前美团外卖技术负责人打造餐饮领域具身方案，元节智能获千万级种子轮融资

当具身智能开始从实验室走进真实的物理生产场景，有创业团队直接瞄准了餐饮行业最刚需、最痛点的后厨环节。

专注餐饮场景具身智能的元节智能（AtomBite.AI）近日完成千万级种子轮融资，本轮融资由英诺科创基金领投，水木清华校友种子基金以及业内知名投资人个人跟投，所筹资金将主要投入餐饮场景具身世界模型的技术研发，以及核心产品的商业化落地。

元节智能的创始团队核心成员此前已对项目做了长期探索孵化，本次融资也意味着项目的可行性已经得到初步验证，目前团队已经拿到了多家国内外头部企业的产品合作与部署意向。

这家创业公司的团队带有鲜明的互联网本地生活服务基因：创始人兼CEO王栋博士，曾担任美团外卖事业部技术负责人，管理过千人规模的产研团队，主导搭建了支撑日均数千万订单的外卖算法、数据以及系统架构；联合创始人李滔曾负责美团外卖的算法与数据体系，是业内少有的完整跑通“全链路数据算法驱动”的技术管理者；另一位联合创始人李浩哲是连续创业者，拥有多年的全球化商业落地经验。

过去多年间，餐饮行业已经被点餐SaaS、外卖小程序、配送调度系统完成了多轮数字化改造，但随着全球外卖订单规模持续增长，一个长期被忽略的环节痛点变得越来越突出：从商家出餐到骑手取餐之间，仍然存在大量完全依赖人工完成的物理操作环节——打包、封签、分拣、接驳都在其中。

这些流程看似细碎不起眼，但直接决定了整个外卖履约的效率：错单、漏单、餐品撒漏带来的损耗，会同时影响用户体验、商家收益、骑手配送体验以及平台口碑。与此同时，全球餐饮行业都普遍面临结构性用工难题：北美快餐行业时薪成本不断上涨，国内餐饮门店则长期存在招工难、人员流动率高的问题。

离开美团之后，王栋曾花数月时间在北美、新加坡等地走访调研，接触了大量当地餐饮商家和外卖平台，最终得出一个明确判断：餐饮后厨，是当下具身智能商业落地确定性最高的方向之一。

这个判断来自于餐饮后厨场景自带的三个核心优势：

第一，这是全球餐饮行业共通的刚需，无论中国、北美还是东南亚，都面临人力成本上涨、履约效率待提升的痛点；第二，投入产出逻辑足够清晰，只要能降低错单率、减少人工依赖、提升出餐速度，商家就愿意为方案付费；更关键的是，和家庭服务、养老护理这类需要强情感交互的场景不同，餐饮属于专业服务领域，决策链路更短，中小商家的合作意愿也更强。

王栋在接受采访时表示，服务业本身占据了全球GDP的很大比例，如果能在餐饮后厨这个高频场景跑通可落地运行的具身智能方案，完成从模型到应用的完整商业闭环，本身就拥有巨大价值，未来这套能力也完全可以延伸到家庭厨房等更复杂的场景中。

企业供图

和不少行业玩家优先研发通用具身世界模型的路径不同，元节智能选择从真实场景中积累交互数据，逐步搭建模型能力。王栋认为，行业内经过近十年发展，机器人的移动能力其实已经基本解决，现在行业真正的核心攻关方向转向精细操作。虽然全能型的灵巧手还未完全成熟，但二指、三指夹爪已经有了成熟的工程方案，足够支撑部分标准化任务落地。

基于这个判断，元节智能没有把精力放在重新研发机器人硬件上，而是聚焦打造一套面向餐饮场景的“世界动作模型（World Action Model，WAM）”。

王栋提出，当前主流的VLA（Vision-Language-Action）路线过度依赖语言模块做高层规划，对视觉表征的投入不足，但真实世界里的动作控制本质上并不依赖语言。“人类做动作控制的时候，并没有那么强依赖语言，最核心的问题是视觉理解、物理规律理解，以及如何把动作和真实世界建立对应映射。”

基于这一思路，元节智能在模型层面重点探索融合视觉（Vision）与触觉（Touch）的VT-WAM（视觉-触觉世界动作模型）。王栋解释称：“视觉可以识别物体的外观位置，却感知不到接触的细节；触觉没办法掌握全局，却可以判断操作是否成功。视觉锚定的是世界的几何属性，触觉锚定的是世界的物理属性，VT-WAM会把这两类信息整合到隐空间中，最终生成一个可以预判接触结果的世界动作模型。”

世界模型不止需要视觉感知能力，更核心的是要理解真实物理世界的规律和因果关系。他举例，一个饮料杯有没有装水、装得满不满、温度高低，都会直接影响机器人抓取时的摩擦力、重心变化，最终影响操作的稳定性。

元节智能希望通过视觉、触觉等多传感器协同感知物体状态，同时在模型中嵌入对液体晃动、重心偏移等物理属性的因果理解，让机器人的动作不只是数据拟合的结果，而是真正符合现实物理规律，以此提升抓取和操作的稳定性、精细度。

从技术架构来看，元节智能的系统分为三层：最上层是具身世界模型，负责完成对后厨环境的认知，输出决策和动作规划；中层是任务编排与调度引擎，把认知结果转化为具体的执行计划，统一调度不同硬件设备；底层是自研核心部件和通用硬件本体的融合方案，保障系统能在复杂的后厨环境中长期稳定运行。

这套架构的核心逻辑是：不走先造通用机器人再找场景的老路，而是先扎进一个足够高频、痛点足够突出的场景，持续收集真实交互数据，反过来迭代优化世界模型，让模型在物理世界中变得越来越“聪明”。而餐饮后厨每天都会重复海量的打包、分拣、搬运、接驳操作，这些动作天然能产生大量多样化的真实世界数据，这类数据是仿真环境很难批量生成的。

企业供图

具体商业化落地层面，元节智能选择从“外卖打包与接驳”环节切入，这个环节是整个外卖履约链路里出错率最高、标准化程度相对较高，同时商业价值最容易量化的环节。

王栋表示：“打包环节的任务边界清晰，场景也可控，我们的路径是围绕商业价值选择落点，先聚焦提升抓取精准度，先做到可用、可靠。从商家的角度来说，他们根本不关心机器人长得像不像人、会不会做展示性动作，只关心你到底能帮我解决什么问题、创造什么价值。”

目前元节智能采用端云协同的方案：把高频标准化动作交给端侧轻量化小模型执行，比如套餐装盒、贴封签这类操作，以此降低操作延迟，减少对网络的依赖；云端大模型则负责处理异常场景，比如物料缺失、异物干扰这类问题，还可以通过KDS系统联动后厨人工补位。

按照规划，打包环节的解决方案预计会在2026年内进入线下真实商家后厨，完成规模化部署。未来团队计划在跑通打包单点环节后，逐步把模型能力延伸到分拣、配送接驳、烹饪协同等更复杂的后厨操作，最终拓展到更广泛的服务业场景中。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com