风火轮萤图获3000万元种子轮融资，主动交互能否成为具身智能的下一个拐点？

大多数人接触到的机器人，还在等待一句明确的“帮我倒杯水”。它们能听懂指令、执行任务，甚至陪你聊天，但始终扮演着一个被动应答者的角色。现实中的需求往往沉默：孩子即将触碰危险物品时不会先喊一声“我要犯错了”，老人起身踉跄的瞬间也不可能发出指令。当具身智能从实验室走向家庭和教室，它面临的最大困境不是“做不到”，而是“不知道什么时候该做”。

这正是风火轮萤图（上海）人工智能科技有限公司试图切入的缝隙。这家成立不久的创业公司，没有选择去做机器人本体，也没有扎进通用大模型的军备竞赛，而是聚焦于一个更底层的能力——主动交互大脑。它想让机器人学会判断时机：什么时候该介入，什么时候该保持沉默。

近日，风火轮萤图宣布完成了一轮新的融资。这笔3000万元的种子+轮融资，由高信资本领投，华源资本、天使会参与投资，老股东新威集团、DNA FUND追加投资。这笔资金将用于推进其主动交互大脑的迭代、真实场景数据体系的建设，以及核心智能终端“小京”的规模化量产与交付。

当“看见”和“听见”之后，机器人还需要学会“读懂时机”

过去几年，大模型的爆发让机器人具备了前所未有的感知和生成能力。它可以描述眼前的一切，也能回答复杂的问题。但在风火轮萤图的创始团队看来，这只是起点。他们判断，行业竞争的核心正在从“感知智能”和“生成智能”，转向“主动交互智能”。

这种判断源于一个具体的场景困境：今天的大多数机器人，在非指令状态下是“失明”的。它们无法判断一个独处沉默的人是否需要陪伴，也无法察觉一个踉跄的老人需要搀扶。创始人兼CEO孔维刚对此有一句直白的总结：“机器人真正的挑战，不只是回答问题，而是判断什么时候应该行动。”

为了解决这个问题，公司自主研发了一套名为PAMI的主动自适应多模态交互架构。根据公司披露的信息，这套架构试图融合持续感知、动态记忆、需求预测、时机决策与行动反馈，形成一个闭环。其技术重点不在于让机器人更频繁地开口说话，而在于让它理解人与环境的实时关系，从而判断介入的最佳时机。

这个闭环意味着一个根本性的范式转移。传统机器人的工作流是“感知-理解-执行”，任务的起点永远是用户的明确指令。而PAMI试图构建的流程是“持续感知-场景理解-需求预测-主动决策-具身执行-反馈优化”。这里的关键变量是“需求预测”与“主动决策”——它们要求系统在没有外部触发的情况下，自主判断当前场景是否需要干预。这种判断的难度远超指令执行，因为它涉及对场景中潜在风险的预估、对用户意图的揣摩，以及对“不干预可能带来的后果”的推演。目前尚无法知晓PAMI架构在每个环节的具体算法实现和准确率，但这一架构的提出本身，意味着公司试图用系统工程的方式解决一个传统上依赖人类直觉的问题。

真正的壁垒不在云端，而在物理世界的数据回流里

如果说通用大模型的燃料是互联网上的海量文本，那么主动交互模型的稀缺养料，是第一人称视角下、连续的真实场景交互数据。这种数据不是一段独立视频或一段对话文本，它必须包含视觉、语音、环境状态、用户行为变化，以及最关键的部分——行动之后的反馈。

联合创始人兼CTO罗志鹏解释过这种复杂性：“真正的主动交互，需要融合视觉、语音、环境状态、用户行为和长期记忆，在连续变化的真实场景中理解用户状态，并快速判断最佳介入时机。机器人既要知道何时主动，也要知道如何主动，更要知道何时保持沉默。”

风火轮萤图获取这类数据的路径，不是在网上爬取，而是通过自有终端“小京”在真实使用中沉淀。按照公司的商业模式设计，这是一条“终端落地—数据回流—模型迭代”的路径。“小京”在家庭等场景中提供主动交互服务，同时记录下所有交互过程中“为什么此刻介入、用户是否接受、问题是否解决”的全链条数据。这些数据回传后，再用来优化PAMI模型，从而让终端体验变得更好，形成一个数据飞轮。

