今日，投中网独家获悉，前菜鸟CTO李强正式下场，创办了杭州昆腾动力智能有限公司。目前，该公司已完成超亿元种子轮融资，投资方包括云启资本、商汤科技等头部基金以及顶尖产业资本。

在此之前，李强所处的物流行业，正面临一个断层的尴尬：一边是招工难、用工成本持续攀升的残酷现实，另一边是上一代自动化技术面对手眼协同、柔性操作时始终跨不过去的门槛。由此，这支由阿里系走出的团队浮出水面。

值得一提的是，此前联合国曾对李强的技术有过报道，此次创业也相当于是李强的再出发。

近日，对于这位新下场的创始人，投中网也与其进行了一次交流。在交流中，李强表示，昆腾动力的定位是Physical AI系统公司，即从物流场景中最难啃的“手眼协同”操作切入，通过自研具身原生世界大模型，将目标直指分拣场景中“机器换人”效率不高的最根本痛点，力图通过破解非结构化环境下的柔性操作难题，建立起规模化部署的机器人舰队。

“谁率先能在真实物理世界中，完成数据飞轮的闭环，谁就握住了Physical AI时代的入场券。”李强在交流中谈到，这使得在物流场景中，PMF（产品-市场匹配）验证的窗口期悄然已至。

前菜鸟CTO创业，瞄准物流“手眼协同”真空地带

2026年初，在菜鸟深耕10余年的李强，做了一个让行业意想不到的决定：出来创业。

从2015年加入菜鸟，到2016年开始探索仓储自动化，李强表示，他亲历了上一代技术从0到1的全过程。但做了近10年，这位CTO发现一个残酷的事实：老技术只能解决标准容器、标准箱子的存储和搬运，但凡涉及手眼协同的操作——包裹称重贴面单、翻面供包、补货上架、拣货下架、装箱打包——几乎都解决不好。

“用上一代技术，只能解决百分之二三十的问题，大把问题解决不了。”李强说。直到2025年，他才清晰地看到，过去10年一直想解决而解决不了的问题，今天用新技术终于有了解法。

这个“新技术”就是Physical AI。

李强对物流场景的理解，鲜有人能比肩。在执掌菜鸟技术期间，他负责的电子面单系统一度是中国物流的基础设施——一旦出问题，整个中国快递物流就会出大问题。这种对“规模化部署”的敬畏，以及对大型系统稳定底线的深刻认知，成为了他创业的初衷。

截至目前，围绕李强，昆腾动力已攒起了一支横跨技术、产品、产业的顶配队伍。其中，创始人李强历任菜鸟集团CTO、阿里巴巴国际数字商业板块CTO，统管过分布在全球的数千人研发团队；曾兼任菜鸟无人车总经理，技术研发与业务拓展一肩挑，是自动驾驶技术落地与商业化的双一号位。

昆腾动力CTO，曾是行业头部自动驾驶公司的在线算法负责人，深耕自动驾驶全栈技术；首席科学家则是国内名校博士，拥有北美名校和知名具身智能实验室访问学者和博士后背景。

还有某上市公司人形机器人事业部的技术带头人，作为硬件负责人，而其本硕博一路深耕机械臂与灵巧手领域；再者，商业化负责人毕业于马里兰大学物理系，曾在高盛、亚马逊、Meta担任算法专家，拥有10年物流调度系统创业经验，手握中国联想、韩国乐天等成熟海内外客户和伙伴资源。

这种跨背景人才团队的深度融合，让昆腾动力从一开始就跳出了单一技术点突破的局限。在他们看来，物理AI的落地不是单一技术点的突破，而是一套系统能力的比拼——从上层调度系统到模型训练，从数据飞轮到端侧部署，缺一不可。

具身原生世界模型+数据飞轮，卡位Physical AI“群体智能”

