在如今的人工智能競賽里，扎克伯格和他的Meta可能是最“激進”的玩家，沒有之一。

在過去一年時間里，扎克伯格豪擲千金、四處搖人，試圖組建世界上最強大的AI產(chǎn)品團隊，動輒就為那些有過OpenAI、Anthropic等頭部公司工作經(jīng)歷的人才開出1億美元的“跳槽獎金”。其中最大一筆開支用在了汪濤身上——為了讓這位天才少年順利地加入Meta，帶隊人工智能團隊，扎克伯格豪擲148億美元直接收購了汪濤創(chuàng)辦的Scale AI，直接整體打包帶走。

除此而外，扎克伯格SSI的首席執(zhí)行官、前Y Combinator合伙人丹尼爾·格羅斯（Daniel Gross）旗下的風(fēng)險投資基金NFDG，并順勢邀請NFDG的兩位合伙人——丹尼爾·格羅斯與前GitHub首席執(zhí)行官、著名科技播客“Hacker Medley”的主理人納特·弗里德曼（Nat Friedman）加入Meta，準備組建Meta自成立以來的首只產(chǎn)業(yè)基金（CVC）。

更重要的是小扎手中還有一張王牌，那就是Meta的首席科學(xué)家楊立昆（Yann LeCun）。

楊立昆是誰？他是計算機學(xué)界最高榮譽圖靈獎的獲得者、是AI之父辛頓（Geoffrey Hinton）的親傳弟子、是OpenAI前首席科學(xué)家伊利亞（Ilya Sutskever）的同門師兄，是神經(jīng)網(wǎng)絡(luò)反向傳播學(xué)習(xí)算法的提出者?？梢哉f，假如人工智能有江湖，那么楊立昆就是那位足夠幫Meta開宗立派的宗師。

然而就在刀槍入庫、準備大干一場的時候，這張王牌卻給了所有人一個意外：楊立昆宣布自己將于年底離開Meta，成立一家屬于自己的公司。因為在他看來“目前的大語言模型比貓還笨，對物理世界的理解能力很差”，聲稱接下來是“死路一條”——如果要做出真正的“通用人工智能（AGI）”，就需要專注另一條技術(shù)路線：“世界模型”（world models）。

這條消息一經(jīng)發(fā)布，迅速引爆了全球科技圈，“世界模型”迅速成為熱詞。無數(shù)人都在討論“到底什么是世界模型”？“世界模型和我們已經(jīng)熟知的大語言模型，差異點到底是什么？”

而在中國，也有一群科學(xué)家們在思考相同的問題，并且不拘泥于楊立昆的理論框架，嘗試給出屬于自己的解決方案。據(jù)投中網(wǎng)獲悉，近日，由鵬城實驗室孵化、專注“物理空間智能模型”研發(fā)的「拓元智慧」宣布完成數(shù)億元Pre-A輪系列融資，引入上市公司東方精工、星宸科技、金牌家居關(guān)聯(lián)基金德韜資本、石溪資本等多家戰(zhàn)略及產(chǎn)業(yè)投資方，粵科創(chuàng)業(yè)等重量級國資投資平臺，鵬城愿景、紅鳥啟航基金等科研機構(gòu)基金。深藍資本擔(dān)任長期獨家財務(wù)顧問。

據(jù)悉，本輪融資資金將主要用于物理空間智能模型的研發(fā)投入、賦能模型的物理推理及跨場景遷移能力、構(gòu)建具身生態(tài)并加速相關(guān)產(chǎn)品的商業(yè)化落地。

什么是“世界模型”？

為什么大語言模型是一條死胡同？研究了一輩子人類大腦的楊立昆認為，人類之所以能夠進行推理和規(guī)劃，是因為人們能夠記憶事物、擁有直覺、具備常識，而大語言模型的工作原理其實是推理的是下一個最符合邏輯的詞元，圖像/視頻模型推理的是下一個最符合邏輯的像素。

換句話說，雖然這些模型已經(jīng)表現(xiàn)出了相當出色的推理能力，但是也僅僅是局限在“詞元”“像素”的維度上，并沒有真正理解三維世界。以一個簡單的真實場景為例：給定“門寬80cm、桌子50cm、人的肩寬55cm”的描述，當前的語言模型往往會逐項比較數(shù)字并認為“都比門窄，因此可以一起通過”，完全忽略兩者并排時的組合寬度、旋轉(zhuǎn)帶來的投影變化、姿態(tài)調(diào)整的約束以及物體之間的不可穿透性等基本物理規(guī)律。這樣的錯誤不只是知識缺失，而是缺乏真正的物理空間理解能力，凸顯了當前AI無法成為可靠的物理世界參與者的根本原因。

