技能，其通用技能操作系统采用“云端超级大脑+端侧任务智能体”架构，目标是实现“一脑多形”，即同一套大脑能力，适配不同机器人本体。
但“一脑多形”真正难的地方，不在架构，而在泛化。如果每换一个本体、每换一个场景，大脑都要重新适配，那“一脑多形”就无从谈起。
（图源：方奇科技）
至于对于具身智能为什么泛化能力弱，王心舟有一个明确判断：“世界模型缺乏人类知识，而具身‘大脑’又缺乏物理常识，这导致世界模型与具身模型之间存在物理知识和语义知识的割裂。”这个判断，直接指向方奇科技的技术核心：语义化世界模型和图灵学习范式。
所谓语义化世界模型，就是把具身大模型与世界模型深度耦合，把视觉、语言和物理状态映射到统一的三维语义空间，。这样一来，机器人不仅能识别物体，还能理解动作在具体场景中的含义。公司称，这一能力可提升机器人的动作预测和自主决策水平。
举一个简单的例子。传统世界模型就像只会看菜谱的学徒，它知道“把洋葱放锅里炒三分钟”，但它不知道洋葱是什么、为什么要炒、炒到什么程度算好。
方奇科技的语义化世界模型，相当于给这个学徒装了一个“厨房大脑”。它不仅看到“白色粉末”，还知道“这是盐，放多了会咸”。公司认为，这种物理世界与常识理解的绑定，是提升泛化能力的关键。
方奇科技还提出“图灵学习范式”，该范式包含课程学习、任务学习、实践学习、反思学习四个环节，让机器人从人类数据与真实实践中持续学习，最终形成一套可规模化复制的学习框架。
（图源：方奇科技）
在技术验证上，方奇科技已在斯坦福家务挑战赛BEHAVIOR 2026中获得全球第二名，并申请多项技术专利。
02 商业落地，真正在赌什么？
技术路线之外，方奇科技能否成立，更取决于商业落地。
公司已与港股上市公司优地机器人、江苏龙寰酒店物业公司达成战略合作，以“立体清洁”场景切入，签订近千万元规模订单，打通为机器人提供通用“大脑”底座和技能操作系统。王心舟举过一个例子：为一家酒店送餐机器人公司开发物品抓取、按电梯等技能，行业常规交付周期为9至12个月，方奇科技只用了2至3个月。
立体清洁并非最受资本追捧的场景，但方奇科技认为，它适合作为技术练兵场：该场景跨形态、非结构化、多表面，对泛化能力要求高；同时客户更关注投资回报，而非实验室精度，因此商业验证相对直接。
（图源：方奇科技）
这一平台定位的价值，也能从资本流向中看出端倪。资本正在为“大脑”投票。2026年上半年，国内具身智能赛道融资约438亿元，其中以具身大脑为核心业务的公司融资222.53亿元，占比50.8%；机器人整机公司仅56亿元，占比12.8%。
另一边，宇树科技推出UniStore，把技能变成可上架、可分发的商品，其主要服务于自身本体生态。方奇科技则试图面向多家本体厂商做技能平台，成为本体厂商的“技能交易所”。一套“抓取杯子”的技能一旦被沉淀为可授权的标准化资产，其复制成本将显著下降。
跨本体迁移是公认难题，不同机器人的关节结构、自由度、运动学拓扑差异巨大。每个本体是否仍需大量适配，本体厂商是否愿意开放必要数据和接口，也是商业模式成立的前提。
对一家仍处在早期的公司来说，这既是压力，也是机会。若跑通，方奇科技有机会从算法供应商变成技能平台；若跑不通，它也可能退回项目制交付。但至少现在，它选择了一条更难、也更有想象力的路：不做身体，做机器人的大脑。
