影身智能完成多輪融資，用原生3D數(shù)據(jù)重新定義機(jī)器人認(rèn)知｜甲子光年

像嬰兒一樣學(xué)習(xí)這個(gè)世界。

作者｜張麟

編輯｜栗子

當(dāng)大模型從數(shù)字世界走向物理世界，一場(chǎng)關(guān)于“如何理解真實(shí)”的技術(shù)路線(xiàn)之爭(zhēng)激烈上演。

近日，「甲子光年」獨(dú)家獲悉，具身通用大模型與機(jī)器人公司“影身智能”宣布，已連續(xù)完成天使輪、天使+輪及Pre-A輪融資，累計(jì)融資金額近億元。

具體來(lái)看，影身智能天使及天使+輪由恒生電子領(lǐng)投，松禾資本、杭州潤(rùn)苗基金、北京未來(lái)星、東莞人才基金跟投，浩觀資本擔(dān)任財(cái)務(wù)顧問(wèn)；Pre-A輪由深高投領(lǐng)投，曉池資本與老股東卓源亞洲共同參與，藍(lán)橋資本擔(dān)任財(cái)務(wù)顧問(wèn)；在此之前，公司曾于2024年完成數(shù)千萬(wàn)元種子輪融資，投資方包括卓源亞洲、杭州西湖科創(chuàng)投等。

影身智能創(chuàng)始人&CEO閔偉是清華大學(xué)工學(xué)博士，前阿里巴巴機(jī)器人團(tuán)隊(duì)技術(shù)負(fù)責(zé)人，在AI和機(jī)器人領(lǐng)域有20年研發(fā)經(jīng)驗(yàn)。他聯(lián)合清華同窗劉燁斌、孟子陽(yáng)共同組成“科學(xué)家天團(tuán)”，攜手攻克具身世界模型核心技術(shù)難題。前者是清華大學(xué)自動(dòng)化系、腦與認(rèn)知科學(xué)研究所教授，杰出青年科學(xué)家，長(zhǎng)期致力于動(dòng)態(tài)三維重建理論和關(guān)鍵技術(shù)創(chuàng)新；后者則是萬(wàn)人計(jì)劃領(lǐng)軍人才，深耕機(jī)器人運(yùn)控、定位與導(dǎo)航系統(tǒng)。

松禾創(chuàng)智基金執(zhí)行事務(wù)合伙人、松禾資本管理合伙人汪洋表示：“影身智能擁有業(yè)內(nèi)稀缺的、頂尖學(xué)術(shù)科研積淀與全鏈路產(chǎn)業(yè)落地能力兼?zhèn)涞膹?fù)合團(tuán)隊(duì)，技術(shù)路徑兼具顯著成本優(yōu)勢(shì)與優(yōu)秀場(chǎng)景泛化能力。”

2026年，具身智能開(kāi)始告別技術(shù)性驗(yàn)證，進(jìn)入商業(yè)化落地的階段。在大模型領(lǐng)域，VLA才剛剛被具身智能應(yīng)用不久，泛化性、物理世界推理能力方面的短板就已經(jīng)暴露，世界模型開(kāi)始受到關(guān)注。

世界模型在具身智能領(lǐng)域的興起，也意味著具身智能行業(yè)進(jìn)入了數(shù)據(jù)驅(qū)動(dòng)的時(shí)代。

而影身智能這家成立于2024年6月的公司，是全球首家以“原生3D動(dòng)態(tài)世界模型”為核心技術(shù)路線(xiàn)的具身智能企業(yè)。在具身智能大模型行業(yè)經(jīng)歷關(guān)鍵拐點(diǎn)的當(dāng)下，影身智能的這一技術(shù)選擇，或?qū)⒅匦露x機(jī)器人理解物理世界的方式。

