美团外卖前负责人入局餐饮具身模型，元节智能获千万级种子轮融资

不造人形机器人，死磕餐饮后厨

具身智能初创公司「元节智能（AtomBite.AI）」已于近期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及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打磨落地。

同时，这家公司同步拿下了国内外多家头部公司的产品合作部署意向。

美团外卖前负责人创业成果

公司创始人王栋博士，是前美团外卖事业部技术负责人。他管过千人产研团队，主导构建了支撑日均数千万订单的外卖算法、数据与系统架构。

在美团期间，他就针对商家痛点研制了多款智能硬件产品并成功部署。

他的学术底子同样硬。师从清华大学张钹院士，博士期间主攻人工智能表示问题，AI与机器人领域顶会论文持续产出。

2011年，他搭出了全球首个商用视频人脸识别与跟踪系统；后来又做出业界领先的本地生活推荐系统和移动原生广告平台。

联合创始人李滔，也是美团老将，曾执掌美团外卖算法与数据体系。

另一位联合创始人李浩哲，是一名连续创业者，具备多年全球化商业落地经验。

其他核心团队成员，来自清华、中科大、美团、地平线等。

有知名投资人评价：

王栋博士绝对是最适合做商业场景具身应用的创始人——“技术深度+全球视野+一线体感”的结合，在目标赛道中几乎找不到第二个。

不造人形机器人，死磕餐饮后厨

2026年具身智能赛道火得一塌糊涂，通用人形机器人融资一轮接一轮。

但元节智能选了一条看起来“不那么性感”的路——餐饮后厨。

离开美团后，王栋深入走访大量餐饮商家，调研各方外卖平台，最后得出一个结论：餐饮后厨是具身智能最具确定性的商业落地方向。

原因也不复杂，这个方向需求全球共通、痛点足够尖锐、商业模型可验证。

具体来说——

全球外卖订单还在涨，但“从商家出餐到骑手交接”这个环节，至今仍是技术改造的薄弱地带。

高错单率、高撒漏率，用户端、商家端、骑手端、平台端四方都在为此买单。

另一边，全球餐饮业的用工困境已经是结构性的了。

王栋的判断很直接：

商家不在意你的机器人像不像人。商家在意的是：多少钱，能干什么活，帮我省了什么成本。
作为商业公司，我们当然关注通用模型的宏伟蓝图，但我们更关注的是如何到达数实融合的物理模型的可行路径。

具身世界模型：让机器人”先想再动”

那么，元节智能在做的“具身世界模型”到底是什么？

2026年初，具身智能领域正在经历一场范式转移。过去的机器人控制，本质上是“看到什么就做什么”——VLA（视觉语言动作模型）把当前画面和指令直接映射成动作，类似条件反射。

但问题在于，真实的后厨环境极其复杂，油烟、遮挡、多人协作、物品随机摆放……纯靠“条件反射”式的策略，泛化能力很差，稍微换个场景就容易出错。

世界动作模型（World Action Model，WAM）提供了一条不同的路：让机器人在动之前，先预演一遍未来会发生什么。

具体来说，WAM通过大规模视频数据训练，让模型学会预测“如果我做了这个动作，世界会变成什么样”。

图灵奖得主Yann LeCun说得很明确：只有具备了“预测未来”的能力，AI才能进行复杂的规划。

而元节智能要做的，正是把这套“先想再动”的能力，落到餐饮后厨这个具体场景里。

元节智能的具身世界模型，从第一天起就锚定真实商业环境：后厨的物理约束是什么？打包动作的容错边界在哪里？多设备协同调度的时序逻辑怎么建？

这些问题，纯靠仿真环境是答不出来的。

三层技术架构，从”能动”到”会想”

基于这套思路，元节智能的技术体系分三层：

上层是具身世界模型——让机器人对后厨物理环境形成完整认知，能预测动作后果，具备自主决策能力，核心是“理解一个场景”；
中层是任务编排与调度优化双引擎——把上层的认知决策翻译成精确的物理执行计划，同时统一调度多种后厨设备。
底层是自研核心部件与通用硬件本体的深度融合——确保在真实商业后厨里，系统能稳定完成各类复杂操作，满足精准性、长程性与泛化性的要求。

WAM的落地路径是：先从外卖打包与接驳切入，解决出错率最高的履约环节；再扩展到操控炒菜机、洗碗机等后厨存量设备；最终目标是构建数字孪生后厨操作系统，实现全局智能调度。

这套路径的核心逻辑是，从应用落地开始，借助实际场景逐步构建并验证符合物理规律的具身世界模型，让场景倒逼模型生长。

具身应用元年，从后厨开始

王栋博士说：

2026年是具身应用的元年。只有在真实环境中形成“数据-模型-硬件”的飞轮循环，具身智能才能从实验室走向产业。我们从第一天起，就在构建面向全球的产品与商业体系。

千万级种子轮，对于一家成立不到两个月的公司来说，只是起点。

*本文系量子位获授权刊载，观点仅为原作者所有

美团外卖前负责人入局餐饮具身模型，元节智能获千万级种子轮融资