首發(fā)丨半個(gè)車圈，聯(lián)手投了家“世界模型工廠”

如果你一直關(guān)注人工智能行業(yè)——尤其是硅谷那邊的人工智能圈，正在發(fā)生一場現(xiàn)象級的頂級AI工程師的創(chuàng)業(yè)離職創(chuàng)業(yè)潮。

僅DeepMind一方，自2026年以來，AlphaGo之父大衛(wèi)·西爾弗、首席科學(xué)家蒂姆·羅克塔謝爾便相繼出走創(chuàng)立公司，就連剛因谷歌收購Windsurf而身家暴漲的羅納克·馬爾代，也放棄豐厚獎(jiǎng)金毅然加入一家小初創(chuàng)公司；如果時(shí)間線再往前推、檢索范圍繼續(xù)擴(kuò)大，名單還會更長，堪稱群星閃耀。前OpenAI首席科學(xué)家伊利亞·蘇茨克維（Ilya Sutskever）、 前OpenAI首席技術(shù)官米拉·穆拉蒂（Mira Murati）、Meta前首席科學(xué)家楊立昆（Yann LeCun）……

為什么會涌現(xiàn)這樣的浪潮？除了資本熱情之外，一個(gè)最大的共識是，僅靠人類數(shù)據(jù)投喂和預(yù)測下一個(gè)詞元的大語言模型，遠(yuǎn)未真正理解物理世界。

正如大衛(wèi)·西爾弗所言，超級智能體應(yīng)像AlphaZero那樣在試錯(cuò)中自主學(xué)習(xí)、獨(dú)立發(fā)展；楊立昆與李飛飛則指出，人類依靠記憶與直覺在腦中構(gòu)建抽象，而今天的模型還隔著一道深溝。這一判斷在國內(nèi)同樣引發(fā)共鳴——綠洲資本張津劍提出，通過真實(shí)物理世界的多模態(tài)“體驗(yàn)中學(xué)習(xí)”，才是通往終極智能的另一條路。

因此，想要實(shí)現(xiàn)能深入人類生產(chǎn)生活的AGI，不僅需要文本、代碼與圖像，更需要來自產(chǎn)線中的真實(shí)物理數(shù)據(jù)：理解動(dòng)作前后的設(shè)備狀態(tài)，捕捉視覺、力覺、觸覺、振動(dòng)等工藝參數(shù)的變化，并確保結(jié)果可遷移、可復(fù)制。

而今天，這條敘事線又迎來了新的主角。

據(jù)投中網(wǎng)獲悉，清研精準(zhǔn)近日完成數(shù)億元B2輪融資，由星源資本（吉利集團(tuán)旗下資本）領(lǐng)投，吉晟資產(chǎn)（一汽富晟旗下資本）、某央企產(chǎn)業(yè)基金跟投。本輪融資之后，清研精準(zhǔn)將推動(dòng)一次關(guān)鍵轉(zhuǎn)向：從跑通新能源物理智能的閉環(huán)為起點(diǎn)，逐步邁向更廣闊的工業(yè)場景，致力于打造工業(yè)物理AI的工程化底座，深度布局具身智能領(lǐng)域。

這里需要指出的是，相比于我們此前所熟悉的“世界模型”，清研精準(zhǔn)的定位是“世界模型工廠”，即核心不是采集，而是一套貫通真實(shí)工位、數(shù)據(jù)采集、清洗標(biāo)注、仿真評測、驗(yàn)證迭代和現(xiàn)場反饋的工程系統(tǒng)。

世界模型，缺一座工廠

世界模型里所謂的“世界”，指的就是這個(gè)新模型路線要解決AI進(jìn)入物理世界后的基本能力：理解空間、理解因果、理解動(dòng)作和結(jié)果之間的關(guān)系，并在新的環(huán)境里保持穩(wěn)定——難點(diǎn)也在這里。

