正奇未来获数亿元天使轮融资：短途出行AI化能否攻破70%非结构化场景？

当一台价值数十万元的自动驾驶汽车还在公开道路上学习识别红绿灯时，另一种更日常、更混乱的出行场景却几乎处于技术真空——从单元门到小区出口这段路，要碾过减速带、避让突然窜出的宠物、穿过没有划线的窄路，而这段距离，恰是绝大多数自动驾驶系统的“断崖”。短途出行占据人类出行总量的70%以上，但非结构化场景的智能驾驶渗透率几乎为零。在数千亿资金涌入机动车道自动驾驶的同时，人们每天行走数次的社区内部、园区、城中村道路，仍然停留在纯粹的机械操控时代。

这个被忽视的空间，正在被一家成立不久的物理AI公司盯上。正奇未来创始人吴书林对这个问题有清晰的判断：“短途出行占人类出行总量的70%以上，但体感、安全、效率至今仍不尽如人意，每过几年就有新方案涌现，恰恰说明需求远未被真正满足。当前，机动车道上的自动驾驶已投入数千亿，覆盖的不过是那30%的结构化出行。剩下70%的非结构化短途出行场景，智能驾驶渗透率几乎为零。”他的话揭示了一个基本矛盾：投入最重的领域，覆盖的却是出行版图中的一小块。

正是在这条分界线上，正奇未来选择以短途出行机器人切入，试图解决Door-to-Door移动任务中最难啃的那部分。7月27日，公司宣布在8个月内完成数亿元人民币天使系列融资，投资方组合横跨财务资本、汽车产业资本与消费产业资本。这轮融资之所以值得关注，不在于金额数字本身，而在于它发生在一个被主流智能驾驶叙事长期忽略的场景，以及它所押注的“产品→数据→模型”飞轮，恰好将特斯拉式的增长逻辑移植到了非机动车道。

吴书林的跨界赌注：用自动驾驶的方法论，做非机动车道的生意

创始人吴书林的履历在智能驾驶圈子里并不陌生。他曾任百度IDG智能驾驶业务副总裁，此前在华为担任业务总经理，操盘过从0到百亿规模的商业化项目。一个做过自动驾驶、管过运营商大客户的人，为何选择在天使阶段的创业中做一款短途出行机器人？

理解这个选择的关键，在于他对“数据质量”的执着。在自动驾驶行业浸淫多年后，吴书林形成了一条核心判断：无论模型架构如何演进，最终决定胜负的永远是真实场景数据的质量和规模。仿真数据和合成数据只能补充边界案例，却无法让模型真正逼近通用智能。他将这个判断投射到短途出行领域时，看到的是一块从未被规模开采的数据油田——室内外连续移动数据，涵盖环境变化、人与空间交互、任务反馈。这些数据不在公开道路上，不在测试场里，而在每一个居民楼下的快递柜前、地铁口的共享单车堆旁、老旧小区的碎石路上。

“这不是一个小赛道，而是一个从未被‘看见’过的大空间。”吴书林说。他将创业方向锁定为Door-to-Door移动任务，即让机器人自主完成从具体门口出发、穿越室内外多种环境的完整行程。这意味着，QUORRA需要平稳走过鹅卵石道路、穿过窄门，在人车混行、电梯信号中断、小区路面积水、外卖车突然闪现等各种corner case中博弈。场景的复杂程度远超单一的结构化道路，而这恰恰是数据价值所在。

“产品→数据→模型”的飞轮，如何成为越过天使融资的凭据

正奇未来在8个月内完成3轮融资并实现超募，这在天使阶段并不常见。投资方名单中，鼎晖VGC和线性资本代表了财务投资人的判断，上汽恒旭、正轩投资、柏睿资本作为汽车产业资本押注的则是技术与产业的结合点，而周大福投资的参与则暗示了消费场景的可能延伸。一个尚未大规模商业化的公司，凭什么吸引这样一组横跨多领域的资本？

答案在于正奇未来的路径规划——它从一开始就明确自己不是一家单纯的硬件公司，也不是一家模型公司，而是以“技术+产品”双轮驱动，构建“产品→数据→模型”的循环。首款产品QUORRA X5是切入真实场景的触角，用户在使用过程中产生的驾驶行为数据——包括对坡道、路沿、窄路、人车混行环境的处理方式——会回流至自研的QUORRA DoorMind世界模型进行训练，模型能力提升后通过OTA反哺产品，提升用户体验，进而吸引更多用户产生更多数据。

吴书林的表述颇为直白：“当这个飞轮积累的数据足够深、模型足够泛化时，正奇未来将成为物理世界移动智能领域最具护城河的公司之一——不是因为某一款产品或某一个模型，而是因为产品、数据、模型三者咬合形成的飞轮，每多转一圈，壁垒就加深一层——这是一个随时间自我强化的动态护城河，而非可以被单点突破的静态壁垒。”从投资人角度看，这套逻辑的价值在于：领先者一旦形成数据密度与迭代速度的优势，后来者很难通过复制硬件或模型来追赶。