孔维刚进一步阐述了这种数据的独特价值维度：“主动交互模型学习的不只是‘发生了什么’，更要理解‘为什么此刻应该介入、用户是否愿意接受，以及行动是否真正解决了问题’。”这意味着，一条高质量的训练样本不再是简单的“输入-输出”对，而是一个包含上下文、决策节点、用户反馈和最终结果的结构化序列。这种数据结构在公开数据集中几乎不存在。

这里有一个容易被忽略的产业约束：真实物理世界的数据获取，远比数字世界的数据获取更难规模化。你很难像收集公开网页一样，去收集一个家庭内部连续数小时的视觉和交互数据。这不仅是技术挑战，更是隐私和伦理的深水区。风火轮萤图选择自己下场做终端，恰恰是因为如果不掌控这个数据入口，它所谓的“第一人称对面具身数据”资产就无从谈起。公司对外将这部分数据描述为“全球稀缺”资产，正是这种产业逻辑的体现。

需要指出的是，这种数据闭环的商业逻辑虽然清晰，但其实际运行效率仍需验证。第一人称视角数据与互联网数据最大的不同在于：互联网数据的质量可以通过文本的连贯性、事实的准确性等相对客观的指标来评估；而主动交互数据的质量，取决于终端是否真正被用户高频使用、交互场景是否足够多元、用户反馈是否真实自然。如果一个硬件终端最终被用户当作被动式的语音问答设备或内容播放器来使用，那么它所采集到的数据与训练一个真正的主动交互模型所需的数据之间，可能存在巨大落差。

“小京”押注的模糊地带：介于玩具、教具和家庭成员之间

在风火轮萤图的战略里，“小京”的角色远不只是一个“硬件产品”。它被定位为主动交互大脑的物理载体和数据入口。但一个关键的问题是，消费者为什么要购买它？

来源材料并未披露“小京”的具体产品形态和功能细节，但指出了它的销售渠道和定位方向。它瞄准的场景包括家庭陪伴、儿童成长和学习互动，下游渠道包括山姆会员商店、儿童学习桌椅品牌爱果乐以及全国经销商网络。这种渠道布局暗示了它的产品定位很可能偏向于儿童教育或家庭陪伴机器人，试图在一个更具体、用户容忍度更高的场景中，验证其主动交互能力。

选择儿童场景作为切入口，在逻辑上有其合理性。儿童对交互性设备的接受度通常较高，家长对“主动提醒”“安全看护”类功能有明确的付费意愿，且儿童在学习场景中的需求模式相对可预测——这为主动交互模型提供了一个相对友好的训练环境。相比之下，老年人陪护场景虽然需求刚性更强，但对产品可靠性、隐私保护和紧急情况响应能力的要求极高，可能不是一家种子轮公司最理想的起步场景。

值得警惕的是，DoNews在报道中直接将风火轮萤图描述为“AI个性化学习平台提供商”，并提及“多模态学习分析、教育知识图谱、自适应学习引擎”等核心技术。这一描述与36氪及凤凰网大风号报道中“主动交互具身大脑”的定位存在显著差异。尽管DoNews声明其内容由AI模型生成，可信度存疑，但这种认知混乱恰好暴露了公司在早期市场传播中面临的风险：如果产品落地场景过于模糊，或者横跨教育硬件和基础技术设施两种叙事，可能会让客户和开发者都感到困惑。一个做机器人“大脑”的公司，如果被市场广泛认知为一个“学习机”品牌，那么它在向机器人本体厂商输出能力时的说服力就会受损。

目前公司已宣布拿到超过2万台的订单。对于一个种子轮团队而言，这个数字并不小，但它依然是一个有待交付的订单数字，而非真实的用户活跃数或复购率。从订单到持续使用，再到产生高质量的回流数据，中间隔着硬件品控、内容运营和用户留存等一系列现实考验。尤其是对于一款需要用户改变交互习惯的产品——从“我对机器发指令”变成“机器在我需要时主动出现”——用户教育成本可能远高于普通消费电子产品。如果早期用户在实际使用中并未激发出足够的主动交互场景，那么数据飞轮的第一个齿轮就可能空转。

