点击关注
已关注公众号
当下人工智能赛道中，世界模型已从前沿学术概念，变成推动具身智能落地物理世界的核心引擎。资本、技术、产业场景三方合力之下，国内赛道竞争愈发激烈。
近日，具身智能世界模型企业 千诀科技 正式宣布完成数亿元A轮融资。本轮融资由京铭资本领投，山东新动能、山东财金资本、元禾厚望、芯能创投、南创投、英诺天使基金等多家机构联合参投，投资方涵盖国有资本、产业基金、市场化创投及家族办公室，阵容十分多元，枫承资本担任本次融资独家私募股权顾问。
背靠清华类脑研究中心的千诀科技，不仅拿下大额资本加持，更率先实现十万台终端规模化落地，为国内世界模型技术从实验室走向商业化实景，树立了典型样本。
融资背后藏着哪些行业信号？
本轮数亿元融资到账后，千诀科技的资金用途十分明确：重点投入自研世界模型架构搭建、算法迭代与场景落地，同时扩充核心研发、项目交付团队，完善商业化配套能力，持续放大技术与场景优势。
放眼全球，世界模型与具身智能已是资本追捧的黄金赛道。图灵奖得主杨立昆打造的AMI团队手握巨额融资，持续深耕世界模型基础理论；国内一众相关企业也接连获得大额投资，行业整体热度居高不下。与此同时，具身智能被划入未来重点培育产业，政策红利叠加市场刚需，整个行业正式迈入规模化落地的关键阶段。
成立于2023年6月的千诀科技，精准踩中赛道发展风口。资本之所以集体看好这家初创企业，核心原因在于它打破了行业“实验室技术强、实景落地弱”的普遍困境。目前多数世界模型团队仍停留在技术验证、小范围试点阶段，而千诀科技已经完成多品类硬件适配，落地多个商用场景，十万台在线终端产生的真实交互数据，彻底消除了技术与实景之间的“虚实鸿沟”。
在资本眼中，能把前沿技术转化为可落地、可复制的商业产品，远比单纯的算法创新更具备长期价值，这也是本轮多家知名机构联合入局的核心逻辑。
创始团队的技术底色有何不同？
千诀科技核心团队孵化自清华大学类脑研究中心，与生俱来的学术底蕴，让团队从创业之初就扎根底层技术研发。清华大学在类脑计算、人脑机理研究、具身智能决策等领域深耕多年，这套成熟的理论体系，也成为千诀科技技术路线的核心根基。
公司由CEO高海川、CTO章天任领衔，核心成员长期专注具身智能决策与规划大模型研发。团队深知传统机器人的致命短板：传统设备依靠固定代码执行任务，一旦外界环境发生变化，就无法正常工作，很难实现动态自适应。为此，团队定下核心目标：依托世界模型突破传统设备的任务限制，让机器人自主感知环境、预判变化、独立完成作业。
和很多跨界创业团队不同，这支清华系团队坚持从底层架构发力，没有盲目跟风行业主流方向。扎实的学术积累，让他们敢于直面行业底层技术痛点，走出独有的差异化路线，这也是企业能在激烈竞争中站稳脚跟的核心底气。
分布式预测路线，如何破解行业共性难题？
当前世界模型主要分为两大技术路线：像素重构为主的生成式路线、物理状态预判为主的预测式路线，两条路线的博弈，本质是“复刻画面”和“理解真实世界”的理念对抗。
目前行业主流是生成式路线，核心逻辑是依靠像素级重构，预测下一帧画面。但千诀科技 CTO 章天任指出，这套方案存在难以规避的特征污染问题。现实场景的图像包含光影、纹理等大量无效噪声，模型为了实现像素无损还原，会把有效特征和干扰信息强行绑定。最终模型看似能生成逼真画面，却无法提炼物理规律与因果逻辑，模型泛化能力被严重限制，只能复刻表象，不能真正理解世界。
千诀科技选择另辟蹊径，主打预测式世界模型。这套思路参考人类的行为逻辑：人在运动时，不会在脑海里逐帧还原画面，而是预判物体运动轨迹，依靠物理状态变化做出动作。对应到机器人领域，预测式模型放弃冗余的像素重构，专注预测物理状态的低维演化轨迹，直接输出动作与规划指令，既彻底规避特征污染，也大幅降低设备计算压力。
