【AI前沿】前美团外卖技术负责人创业，做具身智能时代的“餐饮世界模型”

前美团外卖技术负责人创业，做具身智能时代的“餐饮世界模型”乔钰杰·2026年06月02日 09:57从“外卖打包与接驳”切入具身智能的落地，正在从实验室走向最真实、最繁忙的物理世界。而元节智能（AtomBite.AI）选择了一个看起来并不性感、但足够真实的场景：餐饮后厨。36氪获悉，具身智能公司元节智能近日完成千万级种子轮融资，由英诺科创基金领投，水木清华校友种子基金、知名投资人个人跟投。资金将主要用于餐饮场景具身世界模型研发及核心产品落地。元节核心团队在成立公司前有过较长时期的探索和孵化，此次融资标志着项目初步验证可行性，并已拿到国内外多家头部公司的产品合作部署意向。元节智能的创始团队带有鲜明的“美团基因”。创始人兼CEO王栋博士曾任美团外卖事业部技术负责人，管理千人产研团队，主导构建支撑日均数千万订单的外卖算法、数据与系统架构；联合创始人李滔曾执掌美团外卖算法与数据体系，是少数真正跑通过“全链路数据算法驱动”的技术负责人；联合创始人李浩哲则是连续创业者，具备多年全球化商业落地经验。过去几年，餐饮数字化已经被SaaS、点餐小程序、配送调度系统改造了一轮又一轮，但当全球外卖订单持续攀升，一个长期被忽视的问题开始变得越来越突出：从商家出餐到骑手取餐之间，仍然存在大量高度依赖人工的物理操作环节。比如打包、封签、分拣、接驳、配送。这些流程看似琐碎，却直接影响整个履约效率。错单、漏单、撒漏带来的损耗，会同时传导至用户、商家、骑手与平台四端。与此同时，全球餐饮行业还普遍面临结构性用工问题：北美快餐行业时薪持续上涨，国内餐饮门店则长期存在招工难、流动率高的问题。离开美团之后，王栋曾在北美与新加坡进行了持续数月的市场考察，深入走访大量餐饮商家与外卖平台。他最终形成了一个明确判断：餐饮后厨，可能是具身智能最具确定性的商业落地方向之一。原因在于，这个场景同时具备几个关键特征。首先，它是全球共通需求。无论中国、北美还是东南亚，餐饮行业都面临人力成本上升与履约效率问题。其次，它的ROI足够清晰。只要能够降低错单率、减少人工、提升出餐效率，商家就愿意为此付费。更重要的是，相比家庭、养老等强调情感交互的场景，餐饮属于专业服务领域，决策链条更短，中小商家合作意愿更强。在接受36氪采访时，王栋表示，服务业本身占据全球GDP的巨大比例。如果能够在餐饮后厨这个高频场景中建立起真正可运行的具身方案，实现从模型到应用的系统性落地闭环，本身就价值巨大，并且也具备未来再向家庭厨房等更复杂的场景延伸的可能。（图源/企业）相比不少公司优先做“通用具身世界模型”，元节智能更倾向于从真实场景中持续学习以逐步建立模型能力。王栋表示，“移动能力（Locomotion）经过七八年发展，其实已经基本解决了。现在行业真正的焦点，开始转向精细操作。虽然灵巧手距离真正成熟还有距离，但二指、三指夹爪已经出现大量成熟的工程化方案，可以支撑部分标准化任务落地。”在这样的判断下，元节智能没有把重点放在重新发明机器人硬件，而是要做一套面向餐饮场景的“世界动作模型（World Action Model，WAM）”。在王栋看来，VLA（Vision-Language-Action）路线过度依赖语言模块进行高层规划，但对视觉表征不足，而真实世界里的动作控制，本质上并不依赖语言。“人类真正的动作控制路径，其实没有那么强依赖language。更核心的问题，是视觉理解、物理理解，以及动作如何与真实世界建立映射。”基于这一判断，元节智能在模型层面更强调探索融合视觉（Vision）与触觉（Touch）的“VT-WAM”（视觉-触觉世界动作模型）。王栋解释道：“视觉看得见物体，却看不见接触；触觉看不见全局，却看得见成败。视觉ground的是世界的几何侧面，触觉ground的是世界的物理侧面。VT-WAM再把这两类信息通过隐空间综合进一个能预判接触后果的‘世界-动作模型’。”世界模型不仅需要视觉感知能力，更重要的是理解真实物理世界中的规律与因果关系。他举例说，一个饮料杯是否装水、装得满不满、温度是冷是热，都会影响机器人抓取时的摩擦力、重心变化与操作稳定性。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，并在模型中嵌入对液体晃动、重心变化等物理属性的因果理解，让机器人的动作不只是基于数据拟合，而是真正符合现实世界的物理规律，从而提升抓取与操作的稳定性和精细度。从技术架构来看，元节的系统大致分为三层：最上层是具身世界模型，用于形成对后厨环境的认知，并完成决策与动作规划；中层是任务编排与调度引擎，将认知结果转化为具体执行计划，并统一调度不同设备；底层则是自研核心部件与通用硬件本体的融合，确保系统能够在真实后厨长期稳定运行。这套架构背后的核心逻辑是：不是先造一个通用机器人，再去寻找应用场景，而是在一个足够高频、足够痛的场景里持续收集真实交互数据，反过来喂养世界模型，让模型在物理世界中越来越“聪明”。餐饮后厨每天都在重复大量高频操作——打包、分拣、搬运、烹饪、接驳——这些动作天然能够形成海量、多样化的真实世界数据，而这类数据很难单纯依靠仿真环境生成。（图源/企业）具体落地路径上，元节智能目前选择从“外卖打包与接驳”切入。这是整个履约链路中出错率最高、标准化程度相对较高、同时又最容易量化价值的环节。“打包环节的任务范围清晰，场景可控，我们的路径是以商业价值为依据，先聚焦提升抓取精准度，做到可用可靠。”王栋表示，“站在商业视角，商家并不在意你的机器人像不像人，会不会跳舞，商家更在乎你到底能帮我干什么活。”目前，元节的方案是将高频、标准化动作交给端侧轻量化小模型执行，例如套餐装盒、封签等动作，以降低延迟与网络依赖；而云端大模型则主要用于处理异常情况，例如物料缺失、异物干扰等复杂场景，并通过KDS系统联动后厨人工补位。打包环节模型预计会在2026年内进入真实商家后厨进行规模化部署。在团队的设想中，未来模型能力会从打包这一单点环节切入，继续向更复杂的后厨操作延伸，包括分拣、配送接驳、烹饪协同，甚至逐步进入更广泛的服务业场景。本文由「乔钰杰」原创出品， 转载或内容合作请点击转载说明；违规转载必究。寻求报道本文图片来自：企业授权