费莫一PHYMI推行动伙伴Sagi：四轮足机器人不建图直接进真实场景
作者｜苏子华编辑｜郑玄 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。具身智能行...
博尔赫斯有一则很有名的寓言：帝国里的制图师画出一张跟疆域一样大的地图，精确到每寸土地、每条河流。后人发现这图毫无用处，就把它丢在荒野里烂掉。
真正在一个地方走路的人，靠的从来不是一比一的图纸。脚底的感觉、眼睛的判断，走错了再调整，这些才管用。
具身智能行业眼下就在上演这则寓言的现实版。
过去两年，人形机器人学会了跳舞、翻跟头、弹钢琴。可有个事实有点尴尬：这些编排好的动作，大多经过提前反复排练，而且发生在受控的封闭环境里。换到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）想回答这个问题。公司成立初期就完成了近亿美元种子轮融资，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。融资消息公布仅一个月后，首款行动伙伴就亮相了。
行动伙伴 Sagi｜图片来源：PHYMI
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。这台机器人是四轮足、人形上身，背上驮着一个小货箱，英文名取自人马座。它的身体辨识度很高，但没往像人的方向追，而是围绕长程移动、操作与承载一起做设计；「行动伙伴」四个字则定义了它和人的关系：理解人的目标，能独立担当，也能相互协作。
它有一项极其实用、当下行业里又极为罕见的能力：接到一个目标，就在开放、动态、真实的场景里，把跨场景移动与物品操作串起来；碰到需要判断或帮助的情况，再通过 LINK 与人协作，把任务持续推进下去，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，亲历过高阶自动驾驶从 L4 研发运营走向规模化量产的关键阶段，参与过无图智驾方案落地，也参与过技术体系向端到端模型、VLA 大模型的演进。再往前，他是英特尔的高级工程师，还做过智能硬件的连续创业者。
2026 年，具身智能赛道越来越挤。PHYMI 没去追酷炫 demo，而是选了一条看着朴实、实际难得多的路。刘念邱的看法是：「开放场景才是真正的考场。」
为什么是「行动伙伴」？
费莫一的第一款产品，绕开了行业里最普遍的叙事。
刘念邱告诉极客公园，他更愿意用「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。」
按照他的说法，Physical Agent 最关键的一点是替用户着想：先弄明白对方在想什么，把目标拆开，再依靠长程移动、操作和交互，在物理世界里把事办成。「哪怕人不在旁边，也能把目标交给它，让它自己往下推；一旦信息不够或者需要拿主意，人还可以通过 LINK 搭把手，一起把任务完成。」
「行动伙伴」干的不是人做不了的事，而是人不想干的事——承接那些需要人亲自到场、跨越不同地点并连续执行的事务，把人的行动能力往外扩。这种定位差异背后，本质上是「人与机器关系」的一次重新倒置。
传统服务机器人的逻辑，说到底就是改造环境去适应机器人：要进写字楼，先得铺专用磁条引导线、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把几千平米空间毫厘不差地建好图。人类世界必须为机器人做改造。
费莫一的思路正好反过来——该让 Physical Agent 去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、乱糟糟的，还到处是意外。前台的箱子可能被临时挪走，走廊里随时有人穿过，办公室的门可能半掩着。刘念邱说：「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。它没有一上来就挑战人类手部极限的精细活，拧螺丝、缝合伤口、弹钢琴这些都不在优先序列里，而是先建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；关键在于机器人怎么把多个地点、动作与反馈连成一个完整过程。
