PHYMI推出行动伙伴Sagi：四轮足人形上身，不建图不改场地
具身智能终于开始接过日常的活，把更多时间还给人。
博尔赫斯有个有名的寓言：帝国的制图师画出一张和领土一样大的地图，每一寸土地、每一条河流都不差。后人发现这图根本没用，扔在荒野里烂掉了。真在一个地方走路的人，凭的从来不是一比一的图纸，而是脚底的感觉、眼睛的判断，以及走错了再调整的本事。
具身智能行业眼下正在演这则寓言。过去两年，人形机器人学会了跳舞、翻跟头、弹钢琴。可有个尴尬的事实：这些编排好的动作，多是提前一遍遍排练出来的，而且发生在受控的封闭环境里。换到现实社会的开放环境，这些机器人该怎么办，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。融资消息公布才一个月，首款行动伙伴就推出来了。
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。这台机器人四轮足、人形上身，背上驮着小型货箱，英文名取自人马座。它的身体辨识度很高，没去追求像人，而是围绕长程移动、操作与承载一起设计；「行动伙伴」这个词则界定了它和人的关系：理解人的目标，能独立担当，也能相互协作。
但它有一项极其实用、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，把跨场景移动和物品操作串起来，碰到需要判断或帮忙的情况，再通过 LINK 与人协作，一路把任务推下去，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，经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，还是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，挑的是一条看着朴实、其实难得多的路。在刘念邱看来，「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 关键是要替用户着想：先弄明白对方在想什么，再把目标拆开，依靠长程移动、操作和交互，在物理世界里真正把事办成。「即便人不在现场，也能把目标交到它手上，让它自己去推进；碰上信息不够或者需要拿主意的时候，人还可以借助 LINK 帮一把，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——接的是那些需要人亲自到场、跨不同地点连续执行的事务，把人的行动能力往外扩。这种定位差异，说到底是一场关于「人与机器关系」的重新倒置。
传统服务机器人的逻辑，本质是改造环境去适应机器人：要进写字楼，先铺专用的磁条引导线、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把几千平米的物理空间毫厘不差地建好图。人类世界得为机器人做出改造。
费莫一的思路正相反——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。「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。」
刘念邱说，Sagi 的设计初心就是直接丢进这种没经过改造的真实环境。Sagi 没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，而是先把开放动态场景里的长程移动与操作能力建起来。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，可实际上这是 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。可以说，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理解环境、围着用户目标自主行动，而不是在排练好的舞台上表演。
刘念邱说，长程移动算是费莫一的差异化本事之一。「机器人得能自己走到用户要它去的地方，才可能碰到更多场景、揽下更多活儿。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，跨场景走动时开门、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、步骤数量以及碰到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。
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 的表现相当从容。
社区快递站中，它在塞满纸箱的窄道里穿行，找到目标包裹后用上身双臂抱起来放进背箱，再自己坐电梯送到住户门口：
办公园区里，它收到指令就能穿过大堂、搭电梯、跨楼宇，把物品递到人手上：
公园露营那边，草地坑洼不平，折叠椅也摆得随意，它照样走得稳，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，靠的是费莫一拿出的看家本事——开箱即用，不用部署。
传统服务机器人进场前，建图、调试、改环境，往往要折腾整整一周。据费莫一介绍，在目前支持的环境和任务范围内，Sagi 第一次到陌生地方，不用工程师提前来「扫描打点」。它一启动就在干活的过程中边走边摸索、找路，慢慢把路线记下来——好比新来的实习生，头一回去茶水间可能要看两眼路标，走一趟之后就自然认路了。
敢这么「无图运行」，根子在团队的技术基因。