如果談得再務(wù)實一點，大語言模型雖然在文本推理與知識處理上取得突破，但在理解真實物理空間、進行連續(xù)動作規(guī)劃以及與環(huán)境實時交互方面仍然存在根本性缺陷。這類缺陷不僅讓AGI的實現(xiàn)遙遙無期，更直接限制了人工智能技術(shù)向具身智能等更實際應(yīng)用場景的拓展。

例如，由于模型無法準確理解空間結(jié)構(gòu)與幾何關(guān)系，機器人往往在執(zhí)行簡單任務(wù)時也會出現(xiàn)“對不準、抓不到、繞不開、走不直”等失敗模式。例如，在抓取任務(wù)中，機械臂可能因為誤判目標位置而多次空抓，或在移動時與桌角、墻面發(fā)生輕微碰撞，體現(xiàn)出對距離、可達性和避障條件的誤估。在更復(fù)雜場景中，模型甚至?xí)蛇`反物理規(guī)律的行為規(guī)劃，比如要求機械臂穿過障礙物、讓移動平臺駛向不可通行的窄隙、在傾斜平面上輸出不穩(wěn)定的軌跡等。此外，這些系統(tǒng)高度依賴訓(xùn)練場景，當光照變化、物體位置輕微移動或視角發(fā)生偏差時，其性能會顯著下降，出現(xiàn)同一指令在不同場景中的執(zhí)行結(jié)果可能截然不同的狀況。

總之想要讓人工智能真正地具備人類級別的學(xué)習(xí)能力，就需要幫助大模型真正地理解我們的“物理世界”，而這條路線就被稱為“世界模型”。楊立昆說：“世界模型是你對世界運行方式的心理模型。你可以想象一系列你可能會采取的行動，而你的世界模型將使你能夠預(yù)測這一系列行動會對世界產(chǎn)生什么影響。”

持有相同觀點的還有知名華人科學(xué)家李飛飛。李飛飛認為人工智能下一個十年的主要技術(shù)方向，應(yīng)該是具備空間智能的“世界模型”。而判斷是否具備“空間智能”的標準是：能夠生成符合物理定律且空間一致的世界，處理從圖像到動作的多模態(tài)輸入，并預(yù)測這些世界將如何演變或與它們互動。

當然，之所以現(xiàn)在出現(xiàn)了所謂的“路線之爭”，并不是因為其他大模型開發(fā)者并不認同“世界模型”的價值，而是一切都是有難點的。

從數(shù)字世界走到真實世界，一項基本能力是判斷在真實世界執(zhí)行的動作、并與真實世界進行交互，目前主流的大模型架構(gòu)，即視覺—語言—動作模型（VLA）內(nèi)部存在著無法回避的兩個缺陷，哪怕引入世界模型也難以徹底解決：

第一，VLA通常將視覺輸入先壓縮到語言token空間，這一過程天然會丟失連續(xù)空間中至關(guān)重要的幾何、拓撲與物理量信息，使模型難以理解精確位置關(guān)系，從而在動作控制上產(chǎn)生偏差，甚至輸出違背物理約束的操作序列；

第二，VLA的泛化能力極為有限。真實世界具有高度復(fù)雜性與多樣性，而具身智能又對視角變化、環(huán)境布局、物體遮擋及動態(tài)條件極度敏感。這些因素耦合在一起，使得VLA模型很容易在訓(xùn)練場景中表現(xiàn)良好，卻無法遷移到新環(huán)境中。一旦背景變化、光照不同或物體位置發(fā)生微小偏移，模型的感知—推理—動作鏈條就可能徹底瓦解。

可以說，這兩個瓶頸存在直接導(dǎo)致AI在物理空間中能力嚴重不足，也讓當前的“通往AGI之路”看上去像是一個無底洞。一個側(cè)面例證是，就在2025年10月——也就是楊立昆官宣離職創(chuàng)業(yè)的一個月之前——扎克伯格曾經(jīng)公開表示，為了保持行業(yè)競爭力，Meta明年的支出成本將超過1000億美元。這個言論直接引發(fā)了人們“大模型燒錢”的焦慮，也嚴重地考驗了投資人們的耐心，10月下旬Meta股價暴跌12.6%，市值蒸發(fā)近2400億美元。