目前主流的“視覺—語言—?jiǎng)幼鳌蹦Ｐ停碫LA），常常需要把視覺輸入壓縮到語言token空間。這個(gè)過程會天然損失連續(xù)空間里的幾何、拓?fù)浜臀锢砹啃畔ⅲＰ鸵簿秃茈y精確理解位置、方向、距離和接觸關(guān)系。另一層難題是泛化。真實(shí)世界高度復(fù)雜，光照、遮擋、視角、材質(zhì)、工況都會變化。模型可能在訓(xùn)練場景里表現(xiàn)很好，換一條產(chǎn)線、換一個(gè)夾具、換一種物料、換一臺機(jī)器人，感知—推理—?jiǎng)幼麈湕l就可能斷掉。

再具體到工業(yè)場景，模型面對的不是靜態(tài)互聯(lián)網(wǎng)數(shù)據(jù)，而是視覺、力覺、觸覺、聲音、振動(dòng)、設(shè)備狀態(tài)、工藝參數(shù)、動(dòng)作軌跡和環(huán)境反饋高度耦合的物理世界。只有這些數(shù)據(jù)與任務(wù)意圖、動(dòng)作過程、物理狀態(tài)和執(zhí)行結(jié)果綁定在一起，才真正具備訓(xùn)練價(jià)值。而要實(shí)現(xiàn)這一切，這里面至少有四道工程化鴻溝：

第一，數(shù)據(jù)采不上。高壁壘工業(yè)場景進(jìn)不去，真實(shí)工位數(shù)據(jù)很難規(guī)模化獲取；第二，數(shù)據(jù)用不了。原始視頻和傳感器日志缺少任務(wù)意圖、動(dòng)作結(jié)果和物理因果標(biāo)注，無法直接用于訓(xùn)練；第三，場景搬不動(dòng)。模型在單一工位表現(xiàn)有效，但換產(chǎn)線、換環(huán)境、換工況后性能下降；第四，本體不兼容。不同機(jī)器人硬件、傳感器和控制接口差異巨大，換一款本體往往需要重新采集和適配。

這也是清研精準(zhǔn)能夠切入世界模型的原因。

清研精準(zhǔn)成立于2018年，由清華大學(xué)孵化，起點(diǎn)是智能電動(dòng)汽車軟硬件測試測量平臺。創(chuàng)始人&CEO董漢，清華大學(xué)博士，深耕汽車領(lǐng)域近10年，師從中國工程院院士。過去8年，董漢率領(lǐng)清研精準(zhǔn)團(tuán)隊(duì)，將AI檢測、仿真及測試驗(yàn)證產(chǎn)品成功打入國內(nèi)幾乎所有整車廠及動(dòng)力電池、儲能企業(yè)的核心供應(yīng)鏈，廣泛覆蓋汽車、新能源、工程機(jī)械、低空經(jīng)濟(jì)、智能制造等領(lǐng)域的多家龍頭企業(yè)，累計(jì)出貨量超萬臺，在實(shí)戰(zhàn)中淬煉出了深厚的工程化經(jīng)驗(yàn)與成熟的商業(yè)落地能力。

從技術(shù)路徑看，這類業(yè)務(wù)的第一層價(jià)值，是把復(fù)雜物理系統(tǒng)變成可測量對象。

智能電動(dòng)車和傳統(tǒng)機(jī)械產(chǎn)品不同，三電、底盤、智駕、座艙、通信等系統(tǒng)彼此耦合，測試測量很難停留在單點(diǎn)數(shù)據(jù)采集上。它要處理設(shè)備接口、傳感器讀數(shù)、工藝參數(shù)、測試流程和結(jié)果反饋。也就是說，清研精準(zhǔn)早期做的事情，本質(zhì)上是在真實(shí)產(chǎn)業(yè)現(xiàn)場建立一套“狀態(tài)記錄—過程判斷—結(jié)果反饋”的工程鏈條。

自動(dòng)駕駛出現(xiàn)后，這條鏈條又往前走了一步。自動(dòng)駕駛行業(yè)讓汽車測試從“測一個(gè)功能是否通過”，變成“一個(gè)場景能不能被反復(fù)還原和評估”。真實(shí)道路數(shù)據(jù)要被采集，長尾問題要被拆解，場景庫要持續(xù)擴(kuò)充，仿真回放和評測驗(yàn)證要反過來推動(dòng)模型迭代。清研精準(zhǔn)過去服務(wù)智能汽車產(chǎn)業(yè)鏈，熟悉的正是這種從真實(shí)場景出發(fā)、再回到工程驗(yàn)證的流程。

