作者 | 毛心如

今年，具身智能領域什么詞最火？VLA（視覺-語言-行動模型）一定能占領一席之地。

無論是行業還是學界，對 VLA 的關注都來到了新高度。根據公開信息統計，在今年的三大機器學習頂會之一，ICLR，VLA 模型相關投稿量從去年的個位數飆升至 164 篇，足足增長了 18 倍。

這一技術路線因其能實現從視覺感知到動作執行的端到端映射，被視為實現通用機器智能的捷徑，吸引了大量研發投入。

然而，在表層共識之下，一場關于技術終局的深刻思辨早已暗流涌動。

早在今年 8 月的 2025 世界機器人大會上，王興興直言不諱地稱當下火熱的 VLA 模型是相對比較傻瓜式的架構，并表示保持比較懷疑的態度。

這一炸裂觀點在業內引發了廣泛熱議，而其背后的邏輯更值得深究。

他認為如果模型只是表面地把視覺、語言和行動拼接起來，卻沒有穩定的世界表示與預測能力，這樣的系統在真實世界交互時會暴露出短板，例如對數據質量和多樣性的過度依賴、對長期規劃和因果推理能力不足等。

因此，王興興傾向于將更多資源投向世界模型路線。

這一判斷也呼應了多位業內人士的觀點，即世界模型有望緩解具身智能在數據稀缺與泛化困難上的核心瓶頸，極可能在 VLA 之后，成為 2026 年的核心技術趨勢。

事實上，這場關于終極智慧的博弈不僅存在于人形機器人行業，在智能駕駛，這個被視為具身智能先行區的賽道，像特斯拉、小鵬等頭部玩家們也在端到端、VLA、世界模型三條線路里探索、權衡。

技術路線的選擇，很可能決定未來 5 年的產業格局。

最近，專注世界模型的初創公司極佳視界獲得了 2 億元的 A2 輪融資，此前，極佳視界已分別完成 Pre-A、Pre-A+、A1 連續三輪融資，3 個月內連續完成了 4 輪累計 5 億元 A 輪系列融資。