1.具身智能的范式轉(zhuǎn)移

如今的具身智能產(chǎn)業(yè)，正處于的繁榮的焦慮之中。

過(guò)去兩年，具身智能產(chǎn)業(yè)在大模型這一細(xì)分但極其重要的領(lǐng)域經(jīng)歷了一場(chǎng)深刻變革。行業(yè)逐漸意識(shí)到，傳統(tǒng)的VLA（Vision-Language-Action）范式本質(zhì)上是對(duì) 2D 像素的統(tǒng)計(jì)擬合，難以處理真實(shí)物理世界中的復(fù)雜空間關(guān)系與動(dòng)態(tài)交互。為了跨越這一鴻溝，大量公司開(kāi)始將目光轉(zhuǎn)向“世界模型”。

從智元發(fā)布的 Genie Envisioner 2.0，到螞蟻靈波開(kāi)源的 LingBot-VA，再到英偉達(dá)與斯坦福聯(lián)手發(fā)布的 Cosmos Policy，世界模型正從實(shí)驗(yàn)室的概念變?yōu)楫a(chǎn)業(yè)剛需。英偉達(dá)機(jī)器人主管 Jim Fan 甚至斷言：2026年將是大型世界模型為機(jī)器人技術(shù)和更廣泛的多模態(tài) AI 奠定真正物理基礎(chǔ)的元年。

影身智能的核心產(chǎn)品同樣是其自研的原生3D動(dòng)態(tài)世界模型。但在通往“物理真理”的路上，影身智能在數(shù)據(jù)獲取與模型訓(xùn)練上，采用了一種與市場(chǎng)截然不同的“升維”思路——大多數(shù)公司的世界模型主要依賴(lài)互聯(lián)網(wǎng)海量的2D視頻進(jìn)行訓(xùn)練，而影身智能則試圖完全依靠3D數(shù)據(jù)。

影身智能基于3D數(shù)據(jù)實(shí)現(xiàn)的場(chǎng)景重建與泛化（截圖）

這種路線(xiàn)分歧，源于具身智能行業(yè)的一個(gè)共識(shí)——世界模型的數(shù)據(jù)是普遍稀缺的。

此前，大語(yǔ)言模型能夠輕松獲取海量的文本內(nèi)容、自動(dòng)駕駛模型有無(wú)數(shù)車(chē)輛持續(xù)完成道路數(shù)據(jù)采集，這都讓其能夠得到很好地訓(xùn)練和快速迭代。但用在具身智能上的大模型，尤其是世界模型，沒(méi)有數(shù)據(jù)寶藏可挖。不成規(guī)模的產(chǎn)品落地和極度匱乏的交互，讓世界模型幾乎沒(méi)有現(xiàn)成的物理數(shù)據(jù)可用作訓(xùn)練。

更重要的是，具身智能要面對(duì)的場(chǎng)景主要是非結(jié)構(gòu)化場(chǎng)景，廚房、客廳、病房、工廠，每個(gè)場(chǎng)景都有其獨(dú)特的交互邏輯，如何用有限的數(shù)據(jù)完成世界模型泛化性的提升，是每一個(gè)從業(yè)者都在面臨的問(wèn)題。

市場(chǎng)上的部分企業(yè)選擇給世界模型喂養(yǎng)互聯(lián)網(wǎng)視頻，希望在解決數(shù)據(jù)來(lái)源問(wèn)題的同時(shí)，通過(guò)算法優(yōu)化來(lái)讓世界模型能夠從中獲取到物理世界的運(yùn)行邏輯。另一些企業(yè)傾向于利用遙操手段，精準(zhǔn)采集機(jī)器人的交互行為，得到的數(shù)據(jù)將會(huì)是極其精準(zhǔn)且能真實(shí)反映物理世界的。

但影身智能并不這么認(rèn)為。一個(gè)很簡(jiǎn)單的道理是，如果這幾種數(shù)據(jù)采集方法被證明是高效的，世界模型的效能提升不會(huì)這樣緩慢。

2.當(dāng)模型準(zhǔn)備好，數(shù)據(jù)還沒(méi)來(lái)