一个32人团队的技术分工野心

风火轮萤图的创始团队配置，折射出它在机器人产业链中的自我定位。CEO孔维刚拥有15年上市公司及AI行业经营管理经验，负责商业化与产业协同。CTO罗志鹏则是一名典型的算法背景创业者：硕士毕业于北京大学软件工程专业，有近10年AI算法研发经验，曾任微软算法工程师，并在一家AI独角兽企业担任过技术副总裁，主导过AI平台从0到1的建设。他带领团队在国际AI赛事中拿过50余项冠军。

这种“产业老手+技术专家”的组合，在如今的AI创业浪潮中并不少见。但风火轮萤图的不同之处在于，它希望能扮演一个连接者的角色。孔维刚曾阐述一个三层分工体系：本体企业负责机器人的形态与运动能力，通用模型企业提供感知与生成能力，场景企业负责客户连接与服务交付。而风火轮萤图想做的是第四层——一个平台化的“主动交互能力底座”，把时机判断、主动决策和交互策略的能力，打包输出给各类机器人本体厂商。

这个定位意味着，公司试图在产业链中占据一个类似“中间件”的位置——不直接面对终端消费者（除了通过“小京”验证能力），也不参与本体制造和通用基座模型的竞争，而是专注于一个被两大势力夹在中间、却尚未被清晰定义的能力层。这种策略的好处是避免了与资本雄厚的本体厂商和模型巨头正面冲突，但挑战也同样明显：它必须在两大势力之间证明自己不可替代。

根据披露信息，其核心团队现有32人，其中博士4人、硕士8人，成员来自北京大学、清华大学、复旦大学、上海交通大学、帝国理工学院等高校，以及微软、阿里巴巴、腾讯等企业。技术积累毋庸置疑，但资源规模决定了它必须跑得足够快，才能在赛道被巨头挤压前，建立起数据和场景的护城河。32个人要同时推进算法研发、数据体系建设和硬件终端量产交付，意味着每个方向的人员配置可能只有10人左右——在任何一条战线上，这个规模都属于极度精简的配置。

团队在AI竞赛中的履历（50余项国际赛事冠军）证明了其在特定任务上的算法优化能力，但从“刷榜能力强”到“在开放物理世界中做出稳定的时机判断”，中间存在巨大的工程化鸿沟。竞赛场景的任务定义清晰、评估指标明确；而真实家庭场景中的“何时该介入”是一个开放式问题，评估维度模糊且极具主观性。团队能否完成这一跨越，是观察这家公司技术能力的关键维度。

老股东追加，资本在赌一条“未被定义”的赛道

此轮融资是风火轮萤图成立以来的第二轮融资，累计融资金额达到4000万元。本轮除了高信资本领投外，老股东新威集团和DNA FUND选择了追加投资。早期机构在种子+轮愿意继续跟投，通常意味着他们在上一轮融资之后看到了某些验证信号。这可能是产品原型跑通了初步的交互闭环，也可能是“小京”拿到的早期渠道反馈超出了预期。

但这依然是一笔高度不确定的押注。“主动交互大脑”是一个尚未被市场广泛认知和接受的概念。它不像“人形机器人”那样有清晰的产品形态，也不像“工业机械臂”那样有明确的量化效率指标。投资人赌的，本质上是一个技术趋势：具身智能在解决完“如何动”和“怎么看”之后，必然要解决“何时动”的问题。

这个判断的逻辑基础是清晰的。从产业链演进的规律来看，每一波技术浪潮都会经历“硬件先行—软件定义—交互重构”的过程。机器人产业目前正处于第一阶段向第二阶段过渡的时期：硬件本体的供应链正在快速成熟，大模型提供了越来越强的感知和生成基座，但最终交付给用户的体验，将越来越取决于交互层的智能化程度。如果这个判断成立，那么专注于“交互决策”层的公司，就有机会在产业分工中占据一个不可或缺的位置。

但是，押注“交互层独立成为一条赛道”这个假设本身，就是一个高风险命题。历史上，中间件层的价值往往在产业高度成熟、分工充分细化之后才会凸显；在产业早期，垂直整合通常是更有效率的做法。当机器人本体厂商还在为基本的运动控制和成本问题焦头烂额时，它们有多少精力和意愿去外挂一个第三方的“主动交互大脑”？这取决于风火轮萤图能否在产品化层面把“时机决策能力”封装成一个足够标准化、即插即用的模块。

