独家｜清华系初创完成数亿元种子轮融资：我们不想被贴上「世界模型」的标签

主队	比分	客队	联赛	时间(北京)
近期暂无比赛，请稍后再来查看。

《长安的荔枝》这个故事，讲述了小吏李善德如何克服重重困难，将“一日色变”的鲜荔枝从岭南运往长安，这背后依赖于一套完整的系统。清华大学人工智能学院助理教授李一鸣认为，这个故事与当前“世界模型”领域的发展有异曲同工之妙。他指出，Physical AI（物理AI）所要解决的问题如同“鲜荔枝”的保鲜与运输，需要构建包含数据采集、模型研发、硬件部署在内的系统化解决方案。

李一鸣在接受《智能涌现》采访时强调，“世界模型”的本质在于解决实际问题，它本身只是实现目标的工具，而非最终目的。他观察到，2026年初回国后，国内AI领域存在着对“世界模型”的普遍焦虑（FOMO）。“世界模型”概念模糊，派系众多，也导致该赛道估值泡沫较大，任何与仿真、物理沾边的技术，如视频模型、3D模型或具身大脑（VLA），都倾向于归入“世界模型”的范畴。

相比于纠结于“世界模型”的定义，李一鸣认为更重要的是构建一套能让机器人在各种场景下泛化的系统。为此，他的团队提出了名为Physical AI Infra的系统，该系统由数据和物理双轮驱动，包含两项核心自研组件：

数据管线：旨在将数据采集规模从行业平均的数十万小时提升至百万至千万小时。
物理引擎：实现“Real-to-Sim-Real”（真实到仿真再到真实）的闭环，即利用真实世界数据构建仿真环境，供机器人进行强化学习，最终在真实世界中执行任务。

“世界模型”在这个系统中扮演着贯穿各环节的角色，既是数据采集后的预训练目标，也是机器人进行强化学习的仿真环境。这套基础设施能够训练精细操作技能，如切割、旋拧、搅拌等，并支持跨不同类型的灵巧手和机械臂部署，适用于生产制造、零售服务、餐饮、医疗辅助等多元场景。

基于这套技术方案，成立于2026年4月的初创公司“厘清智能”在短短两个月内完成了多轮融资。据《智能涌现》独家获悉，厘清智能的种子轮融资金额已达数亿元，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以及智元机器人、灵心巧手、世纪金源等多方产业资本。

厘清智能吸引投资的关键在于其独特性。一方面，其团队拥有软硬一体化的复合型人才。李一鸣本人在空间感知、多模态推理、自动驾驶及具身智能领域拥有丰富经验，曾与AMI Labs联合创始人谢赛宁合作发表具身视觉推理研究，并与英伟达合作发表多篇顶级会议论文，荣获2024年度英伟达奖学金。厘清团队的50余名成员多为清华学生，平均年龄23岁。

另一方面，厘清智能选择了“全栈自研”的重技术路线，涵盖数据采集、模型训练到物理引擎。这种模式在国内较为少见，尽管前期投入巨大且技术难度高，但李一鸣认为，只有打通所有环节，才能确保信息流畅，实现各模块的协同优化。李一鸣的规划是，在2026年底前发布跨B端场景的世界模型，并于2028年实现解决方案的规模化落地，最终为客户提供软硬一体的解决方案，跨本体、跨场景解决问题。

李一鸣在采访中详细阐述了他的技术判断和对Physical AI的看法：

Physical AI公司，不是本体公司，也不是模型公司

李一鸣强调，厘清智能并非仅仅是一家“世界模型公司”，而是致力于构建一套系统。其目标导向是解决实际问题，而非单纯追求技术路线。训练“世界模型”的根本目的是为了解决Physical AI的问题，并提升任务成功率。因此，关键在于如何将数据、模型、硬件和基础设施（Infra）耦合成一个能在实际场景中运行的系统。

厘清智能构建的数据和物理双轮驱动的生态系统中，“世界模型”渗透于各个环节。在预训练阶段，它作为自监督训练目标，对状态（state）和行动（action）进行建模；在后训练阶段，它则成为机器人进行强化学习的交互式环境。厘清智能提供的，是包含数据管线、世界模型和物理引擎的一整套系统，而“模型”只是其中的一个技术组件。

他认为，新一代的Physical AI团队应具备“全栈”能力，从数据采集设备、数据管线，到可微物理引擎和模型训练，全部自主研发。例如，通过自研触觉手套等设备，将数据采集成本大幅降低，实现规模化采集。自研的可微物理引擎则能实现Real-to-Sim-Real闭环，模拟复杂材质，并作为高效的强化学习后训练平台。基于广泛场景数据和后训练引擎，其自研的世界模型操作系统能够快速泛化至不同场景，并实现跨本体（cross-embodiment）能力。

李一鸣提出，新时代的具身公司不应局限于本体或模型，而应成为“World Model as Service”公司。随着数据量的积累，公司能够实现快速的跨本体泛化，最终交付的是一套软硬一体的系统，能够根据落地场景和客户预算匹配最优硬件方案，实现开箱即用。

他认为Physical AI所需的人才画像是“软硬一体”，并且清华大学为他们提供了优秀的人才平台。团队成员平均年龄为03年，甚至有07年出生的学生。与LLM人才不同，Physical AI需要具备软硬结合能力的人才，这类人才目前十分稀缺，因此公司采取内部培养的方式。