看着不够科幻，可这其实是 Day 1 就选了一条极难、直接闯「深水区」的路线：开放动态场景中的长程移动与操作。
开放场景才是真正的考场——空间没法提前穷举，物品和人的需求随时在变，机器人必须靠实时感知去理解环境、围绕用户目标自主行动，而不是在排练好的舞台上表演。
在刘念邱的解释里，长程移动属于费莫一的差异化本事。「机器人得能自己走到用户要它去的位置，才谈得上接触更多场景、扛起更多活儿。另外，移动和操作这两样都不能少：到了地方要跟物品打交道，跨场景跑动时开门、乘梯这些环节，也可能得靠两者配合。」
这种「长程」，不只是物理空间上数百米的跨越，更是任务持续时间、步骤数量，以及遇到突发状况时连续决策的跨度。这正是「行动伙伴」代表的技术含金量。
开箱即用：不建图、不改场地，拉过来就干活
费莫一放出的真实场景 Demo 里，Sagi 动作相当从容。
社区快递站里，它从堆满纸箱的窄道中穿过，认出目标包裹，用上身双臂抱起塞进背箱，再自己坐电梯送到住户门口：
办公园区那边，接到指令后它能一路穿大堂、进电梯、跨楼宇，把物品递到人手上：
公园露营的场景更折腾，草地坑洼不平，折叠椅随处乱摆，它照样稳稳行驶，驮着物资跟在人身边，临时冒出的新需求也能随时接：
这些场景能跑得顺，靠的是费莫一押注的那一手——开箱即用，免部署。
换传统服务机器人，进场前建图、调试、改环境，折腾一整周是常事。据其介绍，在目前支持的环境和任务范围内，Sagi 第一次进陌生环境，不用工程人员提前「扫描打点」。机器一启动，它就在执行任务的过程中边走边探路，路径记忆也随之逐步攒起来——有点像刚到岗的实习生，头一回去茶水间还得看两眼路标，走上一趟就记住了。
敢这么「无图运行」，底气来自团队骨子里的技术基因。
刘念邱是元戎启行前技术合伙人，也是国内最早把「无图智驾」做出来的开拓者之一。自动驾驶那几年攒下的经验，给这条路线打了底。能搬到具身智能上的东西不少：降低对先验的依赖、靠实时感知去理解环境、用数据闭环持续迭代，还有复杂软硬件协同和工程部署的实战积累。
自动驾驶的「无图」，管的是车在马路上怎么开；具身智能的「无图」，面对的是更复杂的三维物理世界。说到底，两者指向同一种思路：让 AI 像人一样凭实时感知去适应陌生环境，而不是把世界提前全画下来。
要在开放环境里撑起长程能力，费莫一搭了一套四层技术支柱：大脑（BRAIN）、身体（BODY）、数据（DATA）、链接（LINK）。
这套结构怎么分工、背后怎么想，拆开来看：
1.大脑：认知、行为、接触
行业里普遍走单一端到端大模型，或者做简单级联，Sagi 搭载的 PHYMI BRAIN 1.0 没走这条路，用的是「异步分频多模态架构」，把机器人的思考与反应切成三个空间：
- 认知空间：管「大局观」。理解人的意图，拆解长程任务，保住任务上下文，碰上突发阻碍就重新规划路线。
- 行为空间：管「眼手腿协同」。结合现场实时观测和物理预测，评估并生成下一步的具体动作策略。
- 接触空间：管「拿捏分寸」。以极高频率处理力触觉反馈，开门、拿易碎物品时能实时修正力道，做到安全的柔顺交互。
2.身体：实用主义的人马构型
躯体形态上，费莫一先用了「四轮足 + 人形上身 + 随行背箱」的人马形态。
为什么选这种形态？
刘念邱对极客公园解释，腿部解决的是通过性。四足提供稳定和承载的基础，轮式移动兼顾长程行进效率。人形上身和双臂，是想和人的操作方式对齐，适配人日常放东西、干活的环境。背箱负责随行载物，运输途中不必一直占着双臂。
「背箱本质上是一种任务容器，可以根据不同需求调整配置。」刘念邱说。
他透露，双足这条线团队也没放下。「双足体积更小，有机会进入更多空间；四轮足在稳定、承载等方面也有自身价值。我们认为多种形态会长期并存，人马形态本身也有长期需求。」
产品边界上，他们没打算做「万能」，而是先在一个场景里把一件事做到真正可用。
