作者｜黃楠

編輯｜袁斯來

硬氪獲悉，具身智能世界模型公司「千訣科技」日前完成數億元A輪融資，本輪由京銘資本領投，山東新動能、山東財金資本、元禾厚望、芯能創投、南創投、英諾天使基金、尚勢資本、仁愛集團、玄素投資等機構共同投資，投資方陣容匯集了國家隊、產業方、市場化基金及家族辦公室。Maple Pledge楓承資本長期出任私募股權融資顧問。

資金將重點用于自研世界模型的架構搭建、算法迭代與場景落地，同步擴充核心研發與項目交付團隊，完善商業化落地配套能力。

千訣科技創立于2023年6月，核心團隊孵化自清華大學類腦研究中心，長期聚焦具身智能決策與規劃大模型研發落地，突破傳統設備任務局限，以幫助機器人實現環境動態自適應與全自主作業。

世界模型的熱潮正迅速卷向具身智能領域，成為通用人工智能落地物理世界的核心突破口。卷積神經網絡之父Yann LeCun（楊立昆）率先提出世界模型核心理論，其創辦的AMI團隊持續專注抽象表征空間建模、物理世界規律預測的技術方向研究，為行業奠定了核心理論基礎。

從因果推理到空間智能，從物理仿真到生成式預測，基于不同技術范式、不同理論底座的研究在業內正同步展開。這是個尚未收斂、想象力巨大的賽道。各路探索者都在試圖回答同一個問題：如何讓機器真正理解并預知物理世界的變化。

在主流的生成式路線中，典型做法是通過像素級重構來預測下一幀畫面。但千訣科技CTO章天任向硬氪指出，這種方法往往存在一個容易被忽視的問題——特征污染。

“真實物理世界的圖像輸入信息量極大，包含大量與任務無關的噪聲，比如光影、紋理。”章天任解釋，模型為了追求像素級的無損重構，不得不把有效特征和無效信息強行綁定在一起，結果可能導致模型內部表征不再“純凈”，“它確實能從現實數據中提取出具有泛化性的特征，但這些特征里混入了干擾項。”

這種污染會直接影響模型對物理世界的理解能力。世界模型的本意是讓模型學會符合物理規律的預測，而不是單純地擬合圖像。一旦特征被污染，模型就很難提煉出真正的因果關系和物理不變性，泛化能力自然受限。

“人看一張圖時，不會平均分配注意力在每個像素上，而是快速鎖定與任務相關的區域。”章天任說，“但生成式模型與其說是理解世界，卻更容易發生復刻表象的情況。”

面對生成式路線存在特征提取的這一局限，預測式世界模型提供了另一種思路。 其核心邏輯是，讓機器人真正理解物理世界，不是靠還原每一幀像素，而是靠預測物理狀態的低維演化軌跡。

千訣科技CEO高海川用一個案例解釋了兩者的本質區別：人在打球時，不會在腦中想象一幀幀清晰的畫面，而是直接揮拍，依靠對球軌跡的低維預測。這種預測不包含像素信息，只包含物理規律的狀態演化。“人類在物理世界中玩球類游戲，不可能去想象清晰完整的像素畫面，來不及，而且這種信息不穩定。”高海川說。

同樣的邏輯適用于具身智能。執行任務時，機器人需要的不是“未來會長什么樣”的想象，而是“下一個狀態該往哪走”的預判。預測式模型的核心輸出不是視頻幀，而是低維抽象特征，這些特征可以直接解碼為動作軌跡或規劃指令，從而繞開像素重構帶來的計算負擔和特征污染問題。

在預測式路線基礎上，千訣科技還進一步提出了分布式預測架構。其架構采用了類人腦的腦區連接方式，大腦不同區域各司其職，連接緊密的區域內部協同，區域之間則相對獨立。

對比傳統方法把所有信息揉在一起壓縮處理，分布式預測架構會先把信息分到不同的區域里，再分別壓縮和預測，從而實現樣本效率更高，推理速度更快。“同樣一個任務，從零開始可能需要1000個‘狀態-動作’對；有了好的表征，100個就夠了，有效減少了機器人適應新場景所需的示教數據。”章天任說。

