物理AI开始被要求交付：正奇未来8个月融3轮，天使阶段即启动量产

物理AI的热度还在升高，但资本的判断正在变得具体。

如今，仅有模型、样机和演示视频，已经很难解释一家物理AI公司的长期价值。投资人开始追问：技术如何进入真实世界？产品卖给谁？模型和本体能否持续迭代？

最近进入公众视野的正奇未来，提供了一种不同的答案。

这家公司在8个月内完成3轮天使系列融资，累计金额数亿元。投资方既包括鼎晖VGC投资、线性资本等财务机构，也包括上汽恒旭资本、柏睿资本、正轩投资等汽车产业资本，以及周大福投资等高端消费产业资本。

三类资本同时进入一家早期公司并不常见。它们看中的不只是一款硬件，而是一家试图把模型、运动控制、产品和真实数据连接起来的物理AI公司。

正奇未来以QUORRA品牌产品进入真实场景，首款产品QUORRA X5解决个人短途移动需求。但产品只是入口，公司更大的目标，是构建面向生活空间移动任务的世界模型和运动执行平台。

换句话说，它眼前销售的是产品，长期积累的却是物理AI能力。

一、模型理解世界，运控进入世界

物理AI与大模型最大的不同，是它不能只在屏幕里生成答案。

系统必须感知真实环境、理解空间关系、作出决策，再驱动一个物理载体完成动作。感知错了、决策慢了或者执行偏了，都会直接反映在产品表现上。

正奇未来为此构建了两套核心系统。

第一套是QUORRA DoorMind世界模型，承担感知、理解和决策。

QUORRA DoorMind是业内首个原生面向Door-to-Door移动任务的世界模型，首次实现室内外场景的连续感知与统一理解，打破了行业长期以来的感知割裂。它不止检测障碍物，更融合视觉、语言与环境信息，真正理解空间的语义与规则——这是走廊，需直行；这是电梯间，需等待；这是人车混行区，需博弈——从而在无高精地图的情况下实现室内外一体化导航，并在每一次任务中持续进化。

这类能力的难点，在于场景并不标准。

机器人可能从室内进入楼道，再经过电梯、社区和开放道路。环境、规则和移动方式不断变化，模型需要保持连续感知，在没有高精地图的情况下完成三维环境理解、路径推理和动态决策。

第二套是QUORRA FLAT运动执行平台，负责让模型的判断变成动作。

如果说QUORRA DoorMind是“大脑”，QUORRA FLAT运动执行平台便是让指令落地为物理动作的“身体”。

它搭载四轮独立驱动与转向、自适应主动悬架构成的全域线控底盘，结合RLHF技术实现底盘动力学的自主进化与智能调控。依托世界模型深度习得车辆本体与路面环境的物理运行规律，实时推演车身运动态势、预判路况动态扰动，持续迭代优化多轮协同控制策略，完成实车全流程运行的闭环迭代优化。

其可全域统筹调度四轮扭矩输出、独立转角参数与悬架垂向支撑状态，通过三轴协同同步调校车身姿态，突破传统底盘固定标定模式的固有局限，能够适配城市道路、越野场景、低附着路面等复杂工况，实现操控性、舒适性与安全性的全域动态最优。

模型即使看懂了窄门、坡道和湿滑路面，底盘执行不出来，系统仍然无法完成任务。QUORRA DoorMind解决“看得懂”，FLAT负责“走得稳”，运动反馈再回到模型，形成感知、决策、执行和反馈的循环。

正奇未来由此建立了自己的技术逻辑：以模型为大脑，以运控平台为身体，再通过真实产品获得数据。硬件承担商业交付的同时，数据也能获得长期增长，模型随之不断升级。这也是它更接近科技公司，而非传统硬件公司的原因。

当然，世界模型、连续感知和自主进化，是物理AI行业普遍追求的方向。正奇未来能否将先发优势沉淀为技术壁垒，最终要看无人工干预里程、复杂场景成功率、接管率和故障率。这些关键指标，也将在产品规模化交付后逐步揭晓。

