3個月狂吸百億，世界模型打響2026生死卡位戰

作者丨方詩意

編輯丨六子

又一場資本大戰正在悄然發生。

在今年大模型領域繼續死磕榜單、狂飆性能的時候，AI開始在屏幕之外創造一個吸金百億的新概念——“世界模型”。

在海外，有“AI教母”之稱的李飛飛創立的物理AI公司World Labs估值已飆至50億美元。而中國創投圈，世界模型相關公司突然像雨后春筍一樣冒出來，它們拿到的融資里，億元只能算門檻，十億元是常態；而它們的投資人，既有馬云、雷軍這些大佬掌管的互聯網資本，也有汽車、機器人賽道上搞實業的玩家。

*圖源智平方

唯一的問題在于，這場新“百模大戰”看起來有點虛——以前的大模型大戰，不管是智譜、月之暗面、MiniMax還是其他，至少都是大模型公司，都有統一的評價標準。但世界模型領域的企業，其真實產業可能是視頻、機器人、汽車、數據基建……世界模型有時只是概念和工具，有時卻是它們商業模式的基礎。

那么，世界模型到底是什么東西？為什么它的參與者會五花八門？這場看似由技術引起的狂熱游戲背后，也有難掩的焦慮與迷茫。

01
「3個月狂吸百億，模型大戰打進現實」

2026年以來，中國世界模型及其細分賽道出現了一種近乎“搶錢”的融資奇觀。

千尋智能可能是其中最大的受益者之一。6月3日，它宣布完成15億元A+輪融資。而在2月、3月，它才分別獲得了20億元、10億元的融資。由此計算，這家由韓峰濤、高陽、鄭靈茵于2024年1月創辦、致力于通用人形機器人與具身大模型的初創企業，在短短三個月內的累計融資額已經超過45億元。

*圖源千尋智能

據媒體報道，其投資席位在創投圈內已經變得極度緊俏，上一輪融資甚至引得雷軍旗下的順為資本與馬云旗下的云鋒基金首次共同重倉加注。

不過，具身智能的吸引力根本不止如此。千尋智能連續融資的過程中，大灣區首個估值破200億元的具身智能獨角獸——自變量機器人也在瘋狂融資。

天眼查顯示，從4月下旬被小米投資后，2個月內，自變量連續閃電完成四輪重磅融資，不僅集結了紅杉中國、IDG資本、深創投、達晨財智等頂級財務投資機構，更是將國家人工智能產業投資基金、中國移動鏈長基金等30多家頂級國家隊和產業資本悉數收入合圍。

*圖源天眼查

值得一提的是，這個賽道還出現了有趣的“爭端”。

6月29日，被譽為“最像特斯拉”的深圳通用智能機器人智平方，也在完成近50億元融資后，宣稱自己是粵港澳大灣區首個估值破200億元的具身智能企業。

當然，由于自變量在今年連續發布了全球首個“世界統一模型”WALL-B和首個具備“事件級預測能力”的世界模型WALL-WM，所以它自然可以靠世界模型的概念錯開競爭身位。

*圖源自變量

但與此同時，世界模型瘋狂的吸金場景，正在像蛛網擴張一樣，往其他現實賽道蔓延開去。

近日，號稱“世界模型是語言模型之后下一個最重要的事情”的極佳視界，在3個月內連續完成Pre-B輪、B1輪、B2輪三輪大額融資，合計融資額超35億元，且集結了中比基金（中國－比利時基金）、建投投資、萬向錢潮、復星銳正等多家國家隊與汽車產業鏈資本。

極佳視界除了自研機器人本體外，還格外重視數據原理，布局了大量數采硬件和世界模型平臺。

成立僅10個月的北京智源研究院孵化企業星源智，也在近日完成了累計達10億元的新一輪融資，并與智源共同成立了“具身交互世界模型實驗室”。成立一年的流形空間在6月完成新一輪數億元融資，累計融資輪數已達6輪，獲華為哈勃等資本看好。

4月才成立的厘清智能種子輪融資就高達數億元；清研精準剛拿下了數億元B2輪融資，股東包括了中國汽車全圈的半壁江山——吉利、一汽、長城、蔚來、陜汽，而它實際上是2018年成立的智能電動汽車軟硬件測試測量平臺演變而來……

在重資產、長周期的硬科技大背景下，一場由互聯網大廠、國家隊大基金、地方國資與主機廠共同參與的世界模型追逐戰正在一批這樣的企業中發生。它們中有人直接將自己定義為世界模型企業，但實際生產的是機器人或者配件，有的企業關注“世界模型工廠”，還有的則死磕數據和平臺。

不管賽道如何，這批企業都在試圖用資金優勢在物理世界的入口前筑起高墻，搶奪一張不能缺席的門票。但重金堆砌就一定會誕生最終的贏家嗎？歷史經驗告訴我們，答案可能并不簡單。

02
「技術路線五花八門，世界模型沒有標準答案？」

這些極其復雜的競爭反而會讓人疑惑：究竟什么是世界模型？為什么這么多企業都能做世界模型？

從物理邏輯來看，世界模型的核心是預測“如果給物理世界一個動作，未來世界的狀態會發生什么改變”。它需要AI去理解重力、慣性、摩擦力和三維空間的相互作用。但由于模型根本沒有大量進入現實場景，所以業界顯得非常割裂。就連李飛飛也在上個月的一篇博文中感慨：

“世界模型已經成為當今AI領域最重要，也最被濫用的術語之一。計算機視覺、機器人學、強化學習和生成式AI都在聲稱自己正在構建世界模型，但每一個領域所指的東西都截然不同?！?/p>

