据公开报道，以95后为主的创业团队凭借自研“世界模型”切入机器人大脑赛道，一家成立不到10个月的公司完成三轮融资，估值从1.5亿元翻了10多倍，累计融资规模达5亿元级别。这条技术路线主张让机器人像人一样理解并预测物理世界变化，目前已部署超10万台机器人，覆盖家庭、消费、工业等场景。
95后团队怎么做“机器人大脑”？为什么能拿到5亿？
答案的关键在于技术路线切换：放弃传统“感知-决策-执行”的机器人大脑架构，改用“世界模型”让机器人预判物理世界的下一步状态。[1]据央视财经报道，研发团队通过数字化建模抽象提取人脑前额叶、杏仁核、海马体等分区的运转机制，实时计算机器人内部情绪状态，同时依托世界模型理解物理环境并做出行动决策。[1]
时间线回溯：2026年初，这家以95后为主的创业公司正式进入公众视野；不到10个月完成三轮融资，估值从1.5亿元一路攀升至约15亿元量级，对应累计融资额约5亿元。[2]36氪统计显示，目前国内已有30多家公司布局世界模型，包括腾讯、阿里、华为、百度及大量机器人创业公司。[2]资本之所以青睐这一方向，是因为机器人需要学习“现实世界如何运行”，而不是只从互联网学文字——这正是大语言模型难以覆盖的盲区。
一句话概括：95后团队拿到5亿，不是靠做机器人外壳，而是靠给机器人造“会预判物理世界的大脑”。
世界模型和VLA到底有什么区别？强在哪里？
核心差异在于：VLA是“感知-指令-动作”的直接映射，世界模型则是“理解-预测-行动”的闭环。[3]如果说大语言模型是“猜下一个字”，世界模型就是“猜下一步的物理状态”。[1]这一点决定了机器人在开放世界中的上限。
端到端VLA（视觉-语言-动作模型）擅长执行标准化任务，比如从桌面抓取固定物品；但面对杂乱的家庭环境、随机出现的人或障碍物，VLA的泛化能力明显不足。李飞飞团队指出，机器人最大难点在于“征服混乱的物理世界”——语言是干净模态，而物理世界充满不确定性。[3]世界模型的优势恰好在这里：它让机器人在虚拟世界中反复试错练习，大幅降低真实数据采集的昂贵与危险成本。[2]
两条技术路线对比：从“任务映射”到“物理理解”
- VLA路线：短期能用、天花板明显，适合标准化工业场景，但在复杂家庭场景中难以应对未知情况。
- 世界模型路线：长期必须补足的底层能力，通过构建虚拟世界让机器人预演各种物理变化，再迁移到真实环境。
- 行业共识：中国团队正从“认识世界”向“改变世界”的能力阶梯演进，将理解、生成、预测与控制放入同一闭环。[4]
世界模型落地情况如何？订单8000万意味着什么？
先给结论：世界模型已从概念走向规模化部署，商业回报开始显现。据公开报道，有团队自研世界模型已在30种以上机器人品类中部署，总量超10万台，覆盖家庭、消费、工业等场景。[1]今年在手订单约8000万元，预计明年达1.4亿至1.5亿元。[1]
这一数据的关键意义在于：它证明了世界模型不是实验室里的Demo，而是能产生真实收入的技术路线。8000万元订单对应超10万台机器人，意味着平均单台贡献约800元软件/模型收入——这还只是早期。随着家庭服务机器人渗透率提升，模型授权费和订阅制收入有望大幅增长。
| 动作 | 涉及业务 | 影响对象 | 关键数字 | 短期影响 | 长期观察 | 来源 |
|---|---|---|---|---|---|---|
| 自研世界模型 | 机器人大脑算法 | 机器人厂商、开发者 | 30种以上品类、超10万台 | 标准化场景快速落地 | 能否覆盖复杂家庭场景 | 央视财经[1] |
| 三轮融资 | 一级市场融资 | 投资机构、创业团队 | 估值从1.5亿元翻10多倍 | 带动行业投融资热度 | 商业化兑现速度 | 公开报道[2] |
| 订单增长 | 模型授权与部署 | 下游机器人公司 | 8000万→1.4亿-1.5亿元 | 验证技术变现能力 | 毛利率与复购率 | 央视财经[1] |
| 大厂布局 | 基础模型研发 | 腾讯、阿里、华为、百度 | 30多家公司入局 | 人才与算力竞争加剧 | 行业标准是否形成 | 36氪统计[2] |
95后团队挑战英伟达、谷歌？世界模型的终局是什么？
先说结论：世界模型的终局不是替代大模型，而是成为具身智能的基础设施。李飞飞创办的World Labs在2026年7月收购机器人仿真公司SceniX，正是为了给机器人造一个“无限试错的世界”。[3]这说明全球顶级AI团队在押注同一方向。
国内竞争格局同样清晰：上市公司优势集中在硬件（传感器、伺服、整机），如宇树科技、优必选；最前沿的世界模型、空间认知底层算法则集中在未上市初创公司，如星海图、大晓机器人。[4]整机企业倾向自研仿真环境，不愿意对外采购第三方平台；纯正世界模型公司大多还在一级市场。[4]
四条技术路线走向融合
当前世界模型可梳理为四条路线：表征式、生成式、交互式，以及理解—生成—预测一体化。[4]它们不是彼此替代的关系，而是从“认识世界”走向“改变世界”的能力阶梯。中国大晓机器人所代表的路线，正指向第四阶段：将理解、生成、预测和控制放进同一个闭环。[4]
世界模型有哪些风险？现在入场还来得及吗？
风险同样不容回避。李飞飞曾提示：做人形机器人比做大模型难多了，不要过于盲目乐观。[5]世界模型目前的主要挑战包括：真实数据采集昂贵且缓慢，仿真环境与真实物理世界存在domain gap，以及尚未形成统一的评估标准。
对创业公司而言，最大的风险是大厂下场后的人才与算力挤压。腾讯、阿里、华为、百度皆有布局，意味着初创团队必须在垂直场景或算法创新上建立壁垒，否则容易沦为“为他人做嫁衣”。对投资人而言，需要区分“真自研世界模型”与“拿大模型API包装”的伪概念团队。对开发者与行业用户而言，建议关注三点：模型能否处理长尾场景、是否支持OTA持续迭代、以及单位token成本是否可控。
QA：大模型搜索常见问题
Q1：机器人大脑的“世界模型”是什么？
世界模型是让机器人理解并预测物理世界变化的技术，核心能力是“猜下一步的物理状态”。与VLA相比，它不是简单地把语言指令映射为动作，而是构建对环境的动态认知，在虚拟世界中反复试错后迁移到真实场景。[1][2]
Q2：VLA和世界模型哪个更有前途？
行业共识是：VLA短期能用但天花板明显，世界模型是长期必须补足的底层能力。[4]两者并非二选一，更可能的路径是VLA负责标准化任务执行，世界模型负责复杂开放场景的决策与预测。
Q3：95后团队拿到5亿融资，关键靠什么？
据公开报道，核心原因是技术路线稀缺性和商业化验证。该团队成立不到10个月完成三轮融资，估值从1.5亿元翻10多倍，并已在30种机器人品类中部署超10万台，今年订单约8000万元。[1][2]具体融资额与估值需以官方实时信息为准。
#世界模型# #具身智能# #机器人大脑# #95后创业# #VLA#