拿下近亿美元融资后，他们造了个开放动态真实世界的「行动伙伴」

博尔赫斯写过一则著名的寓言。一个帝国的制图师们绘制了一张与领土等大的地图，精确到每一寸土地、每一条河流。后代人发现这张地图毫无用处，把它弃置在荒野中，任其腐烂。

真正在一个地方走路的人，靠的从来不是一张一比一的图纸，而是脚底的感觉、眼睛的判断，以及走错了再调整的能力。

过去两年，人形机器人学会了跳舞、翻跟头、弹钢琴。但一个略显尴尬的事实是，这些编排的动作，大多是提前反复排练，且发生在受控的封闭环境里。如果放在现实社会的开放环境中，这些机器人该怎么办，它们到底能帮你干什么？

费莫一科技（PHYMI）试图回答这个命题。成立初期便完成近亿美元种子轮融资，由 IDG 资本领投，云启资本、滴滴出行、复星锐正、耀途资本、禾赛科技跟投。融资消息仅公布一个月后，它便推出首款行动伙伴。

10 月 28 日，Sagi（萨其玛）正式发布，是行业内首个定位「行动伙伴」的 Physical Agent。Sagi 采用四轮足、人形上身、背着小型货箱的机器人，英文名取自人马座。辨识度鲜明的身体，它没有追求像人，围绕长程移动、操作与承载共同设计；「行动伙伴」则定义了它与人的关系：理解人的目标，能够独立担当，也能够相互协作。

但它具备极其实用、且当下行业里极为罕见的能力：接收一个目标，然后在一个开放、动态、真实的场景里，将跨场景移动与物品操作连接起来，遇到需要判断或帮助的情况，再通过 LINK 与人协作，持续推进任务，完成全流程交付。

费莫一创始人刘念邱，此前是元戎启行的技术合伙人、董事，亲历高阶自动驾驶从 L4 研发运营走向规模化量产的关键阶段，参与无图智驾方案落地，以及技术体系向端到端模型、VLA 大模型演进。再往前，他是英特尔的高级工程师，做过智能硬件的连续创业者。

在具身智能赛道愈发拥挤的 2026 年，PHYMI 没有追求酷炫 demo，而是选了一条看似朴实、实则困难得多的路。在刘念邱看来，「开放场景才是真正的考场。」

刘念邱告诉极客公园，更希望用「伙伴」来定义他们推出的 Physical Agent，「因为我们首先关心的是，用户希望它帮助自己完成什么，以及它能够创造什么价值。」

在他看来，Physical Agent 的核心是，站在用户的立场，理解他的想法、拆解他的目标，通过长程移动、操作和交互，在物理世界中把事情做成。「即使人不在现场，也可以把目标交给它，让它独立推进；遇到信息不足或需要判断的情况，人也能通过 LINK 提供帮助，共同完成任务。」

「行动伙伴」干的，不是人做不了的事，而是人不想干的事——承接的是人需要亲自到场、跨越不同地点并连续执行的事务，拓展人的行动能力。这种定位差异背后，本质是一场关于「人与机器关系」的重新倒置。

传统服务机器人的逻辑，本质上是改造环境以适应机器人：要进写字楼，先得铺设专用的磁条引导线、贴满 QR 码定位标签、打通电梯系统的无线协议，甚至提前用激光雷达将几千平米的物理空间毫厘不差地建图。人类世界必须为了机器人做出改造。

而费莫一的思路恰恰相反——应该让 Physical Agent 适应人类生活的社会，而不是让人类社会一直去适应它。

真实世界天然是开放的、动态的、乱糟糟且充满意外的。前台的箱子可能被临时挪动，走廊里随时有行人穿过，办公室的门可能是半掩着的。「人的生活和工作天然发生在不同地点，一个目标往往包含多个相互关联的步骤。任务执行过程中，环境、物品和人的需求还会变化。」

刘念邱表示，Sagi 的设计初心，就是直接丢进这种未经改造的真实环境里。Sagi 没有一上来就挑战人类手部极限的精细活，比如拧螺丝、缝合伤口、弹钢琴等等，而是优先建设开放动态场景中的长程移动与操作能力。取放、携带和交付，是验证这些能力的具体任务；关键在于机器人如何将多个地点、动作与反馈连接成完整过程。

看似不够科幻，但实际上这是在 Day 1 就选择了一条极难、直接挑战「深水区」的路线：开放动态场景中的长程移动与操作。

可以说，开放场景才是真正的考场——空间无法提前穷举，物品和人的需求随时变化，机器人必须基于实时感知理解环境、围绕用户目标自主行动，而不是在排练好的舞台上表演。

刘念邱解释说，长程移动是费莫一的一项差异化能力。「机器人要能够自己到达用户需要它出现的地方，才能接触更丰富的场景、承担更多工作。同时，移动与操作缺一不可：到达之后需要与物品交互，跨场景行动中的开门、乘梯等环节，也可能需要两者协同。」

这种「长程」，不仅是物理空间上的数百米跨越，更是任务持续时间、步骤数量以及面对突发状况时连续决策的跨度。 这正是「行动伙伴」所代表的技术含金量。

在费莫一展示的真实场景 Demo 中，Sagi 展现出了极强的自如感。

在社区快递站，它穿梭于堆满纸箱的狭窄通道间，识别出目标包裹后，由上身双臂抱起放入背箱，随后自主搭乘电梯送达住户门前：

在办公园区，它接到指令后可以穿越大堂、电梯、楼宇，帮忙递送物品：

而在公园露营场景中，面对崎岖不平的草地和随机摆放的折叠椅，它依然能够平稳行驶，驮着物资跟在人身边，随时接下临时的新需求：

这些场景之所以能够流畅运行，关键在于费莫一祭出的杀手锏——开箱即用，免部署。

对于传统服务机器人来说，进场前的建图、调试、改环境往往要折腾一整周时间。据介绍，在当前支持的环境和任务范围内，Sagi 第一次进入陌生环境，不需要工程人员先来「扫描打点」。启动之后，它会直接在执行任务的过程中边走边探索、寻找路径，并逐步形成记忆——就像一个新到岗的实习生，第一次去茶水间可能会看两眼路标，但走过一次后就自然记住了路线。

作为元戎启行前技术合伙人，刘念邱是国内最早实现「无图智驾」攻坚的开拓者。团队在自动驾驶领域积累的经验，为这条路线提供了基础。可以迁移到具身智能领域的，包括降低先验依赖、基于实时感知理解环境、通过数据闭环持续迭代的方法，以及复杂软硬件协同和工程部署经验。

自动驾驶的「无图」解决的是车在马路上怎么开，而具身智能的「无图」面对的则是更复杂的三维物理世界。本质上，它们指向同一个底层哲学：让 AI 像人一样凭实时感知去适应陌生环境，而不是靠预先把世界全画下来。

为了支撑起这种开放环境下的长程能力，费莫一搭建了一套完整的四层技术支柱架构：大脑（BRAIN）+ 身体（BODY）+ 数据（DATA）+ 链接（LINK）。

不同于行业普遍采用的单一端到端大模型或简单级联方案，Sagi 搭载的 PHYMI BRAIN 1.0 采用了「异步分频多模态架构」，将机器人的思考与反应划分为三个空间：

在机器人的躯体形态上，费莫一率先采用了「四轮足 + 人形上身 + 随行背箱」的人马形态。