文｜周鑫雨
编辑｜张雨忻
《长安的荔枝》，是 97 年清华博导李一鸣很喜欢的故事。
故事里，为了将“一日色变”的鲜荔枝从岭南运到长安，小吏李善德必须解决保鲜、驿站、路线、补给等一系列环环相扣的难题——没有这套完整系统，鲜荔枝寸步难行。
这个设定在唐朝的故事，在李一鸣眼中，却与当下的“世界模型”赛道，形成了巧妙的互文：
Physical AI（物理AI）的场景、解决的问题，是“鲜荔枝”；为了达到“运送”的目的，从业者们同样需要构建一整套涵盖数据采集、模型研发、硬件部署的系统方案。
“世界模型的第一性原理，不是走什么技术路线，而是最终解决什么问题。”他告诉《智能涌现》，所谓的世界模型，只是“一匹运送荔枝的马”，是解决问题的一条技术路线，离开其它环节的配合，将毫无价值。
然而，2026 年初，当这名前英伟达 Vision & Robotics 研究员，以清华大学人工智能学院助理教授的身份回到国内，他看到的 AI 赛道，正在陷入一场对“世界模型”的巨大 FOMO。
世界模型，2026 年最具迷惑性的概念之一，派系林立，众说纷纭。
非共识和想象力，又让世界模型成为当下估值泡沫最大的一个赛道。无论视频模型、3D 模型，还是走 VLA（视觉-语言-行动）路线的具身大脑，只要能和仿真、物理沾上边，都将自己划为“世界模型”的阵营。
相对的，李一鸣觉得，比厘清世界模型定义更重要的，反而是厘清一套让各种机器人在各个场景中泛化的系统。
近期，李一鸣团队提出了一套由数据和物理双轮驱动的Physical AI Infra。其中包含两个自研组件：
数据管线：将数据采集量级快速规模化，从几十万小时的行业平均量级，提升到百万到千万小时。
物理引擎：实现 Real-to-Sim-Real 的闭环，也就是基于真实世界数据，构建一个仿真世界，用于机器人对物理世界的强化学习，最后在真实世界中执行任务。
即便世界模型并非一个独立组件，它仍然渗透在这套系统设施的每一个环节中。比如，基于采集到的数据，系统会将“世界模型”作为预训练的目标；在后训练环节，“世界模型”又会成为机器人进行强化学习的仿真环境。
该基础设施能够实现切割、旋拧、插拔、搅拌、按压、捏取、穿引等精细操作技能的训练，并在不同类型的灵巧手、机械臂等本体间跨形态部署，同时可适配生产制造、零售服务、酒店运营、餐饮备料、医疗辅助等多元场景。
这套技术方案，也被 2026 年 4 月成立的「厘清智能」所采用。背靠李一鸣团队，这个 Physical AI 领域的新玩家，成立短短两个月内，便完成了多轮融资。
《智能涌现》独家获悉，厘清智能的种子轮融资金额高达数亿元，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等基金，以及智元机器人、灵心巧手、世纪金源等多方产业资本。
稀缺性，是让一级市场押注厘清的重要理由。
一方面是软硬一体的人才。李一鸣的履历，横跨空间感知、多模态推理、自动驾驶以及具身智能。
在纽约大学读博期间，他与谢赛宁（AMI Labs 联合创始人兼首席科学家）合作发表了具身视觉推理的研究成果；同时，他与英伟达联合发表了多篇 CVPR 与 NeurIPS 亮点论文，并获得了2024年度英伟达奖学金（全球仅 10 位）。
△ 李一鸣。图源：受访者供图
厘清团队的 50 余名成员，大多是清华的学生，平均年龄 23 岁。“软硬一体的人才在国内很稀缺，所以清华给我们提供了很好的人才平台，”李一鸣告诉我们。
另一方面，则是厘清技术路线的稀缺性。李一鸣大胆选择了一条“很重”的路线：从数据采集，到模型训练，到物理引擎，全栈自研。
这在国内相当少见。前期的巨大投入、跨软硬的技术难度，已经劝退了一大波公司。但李一鸣认为，只有打通所有的环节，信息流才能在不同环节、不同模块中畅通无阻，不同环节才能协同优化。
在李一鸣的规划中，今年年底前，团队将发布可以跨 B 端场景的世界模型；2028 年，厘清将实现解决方案的规模化。最终，他的目标是交付给客户一套软硬一体的解决方案，跨本体、跨场景地解决问题。
近期，《智能涌现》与李一鸣聊了聊他的技术判断，以及对世界模型、Physical AI 的判断。
以下是《智能涌现》对李一鸣观点的整理：
发布时间：2026-07-01 22:00
立即订购
在线咨询
返回顶部