在具身智能領(lǐng)域，如果說(shuō)“世界模型”是所有玩家競(jìng)逐的圣杯，那么高質(zhì)量、可規(guī)模化的交互數(shù)據(jù)則是通往圣杯的唯一階梯。然而，關(guān)于“階梯”該如何搭建，行業(yè)內(nèi)正演化出截然不同的路徑。

影身智能創(chuàng)始人&CEO閔偉認(rèn)為，文本信息是一維數(shù)據(jù)，視頻、圖片是二維數(shù)據(jù)，而世界模型需要的是三維數(shù)據(jù)，需要有三維坐標(biāo)和幾何表征，否則訓(xùn)練出的模型極易出現(xiàn)“物理幻覺(jué)”和“空間錯(cuò)位”—比如認(rèn)為手可以穿過(guò)桌面。

但并非所有人都認(rèn)可這一觀點(diǎn)。

比如Google DeepMind，他們將世界建模視為一種序列預(yù)測(cè)問(wèn)題，其推出的Genie世界模型主要以視頻生成為基礎(chǔ)進(jìn)行自回歸。從結(jié)果看，Genie同樣能生成3D場(chǎng)景，但它的工作流程完全在2D視覺(jué)token空間中進(jìn)行，處理的是視頻幀序列，而非3D結(jié)構(gòu)。

這種技術(shù)路徑的優(yōu)勢(shì)在于數(shù)據(jù)庫(kù)存量級(jí)大，缺點(diǎn)則是易出現(xiàn)嚴(yán)重的物理不合理問(wèn)題。論文《Empowering LLMs with Physics-Based Task Planning for Real-Time Insight》中指出，Genie等世界模型雖然引入了視頻學(xué)習(xí)、多智能體動(dòng)態(tài)和前向/逆向預(yù)測(cè)，但這些都仍然是黑箱預(yù)測(cè)邏輯，其所理解的世界“物理規(guī)律”完全從2D數(shù)據(jù)中學(xué)習(xí)，沒(méi)有明確的物理一致性保證。

另一個(gè)備受關(guān)注的方向，來(lái)自李飛飛團(tuán)隊(duì)。他們推出的Marble世界模型，技術(shù)路徑強(qiáng)調(diào)“空間智能”（Spatial Intelligence），采用顯式3D重建方法，試圖從2D數(shù)據(jù)中還原出一個(gè)可交互的三維世界。盡管Marble在空間精確性和幾何合理性上更勝一籌，但受限于底層技術(shù)棧，其在復(fù)雜動(dòng)態(tài)交互中仍無(wú)法徹底解決仿真結(jié)果的閃爍、畸變和穿模問(wèn)題。

這是因數(shù)據(jù)物理表征缺失而產(chǎn)生的困局，會(huì)讓模型在執(zhí)行高精度操控任務(wù)時(shí)“力不從心”。

甲子光年認(rèn)為，無(wú)論是Genie還是Marble，本質(zhì)上都是避開(kāi)了三維數(shù)據(jù)的獲取難題，試圖通過(guò)更大數(shù)量級(jí)的二維數(shù)據(jù)（照片、視頻）作為代償，用算法逆向模擬出物理世界的深層規(guī)律。這幾乎代表了當(dāng)前世界模型領(lǐng)域的兩大技術(shù)路線(xiàn)：像素生成派、3D重建派。

影身智能想走第三條路——直面難題，開(kāi)辟原生3D路徑。閔偉認(rèn)為，具身智能長(zhǎng)久以來(lái)的“認(rèn)知偏差”，本質(zhì)上源于數(shù)據(jù)源頭的降維困境。在他看來(lái)，用2D數(shù)據(jù)訓(xùn)練機(jī)器人，就像是讓人類(lèi)僅通過(guò)觸碰照片來(lái)感知世界，“世界模型需要的是擁有精確三維坐標(biāo)與幾何表征的3D數(shù)據(jù)，這是滿(mǎn)足真實(shí)物理交互、消除‘物理幻覺(jué)’的唯一入場(chǎng)券。”