刘念邱是元戎启行前技术合伙人，也是国内最早攻「无图智驾」的开拓者之一。团队在自动驾驶上攒下的经验，给这条路线打了底。能搬到具身智能这边用的，包括少依赖先验、靠实时感知理解环境、用数据闭环持续迭代这些方法，还有复杂软硬件协同和工程部署的经验。
自动驾驶的「无图」，解决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，两者指向同一个思路：让 AI 像人一样凭实时感知去适应陌生环境，而不是先把整个世界画下来存着。
要让机器人在开放环境里干长程的活，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）。
这套结构各自管什么、背后怎么想的，下面拆开看：
1.大脑：认知、行为、接触
行业里普遍走单一端到端大模型或简单级联方案，Sagi 不一样。它搭载的 PHYMI BRAIN 1.0 用「异步分频多模态架构」，把机器人的思考和反应分成三个空间：
- 认知空间：管「大局观」。理解人的意图，把长程任务拆开，记住任务上下文，路上遇到突发阻碍能重新规划路线。
- 行为空间：管「眼手腿协同」。结合现场实时观测和物理预测，判断并生成下一步具体怎么动。
- 接触空间：管「拿捏分寸」。以很高的频率处理力触觉反馈，开门、拿易碎物品时能实时修正力道，交互安全又柔顺。
2.身体：实用主义的人马构型
躯体形态上，费莫一先用上了「四轮足 + 人形上身 + 随行背箱」的人马形态。
为什么选这种形态？
刘念邱向极客公园解释，腿是为了通过性。四足提供稳定和承载的基础，轮式移动兼顾长距离行进的效率。人形上身和双臂，是想跟人的操作方式对齐，适应人平时放东西、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。
双足方案并没有被团队丢掉，刘念邱说。「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，他们不追求「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，眼下先要把第一个真实场景服务好，把长程移动与操作的协同验证清楚，随后依靠持续使用、数据反馈和模型迭代，让任务与场景的覆盖范围一点点扩开。
3.数据：经验如何变成能力
要让机器人的“大脑”学会在真实世界里干活，数据是绕不开的核心。可眼下开源的数据集，多半只覆盖桌子跟前的近距离抓取。刘念邱说，一些现成的采集方案更偏向近距离操作，对远处细节和完整任务信息的需求未必能同时满足，于是团队按自己的任务要求，自研了采集设备。
费莫一自研的这套 360° 采集头环，把广角与长焦镜头装在一起，人在复杂移动操作时，周边全局与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，再回到任务执行与反馈回流——一条高效的进化飞轮就这样被打通了。
4.链接：人机协作的「伙伴」哲学
PHYMI LINK 是连接人与 Physical Agent 的实时交互系统，也是区域服务的调度中心。用户通过它交付目标、提供授权、了解进展，必要时补充信息或调整任务；同一区域里多个用户提需求时，LINK 能统筹调度多台机器人。在所有技术模块中，LINK 或许最能体现“伙伴”二字的含义。
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。
“机器人替人把事办掉，反过来人也能在需要的时候推机器人一把。”刘念邱说，“我们想看到的协作，是用户能一直从中得到实惠，Physical Agent 也能在实际使用里攒下经验、把本事练出来。”
任务怎么排，同样体现双向配合。用户能临时加活，系统会看当前做到哪一步、有什么限制、能力够不够，再改后面的安排。同一个区域里好几个人提需求时，LINK 能把多台机器人统一调起来，既让已经开工的任务做完，也接得住新来的需求。
“不同人的需求得排出先后。机器人已经在替某个人干活，别人新提的需求不能想插就插。”刘念邱说，“新需求进到 LINK 以后，交给调度中心统一安排，可以调区域内别的机器人来接，也可以排到后面再做。”
这个例子看似简单，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。
所以费莫一的产品节奏也不难理解：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。
刘念邱在访谈里讲过，2024 年前后起来的那批机器人创业，时候还没到——机器人专用的关节电机和减速机供应链不成熟，AI 范式没定下来，数据闭环也没跑通。他的判断是，产品能不能一直往前走，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：本体供应链成熟了，AI 基础设施充裕了，智驾行业也完整跑通了大规模数据闭环。
这个时间点，恰好也是整个行业的分水岭。
2026 年上半年，国内人形机器人出货已经突破 4 万台，占全球 97%，市场盘子扩得很快；另一头，演出租赁那边的泡沫在退，行业里“能真干活”的呼声越来越急。
用户不在乎你的神经网络有多少亿参数，也不在乎你的算法套了多少复杂的控制理论；他们只问一句：下楼取快递，今天它能不能替我跑这一趟。
Sagi 就是冲着行业眼下这股急劲来的。机器人未必只能去弹钢琴、绣花，它完全可以只做一个帮你打理日常零碎事的行动伙伴。
Physical Agent 最打动人的地方大概也在这儿。它没打算摆出高高在上的技术架子去震住谁，而是把最前沿的东西藏进一个又一个小生活场景里。
AI 的技术浪潮是铺天盖地，可眼下，没法指望每个 Agent 都长着超人的脑子和身子。能有个不声不响、开箱就用、随时等着帮你干活的“行动伙伴”，已经算不错了。
