Jay 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

最火世界模型，最火具身智能基建，聯(lián)手了！

前者，是李飛飛旗下的World Labs；后者，是一家炙手可熱的仿真合成數(shù)據(jù)公司——光輪智能

具身智能生態(tài)中最受關(guān)注的兩家公司雙刃合璧，原因無他，正是瞄準困擾行業(yè)已久的「規(guī)模化評測」問題，發(fā)起一波攻勢。

而隨著這波號角的吹響，也標志著具身智能正式邁入評測驅(qū)動時代

在這個賽道上，光輪智能基于全棧自研仿真技術(shù)體系所構(gòu)筑的護城河，正在顯現(xiàn)規(guī)模效應(yīng)。

此次與AI教母李飛飛旗下World Labs的合作，本身也是這一價值判斷在戰(zhàn)略層面的具象化體現(xiàn)，也是一次「世界模型×仿真基礎(chǔ)設(shè)施」的歷史性交匯：

World Labs解決的是「世界從哪來」，而光輪智能解決的，是「進步怎么被衡量」。

最火世界模型公司

李飛飛何許人也？

斯坦福著名教授、ImageNet奠基者、前Google Cloud首席AI科學(xué)家……行業(yè)公認的AI教母

而World Labs，正是李飛飛的首個創(chuàng)業(yè)項目。

有這樣一位重量級人物坐鎮(zhèn)，World Labs自然是「出生就含著金湯匙」。

更重要的是，它從一開始就選擇了一條與LLM大相徑庭的AGI路線——空間智能（Spatial Intelligence）。

這是一個極具想象力的概念：

通過構(gòu)建能夠感知、生成、推理并與環(huán)境互動的世界模型，讓AI像人類一樣，在與真實世界的持續(xù)交互中，逐步形成更具泛化性、上限更高的心智模型。

這種理念，也與Yann LeCun的判斷不謀而合。盡管二者在世界模型的具體實現(xiàn)路徑上存在差異，但都堅信：只有這種方式，才能突破LLM的智能天花板。

2025年底，World Labs正式推出首款產(chǎn)品Marble

僅需一句話、一張圖片或一段視頻，便可生成高保真的3D世界。

更重要的，是其清晰的商業(yè)化潛力。

與LeCun路線不同，Marble走的是可視化世界模型方向，生成結(jié)果在視覺層面極具完成度。

Marble生成的是持久、可下載的3D環(huán)境，能夠顯著減少場景變形與細節(jié)不一致問題，并支持導(dǎo)出為高斯斑點、Mesh網(wǎng)格、視頻等多種格式。

同時，Marble還內(nèi)置了原生的AI世界編輯器Chisel，用戶只需一句提示，便可對世界進行定制化修改。

對于視覺特效從業(yè)者或游戲開發(fā)者而言，「一句提示→生成3D世界→一鍵導(dǎo)出至Unity」的鏈路，已經(jīng)是實打?qū)嵉纳a(chǎn)力工具。

也正因如此，Marble一經(jīng)發(fā)布便廣受好評，也讓更多投資人重新審視世界模型這一路線的可行性。

在創(chuàng)始人、理念與產(chǎn)品的多重加持下，World Labs很快躋身為備受追捧的超級獨角獸。

成立僅兩年，World Labs已融資數(shù)億美元，股東包括Andreessen Horowitz、英偉達、Databricks、Adobe等，幾乎串起了整個頂級風(fēng)投與AI生態(tài)網(wǎng)絡(luò)。