這也是它后來能把業(yè)務(wù)從汽車測試測量，延伸到檢測設(shè)備集成、數(shù)據(jù)服務(wù)和全生命周期解決方案的原因。據(jù)公開資料顯示，公司已經(jīng)與100余家大型整車及零部件企業(yè)建立合作關(guān)系，客戶覆蓋吉利、比亞迪、長安、長城、廣汽、奇瑞、一汽、北汽、理想、小鵬、蔚來、寧德時(shí)代、國軒高科、蜂巢能源、欣旺達(dá)等，解決方案也落地到全球30多個(gè)國家。

而到了世界模型階段，清研精準(zhǔn)過去的積累恰好有了新的用處。世界模型進(jìn)入工業(yè)現(xiàn)場后，難點(diǎn)不只是模型會不會推理。更前面的環(huán)節(jié)，是工業(yè)過程能不能被可靠地記錄下來：設(shè)備處在什么狀態(tài)，執(zhí)行了什么動(dòng)作，工藝參數(shù)如何變化，結(jié)果是否合格，異常能不能復(fù)現(xiàn)。這些問題和清研精準(zhǔn)過去處理的測試測量問題有連續(xù)性，只是對象從車和零部件，擴(kuò)展到了動(dòng)力電池制造、整車總裝、礦山井下、電力等更復(fù)雜的工業(yè)場景。

總之，清研精準(zhǔn)的切入路徑實(shí)際上是非常自然的。他們用8年時(shí)間，在新能源物理智能領(lǐng)域跑通了一個(gè)閉環(huán)——從真實(shí)工位里的檢測數(shù)據(jù)，到AI仿真評測，再到產(chǎn)線驗(yàn)證反饋。

而之所以從“世界模型”延伸到“世界模型工廠”，是當(dāng)目光從汽車延展到更廣闊的工業(yè)場景時(shí)，清研精準(zhǔn)團(tuán)隊(duì)發(fā)現(xiàn)一個(gè)尷尬的現(xiàn)實(shí)：世界模型的討論在硅谷熱火朝天，真正落地卻卡在了“誰來把工廠變成數(shù)據(jù)”這個(gè)環(huán)節(jié)。大模型公司手里有算法、有算力，卻沒有真實(shí)工廠的入場券；傳統(tǒng)工業(yè)自動(dòng)化企業(yè)懂產(chǎn)線、懂設(shè)備，卻不理解模型需要什么樣的結(jié)構(gòu)化數(shù)據(jù)。世界模型要走出實(shí)驗(yàn)室，缺的不是又一篇論文，而是一座能把真實(shí)物理世界“翻譯”成模型可訓(xùn)練數(shù)據(jù)的工程化工廠。

也就是說清研精準(zhǔn)需要完成的，是把原本服務(wù)于測試和質(zhì)檢的數(shù)據(jù)，重新組織成帶有任務(wù)意圖、動(dòng)作過程、物理狀態(tài)和執(zhí)行結(jié)果的數(shù)據(jù)資產(chǎn)。在這方面，根據(jù)公開資料顯示，公司目前在動(dòng)力電池制造、整車總裝、電力等場景部署了2000多個(gè)工業(yè)感知節(jié)點(diǎn)，并沉淀PB級真實(shí)工況數(shù)據(jù)，這些積累能不能轉(zhuǎn)化成世界模型可用的工程化底座，將決定這次轉(zhuǎn)型的真正成色。

半個(gè)車圈，都來了

投資方陣容是這輪融資的另一個(gè)亮點(diǎn)。

清研精準(zhǔn)本輪融資由星源資本（吉利集團(tuán)旗下資本）領(lǐng)投，吉晟資產(chǎn)（一汽富晟旗下資本）、某央企產(chǎn)業(yè)基金跟投。再往前看，清研精準(zhǔn)曾獲一汽、長城、陜汽、蔚來創(chuàng)始人李斌、殼牌（Shell）、百度、58同城、奇績創(chuàng)壇、水木清華校友基金等多家產(chǎn)業(yè)背景資本投資。

