前美团外卖技术负责人创业，做具身智能时代的“餐饮世界模型”
一句话看懂：前美团外卖技术负责人王栋博士带队创业成立元节智能（AtomBite.AI），主营餐饮后厨的具身智能方案，近期完成千万级种子轮融资，领投方为英诺科创基金。团队选择聚焦外卖打包与接驳这一高密度、高痛点场景，自研“视觉-触觉世界动作模型”（VT-WAM），而非通用机器人本体。
事件核心：发生了什么
元节智能近日宣布完成千万级种子轮融资，主要投资方包括英诺科创基金、水木清华校友种子基金及多位个人投资人。创始人王栋博士此前为美团外卖事业部技术负责人，管理千人产研团队，主导日均数千万订单的算法与系统架构；联合创始人李滔曾执掌美团外卖算法与数据体系。离岗后，王栋在北美及新加坡进行数月市场考察，认定餐饮后厨是具身智能最具确定性的商业落地场景。
从技术方案看，元节智能没有重新设计机器人硬件，而是开发面向餐饮场景的“世界动作模型”（World Action Model, WAM）。其核心为“VT-WAM”，融合视觉与触觉信息，用于预测抓取、打包等操作中的物理结果，例如饮料杯中的液体晃动、重心变化对摩擦力的影响。系统技术架构分为三层：上层是具身世界模型，负责环境认知与决策；中层是任务编排与调度引擎；底层为自研核心部件与通用硬件本体的结合。模型将从外卖打包与接驳环节切入，预计2026年内进入真实商家后厨进行规模化部署。
为什么重要
这一案例体现了具身智能从“通用世界模型”向“垂直场景世界模型”的务实转向。相比需要大量仿真、且在家庭或养老场景中长期无法达到商业ROI的通用方案，元节选择的餐饮后厨场景具有三个关键特征：全球共通需求（中国、北美、东南亚均面临人力成本上升与履约效率问题）、ROI清晰（降低错单率、减少人工即可带来直接付费价值），以及决策链条短（中小商家合作意愿强）。
同时，王栋团队明确反对VLA（视觉-语言-动作）路线的过度依赖语言模块，认为真实世界中的动作控制并不依赖语言，而应强调视觉与触觉的物理理解。这一技术选择可能影响行业对多模态模型架构的讨论——在精细操作任务中，“触觉 grounding”与“物理因果理解”或比语言指令更重要。如果VT-WAM在打包环节跑通，它将为餐饮行业提供一个可量产的自动化标尺，也可能向家庭厨房等更复杂场景迁移训练数据和模型能力。
对用户/开发者/创作者的影响
对餐饮商家与外卖平台：如果元节的打包模型在2026年如期部署，中小餐饮商家可能直接受益于错单率下降与人工成本减少，尤其在时薪持续上涨的北美市场与人员流动大的国内市场，这套方案可能成为提升履约效率的“刚性选项”。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对具身智能开发者与创业团队：元节的选择展示了一条“先沉淀真实场景数据、再养大模型”的路线：不急于做通用机器人，而是用打包等高频动作收集海量物理交互数据。开发者如果正寻找类似的垂直场景（如仓库分拣、实验室操作），可以借鉴其在视觉-触觉融合与因果物理建模上的思路。
对AI投资人与行业观察者：值得关注的是，元节团队的核心成员几乎全部来自美团外卖算法与数据体系——他们的经验不来自机器人硬件，而是来自“大规模调度+全链路数据驱动”的系统工程。这种能力迁移能否对冲机器人本体的硬件短板，将在2026年的实际部署中接受验证。
值得关注的后续
第一，2026年内打包模型能否按计划进入真实商家后厨并实现规模化部署，决定了该路线从理论到商业闭环的成败关键。第二，VT-WAM的“触觉 grounding”概念需要配套传感器与数据采集链路的成熟度，目前公开信息中未详细披露自研触觉传感器的具体指标，这是模型能否在复杂物理环境下稳定工作的核心变量。第三，其他具身智能公司是否会在类似高频、低感知难度的场景（如快餐打包、便利店补货）跟进这种方式，可能影响行业竞争格局。
来源：36氪 (36Kr)
