机器人行业现在最不缺的,是会翻跟头、打拳的机器;最缺的,是能接下目标,把事情做成的产品。
一台机器人会抓起杯子,不代表它能去另一栋楼找到一份文件,再把文件送到指定的人手里。前者只是一个动作,后者却要把理解、移动、操作、运输和交接串成一件完整的事。
10月28日,刚刚完成近亿美元种子轮融资的费莫一科技(PHYMI),发布了首款Physical Agent产品Sagi,中文名叫“萨其玛”,将其定位为“行动伙伴”。

它有四个轮子、一个人形上半身、两条机械臂,身上还背着一个置物箱,看上去像一台古希腊神话里的“半人马”。
但这款产品真正值得关注的,不只是形态。
费莫一想改变的,是机器人创造价值的方式:过去,行业习惯用动作衡量机器人;萨其玛希望证明的是,这些动作能否被串联起来,最后把一件事情做完。
动作在展示能力,完整任务才是检验产品的价值。
- 机器人行业正在更换“能力单位”
过去几年,机器人最容易被看见的进步,几乎都发生在动作层面。
走路、跑跳、抓取、叠衣服、拧螺丝,一个个动作被不断攻克,难度也越来越高。
但问题是,用户真正需要的,从来不是一个孤立动作。
用户不会因为机械臂能拿起杯子就长期付费。用户愿意付费,是因为机器人能把饮料送到手边;不是因为机器人可以识别快递盒,而是因为它能找到快递、装进背箱、穿过社区,最后送到家门口。

动作只是过程,事情完成才是结果。
沿着费莫一的产品逻辑,可以用“动作—任务—目标”理解Physical Agent需要连接的不同层次。
动作通常发生在局部空间,边界明确;任务需要把多个动作连接起来;目标则要求机器人理解人想完成什么,并根据环境变化持续组织行动。
过去看一台机器人,大家问的是:它能不能走路,能不能抓东西,能不能打开一扇门。
按照费莫一的产品逻辑,问题会变成:它能不能把一件事接过去,在没有人逐步指挥的情况下,依然知道下一步该做什么。
费莫一创始人兼CEO刘念邱对我们说,用户最直接的感受,不是机器人能否完成某个动作,而是交付目标之后,它能否持续把事情向前推进;到了现场发现信息不足时,也要能够通过LINK向用户确认,再根据补充信息继续行动。
费莫一真正想跨越的,是从“展示一个动作”,到“承接一项事务”的距离。
2. 先定义工作,再定义身体
理解了费莫一对任务的定义,再看萨其玛的“半人马”形态,很多设计就不难理解了。
为什么不是行业更常见的双足人形?
因为如果目标是完成一项长程任务,身体首先要服务于工作,而不是服务于某种固定形态。
萨其玛的轮子提供长距离移动效率,腿部结构处理路缘、小台阶和不平整地面,多点支撑与姿态调整,为移动与操作提供稳定基础;人形上身和双臂适配桌面、货架以及为人设计的物品交接方式。
背后的置物箱负责承载。机械臂如果一路抱着物品,就很难继续开门、乘梯或完成后续操作。轮足负责移动,双臂负责操作,背箱负责承载,这是一套围绕任务链形成的身体分工。
刘念邱认为,萨其玛最初的构型选择,来自团队对真实场景、用户需求以及模型和数据逻辑的理解。它不仅要考虑通过性、稳定性和承载能力,还要兼顾可靠性、成本和长期使用,让产品“真正好用、用得起”。
所以,萨其玛没有把“像人”作为身体设计的第一原则。
费莫一更在意的是,它能不能进入人日常生活和工作的环境、完成用户交付的任务。