放眼整個(gè)AI領(lǐng)域也很少有一家初創(chuàng)公司的投資方和合作方，車圈濃度會這么高。

當(dāng)然這并不難理解。汽車行業(yè)可能是最早被數(shù)據(jù)閉環(huán)教育過的工業(yè)行業(yè)之一。正如上文提到的，自動(dòng)駕駛讓車企很早就意識到，智能化競爭不能只看單點(diǎn)算法。真正重要的是，能不能持續(xù)采集真實(shí)場景數(shù)據(jù)，能不能構(gòu)建場景庫，能不能做仿真回放，能不能用一套評測體系判斷模型是否真的變好，能不能在量產(chǎn)車上持續(xù)迭代。這套方法，車圈已經(jīng)學(xué)過一遍。

另外整車總裝、動(dòng)力電池制造、核心零部件檢測，都是典型的高復(fù)雜度工業(yè)現(xiàn)場。它們對節(jié)拍、精度、穩(wěn)定性、安全性和可追溯性要求極高。機(jī)器人和智能設(shè)備進(jìn)入這些場景后，真正困難的事情并不是完成一次演示動(dòng)作，而是在復(fù)雜工況下持續(xù)穩(wěn)定地完成任務(wù)，并且可以被復(fù)制到下一條產(chǎn)線、下一款車型、下一種材料和下一類設(shè)備上。

這恰恰是世界模型要解決的問題。

過去，車企談智能化，更多指向自動(dòng)駕駛、智能座艙、電動(dòng)化平臺和電子電氣架構(gòu)。接下來，智能化會繼續(xù)往研發(fā)、制造、檢測、供應(yīng)鏈、售后和工廠運(yùn)營延伸。一個(gè)能理解真實(shí)工位、設(shè)備狀態(tài)、工藝參數(shù)和執(zhí)行結(jié)果的世界模型，未來很可能成為車企智能制造升級的一層底座。

這也能解釋清研精準(zhǔn)本輪融資之后為什么要把資金投向“真實(shí)工位—數(shù)據(jù)回傳—模型迭代—執(zhí)行反饋”的數(shù)據(jù)飛輪，以及具身智能中試基地和數(shù)據(jù)底座建設(shè)。世界模型如果要走進(jìn)工業(yè)現(xiàn)場，需要一套能反復(fù)驗(yàn)證的工程系統(tǒng)：真實(shí)工位產(chǎn)生數(shù)據(jù)，數(shù)據(jù)回到模型，模型迭代之后再進(jìn)入現(xiàn)場接受反饋。這個(gè)閉環(huán)跑不起來，模型再大也很難真正服務(wù)產(chǎn)業(yè)。

總之，回到開頭這輪“創(chuàng)業(yè)潮”，放在更大的行業(yè)背景里，世界模型的競爭會分成兩條路。一條路在實(shí)驗(yàn)室里繼續(xù)往前走。科學(xué)家會探索新的模型架構(gòu)、新的訓(xùn)練方式、新的強(qiáng)化學(xué)習(xí)機(jī)制，讓AI具備更強(qiáng)的自主學(xué)習(xí)、空間理解和規(guī)劃能力。另一條路要進(jìn)入產(chǎn)業(yè)現(xiàn)場。有人必須進(jìn)到工廠、礦山、電力，把真實(shí)物理世界拆解成可以采集、標(biāo)注、仿真、評測和復(fù)用的數(shù)據(jù)資產(chǎn)。

如今看來，清研精準(zhǔn)走的是第二條路。

它從汽車工程化里長出來，在新能源物理智能中完成一輪驗(yàn)證，又在車圈資本的背書里走向工業(yè)物理AI工程化底座。這條路沒有那么輕，也沒有那么炫，但足夠真實(shí)。

世界模型最終要離開屏幕，去理解真實(shí)工位里的動(dòng)作、設(shè)備、工藝和結(jié)果。對想讓AI真正理解物理世界的人來說，那里才是下一場硬仗。