二、公司年轻，商业路径却已经相当清楚

物理AI创业最常见的问题，是技术和商业之间隔着一段很长的距离。

实验室里可以训练模型，也可以搭建样机，但没有真实产品进入市场，就很难持续获得用户任务、环境变化和运动反馈。没有这些数据，模型的泛化能力也难以提升。

正奇未来选择先做产品。

QUORRA X5已经进入量产阶段。据公司披露，产品获得了海外十多个国家和地区的商业订单。接下来，公司计划开展海外DTC业务，并在国内开设天猫、京东旗舰店和线下销售网点。

产品也在按消费品逻辑打磨。

QUORRA X5获得了2026年德国红点设计概念奖，并在内蒙古海拉尔完成最低约零下35摄氏度的极寒测试。外观、座舱、舒适性和环境适应能力，与模型一样被放在重要位置。

原因很现实：消费者不会因为一款产品使用了世界模型就付款。产品能不能使用、是否舒适、遇到复杂环境是否可靠，才决定它能否被购买和持续使用。

在正奇未来的设想中，产品销售带来收入，产品使用产生真实数据，数据用于训练模型，模型升级后再改善产品体验。这构成了“产品—数据—模型—产品”的飞轮。

线性资本合伙人曾颖哲将投资理由概括为三个交汇点：中国智驾产业链外溢带来的成本可行性、Door-to-Door真实生活空间的数据价值，以及团队按节点完成交付的能力。

这也解释了其投资人结构。

汽车产业资本能够判断线控底盘、车规开发、供应链和量产难度；消费产业资本更关注设计、品牌、渠道和用户是否愿意买单；财务投资人则在判断模型、数据与产品飞轮能否形成更大的平台价值。

对于正奇未来来说，商业化才刚刚开局。随着产品进入规模化交付阶段，具体的客户结构、订单体量和用户使用频率，将成为观察其商业化成色的重要窗口。数据飞轮能否加速，则取决于产品保有量、使用频率和有效数据的采集规模。

这对于在天使阶段的物理AI公司而言，算得上先发优势了。它已经找到了较为明确的商业入口，也知道接下来需要验证什么。

三、吴书林的反共识，带领团队穿越三重门

正奇未来的发展路径，与创始人吴书林的经历直接相关。

吴书林在华为工作15年，从一线岗位做起，后来担任业务总经理。据公司披露，他曾带领业务从数亿元增长到百亿元规模。

此后，他在百度智能驾驶事业群工作数年，担任副总裁，参与智能驾驶商业化和L4 Robotaxi城市落地。

这两段经历，分别对应物理AI创业最难的两件事。

在华为，他经历过产品、组织、渠道和规模经营；在百度，他接触的是算法、数据、车辆和真实场景。前者解决如何把业务做大，后者解决智能系统如何进入物理世界。

创业时，吴书林没有继续留在最熟悉的机动车道自动驾驶，而是把能力向更复杂的生活空间延伸。

这是一种反共识判断：机动车道已经聚集了大量资金和头部企业，汽车无法深入的生活空间却仍缺乏连续数据。对物理AI而言，这些不标准、不规整的环境可能更难，却也更有训练价值。

团队的做法也带有明显的产品主义。据我们了解，第一次外部融资前，初代产品已经由团队成员自筹资金做出。吴书林对此的解释是：“我们自己都没有把握的事情，怎么能拿投资人的钱来验证？”

这种执行力本身就是极大的说服力，此外资本也还看重创始人和团队。一个经历过大规模业务和智能驾驶商业化的创始人，能否组织起算法、底盘、产品、供应链与渠道；一支来自华为、百度、阿里达摩院、特斯拉、蔚来、小鹏、理想等企业的团队，能否把个人经验沉淀为可复制的组织能力。

8个月3轮融资，为正奇未来赢得了宝贵的时间窗口。接下来，真实交付密度、产品可靠性数据和飞轮运转效率，将是衡量其从“资本认可”走向“市场认可”的关键标尺。

资本此时押注正奇未来，归根结底是在押注：由吴书林带领的团队，能否再次穿越产品、模型与商业化的三重门。

从过去8个月的执行来看，产品进入量产、拿下海外订单、国内线上线下商业化启动、连续完成三轮融资，这支团队正在把“从0到1”变成“从1到100”的现实。