正奇未来目前被认为是唯一正在获取生活空间内非结构化环境短途出行数据的物理AI公司。大多数机器人和自动驾驶数据仍集中在实验室、封闭场地或结构化道路场景，难以支撑模型在走廊、电梯间、露天集市等多样化环境中的泛化。先发优势如果保持足够长时间，确实可能转化为数据壁垒。当然，这是在产品真正跑量的前提下才成立的假设。

Door-to-Door世界模型，首次尝试室内外感知的连续拼图

传统自动驾驶系统的感知架构通常将场景分为“公开道路”和“停车场/封闭园区”两套独立方案，各自维护一张高精地图。而Door-to-Door场景要求一个统一的感知系统：从卧室门口的电梯厅，到地下室，再到小区内部道路，最后汇入城市人行道，整个过程不能有感知断层，不能用高精地图做预埋。

正奇未来的技术核心是自研的QUORRA DoorMind世界模型。公司称之为业内首个原生面向Door-to-Door任务的基座模型，具备四个关键能力：D2D场景建模理解坡道、路沿、窄路等传统自动驾驶不涉及的环境要素；D2D场景博弈处理无规则空间中与行人、宠物、外卖车的交互；D2D场景跨域运行实现从电梯到楼道到社区的无缝切换；D2D场景语义导航在不依赖地图的情况下，通过视觉-语言跨模态融合识别“楼下药房”这样的自然语言目的地。其突破点在于，首次实现了室内外全场景的连续感知，而不是把室内和室外当作两个系统分别处理。

与“大脑”配合的“身体”是QUORRA FLAT运动执行平台。该平台采用四轮独立驱动与转向、自适应主动悬架构成全域线控底盘。值得注意的技术细节是，它引入了RLHF（基于人类反馈的强化学习）技术来优化底盘动力学模型。这不同于传统的基于规则或纯模型预测控制的底盘算法，RLHF使底盘能够通过车主的真实驾驶反馈持续调整车辆在不同地形下的动力分配和悬架响应。DoorMind世界模型与FLAT平台之间的关系也并非简单的指令传递：每一次移动中的物理反馈——如通过减速带时的车身姿态、碎石路面上的抓地力变化——都会被回流至世界模型，持续优化从感知到执行的闭环。

这套技术架构的门槛在于，它要求感知、决策、执行三者在没有高精地图兜底的情况下保持协同。室内外切换时的光照剧变、GPS信号丢失、场景语义理解（例如分辨“车道边”和“人行道边”在非结构化环境中的模糊边界），都会给模型带来持续的压力测试。正奇未来提出了一套“双域分级框架”，以自治能力等级（A轴）和场景域复杂度等级（D轴）构成二维矩阵，从结构化室内域（D1）到开放城市D2D域（D5）逐级演进，当前从D3-A3起步。但这套框架目前仍是公司自身的路线图定义，尚未成为行业通用标准。

融资额数亿元投向制造、渠道与下一代产品，量产状态需要时间验证

正奇未来对资金的用途规划并不模糊，四个方向都已经明确：QUORRA DoorMind世界模型与FLAT运动执行平台的持续研发；QUORRA相关型号的量产制造；线上渠道搭建和全球线下网点铺设；以及下一代产品设计。

在商业化侧，公司称首款产品QUORRA X5已进入量产阶段，并在海外十多个国家和地区获得商业订单。公司计划年内启动海外DTC业务，同步开设天猫、京东旗舰店及国内多省市线下销售网络。目前，正奇未来已在北京、上海、深圳、苏州、美国、德国多地完成布局，形成“研发+生产+营销+销售”的业务闭环。

但在天使阶段就同时启动国内线上渠道、海外DTC、多国线下网点铺设，资金分配和运营复杂度不容忽视。数亿元融资如果分散在研发、制造、渠道三大方向，同时兼顾国内外市场，实际分配到每个环节的资金体量需要审慎使用。QUORRA X5的量产规模、海外订单的具体交付数量、国内线下网点的开设节奏，目前均未披露具体数字。

全球短途出行市场的基本面确实存在较大空间。公开数据显示，全球短途出行交通工具保有量超过20亿台，包括电动自行车、滑板车、低速电动车等品类。2035年，在AI智能化改造、乘用车跨品类替代效应和新兴市场需求三重因素推动下，全球市场规模有望突破2万亿美元。但市场空间大并不等同于商业落地容易。短途出行赛道的特殊性在于：用户对价格高度敏感，智能化带来的溢价空间需要强产品力来支撑；大多数短途出行工具在非结构化环境中的使用频次保持在高位，但对“智能”功能的支付意愿仍待验证。

