菜鳥CTO李強創業，Minimax天使投資人投了

今日，投中網獨家獲悉，前菜鳥CTO李強正式下場，創辦了杭州昆騰動力智能有限公司。目前，該公司已完成超億元種子輪融資，投資方包括雲啟資本、國香資本等頭部基金以及頂尖產業資本。

在此之前，李強所處的物流行業，正面臨一個斷層的尷尬：一邊是招工難、用工成本持續攀升的殘酷現實，另一邊是上一代自動化技術面對手眼協同、柔性操作時始終跨不過去的門檻。由此，這支由阿里系走出的團隊浮出水面。

值得一提的是，此前聯合國曾對李強的技術有過報道，此次創業也相當於是李強的再出發。

近日，對於這位新下場的創始人，投中網也與其進行了一次交流。在交流中，李強表示，昆騰動力的定位是Physical AI系統公司，即從物流場景中最難啃的「手眼協同」操作切入，通過自研具身原生世界大模型，將目標直指分揀場景中「機器換人」效率不高的最根本痛點，力圖通過破解非結構化環境下的柔性操作難題，建立起規模化部署的機器人艦隊。

「誰率先能在真實物理世界中，完成數據飛輪的閉環，誰就握住了Physical AI時代的入場券。」李強在交流中談到，這使得在物流場景中，PMF（產品-市場匹配）驗證的窗口期悄然已至。

前菜鳥CTO創業，瞄準物流「手眼協同」真空地帶

2026年初，在菜鳥深耕10余年的李強，做了一個讓行業意想不到的決定：出來創業。

從2015年加入菜鳥，到2016年開始探索倉儲自動化，李強表示，他親歷了上一代技術從0到1的全過程。但做了近10年，這位CTO發現一個殘酷的事實：老技術只能解決標準容器、標準箱子的存儲和搬運，但凡涉及手眼協同的操作——包裹稱重貼面單、翻面供包、補貨上架、揀貨下架、裝箱打包——幾乎都解決不好。

「用上一代技術，只能解決百分之二三十的問題，大把問題解決不了。」李強説。直到2025年，他才清晰地看到，過去10年一直想解決而解決不了的問題，今天用新技術終於有了解法。

這個「新技術」就是Physical AI。

李強對物流場景的理解，鮮有人能比肩。在執掌菜鳥技術期間，他負責的電子面單系統一度是中國物流的基礎設施——一旦出問題，整個中國快遞物流就會出大問題。這種對「規模化部署」的敬畏，以及對大型系統穩定底線的深刻認知，成爲了他創業的初衷。

截至目前，圍繞李強，昆騰動力已攢起了一支橫跨技術、產品、產業的頂配隊伍。其中，創始人李強歷任菜鳥集團CTO、阿里巴巴國際數字商業板塊CTO，統管過分佈在全球的數千人研發團隊；曾兼任菜鳥無人車總經理，技術研發與業務拓展一肩挑，是自動駕駛技術落地與商業化的雙一號位。

昆騰動力CTO，曾是行業頭部自動駕駛公司的在線算法負責人，深耕自動駕駛全棧技術；首席科學家則是國內名校博士，擁有北美名校和知名具身智能實驗室訪問學者和博士后背景。

還有某上市公司人形機器人事業部的技術帶頭人，作為硬件負責人，而其本碩博一路深耕機械臂與靈巧手領域；再者，商業化負責人畢業於馬里蘭大學物理系，曾在高盛、亞馬遜、Meta擔任算法專家，擁有10年物流調度系統創業經驗，手握中國聯想、韓國樂天等成熟海內外客户和夥伴資源。

這種跨背景人才團隊的深度融合，讓昆騰動力從一開始就跳出了單一技術點突破的侷限。在他們看來，物理AI的落地不是單一技術點的突破，而是一套系統能力的比拼——從上層調度系統到模型訓練，從數據飛輪到端側部署，缺一不可。