在此基础上，团队进一步创新出分布式预测架构，模拟人脑多脑区分工协作的模式：将环境信息拆分至不同模块独立处理、分别预测，最后整合输出结果。对比传统集中式处理架构，该架构优势十分突出：样本效率大幅提升，原本需要1000组 “状态 - 动作”训练的数据，如今仅需100组即可完成，大幅减少机器人适配新场景的示教数据，推理速度也显著加快。
针对行业普遍存在的长时推理误差累积难题，千诀科技设计了闭环反馈机制。机器人不会一次性规划数百步动作，而是采用“执行 - 观测 - 修正”循环模式，每完成一段预测就执行动作，再根据环境新状态修正后续规划。这套机制从根源上抑制误差放大，完全贴合具身智能“边行动、边调整”的真实作业逻辑。
十万终端落地！真实场景反馈，揭示具身智能的落地真相
技术的最终价值，要靠真实场景检验。如今千诀科技搭载自研世界模型的终端设备已达十万台，覆盖轮式机器人、四足机器人、双足人形机器人、无人机、清扫机器人等多类硬件，落地酒店保洁、商用服务、精密室内作业等实景项目。海量真实运行数据，也让团队收获了诸多超出预期的行业认知，反向推动产品持续迭代。
第一，毫秒级延迟，直接决定商用机器人的用户体验。生成式模型4秒级的响应速度，完全无法适配机器人实时作业需求。千诀的预测式模型可实现0.5秒内完成推理输出，但即便如此，云端1秒左右的传输延迟，依旧会让客户感受到明显卡顿。落地实践证明：在商用场景中，延迟优化带来的体验提升，往往比单纯的模型算法升级更直观、更重要，这也纠正了行业重精度、轻速度的固有误区。
第二，机器人正在从被动工具，转向主动智能体。当下市场需求已经发生明显变化，客户不再满足机器人被动接收指令、机械执行任务，而是期待设备能主动感知环境、自主发现问题并完成作业。例如酒店机器人主动识别地面污渍并启动清洁，这种“主动履职”的能力，已经成为产品差异化竞争的关键，也是具身智能走向成熟的重要标志。
此外，团队采用具身大脑与小脑解耦的设计思路：世界模型作为“大脑”负责感知、预测与全局规划，不绑定具体执行硬件。只要数据模态统一，同一套模型就能快速迁移至不同硬件设备，大幅降低跨品类适配成本，这也是企业能快速实现十万级终端部署的核心工程优势。而海量终端持续产生的交互数据，又能反哺模型迭代，形成良性数据飞轮。
行业观察：千诀模式，为世界模型行业带来哪些启示？
国内世界模型赛道发展至今，不少团队陷入“重概念、重参数、轻落地”的误区，一味追求视觉效果与理论指标，却偏离了具身智能服务物理世界的本质。千诀科技的发展路径，为整个行业提供了可参考的落地范本。
首先，技术路线必须贴合实际场景，而非盲目追随主流。生成式路线在视频生成、数字人领域优势突出，但并不适配机器人这类对实时性、算力、稳定性要求极高的终端设备。千诀坚持预测式技术路线，直击商用机器人核心痛点，印证了技术没有优劣之分，适配场景的技术，才具备商业生命力。
其次，学术能力与工程落地能力相辅相成，二者缺一不可。清华背景带来扎实的底层算法功底，而团队在硬件适配、延迟优化、闭环交互上的工程能力，让前沿技术走出实验室。如今具身智能的竞争，早已不是单一算法的比拼，而是理论、算法、工程、场景的综合较量。
最后，规模化真实数据，是模型持续进化的核心燃料。仿真数据无法替代线下实景数据，十万台终端积累的海量数据，成为千诀持续拉开差距的核心壁垒。“落地带动数据、数据反哺模型、模型拓展落地”的闭环模式，也将成为未来头部企业的标配。
放眼长远，具身智能与世界模型的产业浪潮才刚刚起步。随着各行各业智能化改造需求不断释放，深耕底层技术、聚焦实景落地的企业将持续受益。当AI真正学会读懂物理世界、预判环境变化，智能机器人全面走进产业与生活的时代，也终将加速到来。
往期推荐
融资10亿!上海国资重仓AMD前员工
吴夏青是谁？为什么离职英伟达创业？
点赞鼓励一下
图片来源：网络
本文不作为投资建议