（本文作者为 青橙财经，钛媒体经授权发布）

又一场资本大战正在悄然发生。

在今年大模型领域继续死磕榜单、狂飙性能的时候，AI 开始在屏幕之外创造一个吸金百亿的新概念—— " 世界模型 "。

在海外，有 "AI 教母 " 之称的李飞飞创立的物理 AI 公司 World Labs 估值已飙至 50 亿美元。而中国创投圈，世界模型相关公司突然像雨后春笋一样冒出来，它们拿到的融资里，亿元只能算门槛，十亿元是常态；而它们的投资人，既有马云、雷军这些大佬掌管的互联网资本，也有汽车、机器人赛道上搞实业的玩家。

唯一的问题在于，这场新 " 百模大战 " 看起来有点虚——以前的大模型大战，不管是智谱、月之暗面、MiniMax 还是其他，至少都是大模型公司，都有统一的评价标准。但世界模型领域的企业，其真实产业可能是视频、机器人、汽车、数据基建……世界模型有时只是概念和工具，有时却是它们商业模式的基础。

那么，世界模型到底是什么东西？为什么它的参与者会五花八门？这场看似由技术引起的狂热游戏背后，也有难掩的焦虑与迷茫。

「3 个月狂吸百亿，模型大战打进现实」

2026 年以来，中国世界模型及其细分赛道出现了一种近乎 " 抢钱 " 的融资奇观。

千寻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 亿元 A+ 轮融资。而在 2 月、3 月，它才分别获得了 20 亿元、10 亿元的融资。由此计算，这家由韩峰涛、高阳、郑灵茵于 2024 年 1 月创办、致力于通用人形机器人与具身大模型的初创企业，在短短三个月内的累计融资额已经超过 45 亿元。

据媒体报道，其投资席位在创投圈内已经变得极度紧俏，上一轮融资甚至引得雷军旗下的顺为资本与马云旗下的云锋基金首次共同重仓加注。

不过，具身智能的吸引力根本不止如此。千寻智能连续融资的过程中，大湾区首个估值破 200 亿元的具身智能独角兽——自变量机器人也在疯狂融资。

天眼查显示，从 4 月下旬被小米投资后，2 个月内，自变量连续闪电完成四轮重磅融资，不仅集结了红杉中国、IDG 资本、深创投、达晨财智等顶级财务投资机构，更是将国家人工智能产业投资基金、中国移动链长基金等 30 多家顶级国家队和产业资本悉数收入合围。

值得一提的是，这个赛道还出现了有趣的 " 争端 "。

6 月 29 日，被誉为 " 最像特斯拉 " 的深圳通用智能机器人智平方，也在完成近 50 亿元融资后，宣称自己是粤港澳大湾区首个估值破 200 亿元的具身智能企业。

当然，由于自变量在今年连续发布了全球首个 " 世界统一模型 "WALL-B 和首个具备 " 事件级预测能力 " 的世界模型 WALL-WM，所以它自然可以靠世界模型的概念错开竞争身位。

但与此同时，世界模型疯狂的吸金场景，正在像蛛网扩张一样，往其他现实赛道蔓延开去。

近日，号称 " 世界模型是语言模型之后下一个最重要的事情 " 的极佳视界，在 3 个月内连续完成 Pre-B 轮、B1 轮、B2 轮三轮大额融资，合计融资额超 35 亿元，且集结了中比基金（中国－比利时基金）、建投投资、万向钱潮、复星锐正等多家国家队与汽车产业链资本。

极佳视界除了自研机器人本体外，还格外重视数据原理，布局了大量数采硬件和世界模型平台。

成立仅 10 个月的北京智源研究院孵化企业星源智，也在近日完成了累计达 10 亿元的新一轮融资，并与智源共同成立了 " 具身交互世界模型实验室 "。成立一年的流形空间在 6 月完成新一轮数亿元融资，累计融资轮数已达 6 轮，获华为哈勃等资本看好。

4 月才成立的厘清智能种子轮融资就高达数亿元；清研精准刚拿下了数亿元 B2 轮融资，股东包括了中国汽车全圈的半壁江山——吉利、一汽、长城、蔚来、陕汽，而它实际上是 2018 年成立的智能电动汽车软硬件测试测量平台演变而来……

在重资产、长周期的硬科技大背景下，一场由互联网大厂、国家队大基金、地方国资与主机厂共同参与的世界模型追逐战正在一批这样的企业中发生。它们中有人直接将自己定义为世界模型企业，但实际生产的是机器人或者配件，有的企业关注 " 世界模型工厂 "，还有的则死磕数据和平台。

不管赛道如何，这批企业都在试图用资金优势在物理世界的入口前筑起高墙，抢夺一张不能缺席的门票。但重金堆砌就一定会诞生最终的赢家吗？历史经验告诉我们，答案可能并不简单。

「技术路线五花八门，世界模型没有标准答案？」

这些极其复杂的竞争反而会让人疑惑：究竟什么是世界模型？为什么这么多企业都能做世界模型？

从物理逻辑来看，世界模型的核心是预测 " 如果给物理世界一个动作，未来世界的状态会发生什么改变 "。它需要 AI 去理解重力、惯性、摩擦力和三维空间的相互作用。但由于模型根本没有大量进入现实场景，所以业界显得非常割裂。就连李飞飞也在上个月的一篇博文中感慨：

" 世界模型已经成为当今 AI 领域最重要，也最被滥用的术语之一。计算机视觉、机器人学、强化学习和生成式 AI 都在声称自己正在构建世界模型，但每一个领域所指的东西都截然不同。"