那么，具体到物流场景中，想要解决最难问题的昆腾动力，究竟要怎么做？简单来说，就是一套从机器人本体、到具身原生世界模型、再到舰队调度系统的全栈方案。

一般而言，行业里做VLA的大多只有“大脑”缺乏“手脚”，做具身的大多只秀单点能力。但昆腾动力的差异在于，从一开始就瞄准“系统”。

首先是世界模型的技术路线。交流过程中，李强表示，团队将从0开始，推倒重来，直指具身原生世界模型，而非在视频生成模型上修修补补。这套模型融合视觉、触觉、力反馈等多种模态，将同时兼具WorldModel（预测世界演化）、World Action Model（输出动作）和World Value Model（评估状态价值）三重能力。

其次是数据飞轮的先发优势。李强团队在菜鸟时期，就运营过中国最早达到千台规模的L4无人车队，建立了完整的自动化数据采集、标注、训练、评测体系。在Physical AI时代，规模化部署到真实物理世界的机器人产生的真机交互数据，毫无疑问将是价值最高、壁垒最厚的一块数据资产。

“在PhysicalAI时代，数据的贡献占比将超过50%，甚至比大语言模型时代更高。”李强判断，但高质量的真机操作数据，从来不是花钱就能买到的公开资源——只有把机器人真正部署到物理世界，让它在一线干活、犯错、被纠正，才能产生符合真实分布的高价值数据。

最后则是上层的舰队调度系统。在李强的规划中，昆腾动力交付的从来就不是一台孤立的机器人，而是一个有机的机器人舰队——任务怎么分配、机器人和机器人怎么协作、一台机器人学会后如何让舰队共享能力，都是这套系统的题中之义。

这一全栈方案的核心逻辑在于：Physical AI的规模化部署，真正的瓶颈不是单机智能，而是群体智能。按李强的话说，一台机器人能在仓库里完成拣货并不稀奇，稀奇的是当一百台、一千台机器人同时在同一个仓库里作业。

从国内到海外，物理AI的“GPT时刻”还有多远？

当然，作为从大厂出来创业的CTO，李强不只有技术上的理论，在商业化路径上，昆腾动力更有清晰的打法。这或许也是在种子轮阶段，昆腾动力就获得Minimax天使投资人云启资本，以及“AI四小龙”之一的商汤科技加持的重要原因。

在场景选择上，昆腾动力遵循一条从“封闭”到“开放”的演进路径。即先从B2C物流的仓库和分拨中心起步，再走向半开放的网点和门店，最终进入全开放的末端配送。值得一提的是，过程中，昆腾动力也并不追求一个通用机器人“打遍天下”的“万能解法”，而是让每个场景采用同一平台、不同配置的机器人，因为让合适的机器人做合适的事，才是最好的策略。

在客户拓展上，昆腾动力的布局横跨国内外。据李强透露，目前，公司已与多家物流头部企业接洽，其中一家就包括国内头部综合物流企业，昆腾动力即将与他们签署战略合作，业务覆盖其全国多个核心仓的拣货试点；同时，全球最大的保健品电商平台也确定在其海外仓库采用昆腾动力的拣货方案，首批项目计划在年内启动部署。

至于海外市场的拓展节奏，昆腾动力也有自己的节奏——日韩优先，欧美依次。之所以有这样的优先级，核心在于：劳动力短缺的紧迫程度，决定了市场需求的强弱；再加上日韩距离中国相对较近；此外，数据合规的可控性，也决定了落地速度的快慢程度。

从国内到海外，从生态合作伙伴到外部客户，昆腾动力在商业化的落地上，俨然已走出了一条更加务实的路——即从一开始，就面向真实需求和真实场景。

面向未来，李强表示，2026年底前，团队希望至少有1-2个场景达到PMF水平；2027年，目标让超过1000台机器人每天在物理世界中真实工作。

回望互联网时代，海量文本数据催生了ChatGPT。如今走进Physical AI时代，人类需要海量贴合真实物理规律的物理数据，才能让机器人、智能制造真正落地。对此，李强认为，生成式PhysicalAI的GPT时刻，或许比大多数人预想的更近。

而昆腾动力要做的，是在物流这个最真实的训练场里，把每一次非标场景中的抓取、每一次失败、每一次恢复，都转化为驱动AI进化的数据养料，成为那个把具身智能GPT时刻拉近一步的人。