閔偉告訴甲子光年：“世界模型的問(wèn)題，歸根結(jié)底是數(shù)據(jù)問(wèn)題。過(guò)去，三維數(shù)據(jù)采集昂貴且稀缺，所以大量公司才試圖從二維突破。我們要做的，就是用技術(shù)手段直接破解三維數(shù)據(jù)的生產(chǎn)難題，從源頭上拆除世界模型的桎梏。”

閔偉口中的技術(shù)手段，是他們獨(dú)創(chuàng)的“影身360”系統(tǒng)。而這一技術(shù)帶來(lái)的成就，是影身智能全棧自研的“原生3D動(dòng)態(tài)世界模型”。

影身360系統(tǒng)本質(zhì)上仍是一套三維數(shù)據(jù)采集系統(tǒng)，但其徹底顛覆了對(duì)高昂硬件的依賴(lài)。僅依靠極簡(jiǎn)的家用級(jí)RGB攝像頭，即可實(shí)現(xiàn)實(shí)時(shí)的3D數(shù)據(jù)采集與重建。這種“以輕搏重”的方案，大幅降低了高精度傳感器的需求。

“影身360”實(shí)時(shí)數(shù)采-重建現(xiàn)場(chǎng)

影身智能科學(xué)家劉燁斌教授告訴甲子光年：“現(xiàn)在已有的三維數(shù)據(jù)采集方式，無(wú)論是激光采集還是攝像機(jī)陣列采集，都存在采集數(shù)據(jù)體量小、成本高以及環(huán)境局限性強(qiáng)等問(wèn)題。”

通過(guò)持續(xù)的優(yōu)化，目前影身360系統(tǒng)的攝像頭僅需4-5個(gè)，單個(gè)攝像頭價(jià)格僅百元級(jí)別，極大降低了三維數(shù)據(jù)采集的門(mén)檻。搭配影身智能自研的軟件算法，這套系統(tǒng)能夠?qū)崟r(shí)地構(gòu)建出自由視角的場(chǎng)景重建，為世界模型的訓(xùn)練和后續(xù)機(jī)器人的落地應(yīng)用搭建高效的數(shù)據(jù)基礎(chǔ)。

更為關(guān)鍵的是，這種數(shù)據(jù)采集和處理方式幾乎顛覆了世界模型的訓(xùn)練范式。在此基礎(chǔ)上，影身智能的原生3D動(dòng)態(tài)世界模型從預(yù)訓(xùn)練階段，輸入的原始數(shù)據(jù)就是包含物理邊界、幾何表征和真實(shí)交互邏輯的三維數(shù)據(jù)。

這意味著該世界模型不再是被動(dòng)地觀察“平面電影”，從而“想象”真實(shí)世界，而是原生感知三維空間中的深度、體積與動(dòng)力學(xué)關(guān)系。通過(guò)這種信息升維，影身智能不僅解決了數(shù)據(jù)從哪來(lái)的問(wèn)題，更解決了數(shù)據(jù)怎么用的問(wèn)題，讓模型擁有了真正的“物理直覺(jué)”。

閔偉對(duì)甲子光年表示：“區(qū)別于繞彎路的二維映射，該模型直接以‘原生3D數(shù)據(jù)’為基礎(chǔ)，從數(shù)據(jù)源頭重構(gòu)了模型的能力邊界。它能夠同步生成場(chǎng)景的三維幾何表征、預(yù)測(cè)視頻以及直接驅(qū)動(dòng)物理本體的動(dòng)作（Action）序列。這種從1維、2維到3維的升維進(jìn)化，讓機(jī)器人獲得了泛化物理常識(shí)的能力。”

