搜索：世界模型
—— 明星创始团队搭配全栈软硬量产技术，数十亿元融资集结顶流创投与产业资本
新创企业昆仑行机器人成立不足 90 天，三轮累计数十亿元融资快速达成独角兽，刷新具身智能行业成长速度。高瓴、高榕、中科创星等一线创投与建发产业资本全员持续加码，核心竞争力来自兼具千亿级商业操盘经验的创始人、拥有自动驾驶完整量产落地经验的技术负责人组成的黄金创始团队，以及覆盖经营、算法、硬件、市场的复合型核心团队。企业坚持量产导向，自研昆仑世界模型与全栈硬件体系，创新数据编译、反事实评测、模块化本体架构，适配多机型跨场景落地。当前赛道资本重心转向可量产、软硬一体的实体落地项目，昆仑行快速崛起也代表行业投资逻辑彻底转向务实商业化能力。
—— 加码通用具身大脑与世界模型研发
无界动力完成超 2 亿美元天使轮融资，多家产业、财务机构联合投资，近 2 亿美元 Pre-A 轮融资接近完成，上半年累计融资数亿美元。资金将用于自研 MWA™隐空间世界模型研发、技术基建与全球交付体系搭建。企业依靠独特隐空间建模技术路线实现跨场景泛化突破，旗下 K15 机器人批量投产，手握近 1 亿美元全球订单，覆盖能源、汽车、商业服务多领域，持续推进通用具身智能全球化规模化落地。
—— 隐空间建模 ＋ 强化学习双轮技术路线落地，首创负样本数据体系，多场景完成商业化验证
无界动力发布 MWA™长时序双向物理因果隐空间世界模型，相关版本登顶国际权威 RoboCasa 具身榜单。企业采用隐空间建模 + 强化学习双轮技术路线，创新双向动力学与时序 Chunk 逆向推理架构，解决长时序动作误差累积问题；配套 AnyPhys 负样本数据体系补齐行业样本短板，大幅提升复杂工况任务成功率。该模型已搭载企业 K15 机器人落地工业、商业、家庭多类实景场景，后续将持续迭代通用具身大脑，加速跨行业规模化落地。
—— 具身智能赛道迎来半年爆发期
2026 年上半年国内具身智能赛道迎来资本与资本市场双向爆发的发展周期，一级市场融资热度持续攀升，赛道百亿估值独角兽数量实现大幅扩容，半年内新增近二十家头部企业，众多头部主体估值突破两百亿元大关。国资平台、互联网大厂、上下游产业资本同步加大布局力度，资金重点倾斜通用世界模型与人形机器人整机两大核心赛道。一级市场的资本热潮持续传导至二级市场，港股特专科技上市通道成为尚未实现盈利的具身智能企业登陆资本市场的核心选择，产业链多家整机与零部件企业集中推进招股材料递交、上市前辅导等流程，形成集中排队申报的火热局面。赛道高速发展的背后，行业估值虚高、商业化落地进度不均衡等潜在问题逐步显现，规模化量产交付、场景可持续复购能力，将会成为二级市场衡量企业真实价值的核心标准。
—— 14B 参数实现 60 帧低延迟仿真
近日，蚂蚁集团正式开源 LingBot-World 2.0 实时世界模型，仅 14B 参数即可输出 720P、60fps 超低延迟仿真环境，一套框架同时适配自动驾驶路测仿真、人形机器人物理运动训练两大研发场景。
—— 十万卡国产化算力破解机器人研发算力难题
7月9日，郑州国家超算互联网中部核心节点正式投入运营，国内规模领先的单体国产 AI 算力池正式面向全行业开放，将人形机器人仿真训练、具身世界模型迭代作为核心服务方向，为国内机器人产业突破研发瓶颈提供国家级算力支撑。
—— 独创人类学习技术路线，全栈体系打通数据、模型、机器人落地闭环
2026 年 6 月 26 日，物理 AI 赛道企业深度机智正式对外披露新一轮数亿元融资落地。本轮融资由国寿长三角科创基金领投，普华资本、诚通科创基金等老股东持续跟投，蓝湖资本、博彦科技、磐谷创投、朝晖资本等十余家产业、市场化机构同步入局。值得行业关注的是，这是企业近两个月斩获的第二笔数亿元级融资，密集资本投入充分印证资本市场对物理 AI、具身智能长期赛道价值的高度认可，也为国产自主世界模型研发、机器人软硬件一体化落地储备充足研发资金。
—— 大脑进化提速，人形机器人告别传统自动化时代
当一台人形机器人不仅能稳健行走，还能自主识别物体、理解指令并完成精细操作时，它就不再是传统的＂自动化设备＂，而是一个真正意义上的＂具身智能体＂。2025至2026年，从VLA（视觉－语言－动作）大模型到世界模型，从单一任务执行到多任务泛化，从手控遥控到全自主决策——具身智能的＂大脑＂正在经历一场深刻的技术变革。这场变革的核心，是让机器人从＂能走＂跨越到＂能干＂，从＂机械执行＂进化到＂智能理解＂。当一台人形机器人不仅能稳健行走，还能自主识别物体、理解指令并完成精细操作时，它就不再是传统的＂自动化设备＂，而是一个真正意义上的＂具身智能体＂。
—— 摆脱真实数据依赖，开启具身智能高效进化新范式
长期以来，数据饥渴始终是制约具身智能迭代落地的最大瓶颈。传统机器人与具身大模型高度依赖人工标注、真实场景采集、海量示范数据，不仅采集成本高昂、标注效率低下，而且真实世界危险场景、极限工况、复杂交互样本极度稀缺。模型一旦脱离训练数据集，泛化能力大幅衰减，出现动作僵硬、场景适配差、容错率低等问题。在行业从 VLA 模型迈向世界模型、从专用智能走向通用具身智能的过程中，“数据不足、数据不准、数据太贵” 的痛点愈发凸显。在此背景下，仿真训练体系 ＋ 自监督学习成为破解数据焦虑的核心解药，推动具身智能摆脱真实数据桎梏，实现高效、低成本、规模化智能进化。
—— 重构移动智能范式，开启自动驾驶认知推演时代
2025年，自动驾驶产业正迎来底层范式的关键迭代，行业彻底告别“感知－规划－控制”的传统模块化架构，迈入轮式具身智能全新阶段。轮式机器人、无人配送车、自主移动底盘等轮式具身体，不再是单纯执行导航指令的移动设备，而是依托世界模型具备环境理解、物理推演、自主决策的智能体。当自动驾驶技术与世界模型深度融合，移动智能从“被动响应场景”升级为“主动理解世界”，为高阶自动驾驶落地、通用移动智能普及打通核心技术通路。