投资方构成传递信号，但非结构化短途出行市场尚未出现参照系

投资方组合的阵容传达出明确的战略信息。财务投资人鼎晖VGC和线性资本对物理AI赛道有持续布局；汽车产业资本上汽恒旭、正轩投资、柏睿资本各自代表的是对智能移动终端硬件能力的背书，以及潜在的供应链和场景协同可能；周大福投资作为消费产业资本，则意味着对面向C端的短途出行消费场景的判断。

但需要注意的是，这个赛道至今缺乏成熟的参照系。短途出行先后出现过共享单车、共享电动车、平衡车、低速电动车等品类，但没有一个品类定义出类似于智能手机中iPhone那样的标杆产品。这意味着，正奇未来既是品类开创者，也需要承担教育市场的成本。消费者对“短途出行机器人”的认知，目前仍可能停留在“更智能的电动车”层面。“智能化”能否转化为购买决策中的决定性权重，取决于产品的实际体验能否显著超越现有方案。

另一个值得观察的维度是，正奇未来多次将其路径与特斯拉类比——“以终端产品为入口，用真实世界数据持续迭代模型，再用更强的模型反哺产品体验”。这个类比成立的前提条件是足够大的产品出货量和足够长的数据积累周期。特斯拉用了接近十年才建立起Autopilot的数据飞轮，在短途出行这个价格更敏感、单台价值更低的品类中，数据密度的积累速度和单位用户贡献的数据价值，将决定飞轮能否真正转动起来，而不是停留在概念层。

非结构化环境中的监管与安全，隐形的天花板

当一款具备自主移动能力的机器人在居民小区、人行道、公园等公共空间行驶时，它面临的不只是技术挑战，还有监管框架的空白。国内对于行走在机动车道和非机动车道之间灰色地带的智能移动设备，目前没有统一的道路通行权规定。不同城市对人行道上行驶设备的速度、尺寸、是否允许载人有不同的管理办法。

在海外市场，欧美国家对低速电动移动设备（e-scooter、e-bike等）的准入门槛、安全认证要求和道路上路规则同样存在差异。正奇未来已经在海外十多个国家和地区获得商业订单，但各国的合规成本、产品适配成本以及售后服务体系搭建，是一笔持续性的投入。

此外，Door-to-Door场景中的安全责任界定同样复杂。在公开道路上，自动驾驶公司的责任边界相对清晰（尽管仍在法律和保险层面持续争论）；而在小区内部道路、楼道、电梯等空间里，一旦发生碰撞行人或财产损失的事故，责任归属更难以标准化处理。正奇未来需要在商业化的同时，在安全冗余设计和责任框架上投入资源，否则一次安全事故就可能对品类认知造成冲击。

时间窗口与待验证假设

正奇未来当前拥有的优势是时间窗口和先发数据获取机会。在竞争者尚未大规模进入非结构化短途出行智能化这个交叉领域时，率先量产并部署产品的公司有机会建立起早期数据积累的领先身位。但这个窗口能持续多久，取决于几个因素：大厂是否会将自动驾驶感知能力下放到短途出行品类；电动两轮车龙头企业是否会在智能化方向上加速投入；以及消费者对短途出行机器人的接受速度。

从目前掌握的信息看，正奇未来的技术架构和商业化路径在逻辑上是自洽的：从高频刚需的短途出行切入，获取真实场景数据，训练世界模型，再反哺产品体验。但有两个假设需要持续验证：一是C端消费者愿意为短途出行的“智能”支付足够的溢价，或者数据本身的价值可以支撑商业模式（即硬件不赚钱、数据反哺带来的产品迭代才是护城河）；二是在资金、研发、量产、渠道多线并行的天使阶段，团队执行力和资源聚焦能力能否支撑起一个全球化铺开的商业计划。

吴书林提出的“将时间铸造成护城河”需要时间本身来检验——产品出货量决定了数据体量，数据体量决定了模型能力，模型能力决定了产品体验，而产品体验再反过来影响出货量。闭环一旦运转起来，它的确是一个随规模正向强化的壁垒。但在闭环启动的初期，每一个环节都可能出现阻滞。正奇未来的融资消息公布后，需要交出的是量产数据、用户数据以及切实的增长曲线，而不再只是路线图。

RecodeX 极客视点：将特斯拉的数据飞轮模式搬进非结构化短途出行赛道，正奇未来的叙事框架做到了逻辑自洽。但决定飞轮能否转动的，从来不是模型架构的先进性或投资方的阵容，而是首批产品在真实场景中是否真的解决了用户体感层面的问题——能不能让一个普通人在雨夜放心地骑着QUORRA去街角药店，而不是自己走路。天使阶段的数亿元融资拿到了入场券，接下来需要证明的是，那些从未被自动驾驶覆盖的70%出行场景，确实值得用世界模型去重做一遍。