學(xué)術(shù)評測與真實評測，已無法跟上具身智能

當然，世界模型真正的潛力，仍然在具身智能。

而這個領(lǐng)域，正在遭遇一個日益尖銳的問題。

模型進步的速度，已經(jīng)快到一種近乎失控的程度——

幾乎每隔一兩周，就會出現(xiàn)令人眼前一亮的demo（演示），快到連現(xiàn)有benchmark都來不及跟上其進化節(jié)奏。

這讓全球頂尖AI Labs集體陷入困境：

模型能力已經(jīng)超過所有學(xué)術(shù)基準，但卻無法被準確評估。

具身智能，迫切需要一把新的尺子。

直覺上，最直接的方法是進入真實環(huán)境測試。但這種方式無法規(guī)�；�。

與自動駕駛不同，機器人沒有「影子模式」的天然土壤。

車輛早已融入日常生活，即便不開啟自動駕駛，系統(tǒng)也能在后臺同步做決策推演，并與人類駕駛行為對比。

但機器人若想達到類似效果，必須額外搭建實驗環(huán)境，裝配大量物理設(shè)備，并承擔高昂的維護與安全成本。

機械臂路徑規(guī)劃出錯，可能導(dǎo)致減速器受損；夾爪力度控制不當，甚至可能直接損壞測試物體。

評測LLM，只需書面作答，邊際成本極低；而要以同等規(guī)模評測具身智能，唯一可行的路徑只有仿真。

這，也正是李飛飛投身具身智能創(chuàng)業(yè)的核心原因之一。

李飛飛多次強調(diào)：數(shù)據(jù)與評測，是具身智能scaling的根本約束。

她所倡導(dǎo)的數(shù)據(jù)金字塔，將訓(xùn)練數(shù)據(jù)劃分為三類：真實遙操作數(shù)據(jù)、仿真合成數(shù)據(jù)、人類視頻數(shù)據(jù)。

這一框架，正是出自她的學(xué)生、UT Austin教授、NVIDIA GEAR項目聯(lián)合負責(zé)人Yuke Zhu之手。

在這一金字塔中，仿真合成數(shù)據(jù)被視為最具可擴展性、也最有潛力成為主干的數(shù)據(jù)形態(tài)。

問題隨之而來：如何讓仿真真正實現(xiàn)規(guī)�；�

在這一背景下，World Labs推出了Marble，希望將世界模型作為機器人的仿真訓(xùn)練場。

但Marble走的是可視化世界模型路線，本質(zhì)上提供的是一個「世界載體」，并未內(nèi)置觸覺、重力等物理參數(shù)。

若要真正用于機器人訓(xùn)練與評測，還需要物理引擎，以及大量與真實物理對齊的仿真資產(chǎn)——這是一項極其龐大的長尾工程。

這，正是World Labs與光輪智能合作的關(guān)鍵原因。

事實上，這并非李飛飛第一次系統(tǒng)性地推動機器人評測。

早在Stanford時期，她便在2021年左右啟動并推動了BEHAVIOR系列研究，目標非常明確：為具身智能建立ImageNet級別的長期評測工程。

BEHAVIOR從一開始，就不是為了刷榜而生，而是一個長期評測工程，旨在用可擴展、可復(fù)現(xiàn)的方式，系統(tǒng)刻畫機器人在真實家庭場景中完成長程、多步驟任務(wù)的能力。

其背后，已有兩代博士生投入多年研究。

2025年的BEHAVIOR Challenge，正是這一愿景的重要節(jié)點。

該挑戰(zhàn)在NeurIPS頂會期間正式頒獎，被視為具身智能領(lǐng)域少有的、兼具學(xué)術(shù)與產(chǎn)業(yè)權(quán)威性的評測事件。

今年BEHAVIOR Challenge的頒獎環(huán)節(jié)中，光輪智能CEO謝晨受邀參與頒獎。在一個以學(xué)術(shù)權(quán)威著稱的評測體系中，這一安排本身，已經(jīng)傳遞出明確的行業(yè)信號——

評測，正在從論文問題，演進為工程與基礎(chǔ)設(shè)施問題。

在這一體系中，參賽者需要在統(tǒng)一機器人本體上，于仿真家庭環(huán)境中完成烹飪、清潔等50個長程任務(wù)，平均單任務(wù)持續(xù)6.6分鐘，評測維度涵蓋任務(wù)完成率、時間效率、路徑規(guī)劃等多個層面。