“VWA”，讓“世界模型”更有可能？

那么，我們應(yīng)該如何真實、高效地開發(fā)“世界模型”呢？李飛飛、楊立昆在思考，來自中國的科學(xué)家們也在思考，而拓元智慧就是其中之一。

拓元智慧是鵬城實驗室智算生態(tài)構(gòu)建的首批企業(yè)，核心創(chuàng)業(yè)團隊由國內(nèi)外頂尖AI學(xué)者組成，包括AI領(lǐng)域青年領(lǐng)袖科學(xué)家王廣潤博士（華為天才少年計劃最高級別入選者）、國家級青年人才王可澤博士（吳文俊人工智能科學(xué)獎得主）、中大-拓元聯(lián)合實驗室負責(zé)人梁小丹博士（阿里巴巴青橙獎得主）。

他們給出的答案是“VWA”，即Vision-World-Action模型，是一種區(qū)別于VLA模型的全新架構(gòu)。

拓元團隊認為，制約當前大模型能力提升的關(guān)鍵瓶頸，是目前的模型普遍缺乏泛化性。想要打破這個瓶頸，就需要將整體能力解耦為“物理建模”與“空間建?！眱纱竽K。通過這種拆分，模型能夠獲得高度通用、跨環(huán)境穩(wěn)定的物理建模能力；而真正影響泛化性的部分，僅存在于對具體場景的空間建模上。這一機制與人類在操控陌生環(huán)境中的機器人時的行為高度一致：人類并非天然具備“泛化性”，而是依靠在新環(huán)境中快速適應(yīng)空間布局來完成任務(wù)。

VWA正是基于這個思路所設(shè)計。與VLA必須將視覺信息壓縮到語言token空間不同，VWA模型可以直接在物理空間進行推理與決策，在連續(xù)物理空間中進行多步roll-out、預(yù)測未來狀態(tài)變換，從而在規(guī)劃、安全評估與穩(wěn)定控制方面邁出關(guān)鍵一步。

實現(xiàn)VWA模型架構(gòu)的核心，則是拓元開發(fā)的物理自回歸模型（Physical Autoregressive Model, PAR）。PAR模型通過將視頻幀與機器人動作共同編碼為“物理token”，使得模型能夠以自回歸方式逐步預(yù)測下一步視頻與動作，形成“預(yù)測—執(zhí)行—再預(yù)測”的閉環(huán)。尤為關(guān)鍵的是，PAR模型在無需進行動作預(yù)訓(xùn)練的前提下，即可有效學(xué)習(xí)物理世界的動態(tài)規(guī)律，在機器人操作基準ManiSkill的PushCube任務(wù)上實現(xiàn)了100%的成功率，并在多項任務(wù)中媲美需動作預(yù)訓(xùn)練的強基線模型。這一成果顯著推進了從大規(guī)模視頻預(yù)訓(xùn)練模型向真實世界機器人操控能力遷移的技術(shù)路徑，為構(gòu)建具備通用物理常識的具身智能奠定了重要基礎(chǔ)。

其次在底層推理機制上，拓元開發(fā)提出了全新的Tweedie Framework，顯著提升動作控制的準確性；同時引入高效的 Eon 計算機制，大幅增強模型的運行效率與長序列建模能力。兩者結(jié)合，為構(gòu)建更可靠、更智能、更具泛化能力的物理空間智能奠定了堅實基礎(chǔ)。

而在數(shù)據(jù)層面，拓元智慧引入多源且高質(zhì)量的物理數(shù)據(jù)，其中主要包括：（1）具備空間信息的真實人類抓取及自然場景數(shù)據(jù)：基于真實業(yè)務(wù)場景采集的數(shù)十億級雙目與多目視覺數(shù)據(jù)，覆蓋多種真實環(huán)境和多樣化任務(wù)場景，具備高度一致的空間結(jié)構(gòu)信息與自然連續(xù)的人類動作軌跡。相較于現(xiàn)有以仿真或擺拍為主的數(shù)據(jù)，這類真實任務(wù)數(shù)據(jù)在規(guī)模、多樣性與真實性上均具有顯著優(yōu)勢，并通過豐富的 3D 空間線索，支持對海量物體進行精細的空間理解與語義解析。（2）訓(xùn)練場仿真數(shù)據(jù)：依托虛實孿生的具身智能訓(xùn)練場，通過高保真 3D 物理環(huán)境重建與逼真的物體資產(chǎn)構(gòu)建，生成大規(guī)模物理仿真數(shù)據(jù)與仿真遙操作數(shù)據(jù)，為模型提供可控、可擴展、可重復(fù)的訓(xùn)練條件。