她随后将世界模型分为渲染、仿真和规划三个方向，而考虑到在实际生活中的应用，它们还可以进一步提炼为两大路线。

第一种是 " 以视频 / 数据拟物理 " 的生成式、仿真路线。该路线在国内以极佳视界、Momenta 等企业为代表，已经取得积极成果。

这一派的核心主张是利用海量的无监督视频数据，让大模型在像素的生灭和连续变化中，自行 " 脑补 " 出物理规律，并从单纯的模仿学习逐渐升维到探索、理解的层次。

例如在港股冲刺 " 物理 AI 第一股 " 的 Momenta，在量产车上首发的 R7 世界模型，便是通过对海量驾驶视频的深度训练，让车辆在面对复杂博弈、罕见极端场景时，具备了超前推演和最优决策的能力。

这种路线的优势极为明显，它能够无缝吞噬互联网上现存的庞大视频库，数据获取相对容易，有利于加快应用。Momenta 目前就已经将其世界模型作为物理 AI 基座模型，成功应用于乘用车、无人驾驶出租车及无人物流车等领域。

第二种则是 " 以行动验世界 " 的端到端交互具身路线。这一路线以自变量机器人、千寻智能等具身智能企业为代表。

这一派坚决地奉行李飞飞提出的 " 智能体—行动—状态—观测 " 经典反馈闭环，拒绝将视觉和动作模块进行生硬的拼接。

自变量机器人推出的 WALL-B 模型采用了 " 世界统一模型（WUM）" 架构，将视觉、语言、动作与物理预测放在一个神经网络里从零开始联合训练，使得机器人在动手之前，先在 " 大脑 " 里对物理结果进行彩排。自变量开发的高效数据管线也大幅降低了其数据采集成本，进一步支持了模型的快速迭代。

同样的，千寻智能自研的 Spirit v1.6 具身模型，更是在今年被称为具身智能 " 奥林匹克 " 的 RoboArena 真机评测中成功登顶，力压英伟达最新发布的 Cosmos3 和 Physical Intelligence 等硅谷巨头的旗舰模型。在此之前，其 Spirit v1.5 也在 RoboChallenge Table30 真机评测中击败了美国标杆模型 Pi0.5。

端到端交互路线强调真实的物理因果律，能让机器在 " 试错 " 中建立对现实的认知。它的代价是极度依赖高质量、高频次的真实世界交互数据。没有物理机队去源源不断地生产反馈，模型就会迅速陷入干瘪——这解释了为什么这批机器人企业融资极其夸张，如果没有足够的资源支持，它们连基本的数据、训练都难以完成，更谈不上商业化。

两条路线虽不至于水火相对，但差异极大。最终只有世界才能检验世界模型，但谁又能现在就让自己走进生产力场景，自由应用？

「泡沫、挑战与洗牌，最难的壁垒在物理世界」

不同于应用门槛偏低、谁都能聊上两句的大语言模型，世界模型落地必须跨越三道天堑。

首先是 " 失败数据 " 的鸿沟。大语言模型只需要学习人类优秀的文本，但世界模型要理解物理世界的因果律，不仅需要 " 把杯子拿起来 " 的成功案例，更需要海量 " 杯子滑落、捏碎、碰撞、倾倒 " 的失败交互反馈。没有这些边界数据，AI 就无法真正理解阻力与惯性。

为了跨越这道数据红海，千寻智能、极佳视界等企业不得不耗费巨资，在全国上百个城市建立 " 数据超级工厂 " 进行饱和采集。千寻智能更是打造了国内最大真实数采团队。但这种高质量、多维度的物理交互数据积累，本质上是一个极其烧钱且极其缓慢的重资产长跑。只靠融资 " 烧 " 到商业化，是不小的挑战。

其次是真实物理参数的不可评测性，与工业现场对 " 零误差 " 的苛刻要求。

在虚拟世界里，代码和语言好不好，可以通过高考试卷或者标准基准测试（Benchmark）来打分。但在物理世界中，各种力或者接触根本没有一套标准化的客观评测指标。而生成式模型天然带有随机性和概率分布，在工业组装或高速自动驾驶场景下，只要 1% 的像素预测偏差就有可能造成生产事故。

这造成了前文提到的一个现象：大量世界模型企业身后几乎一定会有产业资本，它们的企业需要更深入地对具身智能等产品进行适配和调教，才能更好地让产品真正走上生产线。

例如，清研精准的定位就是 " 世界模型的工厂 "，基于其汽车界背景和数据实力为汽车行业定向服务。而千寻智能则刚刚在 6 月和舍弗勒达成合作，围绕具身智能数据采集、人形机器人核心零部件及工业场景应用三大领域推进应用。

最后，即便有了资本支持，以及坚实的产业关系，要让产品突破浅层实现商业化，对现在来说依然有些 " 遥不可及 "。

目前市面上大量号称做世界模型的初创企业，实际上干的依然是 3D 渲染、单纯的项目集成等周边生意，而不是提供高确定性、大规模的生产力。虽然这些企业正在加速切入生产线，但少有人提及其真实应用规模。真实的商业化效果和产线 ROI，依然需要极其漫长的周期来评估。

回到业界真正关心的内容，技术卡位只是其中一方面，最重要的是世界模型不能只是在虚拟屏幕里自娱自乐的算法秀。今天为数据、底座、硬件投入的每一分钱，都需要未来能在应用中收回。百亿大变局，到底什么路线、哪些公司能穿透迷雾活到最后？这个问题，或许就连融资拿到手软的公司们自己也不知道。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体 App