投資方包括中金資本、國中資本等傳統機構以及華為哈勃這樣的產業資本。

值得注意的是，華為哈勃目前在具身智能領域的投資標的較為有限，極佳視界是其中之一。

這一投資動作，與華為將世界模型列為「未來智能世界 2035 年十大技術趨勢之首」的戰略預判不謀而合。

目前，極佳視界正在以世界模型為業務核心，同時布局智能駕駛和機器人兩條業務線。

這家公司的技術選擇和商業化路徑，恰好提供了一個絕佳樣本，讓我們得以觀察世界模型是否真能成為下一代機器人的通用大腦。

一支全棧式頂級團隊

雖然已至年末，但具身智能行業的融資熱度并未消減，少量大額融資與密集多輪融資仍在輪番上演。極佳視界顯然屬于后者。

驅動這一系列資本動作的，是一支在學術、工程、產業和算法四個維度均配備頂尖人才的復合型創始團隊。

這種覆蓋全鏈條的全棧式配置，在具身智能初創公司中尤為罕見。

黃冠：創始人兼 CEO，連續創業者，曾在微軟、地平線等企業從事算法開發工作

朱政：首席科學家，清華博士后，超 70 篇頂會論文；圈內公認學術大牛

毛繼明：工程副總裁，曾擔任百度 Apollo 仿真和工程負責人

孫韶言：產品副總裁，曾擔任阿里云總監、地平線數據閉環產品線總經理

陳新澤：算法負責人，AI 世界冠軍得主極佳科技創始人&CEO 黃冠

具身智能領域的競爭，本質上是頂尖人才的競爭。

從技術角度講，極佳視界的團隊架構呈現出一種高維跨界特征，有效地彌合了傳統 AI 研究中視覺感知、物理理解和機器人控制三者之間的鴻溝。

從公司運營角度講，這種頂尖學術與大規模工業落地經驗的組合，也構成了極佳視界的競爭優勢。

基于這種復合能力，極佳視界選擇了一條看似更難、卻更利于構筑長期護城河的商業化路徑：在智能駕駛與通用具身智能兩大戰場同時推進，并致力于打通從大腦到身體的全棧閉環。

除了團隊光環，極佳視界的自我造血能力也是資本看好的關鍵。極佳視界以空間智能相關研發為起點，推出了面向物理空間的數據引擎和面向虛擬空間的內容引擎兩個方向的技術。

目前其產品包括世界模型平臺 GigaWorld、具身基礎模型 GigaBrain、通用具身本體 Maker 等全棧軟硬件產品。

商業化層面，其在自動駕駛世界模型方向已經和多個頭部主機廠達成簽約合作。

在具身世界模型、具身大腦等方向也已和多個具身本體、終端公司達成簽約合作，應用于科研教育、數據采集、工業業、服務業等多個場景。

搭好了智能大腦的臺子，極佳視界也并沒有把自己局限在一個軟件提供商的角色。

隨著大模型業務的初步穩定，今年年中，極佳科技開始組建機器人團隊，試圖將大模型能力應用至輪臂機器人。

今年 10 月底，其與湖北人形機器人創新中心達成戰略合作，共建全球首個世界模型驅動的虛實結合具身智能數據工廠。

11 月底，極佳視界推出首款輪式人形機器人 Maker H01，同時啟動規�；�量產交付。

Maker H01 標準版高度約為 1.6 米，全身擁有 20+自由度，專為家庭、商業服務與輕工業等開放場景設計。目前正逐步在物品取放、巡檢接待、實驗協助、倉儲搬運等真實業務場景落地。Maker H01 的正式發布也標志著極佳視界階段性完成了行動核心+數據引擎+物理載體的三位一體產品架構。

這種從算法、軟件到硬件的閉環布局，不僅驗證了其世界模型的技術，更意在搶占從智能到智能體的完整生態位，為其長期競爭奠定基礎。

用世界模型做技術深潛

極佳視界的敘事核心，圍繞世界模型展開。

但世界模型到底是什么？它為什么被認為是下一代機器人大腦的關鍵？

通俗理解，我們可以把世界模型看作一個學習了物理規律的數字沙盤。

在這個沙盤里，AI 可以模擬現實世界的運作，比如一個玻璃杯從桌邊掉落會摔碎，推動一個箱子需要克服摩擦力。

借助這個沙盤，機器人不用在現實世界中經歷多次且緩慢的試錯，就能預先腦補出各種行動的結果，并學習最優策略。

這也正是極佳視界技術范式的精髓，世界模型+行動模型+強化學習的三位一體。

在這個體系中，三者分工明確：

世界模型負責構建高保真的物理環境，解決機器人在不同場景下的泛化能力問題

行動模型作為指揮中樞，負責理解復雜的多模態指令并將其分解為行動序列

強化學習則讓機器人在虛擬環境中通過反復試錯，不斷優化行動策略，提升任務的完成精度與魯棒性

在這一架構下，原生世界模型 GigaWorld-0 充當基石與養料，而原生行動模型 GigaBrain-0 則掌控決策核心。

GigaWorld-0 通過幾何一致、物理準確的建模機制，大規模生成高保真交互數據，實現數據放大效應，讓模型訓練擺脫了對昂貴且耗時的真實世界數據的依賴。

這是極佳視界專為 VLA 模型訓練打造的世界模型框架，也是業內首個采用 FP8 精度端到端訓練的世界模型。

這里值得一提的是，FP8 精度訓練作為一種計算效率高、內存占用低、通信帶寬需求小的技術，被廣泛應用在 Deepseek-V3、GPT-4 等大語言模型訓練中，可在保持模型性能的同時大幅提升訓練速度。

其成功將世界模型生成數據在 VLA 訓練中占比提升至 90%，是全球范圍內首個實現的模型公司。

數據的量變帶來了能力的質變。經過生成數據訓練的 VLA 模型在新紋理、新視角、新物體位置三大泛化維度上均實現了近 300% 的性能提升。

在 PBench（Robot Set）基準測試中，GigaWorld-0 以最小參數量達成最高整體性能。這種小參數量+高性能的特性，為后續的工程化落地掃清了成本障礙。

GigaBrain-0 則是一款端到端的決策控制模型，專為具身智能體設計。

極佳視界團隊認為，目前具身智能的瓶頸存在三大挑戰，一是高質量數據稀缺，真機采集的成本高、效率低；二是仿真數據存在仿真到現實的誤差，難以直接利用；三是傳統仿真器的建模誤差制約強化學習效果。

而有世界模型 GigaWorld-0 加持下的 GigaBrain-0 將有潛力打破這些瓶頸。

基于 VLA 架構，該模型融合了圖像、深度、文本及本體狀態等多模態輸入，能夠輸出結構化的任務規劃與運動指令。

針對當前機器人在操作精度與推理能力的短板，GigaBrain-0 重點強化了 3D 空間感知與結構化推理能力，提升其在復雜環境中的導航精度與長序列任務執行能力，讓機器人擁有更強的泛化性能。

在制作咖啡、整理桌面、搬運物品等復雜任務中，其模型性能不僅全面超過了π0，還能跟π0.5 相當。

值得一提的是，其端側部署能力也很強。經深度優化的輕量級變體模型 GigaBrain-0-Small，在 NVIDIA Jetson AGX Orin 平臺上的推理延遲僅為 0.13 秒，遠低于 π 的 1.28 秒。