依托全新的模型架構(gòu)和海量的真實預(yù)訓(xùn)練數(shù)據(jù)，模型開發(fā)的效率被大大提升，適配所需的數(shù)據(jù)極少（甚至只需一條示例數(shù)據(jù)），所涉及的參數(shù)規(guī)模也極?。ɡ缭跀?shù)百億參數(shù)的模型中，僅更新約 4000個參數(shù)）。更重要的是模型便能在新環(huán)境中實現(xiàn)在線快速適配。以家庭機器人為例：一個家務(wù)機器人，不再需要漫長的學(xué)習(xí)和適應(yīng)的步驟，只需對新的空間布局進行快速建模，就能立即投入使用。

拓元智慧也在這樣的預(yù)期下，自成立伊始就獲得了資本市場的大量關(guān)注。自2022年成立至今，拓元智慧先后完成了多輪市場化融資，投資方涵蓋卓源資本、源數(shù)資本、紅鳥啟航基金、銀杏谷資本等市場化機構(gòu)，以及粵科金融集團、鵬城愿景基金等國資背景的平臺。

而本輪投資方均在其專注領(lǐng)域擁有深厚的資源背景與戰(zhàn)略布局，進一步確認了資本市場對拓元智慧技術(shù)與發(fā)展前景的認可。 例如本次投資方之一東方精工聚焦高端智能裝備制造龍頭企業(yè)。目前，東方精工以“構(gòu)建具身智能機器人全產(chǎn)業(yè)鏈生態(tài)、賦能傳統(tǒng)產(chǎn)業(yè)智能化升級”為核心，前瞻性布局人工智能+具身智能機器人賽道，已形成覆蓋機器人本體制造、多模態(tài)大模型智能大腦端研發(fā)、應(yīng)用場景拓展的全產(chǎn)業(yè)布局。

星宸科技是全球領(lǐng)先的視覺AI SoC芯片設(shè)計企業(yè)，視覺AI SoC全球市占率第一（出貨量第一）、機器人視覺AI SoC市占率位居全球第二?；凇耙曈X+AI”的核心框架及“感知+計算+連接”的核心能力，專注為智慧視覺、智慧出行、智能機器人、智能家居、智能辦公、智能工業(yè)等端邊側(cè)設(shè)備提供 AI SoC 解決方案。

德韜資本是金牌家居及建潘集團的產(chǎn)業(yè)投資平臺，圍繞“泛家居產(chǎn)業(yè)互聯(lián)網(wǎng)生態(tài)平臺”布局戰(zhàn)略投資，聚焦泛家居產(chǎn)業(yè)鏈、人工智能、機器人、智能家居、工業(yè)互聯(lián)網(wǎng)等領(lǐng)域，致力深耕產(chǎn)業(yè)提升價值，加強產(chǎn)業(yè)科技孵化、賦能服務(wù)產(chǎn)業(yè)鏈、培育產(chǎn)業(yè)細分龍頭、建設(shè)泛家居產(chǎn)業(yè)生態(tài)、打造泛家居產(chǎn)業(yè)互聯(lián)網(wǎng)。目前管理6只基金，以“資本+產(chǎn)業(yè)+科技+平臺”模式驅(qū)動產(chǎn)業(yè)發(fā)展。

石溪資本由集成電路存儲龍頭企業(yè)與投資團隊發(fā)起設(shè)立，長期聚焦于硬科技等前沿領(lǐng)域的投資，在半導(dǎo)體、人工智能等領(lǐng)域有著廣泛布局，通過產(chǎn)業(yè)資源對接、技術(shù)賦能等方式助力被投企業(yè)成長。石溪資本管理多達十余支基金，目前累計投資項目近60個，其中多家企業(yè)已成功上市。

李飛飛曾經(jīng)在演講中引用過哲學(xué)家路德維?！ぞS特根斯坦的名言“我的語言的局限性就是我的世界的局限性”，說：“至少對于人工智能來說，世界遠不止是文字”。可以想象，通過本輪融資獲得更多產(chǎn)業(yè)方支持、與更多實際生產(chǎn)場景發(fā)生直接關(guān)聯(lián)的拓元能夠進一步驗證VWA的適用性，而VWA也將在不斷地磨合過程中進一步優(yōu)化，最終推動那個遙遠的目標——世界模型——真正完成兌現(xiàn)。