刘念邱表示，眼下要做的，是先把第一个真实场景服务到位，把长程移动和操作之间的协同验证清楚；之后再靠持续使用、数据反馈和模型迭代，一点点扩大任务和场景的覆盖范围。
3.数据：经验怎么沉淀为能力
要让“大脑”学会在真实世界里干活，数据是绕不开的一环。问题是，现有开源数据集基本都卡在桌面附近的近距离抓取上。刘念邱的说法是，一些现成采集方案更偏向近距离操作，对远处细节和完整任务信息未必能同时兼顾，于是团队按自己的任务要求，自研了采集设备。
费莫一这套自研的360°采集头环，把广角与长焦镜头装在一起，人在复杂移动操作过程中，周边全局视角和细节视角可以同步记录下来。
真实场景采集、数据对齐与筛选、模型训练与评估、更新验证，再回到任务执行、反馈回流——一条进化飞轮就这样被彻底打通。
4.链接：人机协作里的“伙伴”哲学
PHYMI LINK 是一套连接人与 Physical Agent 的实时交互系统，同时充当区域服务的调度中心。用户借它交付目标、给出授权、了解进展，必要时补充信息或调整任务；同一区域内多个用户提出需求时，LINK 能统筹调度多台机器人。在所有技术模块中，最能体现“伙伴”一词含义的，可能就是 LINK。
可以通过手机语音下达新的指令或沟通｜图片来源：PHYMI
刘念邱举了个例子：你让 Sagi 去买可乐，它到了现场发现没有可乐，就能通过 LINK 请求帮助。你通过 LINK 看到它当前看到的画面，查看其他饮料，确认换成哪一种并完成付款，它再按更新后的需求继续执行。
“机器人替人干活，人到了需要的时候也能帮机器人把任务往前推。”刘念邱说，“我们想让这种配合让用户一直觉得有用，也让 Physical Agent 在真实场景里攒经验、长本事。”
任务调度同样体现双向配合。用户能中途加任务，系统会看当前进度、任务约束和能力范围，重新排后面的计划。同一个区域里有多个人提需求，LINK 能把多台机器人统起来调度，既让已经开工的任务做完，也让新需求有人接。
“不同用户的需求得有个先后。机器人已经在替一个人干活，别人新提的需求不能随便把它打断。”刘念邱说，“新需求进了 LINK，就由调度中心统一安排，可以叫区域内别的机器人来接，也可以排到后面再做。”
例子看着简单，却道出了一个重要的产品哲学：机器人不是孤立的工具，而是嵌在人机协作网络里的节点。它既需要自主性，也需要在关键时刻接受人的帮助和判断。
这样一来，费莫一的产品节奏也就不难理解：先让机器人“到达”，再谈“操作”。长程移动与操作要协同起来，机器人得自己到达现场、完成交互，再根据反馈继续行动，才能承接更多真实任务；用得越多、数据越多，能力再一点点长。
Physical Agent：从“伙伴”开始，重新定义落地的节奏
费莫一选在 2026 年下场，这个时间点挺有意思。
刘念邱此前在访谈中提过，2024 年前后兴起的那波机器人创业潮，时候还不到——机器人专用的关节电机、减速机供应链都不成熟，AI 范式没收敛，数据闭环也没跑通。他的判断是，产品能不断进化，关键在“大脑”这一层能力。
到 2026 年，他判断的三个条件同时到位：
这个时间点，恰好也是整个行业的分水岭。
2026 年上半年，中国人形机器人出货量超过 4 万台，占全球 97%，市场规模扩得很快；可另一边，演出租赁市场的泡沫在消退，行业越来越急着要“能落地干活”的东西。
神经网络有多少亿参数，算法用了多复杂的控制理论，用户并不在意；他们在意的只有一件事：下楼拿快递，今天这东西能不能替自己跑一趟。
行业当下的焦虑，正好由 Sagi 来回应。机器人未必只能走弹钢琴、绣花这类路子，它也可以就是个帮你把日常零碎小事办掉的行动伙伴。
Physical Agent 最打动人的地方，或许就在这里。它没打算拿高不可攀的技术姿态去震住人，而是把最先进的技术藏进一个又一个细小的生活场景里。
人工智能的技术浪潮虽然席卷全球，可真要每个 Agent 都有超人般的头脑和躯干，眼下很难做到。能有这么一个不声不响、开箱即用、随时等着帮你干活的“行动伙伴”，其实已经够好了。