在刘念邱看来,多种机器人形态会长期并存。双足体积更小,有机会进入更多空间;四轮足则在稳定、承载和移动效率上有自己的价值。
“身体围绕产品需求定义,模型能力则沿着长期技术路线持续积累。”
这意味着费莫一没有把公司的长期价值押在某一种外形上。本体可以随任务改变,智能和数据能力则持续积累。
很多公司先造出一具身体,再寻找适合它的工作。
费莫一反过来:先定义工作,再定义身体。
3. 真正难的,是让任务不断线
有了合适的身体,也不意味着机器人就能把事情做完。
因为现实环境可能会被各种情况打扰。
文件可能被挪了位置,电梯门前可能突然排起队,办公区的通道可能临时封闭,用户也可能在任务执行到一半时改变要求。
机器人如果只会按照预设步骤运行,一次变化就可能让整项任务停下来。
所以,长程任务真正考验的,是机器人能否保持对目标的理解,在变化发生后重新组织行动。
萨其玛搭载的PHYMI BRAIN 1.0,把能力分为认知、行为和接触三个空间。
认知空间理解目标、保持任务上下文、组织长程任务;行为空间结合现场观测与物理交互预测,生成和评估行动策略,衔接移动与操作;;接触空间则处理抓取力度、物理反馈,判断物品是否真正被拿稳。
模型之外,费莫一还建立了PHYMI DATA数据体系,并自研一款360度数据采集头环,同时记录人在移动和操作过程中的环境信息与动作轨迹。真实任务中的执行结果和反馈,也会重新进入数据体系,用于训练、评估和能力更新。
连接任务与人的,则是PHYMI LINK。
它是实时交互系统,也是区域服务的调度中心。用户通过LINK交付目标、提供授权、了解进展,并在必要时补充信息或调整任务;区域内多个用户提出需求时,LINK可以统筹调度多台机器人。
刘念邱给我们举了一个很具体的例子。
你让萨其玛去买可乐,它到了现场,却发现可乐已经售罄。这时,它不是停在原地,也不是机械地宣布任务失败,而是通过LINK把现场情况反馈给用户。用户查看它看到的画面,确认替代商品并完成必要授权,机器人再根据新的要求继续行动。
这个例子看起来很小,却说明了“把事做成”真正难在哪里。
Physical Agent的智能,不只体现在它能独立完成多少动作,也体现在面对不确定性时,它有没有办法让任务继续。
刘念邱把自动驾驶经验的复用概括为“方法论和系统能力”:数据驱动的研发方式、复杂软硬件协同、数据闭环、工程可靠性,以及从技术验证走向实际使用的经验。
他从自动驾驶带到机器人行业的,是一套把开放世界智能做成可用产品的方法。
机器人行业从来不缺聪明的模型。
真正稀缺的,是把模型、本体、数据和场景接成闭环,再让这个闭环稳定运转。
4.“伙伴”不是称呼,而是一种责任分配
现在再看费莫一为什么把萨其玛定义为“行动伙伴”,就会发现,这不只是一个更亲切的品牌称呼。
一步步告诉它怎么做,和把目标交给它,是两种不同的使用体验。
使用传统工具时,人需要决定每一步做什么,工具只是放大人的能力。费莫一设想的Physical Agent,则是由人提出目标,机器人组织行动;遇到需要信息、判断和授权的地方,再与人协作。
人负责表达需要和作出必要决策,机器人负责跨越空间、操作物品、推进任务。
这其实是在重新划分人与机器之间的责任。
费莫一选择的,恰恰是那些人能够完成,却反复占用时间和注意力的事务。
刘念邱举了另一个例子。
如果一名员工只有20%的时间在跑腿,很难专门用一台机器人替代这个岗位。但如果一家企业有100名员工,每个人都要花一部分时间处理取送、搬运和临时跑腿,这些散落在不同岗位里的劳动,就可能被聚合成一项稳定服务。
行动伙伴的价值,以先体现在帮助不同的人承担实际工作,也可以先接住分散在许多人身上的零碎事务,让人把时间重新投入更重要的工作。
用户最终感受的,不是机器人拥有多少项能力,而是它替自己释放了多少时间和注意力。
对费莫一现阶段而言,最重要的是把第一个场景服务好。通过实际任务验证价值、积累经验,再逐步拓展能力与服务范围。
费莫一没有把第一款产品定义为无所不能的“超人”,而是从人的具体需求出发,先让承接人们每天都在做、却不必非要亲自完成的事情开始。
5.结语
回到开头那份文件。机器人能够把它拿起来,只能证明机械臂完成了一次动作;只有当它知道为什么要拿、应该送到哪里,途中遇到变化还能继续推进,最后把文件交到正确的人手里,这件事才算真正完成。
从拿起文件到送达文件,看上去只多了几步。
对机器人产业来说,这几步之间的距离,恰恰是从技术演示走向真实产品的距离。