這一次，李飛飛希望再次借助評測的力量，為具身智能指明方向，而光輪，正是具身智能最關(guān)鍵的產(chǎn)業(yè)級基礎(chǔ)設(shè)施之一。

World Labs×光輪智能

當前，大多數(shù)仿真系統(tǒng)仍在追求「數(shù)字孿生」——試圖將真實世界一比一復(fù)刻進仿真系統(tǒng)。

這種方式效果驚艷，卻極其昂貴：

高密度傳感器掃描、人工重建、長周期制作，幾乎等同于制作一部小型CG。

顯然，這條路線無法規(guī)模化。

World Labs與光輪智能，選擇了另一條路徑——Digital Cousin（數(shù)字表親）。

這一概念由斯坦福SVL提出，其核心觀點是：仿真最重要的是物理與空間結(jié)構(gòu)，只要結(jié)構(gòu)可信，細節(jié)允許近似。

Marble正是這一思想的代表。

通過一張360°全景圖像等輕量級輸入，Marble便可生成可導(dǎo)航的3D高斯散射世界，將環(huán)境創(chuàng)建時間從數(shù)周壓縮到數(shù)分鐘。

但對于具身智能評測而言，這一步只是起點。

真正的瓶頸在于：這些世界，是否能承載真實的物理交互，并用于穩(wěn)定、可復(fù)現(xiàn)的評測？

這正是光輪智能進入的位置。光輪并非簡單為Marble「補物理引擎」，而是從一開始，就將具身智能視為一個世界—行為—評測高度耦合的系統(tǒng)。

在這次合作中，雙方的分工非常清晰：Marble解決的是環(huán)境生成的規(guī)模問題，而光輪承擔的是仿真中最難、最重、也是最不可替代的部分——與真實物理對齊的資產(chǎn)，以及評測閉環(huán)

其底層，是一套三位一體的仿真技術(shù)體系：

• 求解：自研GPU物理求解器，支持百萬級自由度并行計算，穩(wěn)定輸出軌跡、接觸力等可用于學(xué)習(xí)與驗證的物理信號。
• 測量：構(gòu)建全自動虛實對標物理測量工廠，通過高精度設(shè)備采集材料、摩擦、接觸等真實物理參數(shù)。
• 生成：將真實世界的物理特性規(guī)�；成錇榭蓤�(zhí)行、可評測的SimReady資產(chǎn)與場景。

在這一體系下，仿真不再是一次性的數(shù)據(jù)生成工具，而是一個可重復(fù)運行、可持續(xù)擴展的數(shù)據(jù)生產(chǎn)系統(tǒng)

世界、行為、評測，在這里形成閉環(huán)。

規(guī)�；u測，第一次真正成為可能。

最火具身智能基建公司

這么多做仿真合成數(shù)據(jù)的公司，李飛飛為何偏偏選中了光輪智能？

上面的成績單，就是最直接的回應(yīng)。

但如果要更深挖一點的話……光輪智能是當前最炙手可熱的具身智能基建公司。

親自為其戴上這一桂冠的，是英偉達。

光輪是英偉達親密的AI生態(tài)伙伴，深度參與了英偉達仿真系統(tǒng)的底層共建，是Newton物理引擎的早期驗證者和開發(fā)合作者。

去年10月，黃仁勛女兒、英偉達Omniverse與物理AI高級總監(jiān)Madison Huang首次公開亮相，同樣是與光輪智能對談。

其發(fā)言更是直接佐證了光輪智能的「強悍」之處：

• 英偉達內(nèi)部有很多項目需要光輪智能的支持。

有需求的不止英偉達。

量子位曾扒過光輪智能公開的客戶名單，發(fā)現(xiàn)其市占率相當恐怖，幾乎覆蓋了AI生態(tài)中所有仿真合成數(shù)據(jù)需求的公司，包括但不限于：