除了能夠?qū)φ鎸?shí)的物理世界理解的更加透徹，原生3D動(dòng)態(tài)世界模型的另一個(gè)優(yōu)勢(shì)，是訓(xùn)練高效。

以視頻數(shù)據(jù)為例，其雖然有海量的數(shù)據(jù)資源，但同樣存在數(shù)據(jù)冗余和無(wú)效的情況，原因在于視頻的每一幀之間存在大量的圖像信息重合。

而三維數(shù)據(jù)的數(shù)據(jù)冗余更少、利用效率更高，在大模型訓(xùn)練和機(jī)器人本體訓(xùn)練時(shí)則更加高效。影身智能表示，其目前利用原生3D數(shù)據(jù)對(duì)世界模型進(jìn)行訓(xùn)練，生成同樣效果的仿真結(jié)果，效率是使用視頻訓(xùn)練的20倍。

影身智能基于3D數(shù)據(jù)的L-UVA架構(gòu)視頻泛化效果對(duì)比

閔偉給甲子光年打了一個(gè)很恰當(dāng)?shù)谋扔鳎骸耙粋€(gè)嬰兒出生以后，即使每天的活動(dòng)時(shí)間只有8小時(shí)，三年時(shí)間也不過(guò)8000小時(shí)，為什么就已經(jīng)能夠很好地完成對(duì)世界的理解和交互了？原因就在于人類(lèi)從出生開(kāi)始就在接觸原生的三維數(shù)據(jù)和真實(shí)的物理世界。僅靠二維數(shù)據(jù)，大模型訓(xùn)練百萬(wàn)小時(shí)也難以達(dá)成同樣效果。”

因此，影身智能從數(shù)據(jù)源頭完成的升維，實(shí)際上也是對(duì)數(shù)據(jù)體量的降低以及世界模型訓(xùn)練速度的加快，做出的布局。

3.落地是最好的試金石：為什么是制鞋？

技術(shù)再先進(jìn)，不能落地就是空中樓閣。具身智能的行業(yè)本質(zhì)，最終還是要回歸到產(chǎn)生商業(yè)價(jià)值。

目前市場(chǎng)上，具身智能的主要目標(biāo)場(chǎng)景包括工業(yè)制造、物流倉(cāng)儲(chǔ)、商業(yè)服務(wù)、家庭服務(wù)等。其中，“機(jī)器人進(jìn)工廠”雖最具規(guī)模效應(yīng)，卻也爭(zhēng)議最大。

質(zhì)疑者認(rèn)為，傳統(tǒng)工廠已有高度成熟的自動(dòng)化方案。特別是機(jī)器人進(jìn)入汽車(chē)工廠“打螺絲”等案例，往往被視為對(duì)成熟剛性生產(chǎn)線(xiàn)的重構(gòu)，并未能充分證明具身智能在復(fù)雜、多變環(huán)境下的適配性與增量?jī)r(jià)值。

但影身智能的觀點(diǎn)是：現(xiàn)階段的機(jī)器人進(jìn)工廠并非偽命題，關(guān)鍵在于進(jìn)什么樣的工廠。

甲子光年了解到，影身智能目前落地的垂直領(lǐng)域是柔性智造行業(yè)，將矛頭直指工業(yè)界最難啃的“硬骨頭”——由柔性材料與柔性生產(chǎn)構(gòu)成的“雙柔性”場(chǎng)景。

在過(guò)去，易形變材料（如皮革、織物）與高頻更迭的SKU（如鞋服款式）是傳統(tǒng)機(jī)械編程的禁區(qū)。自動(dòng)化設(shè)備的“剛性邏輯”無(wú)法跨越物理世界的不確定性鴻溝。影身智能通過(guò)引入原生3D動(dòng)態(tài)世界模型，賦予機(jī)器人理解物理空間與實(shí)時(shí)補(bǔ)償?shù)哪芰Γ巩a(chǎn)線(xiàn)從“死記硬背”進(jìn)化為“實(shí)時(shí)感知、實(shí)時(shí)決策”，徹底捅破了柔性場(chǎng)景的自動(dòng)化天花板。

