36氪Auto 数字时氪 未来消费 智能涌现 未来城市 启动Power on 36氪出海 36氪研究院 潮生TIDE 36氪企服点评 36氪财经 职场bonus 36碳 后浪研究所 暗涌Waves 硬氪 氪睿研究院 媒体品牌
企业号 企服点评 36Kr研究院 36Kr创新咨询 企业服务
核心服务 城市之窗 政府服务
创投发布 LP源计划 VClub VClub投资机构库 投资机构职位推介 投资人认证 投资人服务
寻求报道 36氪Pro 创投氪堂 企业入驻 创业者服务
创投平台
资讯 推荐 财经 AI 自助报道 安徽 最新 创投 汽车 科技 专精特新
文｜周鑫雨
编辑｜张雨忻
《长安的荔枝》，是 97 年清华博导李一鸣很喜欢的故事。
故事里，为了将“一日色变”的鲜荔枝从岭南运到长安，小吏李善德必须解决保鲜、驿站、路线、补给等一系列环环相扣的难题——没有这套完整系统，鲜荔枝寸步难行。
这个设定在唐朝的故事，在李一鸣眼中，却与当下的“世界模型”赛道，形成了巧妙的互文：
Physical AI（物理AI）的场景、解决的问题，是“鲜荔枝”；为了达到“运送”的目的，从业者们同样需要构建一整套涵盖数据采集、模型研发、硬件部署的系统方案。
“世界模型的第一性原理，不是走什么技术路线，而是最终解决什么问题。”他告诉《智能涌现》， 所谓的世界模型，只是“一匹运送荔枝的马”，是解决问题的一条技术路线，离开其它环节的配合，将毫无价值。
然而，2026 年初，当这名前英伟达 Vision & Robotics 研究员，以清华大学人工智能学院助理教授的身份回到国内，他看到的 AI 赛道，正在陷入一场对“世界模型”的巨大 FOMO。
世界模型，2026 年最具迷惑性的概念之一，派系林立，众说纷纭。
非共识和想象力，又让世界模型成为当下估值泡沫最大的一个赛道。无论视频模型、3D 模型，还是走 VLA（视觉-语言-行动）路线的具身大脑，只要能和仿真、物理沾上边，都将自己划为“世界模型”的阵营。
相对的，李一鸣觉得，比厘清世界模型定义更重要的，反而是厘清一套让各种机器人在各个场景中泛化的系统。
近期，李一鸣团队提出了一套由数据和物理双轮驱动的 Physical AI Infra 。其中包含两个自研组件：
数据管线 ：将数据采集量级快速规模化，从几十万小时的行业平均量级，提升到百万到千万小时。
物理引擎 ：实现 Real-to-Sim-Real 的闭环，也就是基于真实世界数据，构建一个仿真世界，用于机器人对物理世界的强化学习，最后在真实世界中执行任务。
即便世界模型并非一个独立组件，它仍然渗透在这套系统设施的每一个环节中。比如，基于采集到的数据，系统会将“世界模型”作为预训练的目标；在后训练环节，“世界模型”又会成为机器人进行强化学习的仿真环境。
该基础设施能够实现切割、旋拧、插拔、搅拌、按压、捏取、穿引等精细操作技能的训练，并在不同类型的灵巧手、机械臂等本体间跨形态部署，同时可适配生产制造、零售服务、酒店运营、餐饮备料、医疗辅助等多元场景。
这套技术方案，也被 2026 年 4 月成立的「厘清智能」所采用。背靠李一鸣团队，这个 Physical AI 领域的新玩家， 成立短短两个月内，便完成了多轮融资 。
《智能涌现》独家获悉， 厘清智能的种子轮融资金额高达数亿元，投资方包括顺为资本、红杉中国、高瓴创投、峰瑞资本、星连资本、水木清华校友种子基金、SEE FUND等基金，以及智元机器人、灵心巧手、世纪金源等多方产业资本。
稀缺性，是让一级市场押注厘清的重要理由。
一方面是软硬一体的人才。李一鸣的履历，横跨空间感知、多模态推理、自动驾驶以及具身智能。