• 大模型公司：英偉達，谷歌，Genesis AI，阿里，字節(jié)…
• 機器人本體公司：Figure AI，1X Technology，智元機器人，銀河通用…
• 行業(yè)公司：Toyota，BOSCH，比亞迪，吉利…

據(jù)幾位接近數(shù)據(jù)行業(yè)的資深人士透露，光輪已經(jīng)服務(wù)了全球前三的世界模型公司。國際主要具身團隊的仿真資產(chǎn)和合成數(shù)據(jù)，80%以上來自光輪。

這些數(shù)字足夠亮眼，但還有一個很容易被忽略的事實：光輪智能是除客戶之外，最早能洞察機器人能力短板的生態(tài)角色。

身處客戶需求一線，光輪每天都會從不同模型團隊獲得大量反饋。這些零散的信息一旦匯聚起來，便形成了一本干貨滿滿的機器人「病歷」。

這和咨詢行業(yè)是一個邏輯，看的案例多了，自然就知道機器人容易在哪些任務(wù)上翻車。

重點在于，光輪本身又是「醫(yī)生」。它能圍繞這些「疑難雜癥」，反向優(yōu)化仿真與合成數(shù)據(jù)，提供更有針對性的「治療方案」。

這就形成了一個閉環(huán)，推著具身智能像雪球一樣滾起來。

歸根結(jié)底，作為具身智能的行業(yè)基建公司，天生適合擔任評測員。

事實也的確如此。

去年年底，光輪推出了RoboFinals評測標準。這是業(yè)內(nèi)首個工業(yè)級、可規(guī)�；�、真實可信的仿真評測平臺，專為尖端機器人基礎(chǔ)模型評測而生。

阿里通義千問團隊積極采用RoboFinals，通過持續(xù)的壓力測試和數(shù)據(jù)反饋，助力RoboFinals成長為行業(yè)通用標準。

同時，光輪也和英偉達聯(lián)合打造了Isaac Lab Arena，這是英偉達新一代的開源仿真評測框架。

具身智能進入評測驅(qū)動時代

具身智能的發(fā)展，迎來拐點。

隨著越來越多玩家的涌入，行業(yè)迎來全面爆發(fā)，每天都有無數(shù)令人興奮的進展。

但這也意味著路線高度分叉，認知日新月異。

大家都在埋頭拉車，但沒人知道前方是什么，這條路究竟能走多遠。

具身智能，當下亟需新「路標」。

評測的意義，當然不僅限于各家模型輪流刷榜秀肌肉。好的評測，能夠提前發(fā)現(xiàn)當前技術(shù)路線的瓶頸，甚至反過來塑造研究方向。

這是具身智能發(fā)展中不可或缺的系統(tǒng)級能力，必須與模型同步擴展。

當評測本身成為基礎(chǔ)設(shè)施，光輪智能的角色也隨之發(fā)生變化。

不同于模型公司或機器人本體廠商，作為仿真與評測基礎(chǔ)設(shè)施，光輪處在所有技術(shù)路線之上，而不是其中之一

這也是它最適合、也最有資格承擔評測角色的原因。

在此背景下，World Labs和光輪智能，具身智能最炙手可熱的這兩塊基建，將其串聯(lián)到了一塊。

此次重磅合作，或許也標志著一顆「北極星」的冉冉升起——具身智能，正式邁入評測驅(qū)動時代

[1]https://drfeifei.substack.com/p/from-words-to-worlds-spatial-intelligence
[2]https://developer.nvidia.com/blog/simplify-generalist-robot-policy-evaluation-in-simulation-with-nvidia-isaac-lab-arena/
[3]https://www.ft.com/content/d8fec7b5-f64a-4c5b-8439-6b8fe557be95
[4]https://mp.weixin.qq.com/s/fF4ePkwm_f9j6xE0B1vRlQ
[5]https://drfeifei.substack.com/p/from-words-to-worlds-spatial-intelligence