不能只做数据采集，忽视物理规律

李一鸣估计，具身模型的参数量需要达到甚至远超语言模型，才有可能实现“智能涌现”。他解释说，语言是经过压缩的世界规则，而基于自然信号训练的具身模型需要更多数据和参数。

他认为，人类数据比真机数据更容易规模化。通过真人采集数据比操纵机器人采集数据效率更高，因为规模化人数比规模化机器数量或采集时长更容易实现。厘清智能已与工厂、酒店、物业、商场、厨房等场景方合作，以快速积累数据。

李一鸣强调，构建Physical AI Infra仅靠数据采集是不足够的，必须结合物理规律。现有数据量尚不足以支持Physical AI自主泛化到所有场景，而现实世界中场景的差异性巨大，不可能采集所有数据。物理规律，如牛顿定律等，能够弥补数据的局限性，提供通用性。

厘清智能设计了一套满足物理约束的世界模型方案，能够利用1%的真机数据量训练出策略模型，达到相同的成功率。通过对齐少量真机数据的状态转移和物理世界模型的对应转移，并进行损失回传优化，能够让机器人在虚拟世界中自主学习。他举例说，机器人学习切苹果，过去需要切坏成百上千个，现在只需真实切十次，其余练习可在物理世界模型中完成。

VLA、视频模型、JEPA，都不是「原生世界模型」

李一鸣认为，“世界模型”负责机器与世界的交互，“语言模型”负责机器与人的交互。他指出，基于LLM的VLM（视觉-语言模型）和VLA（视觉-语言-行为模型）在物理世界适配性上不如预期，因为语言模型是高度离散化的空间，充满了人类对世界的偏见，且许多事物无法用语言清晰表达。语言的本质是交流和人机交互的界面，而非模态本身。因此，在训练世界模型时，语言应作为辅助，而非中心。

他提出，世界模型的训练需要SFT（监督微调）和RL（强化学习）的结合。物理世界数据的量不足，需要自行采集并建立数据标准。与LLM不同，世界模型必须遵守物理规律，因此厘清智能自研了可微物理引擎，确保后训练过程满足物理约束。世界模型的训练是一个系统工程，需要联合预训练、后训练以及数据和硬件基础设施，以实现训练效益最大化。

李一鸣将“原生世界模型”定义为打通感知、推理、决策、动作输出，并面向机器与世界交互任务设计的模型。他认为VLA因其离散的语言空间表征而非真实世界，JEPA（联合嵌入预测架构）只能预测状态而无法输出动作，以及视频生成模型因其推理过程非原生且难以保证几何与物理一致性，都不能算作“原生世界模型”。

他认为，训练“原生世界模型”的关键在于高效的物理世界“tokenization”（表征）。多模态观测（视觉、触觉、力觉）如何被压缩成模型可理解的Token序列，直接决定了模型的理解能力。他表示，厘清智能是少数能够实现表征端tokenization的公司，能够高效地将物理世界压缩成机器易于理解和学习的Token。他强调，这套体系的壁垒在于认知而非技术，需要深厚的Know-How来搭建整个生态系统。目前，团队训练的视觉tokenizer效果已优于Meta的DINOv3，未来将重点研究物理世界的高效表征。

他进一步指出，构建Physical AI的Infra是训练世界模型的另一难题。除了数据平台，还需要设计高效的物理引擎，能够模拟柔性物体、流体的状态并计算状态转移，以便机器人进行强化学习。他认为，真正的Physical AI Infra应能支持数据效率的不断优化，提升复杂任务的训练效果，并能将短程任务的训练泛化到复杂的长程任务中。

2028年将是Physical AI规模化落地的里程碑

李一鸣认为，轮臂（带轮子的机械臂）是适配多数操作场景的硬件形态。虽然人形机器人潜力巨大，但技术难度也高，例如负载能力和对人体部位的精准建模仍是挑战。因此，厘清智能目前主要部署轮臂形态，并让不同机械臂和灵巧手在细分场景中实现泛化。

他强调，前期需要积极与场景方合作，以实现数据规模化和机器的后训练。厘清智能采用“先ToB，后ToC”的模式，在B端积累的数据和技能将最终应用于C端。B端将优先切入工业、物流以及生活类、消费类场景，这些场景的替代性和重复性强，客户有强烈的降本提效需求。尽管硬件成本完全低于人力成本需要过程，但关键在于先铺开场景，不断优化模型性能并加快成本的边际效应。

李一鸣的最终目标是打造一款通用的Physical AI Infra，而非针对特定任务或硬件的专用方案。他将其比作iOS之于移动应用，希望构建一个基础平台，能够支持各类物理操作任务的规模化开发和部署，这就是他的“荔枝系统”。支撑该系统的核心能力，是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。他预测，2028年将是Physical AI规模化落地的里程碑，届时数据采集规模和电机密度将实现跃升，为其方案的大规模落地奠定基础。

⚽ 足球实时 (0)

独家｜清华系初创完成数亿元种子轮融资：我们不想被贴上「世界模型」的标签 - 世界杯赔率

在世界杯直播方面，世界杯下注提供贴心周到的支持。

在世界杯直播方面，世界杯下注提供贴心周到的支持。

2 Comments

想了解更多世界杯赔率相关内容，尽在世界杯下注。

关于平台

联系我们

官方地址

官方邮箱