在纽约大学读博期间，他与谢赛宁（AMI Labs 联合创始人兼首席科学家）合作发表了具身视觉推理的研究成果；同时，他与英伟达联合发表了多篇 CVPR 与 NeurIPS 亮点论文，并获得了2024年度英伟达奖学金（全球仅 10 位）。
△ 李一鸣。图源：受访者供图
厘清团队的 50 余名成员，大多是清华的学生，平均年龄 23 岁。“软硬一体的人才在国内很稀缺，所以清华给我们提供了很好的人才平台，”李一鸣告诉我们。
另一方面，则是厘清技术路线的稀缺性。李一鸣大胆选择了一条“很重”的路线：从数据采集，到模型训练，到物理引擎，全栈自研。
这在国内相当少见。前期的巨大投入、跨软硬的技术难度，已经劝退了一大波公司。但李一鸣认为， 只有打通所有的环节，信息流才能在不同环节、不同模块中畅通无阻，不同环节才能协同优化。
在李一鸣的规划中，今年年底前，团队将发布可以跨 B 端场景的世界模型；2028 年，厘清将实现解决方案的规模化。最终，他的目标是交付给客户一套软硬一体的解决方案，跨本体、跨场景地解决问题。
近期，《智能涌现》与李一鸣聊了聊他的技术判断，以及对世界模型、Physical AI 的判断。
以下是《智能涌现》对李一鸣观点的整理：
Physical AI 公司，不是本体公司，也不是模型公司
🤖 我们做的不只是世界模型，而是一套系统。
我们不以技术路线为导向，而是以实际问题为导向。训练世界模型的目的，不是为了训模型，而是为了解决 Physical AI（物理 AI）的一些问题，去迭代优化任务的成功率。
所以，我们不在意世界模型具体是什么，而是怎么将数据、模型、硬件、Infra 耦合成一个系统，最后成为一个能在场景中 work 的世界模型。
我们的目标是构建数据和物理双轮驱动的一套生态，“世界模型”渗透在每个环节中：
预训练过程，是将“世界模型”作为自监督的训练目标，同时对 state（状态）和 action（行动）进行建模；后训练过程，是将“世界模型”封为可交互的环境，机器人可以在环境中进行强化学习。
厘清智能其实不只是一家“世界模型公司”。整个团队做的是包含了数据管线、世界模型、物理引擎的一整套系统，所谓的“模型”只是其中的一个技术组件。
🤖 新一代的 Physical AI 团队，核心特点是全栈。
从数采设备到数据管线，从可微物理引擎到模型训练，我们全部自建：
自研的全掌触觉手套等设备，将单套成本从美元压到人民币量级，实现数采规模化，达到百万小时量级。
自研的可微物理引擎，实现了 Real-to-Sim-Real 的闭环，可以建模复杂材质比如流体，软体、弹塑性形变物体，成为高效的强化学习后训练平台。
基于广泛场景中采集的数据，以及后训练物理引擎，我们自研的世界模型操作系统，既能快速泛化到各个场景，也能实现 cross-embodiment（跨本体）。
🤖 新时代的具身公司，不应该是本体公司，也不应该是模型公司，而是一家 World Model as Service 公司。
未来随着数据量的快速积累，我们可以实现快速的跨本体泛化，最终交付给客户的不是世界模型，而是一套软硬一体系统。
这套系统可以根据落地场景和客户预算自动匹配最优硬件方案，开箱即用。
🤖 Physical AI 的人才画像，是软硬一体。
清华提供了很好的人才平台，我们团队的平均年龄是 03 年，甚至有 07 年的大一学生。
Physical AI 的人才画像，和 LLM 不太一样，我们需要的是软硬一体的人才。目前这样的人是非常稀缺的，因为我们的培养体系还在日渐成熟的过程中。
所以我们找到好苗子后会自己培养。现在的学生在一个好的团队中差不多半年、一年的时间，就能突飞猛进。
不能只做数据采集，忽视物理规律