具體而言，制鞋就是一個(gè)典型的“雙柔性制造”場(chǎng)景：一方面是材料的柔性（皮革、織物極易形變），另一方面是工序的柔性（鞋款迭代極快，SKU極多）。這種環(huán)境下，傳統(tǒng)的自動(dòng)化產(chǎn)線(xiàn)對(duì)比人工效率毫無(wú)優(yōu)勢(shì)，大量工序只能依靠人工完成。

以制鞋涂膠工藝為例，傳統(tǒng)自動(dòng)化噴涂方案常因無(wú)法適應(yīng)鞋型的復(fù)雜曲面變化和膠水的流體變化，而導(dǎo)致膠水外溢或噴頭堵塞，在多產(chǎn)品類(lèi)型頻繁切換時(shí)，自動(dòng)化設(shè)備良率低且調(diào)試周期長(zhǎng)，只能靠人工解決。

影身智能的原生3D動(dòng)態(tài)世界模型，恰恰為這一行業(yè)痛點(diǎn)提供了系統(tǒng)性解決方案。通過(guò)搭載原生3D動(dòng)態(tài)世界模型，機(jī)器人能夠精確識(shí)別鞋體三維結(jié)構(gòu)、物理邊界與幾何特征，可動(dòng)態(tài)調(diào)整抓取力度與涂膠壓力。即使在不搭載靈巧手的情況下，也能實(shí)現(xiàn)毫米級(jí)精度的涂膠動(dòng)作。

更深層的競(jìng)爭(zhēng)力在于影身智能獨(dú)創(chuàng)的“V-4D-A”（視覺(jué)-4D-動(dòng)作）架構(gòu)。通過(guò)這一架構(gòu)，公司打通了“3D數(shù)據(jù)獲取—模型訓(xùn)練—物理運(yùn)行—場(chǎng)景落地”的閉環(huán)。這意味著，機(jī)器人在生產(chǎn)線(xiàn)上的每一次作業(yè)，都在同步收集真實(shí)的物理世界數(shù)據(jù)，這些珍貴的“具身數(shù)據(jù)”又反向喂養(yǎng)、加速了模型的持續(xù)迭代。

閔偉表示，從這樣復(fù)雜的場(chǎng)景切入，首先是基于技術(shù)考量：“這是一個(gè)‘先難后易’的邏輯。相比路徑固定的汽車(chē)焊裝或環(huán)境相對(duì)松散的家居場(chǎng)景，輕工業(yè)柔性智造對(duì)世界模型的復(fù)雜度、操作精細(xì)度要求最高。拿下柔性智造，就意味著積累了最厚實(shí)的底層模型基座。后續(xù)向其他領(lǐng)域遷移時(shí)，將形成極強(qiáng)的‘降維打擊’能力。”

在技術(shù)邏輯之外，影身智能的選擇更具備深層的社會(huì)經(jīng)濟(jì)意義。當(dāng)前的制鞋行業(yè)正深陷“職業(yè)健康”與“用工結(jié)構(gòu)性短缺”的雙重泥潭。

比如制鞋涂膠，人工刷膠雖然靈活，但存在嚴(yán)重的健康隱患。制鞋膠水通常是含苯類(lèi)溶劑，工人在高溫、高揮發(fā)毒性環(huán)境下作業(yè)，職業(yè)健康風(fēng)險(xiǎn)極高，極易誘發(fā)苯中毒等職業(yè)病。廣西柳州市衛(wèi)健委就曾報(bào)道，制鞋廠是苯中毒高發(fā)領(lǐng)域之一。而影身智能的具身智能解決方案，恰好可以將工人從高危作業(yè)環(huán)境中徹底解脫出來(lái)。