从资金用途来看，风火轮萤图将本轮融资拆分成了三个方向：主动交互大脑迭代、真实场景主动交互数据体系建设、“小京”终端的规模化量产与交付。请注意，种子轮资金就同时砸向算法研发、数据基建和硬件量产三条战线。对于一家总融资额仅4000万元的公司来说，这种资源分配的挑战不言而喻。任何一条战线出现延迟或失败，都可能拖累整个飞轮的运转逻辑。尤其是硬件量产，涉及模具开发、供应链管理、品控和售后，是一个资源密集型环节；哪怕2万台只是一个小批量，对于一家AI算法基因的公司而言，其隐含的学习成本和坑，可能远超账面数字所能反映的程度。

订单和飞轮之间，还隔着一次硬着陆

风火轮萤图的故事里，最核心的商业假设是数据飞轮的有效性。这个假设的逻辑链是：卖出更多“小京”——获取更多第一人称交互数据——训练出更强的主动交互模型——提升“小京”的体验——进而卖出更多终端，吸引更多机器人厂商合作。

这个链条的第一个环节，也就是“卖出终端”，似乎已经有了初步结果（2万台订单）。但最关键的第二个环节——获取高质量数据——与产品的市场定位密切相关。如果一个硬件产品被用户当作一个语音音箱或故事机来使用，它产生的交互数据，对于训练一个能在复杂物理世界中判断时机的模型，其价值可能大打折扣。数据量不等于数据质量，而数据质量本身又取决于产品在实际使用中激发的交互深度和场景丰富度。

同样的风险存在于其平台化扩张的路径中。公司计划未来与数十家机器人本体企业合作，输出主动交互能力，覆盖家庭、教育、商业服务和人形机器人等多元形态。但标准化、可适配的交互能力，如何适应不同形态机器人差异极大的传感器布局、算力约束和交互场景？一个为桌面终端设计的时机判断模型，是否可以直接迁移到一个移动的轮式机器人或双足机器人上？这些问题都没有答案。

从技术迁移的角度看，PAMI架构的核心——持续感知、动态记忆、需求预测和时机决策——在概念层面是形态无关的。但在工程实现层面，不同类型的机器人本体意味着完全不同的传感器配置（RGB相机 vs 深度相机 vs 激光雷达）、完全不同的算力预算（桌面终端的边缘算力 vs 人形机器人的机载计算单元）、以及完全不同的交互场域（家庭静态场景 vs 商场动态场景）。一个交互模型要在这些变量之间做到“可适配”，需要的可能不是一套通用算法，而是一个高度模块化的架构加上大量的适配工程。这对于一个32人的团队来说，意味着如果未来要同时服务多种形态的客户，其研发资源的稀释几乎是不可避免的。

这家公司的价值，最终取决于它能否在“小京”的终端交付中，证明自己真的采集到了与“主动交互”强相关的独特数据，并且这些数据驱动的模型，确实能在真实场景中产生可感知的体验差异。在这之前，它仍然是一家手握订单、描绘着飞轮蓝图，但尚未交出闭环数据验证的早期公司。2万台订单是一个信号，但它回答的是“渠道是否愿意尝试”的问题，而不是“用户是否需要主动交互”的问题。后一个问题的答案，要等到产品真正进入家庭、跑通从开机到日常高频使用的完整链路之后，才会浮现。

RecodeX 极客视：风火轮萤图把一个机器人产业里真实存在但尚未被清晰定义的问题——“何时该主动”——变成了自己的创业锚点。它选择了一条重路径：自己下场做硬件终端来获取数据，再把能力平台化输出。这让它在技术叙事上有别于大多数具身智能公司，但也同时背上了硬件量产、数据合规和模型泛化的三重包袱。4000万元的总盘子要同时运转三条战线，每一项都容错率极低。本轮融资的真正看点，不在于3000万的数字，而在于它能否在下一轮融资前，用交付的订单和回流的数据，证明“主动交互”不是一个只有技术人听得懂的理论，而是一个消费者和机器人厂商都愿意付费的具体能力。更为根本的问题是：PAMI架构所采集的第一人称交互数据，在多大程度上能够与单纯从互联网数据或仿真数据中训练出的交互策略拉开差距？这个问题的答案——而非2万台订单——才是衡量这家公司技术护城河深度的真正标尺。