前美团技术大牛创业，教机器人打包外卖

前美团技术大牛为何盯上餐饮后厨？

创始人王栋博士曾担任美团外卖事业部技术负责人，带领千人团队构建了日均数千万订单的算法与系统。他离开美团后，在北美和新加坡实地调研数月，发现一个全球共性痛点：从商家出餐到骑手取餐之间，打包、封签、分拣等环节仍高度依赖人工，错单漏油直接拖累履约效率，而北美快餐时薪持续上涨、国内招工难问题同样突出。相比家庭或养老场景，餐饮后厨属于专业服务领域，决策链条短，中小商家付费意愿高，只要机器人能降低错单率、减少人工，ROI就清晰可见。2025年，他创立元节智能（AtomBite.AI），获英诺科创基金等机构千万级种子轮融资。

别家教机器人走路，他们教机器人打包

“大多数具身赛道创业者将精力集中在教人形机器人如何走得更稳、翻跟头，这种脱离产业实际需求的逻辑，本质上是概念外溢而非商业进化。”王栋直言。元节智能没有把重点放在重新发明机器人硬件上，而是选择从外卖打包与接驳这个“出错率最高、标准化程度相对较高、最易量化价值”的环节切入。打磨纸盒、装袋、封签……这些看似琐碎的动作，恰恰是后厨刚需。团队认为，先让机器人在可控场景中精准抓取、稳定操作，做到可用可靠，远比造一个会跳舞的机器人更有商业生命力。

不做VLA，要做VT-WAM：一个更懂物理的世界模型

技术路线上，元节智能没有跟风流行的VLA（视觉-语言-动作）框架。王栋解释：语言不是动作控制的核心，真实世界中的操作更依赖视觉理解、物理理解和动作映射。为此，他们自研VT-WAM（视觉-触觉世界动作模型），融合视觉与触觉模态——视觉能看见物体，但看不见接触；触觉看不见全局，却感知成败。视觉ground几何侧面，触觉ground物理侧面，两者经隐空间融合后，模型能预判接触后果。例如，一个饮料杯是否装水、温度冷热，都会影响抓取的摩擦力和重心变化，VT-WAM内置对液体晃动等物理因果的理解，让机器人动作符合真实物理规律，而非简单数据拟合。

从打包到接驳：高频场景如何反哺世界模型？

技术架构上，元节智能采用三层设计：

• 最上层：具身世界模型，负责环境认知、决策与动作规划。
• 中层：任务编排与调度引擎，将认知转化为具体执行计划，统一调度不同设备。
• 底层：自研核心部件与通用硬件本体融合，确保长期稳定运行。

核心逻辑不是先造通用机器人再找场景，而是在高频后厨场景中持续收集真实交互数据，喂养世界模型。打包环节的标准化动作交由端侧轻量化小模型执行，以降低延迟；云端大模型专门处理物料缺失、异物干扰等异常，并通过KDS（厨房显示系统）联动人工补位。团队设想，未来模型能力会从打包延伸到分拣、配送接驳、烹饪协同，最终进入更广泛的服务业场景。

商业路径：先搞定能省钱的活，再谈想象力

落地策略非常务实：先聚焦“能帮商家省钱”的刚需任务。王栋强调：“商家并不在意你的机器人像不像人，会不会跳舞，更在乎你到底能帮我干什么活。”外卖打包与接驳的错单率、撒漏损耗是商家最头痛的账单，元节智能的目标是降低人工依赖、提升履约准确性。目前，方案已具备商用基础，融资将主要用于模型迭代和产品落地。从后厨到家庭厨房的延伸，则是下一个阶段的想象力——但前提是先在真实的物理世界里，把打包这件事做彻底。