*圖源互聯網

她隨后將世界模型分為渲染、仿真和規劃三個方向，而考慮到在實際生活中的應用，它們還可以進一步提煉為兩大路線。

第一種是“以視頻/數據擬物理”的生成式、仿真路線。該路線在國內以極佳視界、Momenta等企業為代表，已經取得積極成果。

這一派的核心主張是利用海量的無監督視頻數據，讓大模型在像素的生滅和連續變化中，自行“腦補”出物理規律，并從單純的模仿學習逐漸升維到探索、理解的層次。

例如在港股沖刺“物理AI第一股”的Momenta，在量產車上首發的R7世界模型，便是通過對海量駕駛視頻的深度訓練，讓車輛在面對復雜博弈、罕見極端場景時，具備了超前推演和最優決策的能力。

這種路線的優勢極為明顯，它能夠無縫吞噬互聯網上現存的龐大視頻庫，數據獲取相對容易，有利于加快應用。Momenta目前就已經將其世界模型作為物理AI基座模型，成功應用于乘用車、無人駕駛出租車及無人物流車等領域。

第二種則是“以行動驗世界”的端到端交互具身路線。這一路線以自變量機器人、千尋智能等具身智能企業為代表。

*圖源自變量

這一派堅決地奉行李飛飛提出的“智能體—行動—狀態—觀測”經典反饋閉環，拒絕將視覺和動作模塊進行生硬的拼接。

自變量機器人推出的WALL-B模型采用了“世界統一模型（WUM）”架構，將視覺、語言、動作與物理預測放在一個神經網絡里從零開始聯合訓練，使得機器人在動手之前，先在“大腦”里對物理結果進行彩排。自變量開發的高效數據管線也大幅降低了其數據采集成本，進一步支持了模型的快速迭代。

同樣的，千尋智能自研的Spirit v1.6具身模型，更是在今年被稱為具身智能“奧林匹克”的RoboArena真機評測中成功登頂，力壓英偉達最新發布的Cosmos3和Physical Intelligence等硅谷巨頭的旗艦模型。在此之前，其Spirit v1.5也在RoboChallenge Table30真機評測中擊敗了美國標桿模型Pi0.5。

*圖源千尋智能

端到端交互路線強調真實的物理因果律，能讓機器在“試錯”中建立對現實的認知。它的代價是極度依賴高質量、高頻次的真實世界交互數據。沒有物理機隊去源源不斷地生產反饋，模型就會迅速陷入干癟——這解釋了為什么這批機器人企業融資極其夸張，如果沒有足夠的資源支持，它們連基本的數據、訓練都難以完成，更談不上商業化。

兩條路線雖不至于水火相對，但差異極大。最終只有世界才能檢驗世界模型，但誰又能現在就讓自己走進生產力場景，自由應用？

03
「泡沫、挑戰與洗牌，最難的壁壘在物理世界」

不同于應用門檻偏低、誰都能聊上兩句的大語言模型，世界模型落地必須跨越三道天塹。

首先是“失敗數據”的鴻溝。大語言模型只需要學習人類優秀的文本，但世界模型要理解物理世界的因果律，不僅需要“把杯子拿起來”的成功案例，更需要海量“杯子滑落、捏碎、碰撞、傾倒”的失敗交互反饋。沒有這些邊界數據，AI就無法真正理解阻力與慣性。

為了跨越這道數據紅海，千尋智能、極佳視界等企業不得不耗費巨資，在全國上百個城市建立“數據超級工廠”進行飽和采集。千尋智能更是打造了國內最大真實數采團隊。但這種高質量、多維度的物理交互數據積累，本質上是一個極其燒錢且極其緩慢的重資產長跑。只靠融資“燒”到商業化，是不小的挑戰。

*圖源千尋智能

其次是真實物理參數的不可評測性，與工業現場對“零誤差”的苛刻要求。

在虛擬世界里，代碼和語言好不好，可以通過高考試卷或者標準基準測試（Benchmark）來打分。但在物理世界中，各種力或者接觸根本沒有一套標準化的客觀評測指標。而生成式模型天然帶有隨機性和概率分布，在工業組裝或高速自動駕駛場景下，只要1%的像素預測偏差就有可能造成生產事故。

這造成了前文提到的一個現象：大量世界模型企業身后幾乎一定會有產業資本，它們的企業需要更深入地對具身智能等產品進行適配和調教，才能更好地讓產品真正走上生產線。

例如，清研精準的定位就是“世界模型的工廠”，基于其汽車界背景和數據實力為汽車行業定向服務。而千尋智能則剛剛在6月和舍弗勒達成合作，圍繞具身智能數據采集、人形機器人核心零部件及工業場景應用三大領域推進應用。

*圖源千尋智能

最后，即便有了資本支持，以及堅實的產業關系，要讓產品突破淺層實現商業化，對現在來說依然有些“遙不可及”。

目前市面上大量號稱做世界模型的初創企業，實際上干的依然是3D渲染、單純的項目集成等周邊生意，而不是提供高確定性、大規模的生產力。雖然這些企業正在加速切入生產線，但少有人提及其真實應用規模。真實的商業化效果和產線ROI，依然需要極其漫長的周期來評估。

回到業界真正關心的內容，技術卡位只是其中一方面，最重要的是世界模型不能只是在虛擬屏幕里自娛自樂的算法秀。今天為數據、底座、硬件投入的每一分錢，都需要未來能在應用中收回。百億大變局，到底什么路線、哪些公司能穿透迷霧活到最后？這個問題，或許就連融資拿到手軟的公司們自己也不知道。