🤖 具身模型的参数至少要达到语言模型的量级，甚至还要比语言模型再高几个量级，才有可能谈“智能涌现”。
语言是已经被压缩过的世界规则，现在都需要几百B的参数量，基于自然信号训练的具身模型，需要更多的数据与参数量。
🤖 人类数据比真机数据更好 scale up（规模化）。
全中国有几亿人在一线工作、在家庭中生活。相较于你操纵机器人采集数据，带着设备的真人采集数据的效率高许多，毕竟 scale up 人数，比 scale up 机器数量或者采集时长容易得多。
目前，我们已经找到了工厂、酒店、物业、商场、厨房等可规模化的场景方合作，短时间内会快速积累到百万小时的数据量。
🤖 做一整套 Physical AI Infra，只靠数据采集是不现实的，还需要很多物理规律。
现阶段采集到的数据量，还不支持 Physical AI 自主泛化到所有场景。然而，现实世界有很多场景，就连两个苹果都长得不一样，不可能将所有场景的数据都采一遍。
物理规律现阶段可以补足数据的局限性。所谓的物理规律，就像牛顿定律、纳维-斯托克斯方程（粘性牛顿流体运动规律），是人类对物理世界规则的总结，具有一定的通用性。
🤖 厘清智能设计了一套满足物理约束的世界模型方案，可以用别人 1% 的真机数据量训练策略模型，达到相同的成功率。
我们先通过真机采集少量数据，再将真机数据的 state transition（状态转移，指世界状态随行动产生的改变）和物理世界模型的 state transition 进行对齐，并将 loss（损失函数，指模型犯错的程度）回传，进而不断优化世界模型。
这样做的好处是，我们只需要少量的真实数据，“校准”世界模型建模的状态转移，就能让机器人在虚拟世界中自主学习。
举个例子，以前机器人学习切苹果，需要切坏成百上千个材料；现在只需要真切十次，剩下的练习都可以在物理世界模型中完成。
🤖 世界模型负责机器和世界的交互，语言模型负责机器和人的交互。
现在大家都意识到，基于 LLM 做 VLM（视觉-语言模型）、做 VLA（视觉-语言-行为模型），本质上与物理世界没有那么适配。
因为语言模型是一个高度离散化的空间。简单来说，我们跟世界打交道，总结出了一套语法规则。但是每个国家的语种都不一样，语言也充满了人对世界的 bias（偏见），而且有很多东西是无法用语言讲清楚的。
本质上，语言的目的是交流，是人机交互的界面，而不是一个模态。模态是你对世界的观测，语言则是你摄入信号后的总结。所以训练世界模型，语言不是中心，而是辅助的。
🤖 世界模型的训练同时需要 SFT（监督微调）加上 RL（强化学习）。
世界模型需要在物理世界中做 SFT，但物理数据的量是不够的，所以我们需要自己采集数据，建立数据标准。
LLM 在后训练过程中可以生成任意的词元，但世界模型必须遵守物理规律，所以我们自研了可微物理引擎，让后训练可以在满足物理约束的前提下进行。
因此，世界模型的训练是一套 system，需要联合预训练、后训练，以及数据 Infra 和硬件 Infra，才能实现训练效益最大化。
🤖 全栈打通感知、推理、决策、动作输出，并且面向机器和世界交互任务设计的，才是“原生世界模型”。
VLA 是非原生的世界模型，因为它的表征是离散的语言空间，不是真实世界；JEPA（联合嵌入预测架构）只能预测状态（state），但无法输出动作。
视频生成模型也不是原生世界模型，因为推理过程不是原生的。它生成的像素，只能拟合世界的表象，很难保证复杂任务策略学习需要的几何与物理一致性。
🤖 训练“原生世界模型”，关键是如何将物理世界高效 tokenization（表征）。
多模态观测——视觉、触觉、力觉——如何被压缩成模型可消化、可推理的 Token 序列，直接决定了模型能理解什么，不能理解什么。这层表征质量，是后续所有能力的天花板。
