近日，方奇科技（北京）有限公司受邀参加由民建中央主办的 2026（第二十六届）中国风险投资论坛圆桌会议，方奇科技作为 "人工智能 + 半导体" 分论坛受邀路演企业，在圆桌会议环节与领投机构及行业同行共话具身智能与物理 AI 的未来路径。
在这场聚焦 "下一代智能体" 的对话中，方奇科技分享了其对机器人技能学习系统的核心判断：不做更大的 VLA，而是让机器人具备像大模型一样的 In-Context Learning 能力，并进一步成为真正的物理智能体。
方奇科技的价值在于，用 ICL + MoE + RSI 重构机器人技能学习的经济模型 —— 让机器人的部署成本具备随规模递减的潜力，让数据飞轮随点位增加持续加深，最终形成 "越工作越强" 的 Physical Agent 平台。
01. 不是训练一个模型，而是构建一套 "技能学习系统"
传统机器人依赖大量离线数据学习固定策略，每进入一个新场景、新任务，往往需要重新采集数据、重新训练、重新调参。这种模式存在一个根本问题：边际成本不递减，规模不经济。
方奇科技的本质，是做机器人的 "技能学习系统"。机器人面对新任务时，可以直接读取 SOP、视频、人类示范和当前环境上下文，在不重新大规模训练参数的情况下，快速形成任务策略；再通过少量真机实践，把 "上下文学习" 转化为稳定 Skill。
两种模式的关键差异：
传统模式：新场景 = 新数据 + 新训练 + 新部署，成本线性增长
方奇模式：新场景 = 新 context + 少量实践，成本具备随规模递减的潜力
这意味着，如果 ICL → Physical Agent → RSI 闭环成立，方奇科技将成为一个具备数据飞轮和规模效应潜力的 Physical Agent 平台。这是方奇科技在具身智能赛道中最核心的差异化定位。
02. 基础模型可以借，Physical MoE 必须自己掌握
方奇科技在论坛上明确提出：大平台提供的 LLM、VLM、视频模型和通用世界知识都可以借，但具身场景里的 expert 体系和 routing 逻辑必须自己掌握。
具体来说是：
什么时候调用语义推理 expert？
什么时候调用空间理解 expert？
什么时候进入物理预测、抓取、移动或接触控制 expert？
这些 expert 之间如何通过统一状态空间传递信息。
基础模型可以外部获得，但 Physical MoE—— 面向真实机器人任务的专家划分、调度、物理 grounding 和闭环学习 —— 是方奇自己积累的数据资产和工程壁垒。它的价值在于：
数据飞轮：每执行一次任务，就产生新的成功、失败和反事实经验，持续喂养 expert 体系
跨场景迁移：expert 体系一旦成熟，可从物业向工业、物流、家庭等场景延伸
03. 云端学习、端侧执行，瓶颈不是 FLOPS 而是闭环时延
方奇科技提出，未来机器人计算架构本质上会走向分层 MoE 和快慢系统：
云端：低频、高算力的认知、长时规划、世界模型推演和新 Skill 生成
端侧：高频、低延迟的感知、运动和安全控制 expert
真正制约体验的不是单纯 FLOPS，而是闭环时延 ——Physical Agent 的决策必须在环境状态失效之前完成。
因此方奇不是简单 "把大模型放云上"，而是根据任务时间尺度动态 routing：秒级认知在云端，百毫秒级技能规划靠近端侧，毫秒级控制完全本地化。既能利用云端大模型规模效应，又不牺牲物理系统的实时性和稳定性。
04. 未来一年，验证 ICL→Physical Agent→RSI 闭环
方奇科技未来一年最希望验证的，是从 ICL 到 Physical Agent 再到 RSI 自进化的闭环能否成立。这里的 RSI 不是模型自己无限修改参数，而是更务实的 Recursive Self-Improvement：
机器人每执行一次任务，就产生新的成功、失败和反事实经验
系统对经验进行总结，更新 Skill、世界模型或 expert routing
更新后的系统再去执行下一轮任务
形成持续自改进过程
方奇希望在真实落地场景验证：第一个点位需要较多学习，第二个点位只需要少量 context 和实践，后续点位越来越少依赖人工。如果单任务新增数据量和人工接管率随着部署规模持续下降，就说明方奇已经不是⼀个固定模型，而开始形成具备 ICL、MoE 专家调度和 RSI 能力的物理智能体系统。
05. 技术路线一句话
方奇的技术路线，是把大模型时代的 ICL 和 MoE 延伸到物理世界：让机器人通过上下文快速学习新任务，通过世界模型完成物理推演，通过专家路由执行不同 Skill，并利用真实交互形成 RSI 持续自进化，最终从 "一个训练好的模型" 向 "一个越工作越强的 Physical Agent" 演进。
方奇科技的核心命题是：能否用 ICL+MoE+RSI 重构机器人技能学习的经济模型，让部署成本具备随规模递减的潜力、数据飞轮随点位加深、技术壁垒随场景迁移逐步加宽。这条路线如果成立，方奇将不是一个机器人公司，而是一个 Physical Agent 平台。
06. 结语
在圆桌对话中，方奇科技天使轮领投机构代表，启迪之星创投总经理、主管合伙人刘博表达了对方奇团队及技术路线的高度认可，并与领投企业及同行达成共识：具身智能的下一站，不只是更强大的多模态模型，而是能在真实物理世界中持续学习、持续进化的 Physical Agent。方奇科技将继续沿着这一路线，推动机器人从 "会执行" 走向 "会学习"，从 "固定策略" 走向 "越工作越强"。
（来源：方奇科技）