而任務成功率卻與π0 的 80% 持平，這代表著在資源受限設備上，模型依然能進行高效實時推理。這一點直擊傳統大模型算力需求高、難以部署的痛點。

總的來說，GigaBrain-0 的性能優勢有三點：

訓練數據來源更豐富：在紋理、光照、視角變化下表現更魯棒、泛化性更好

架構更深：關鍵子模塊引入更深層建模，操作表現更精細

有大小雙版本模型：小模型可達大模型 90% 效果，且可在端側 Orin 實現實時推理

極佳視界的首席科學家朱政表示，現在 VLA 模型與世界模型越來越呈現合二為一的趨勢。

但這其中，世界模型的作用顯著。除了可以提供數據之外，還可以在 VLA 里加上隱式的未來狀態預測和顯式的未來視頻預測，能夠克服行動環節監督太過稀疏的缺點。

誰先在機器人大腦拿下話語權

無論是今年大熱的 VLA 模型，還是被寄予厚望的世界模型，其本質都是具身智能大腦在不同階段的范式演進。

盡管終極范式尚無定論，但世界模型已引發全球產業界和學術界的關注。無論是英偉達的 COSMOS，還是谷歌的 Genie-3，巨頭紛紛入場。

這背后，是一場關于機器人大腦底層話語權的爭奪。

目前來看，業內匯聚了三股主要力量參與其中：

第一股是具有場景與量產路徑的汽車主機廠商，例如特斯拉、小鵬等。

他們的優勢在于擁有真實的駕駛數據和閉環場景。特斯拉每天有數百萬輛車在路上跑，產生的真實駕駛數據是任何初創公司難以企及的。

但泛化受限的劣勢同樣明顯：從車端智能遷移到通用機器人，需要解決全新的平衡、操作與復雜交互難題。

第二股是海內外的平臺級大廠，國內字節、阿里，國外谷歌、英偉達等。

這類玩家擁有算力優勢、數據體量，推出的模型往往具有更強的泛化能力和多模態理解水平，但大多公司傾向于先在云端形成規�；�能力再向邊緣延展。

第三股是專注具身智能業務的初創公司，如 Figure AI、極佳視界、星動紀元等。

具身初創企業們最大的優勢在于路徑純粹、業務聚焦，他們沒有歷史包袱，敢于押注前沿技術路線。

然而，資金和場景制約是他們難題。訓練一個高質量的世界模型可能需要數萬 GPU 小時的算力投入，這對初創公司是巨大的燒錢游戲。

同時，他們缺乏自有的大規模硬件生態和真實的數據閉環，也需要高度依賴外部合作伙伴提供落地場景和數據回流。

無論三路玩家誰先爭得話語權，也都要先解決當前行業發展的三大瓶頸。

首先是真實世界的數據缺失，語言大模型的成功源于互聯網文本數據的爆發，但具身智能需要具備高維物理信息的真實數據。

目前像極佳視界用世界模型試圖通過合成數據來破局，但如何減少仿真環境中訓練的策略在真實世界部署時性能下降的問題，確保模型在模擬器中學到的行為在真實世界中穩定可靠，是所有玩家面臨的挑戰。

其次是算力與推理成本的挑戰，要訓練好一個足夠聰明能理解世界的模型，需要的算力消耗會遠超當前的語言大模型。

而且機器人必須在毫秒級時間內做出決策和反映，這意味著算力不能只集中到云端也需要下沉到邊緣側。

這就直接推高了具身智能的燒錢門檻。

這也正是極佳視界在 3 個月內密集融資 5 億元的深層邏輯，押注世界模型不只是一場技術競賽，更是一場資本的耐力賽。

對于初創公司而言，能夠持續獲得機構、產業資本及地方資本的青睞，確保持續的彈藥補給，是能在這場馬拉松中跑到最后的必要條件。

最后是生態層面的挑戰，目前「傳感器-執行器-模型」的數據閉環規�；�搭建仍處于初級階段。

盡管世界模型的出現為數據生成提供了新路徑，但如何構建可持續的數據源生態，也是行業需要解決的核心問題。

話語權的爭奪戰才剛剛拉開序幕。未來的勝負手，將取決于兩個核心要素：

其一，模型通用化程度。誰能率先訓練出一個不限于特定硬件或場景的通用模型，誰就掌握了核心話語權。

其二，生態構建能力。在未來，具身智能的競爭將不再是單一技術點的較量，而是圍繞著模型、數據、硬件和應用場景的生態之戰。

擁有最廣泛的合作伙伴、能夠形成最快速的數據飛輪的公司，才有可能在長期競爭中笑到最后。

而當機器人的大腦真正具備了通用的物理理解能力，物理世界的 ChatGPT 時刻才會真正降臨。

       原文標題 : 3個月連融5億，這家公司手握2026年具身智能流量密碼