我们是全球少数能将表征端 tokenization 的公司，也就是将物理世界，高效压缩为机器容易理解和学习的 Token。
这套体系的壁垒不在技术，而是认知。它需要很强的 Know-How，需要你知道整一套生态系统该怎么搭建。比如，数据怎么清洗？模型怎么优化？这些问题都有很强的认知壁垒。
目前，我们团队内部训练的视觉 tokenizer（表征器，用于将物理世界转译为 Token），效果已经优于 Meta 的视觉基础模型 DINOv3。后续物理世界的高效表征也会是我们团队的重点研究方向。
🤖 如何构建 Physical AI 的 Infra，是训练世界模型的另一个难题。
除了构建数据平台，我们还需要设计好物理引擎 Infra。比如，如何让物理引擎去高效建模柔性物体、流体的 state，从而高效计算 state transition。只有这样，机器人才能在物理引擎中做强化学习。
如果一家公司所谓的“Infra”，只能支持本体做一些简单的抓取，那就不叫真正的 Physical AI Infra。
真正的 Physical AI Infra，能够让你不断优化数据效率，提升复杂任务上预训练和后训练的效果；或者在短程任务上训练后，能够泛化部署在复杂的长程任务上。
2028 年会是 Physical AI 规模化落地的 milestone
🤖 轮臂是适配大多操作场景的硬件落地形态。
人形机器人的想象空间很大，但技术难度也很大。比如，目前的负载能力（payload）会限制人形机器人执行需要较大力量和复杂操作的任务；对人体的各个部位进行精准建模，也是一个难题。
因此，我们目前部署的硬件形态以轮臂为主，也就是带有轮子的机械臂。不同的机械臂、灵巧手会在各种细分场景中，去做泛化。
🤖 前期，我们要更积极地与场景方合作。
数据的规模化、包括机器的后训练，都离不开和与真实场景方的合作。
我们的场景切入模式是。先 ToB，后 ToC。在 B 端积累的数据和技能，最后都能用到 C 端。
在 B 端，我们会先切入工业场景、物流场景，以及生活类、消费类的场景，这些场景工种有很强的替代性和高度重复性，客户也有很强的降本提效需求。
当然，硬件成本完全压到低于人力成本，肯定需要一个过程。但最重要的是先把场景铺开，这样才能不断优化模型性能，以及加快成本的边际效应。
🤖 我们的终极目标是做通用 Physical AI Infra。
我们的终极目标，是把这套系统封装为一款通用的 Physical AI Infra。
它不是针对某个任务、某个硬件的专用方案，而是一个能够部署在不同物理环境中的基础平台——像 iOS 之于移动应用一样，让各类物理操作任务可以规模化开发和部署。
这便是我们的“荔枝系统”。 而驱动其底层的核心能力，则来自两方面的坚实支撑：一整套原生世界模型架构，以及一套数据与物理双轮驱动的训练与评测基础设施。
2028年会是 Physical AI 的一个 milestone。根据我的推测， 数采的规模，以及电机密度都会实现跃升。到时，我们的方案才能规模化地落地。
欢迎交流！
本文由「 阿菜cabbage 」原创出品， 转载或内容合作请点击 转载说明 ；违规转载必究。
本文图片来自： AI生成
好文章，需要你的鼓励
提及的机构
下一篇
这并不是牌照价值的消失，而是过去由稀缺性、通道属性和预期扩张共同支撑的“非理性溢价”正在系统性回归。
23小时前
36氪欧洲站 36氪欧洲站 36氪欧洲站 Ai产品日报
推送和解读前沿、有料的科技创投资讯
一级市场金融信息和系统服务提供商
聚焦全球优秀创业者，项目融资率接近97%，领跑行业