在用工層面，由于重復(fù)性勞動(dòng)對(duì)年輕一代的吸引力急劇下降，制鞋、制衣等行業(yè)開(kāi)始出現(xiàn)勞動(dòng)力“斷層”，用工缺口正演變?yōu)榻Y(jié)構(gòu)性危機(jī)。2024年，耐克在越南的供應(yīng)商Samho鞋廠就曾因安全與薪酬?duì)幾h出現(xiàn)近4000人的用工缺口，每月更有數(shù)百人流失。對(duì)這些企業(yè)來(lái)說(shuō)，尋找確定性的自動(dòng)化替代方案，已不再是提效的“可選項(xiàng)”，而是生存的“必選項(xiàng)”。

閔偉表示：“我們?cè)谶x擇落地行業(yè)時(shí)，綜合考慮了技術(shù)門(mén)檻、勞動(dòng)力缺口、場(chǎng)景必要性等多個(gè)因素，影身智能的目標(biāo)就是讓機(jī)器人去到最能發(fā)揮價(jià)值的崗位。”

目前，影身智能通過(guò)將原生3D動(dòng)態(tài)世界模型搭載到工業(yè)機(jī)器人本體上，可以實(shí)現(xiàn)8小時(shí)生產(chǎn)3000雙鞋的生產(chǎn)效率。面對(duì)不同款式、訂單的頻繁切換，機(jī)器人可自主識(shí)別操作，全程無(wú)需人工干預(yù)與調(diào)試。

4.通往通用人工智能的漸進(jìn)之路

影身智能先選擇了柔性智造場(chǎng)景，但這絕非其終局。

影身智能的目標(biāo)是打造通用人工智能（AGI）產(chǎn)品。從其目前的落地速度和數(shù)據(jù)閉環(huán)能力來(lái)看，這種從垂直深耕到通用泛化的路徑，極有可能會(huì)使其加速完成這一宏大目標(biāo)。

在閔偉看來(lái)，通用人工智能有兩個(gè)關(guān)鍵點(diǎn)，一是邏輯世界的構(gòu)建，也就是語(yǔ)言、推理能力的不斷提升。僅從這一點(diǎn)來(lái)看，目前的大語(yǔ)言模型的能力已經(jīng)十分出眾。

另一個(gè)方向，就是物理世界的理解。通用人工智能需要能夠在真實(shí)的物理世界中完成對(duì)人、對(duì)物體的交互，要能夠在泛化場(chǎng)景中完成復(fù)雜任務(wù)。只有這兩點(diǎn)都具備時(shí)，通用人工智能的時(shí)代才會(huì)到來(lái)。

閔偉告訴甲子光年：“我們的世界模型的能力，會(huì)從復(fù)雜任務(wù)率先突破，泛化到更多簡(jiǎn)單任務(wù)，場(chǎng)景應(yīng)用也將因此更加多元。當(dāng)我們可以落地家庭場(chǎng)景時(shí)，具身智能產(chǎn)品的能力也就會(huì)收到全社會(huì)的認(rèn)可。”

從更加宏大視角來(lái)看，人類(lèi)文明的每一次技術(shù)爆炸，本質(zhì)上都是信息媒介的躍遷。在文字時(shí)代，人類(lèi)將信息降維成符號(hào)；圖像與視頻時(shí)代：人類(lèi)將信息壓縮至像素；在AI時(shí)代，人類(lèi)正試圖在虛擬中重建真實(shí)。

而影身智能的原生3D動(dòng)態(tài)世界模型，就是在用最接近真實(shí)世界的數(shù)據(jù)來(lái)讓具身智能產(chǎn)品完成交互與表達(dá)。

這種基于數(shù)據(jù)層的巨大革新，帶來(lái)的將是算法與模型層的全面進(jìn)化。原生3D數(shù)據(jù)不僅是具身智能的數(shù)據(jù)源，更是信息革命的終極形態(tài)——在虛擬世界中無(wú)限逼近真實(shí)物理規(guī)律。

（封面圖來(lái)源：AI生成）