具身原生世界模型+數據飛輪，卡位Physical AI「群體智能」

那麼，具體到物流場景中，想要解決最難問題的昆騰動力，究竟要怎麼做？簡單來説，就是一套從機器人本體、到具身原生世界模型、再到艦隊調度系統的全棧方案。

一般而言，行業里做VLA的大多隻有「大腦」缺乏「手腳」，做具身的大多隻秀單點能力。但昆騰動力的差異在於，從一開始就瞄準「系統」。

首先是世界模型的技術路線。交流過程中，李強表示，團隊將從0開始，推倒重來，直指具身原生世界模型，而非在視頻生成模型上修修補補。這套模型融合視覺、觸覺、力反饋等多種模態，將同時兼具WorldModel（預測世界演化）、World Action Model（輸出動作）和World Value Model（評估狀態價值）三重能力。

其次是數據飛輪的先發優勢。李強團隊在菜鳥時期，就運營過中國最早達到千台規模的L4無人車隊，建立了完整的自動化數據採集、標註、訓練、評測體系。在Physical AI時代，規模化部署到真實物理世界的機器人產生的真機交互數據，毫無疑問將是價值最高、壁壘最厚的一塊數據資產。

「在PhysicalAI時代，數據的貢獻佔比將超過50%，甚至比大語言模型時代更高。」李強判斷，但高質量的真機操作數據，從來不是花錢就能買到的公開資源——只有把機器人真正部署到物理世界，讓它在一線干活、犯錯、被糾正，才能產生符合真實分佈的高價值數據。

最后則是上層的艦隊調度系統。在李強的規劃中，昆騰動力交付的從來就不是一臺孤立的機器人，而是一個有機的機器人艦隊——任務怎麼分配、機器人和機器人怎麼協作、一臺機器人學會后如何讓艦隊共享能力，都是這套系統的題中之義。

這一全棧方案的核心邏輯在於：Physical AI的規模化部署，真正的瓶頸不是單機智能，而是群體智能。按李強的話説，一臺機器人能在倉庫里完成揀貨並不稀奇，稀奇的是當一百台、一千臺機器人同時在同一個倉庫里作業。

從國內到海外，物理AI的「GPT時刻」還有多遠？

當然，作為從大廠出來創業的CTO，李強不只有技術上的理論，在商業化路徑上，昆騰動力更有清晰的打法。這或許也是在種子輪階段，昆騰動力就獲得Minimax天使投資人云啟資本，以及「AI四小龍」之一的商湯科技加持的重要原因。

在場景選擇上，昆騰動力遵循一條從「封閉」到「開放」的演進路徑。即先從B2C物流的倉庫和分撥中心起步，再走向半開放的網點和門店，最終進入全開放的末端配送。值得一提的是，過程中，昆騰動力也並不追求一個通用機器人「打遍天下」的「萬能解法」，而是讓每個場景採用同一平臺、不同配置的機器人，因為讓合適的機器人做合適的事，纔是最好的策略。

在客户拓展上，昆騰動力的佈局橫跨國內外。據李強透露，目前，公司已與多家物流頭部企業接洽，其中一家就包括國內頭部綜合物流企業，昆騰動力即將與他們簽署戰略合作，業務覆蓋其全國多個核心倉的揀貨試點；同時，全球最大的保健品電商平臺也確定在其海外倉庫採用昆騰動力的揀貨方案，首批項目計劃在年內啟動部署。

至於海外市場的拓展節奏，昆騰動力也有自己的節奏——日韓優先，歐美依次。之所以有這樣的優先級，核心在於：勞動力短缺的緊迫程度，決定了市場需求的強弱；再加上日韓距離中國相對較近；此外，數據合規的可控性，也決定了落地速度的快慢程度。

從國內到海外，從生態合作伙伴到外部客户，昆騰動力在商業化的落地上，儼然已走出了一條更加務實的路——即從一開始，就面向真實需求和真實場景。

面向未來，李強表示，2026年底前，團隊希望至少有1-2個場景達到PMF水平；2027年，目標讓超過1000臺機器人每天在物理世界中真實工作。

回望互聯網時代，海量文本數據催生了ChatGPT。如今走進Physical AI時代，人類需要海量貼合真實物理規律的物理數據，才能讓機器人、智能製造真正落地。對此，李強認為，生成式PhysicalAI的GPT時刻，或許比大多數人預想的更近。

而昆騰動力要做的，是在物流這個最真實的訓練場里，把每一次非標場景中的抓取、每一次失敗、每一次恢復，都轉化為驅動AI進化的數據養料，成為那個把具身智能GPT時刻拉近一步的人。

本文來自微信公眾號「投中網」，作者：陳美，36氪經授權發佈。