通過這種分布式架構，可以幫助模型在抽象表征空間中學習物理狀態的演化規律，而非僅僅是像素的時序關聯，更好地服務于下游的規劃與控制。當機器人面對新環境時，可以更快地理解“什么會導致什么”，對真實場景落地尤為關鍵。

搭載千訣世界模型的機器人在餐廳打工（圖源/企業）

具體到應用端，千訣科技將具身大腦與小腦解耦，由其世界模型負責感知、預測與規劃，不綁定具體的執行動作空間。只要共享同一模態，模型就能將其觀察到的環境變化作為統一的數據來源進行訓練。這意味著，同一個“大腦”可以快速遷移到不同本體上，解耦設計有效降低了遷移成本，并加速了真實場景中的數據飛輪閉環。

據硬氪了解，千訣科技自研具身大腦已完成輪式、四足、雙足人形、無人機、清掃機器人等多品類硬件適配，落地酒店保潔、商用服務、精密室內作業等實景項目，當前接入終端設備規模達十萬臺。依托海量終端持續產生的真實交互數據，未來將反哺世界模型進一步迭代優化。

搭載千訣世界模型的機器人在咖啡店自主配送（圖源/企業）

以下為硬氪與千訣科技CEO高海川、CTO章天任的訪談節選（略經編輯）：

硬氪：開環預測場景下，世界模型的長時推理誤差會隨步數累積。千訣的預測式架構如何應對這一問題？具身任務的閉環反饋機制能在多大程度上抑制誤差放大？

章天任：這個問題分幾個層面。第一，累積誤差的大小取決于應用場景是否具備閉環反饋。視頻生成模型是純開環的，一次性預測未來很多幀，中間沒有任何外部信息校正，所以誤差容易累積。但具身不同在于它有閉環反饋，我們不會讓機器人一次性預測1000步、把整個任務全部規劃完再執行，而是先預測50步，選出動作去執行，執行完后環境會給出新的狀態作為反饋，基于反饋修正后續預測。

這種“執行-觀測-修正”的循環，是具身任務與視頻生成最本質的區別，能有效抑制誤差放大。

第二是關于記憶模塊。千訣目前已經在一些平臺上嘗試搭建Memory系統，但還沒有與視覺中心直接融合。原因在于，既然已經有了閉環反饋，很多場景下暫時不需要顯式的長期記憶。

第三，千訣的模型支持多步預測，模型預測的“一步”不一定對應底層的一個控制指令，而可以對應一個完整的語義動作，比如50個底層step。預測步數越少，累積誤差發生的概率和幅度就越小。

總的來說，我們認為世界模型的能力上限挑戰在于完全開環的超長時規劃，比如機器人還沒開始行動，就要一次性規劃好未來幾百步的所有細節。但這種使用場景在真實的具身任務中很少見，更自然、更現實的做法還是“邊做邊看”，發現問題隨時調整。

硬氪：千訣已實現十萬臺級別的規模化部署。在實際落地過程中，客戶反饋中有哪些超出預期的發現？對你們的產品迭代有什么影響？

高海川：千訣目前已有十萬臺機器在真實場景中運行，用戶把機器人當真實產品使用，給出的反饋也是真實的。因此，我們訓練的模型與落地場景之間不存在“real-to-real gap”。

搭載千訣世界模型的機器人自主清潔桌面（圖源/企業）

市場反饋中有兩個點超出了我們的預期。

一個是響應速度的敏感度。 不同場景對延遲的容忍度差異很大。生成式模型4秒級的響應，在機器人場景中基本不可用。我們的預測式模型雖然推理速度快、可以在0.5秒內返回結果，但部分機器人需要云端傳輸延遲在1秒左右，客戶仍然反饋“卡頓”。當我們把延遲降低0.5秒，用戶體驗就有了質的飛躍，這種毫秒級的延遲優化，往往比模型能力的提升更能直接轉化為用戶滿意度。

另一方面在于主動性的價值。 大多數時候，客戶并不希望機器人只是一個被動執行指令的工具，而是期待它能“眼里有活”——主動感知環境、自主決策，而不是逐條等人類發令。比如在酒店場景中，機器人主動發現地面有污漬并啟動清潔，比接到指令再執行，更能讓客戶感受到“智能化”。這種從“被驅動設備”到“智能體成員”的體驗躍遷，正在成為產品差異化的關鍵維度。