如果要问2026年的风险投资人，除了“具身智能”还在看什么？那么最热门的答案，一定是“世界模型”。
在硅谷，Meta前首席科学家杨立昆下场创业成立的AMI Labs，起手的种子轮融资就达到了10.5亿美元。世界模型的主要奠基者之一，皮特·弗洛伦斯创办Generalist AI，种子轮也直接飙升到了4亿美元。李飞飞创办的World Labs，更是成立仅仅2年就以82亿美元的天价，成功卖给了AMD。为了形容世界模型的凶猛，硅谷开始流行用“椰子轮”来代替“种子轮”的称呼。
国内也是同样的热闹。根据投中嘉川CVSource数据显示，截至2026年10月10日，世界模型赛道的融资事件达到88起，其中亿元级别以上的融资事件超过50起。含金量直接拉满。
而今天，这个故事又迎来了新的主角：云蝶科技。
据投中网获悉，广州云蝶科技股份有限公司（以下简称“云蝶科技”）宣布完成数亿元B+轮系列融资。本轮由StellarS Capital、亚洲联合基建（00711.HK）、长浙投资等知名机构和个人联合投资。云蝶科技对投中网表示，本轮资金将主要用于具身智能核心技术迭代与真实场景规模化落地，重点提升机器人持续工作的可靠性、跨场景部署效率及长期服务能力。
而这里的“核心技术”，关键词则是“世界模型”与“系统级大脑”。云蝶科技认为想要真正实现服务于真实世界的智能体，模型必须在真实任务中获得“感知-动作-结果-接管”闭环数据。而实现这个闭环的关键，就是构建“环境增强的世界模型”，让机器人先在具体任务中持续提升成功率、稳定性和失败恢复能力，再向相邻任务与场景逐步泛化。而这个提供真实服务的智能体，则必须由一个“系统级大脑”来统筹调度。
然而如果将云蝶科技的故事具体展开，你会发现他们其实是整个“世界模型创业潮”故事里，一个横截面丰富的“例外”。
首先是时间。云蝶科技成立于2019年，距离GPT时刻还有3年，距离杨立昆下场创业成立的AMI Labs还有5年。并且在此之前，云蝶科技的产品已经进入了酒店、医疗、体检康养等高价值场景，2025年营收已经超过了数亿元。一家营收稳定、有已验证商业场景的团队，为什么要尝试开发“世界模型”？“世界模型”能够为已有的成绩单带来什么？这不禁让人好奇。
然后是生意。云蝶的产品名单里，除了RoboForge系统级具身大脑，还有WING机器人家族。其中，WING Air已经实现交付，可通过更换末端工具适配清洁、巡检等任务；另外两款产品，则分别面向复杂服务操作，以及能量补给和数据调度。
可以说，云蝶其实很难被放进一个熟悉的分类里。它有模型，也有机器人；有科研团队，也有客户和交付经验；它进入了一个正在快速变化的新赛道，但公司本身已经走过7年。
为什么会有这样的选择？已有的机器人会为模型研发提供便利，还是让技术路线受到更多约束？过去积累的行业客户，能够成为新业务的起点吗？一家公司同时推进模型、本体和场景交付，又准备把精力集中在哪里？云蝶还给自己的路线加上了一个修饰：“环境增强”。这也是我在了解它时，最想继续追问的地方。世界模型公司都在强调对真实世界的理解，云蝶为什么认为还需要特别强调“环境”？它所说的更优解，究竟要用什么结果来证明？
这些好奇，需要云蝶自己来回答。在本轮融资完成之际，我和云蝶科技联合创始人、联席总裁余澜展开了一场对话。以下是对话节选：
年营收数亿的成熟公司，为什么要做“世界模型”
投中网：最近我们聊了很多世界模型创业者，经常会问他们：最初接触世界模型的契机是什么？
这个问题同样适用于云蝶。云蝶成立的2019年，大模型和世界模型都还没有像今天这样受到广泛关注，距离AlphaGo在2016年击败李世石也只过去了3年。当时大众对人工智能的印象，更多还是下棋、模拟人类行为。所以我很好奇，一家成立多年的公司，如今为什么用世界模型来定义自己？
余澜：如果用一句话概括，云蝶是在解决产业真实业务需求的过程中，逐步发现世界模型是我们需要的一项技术能力。
2019年创业时，我们主要做产业数字化和智能化，依托视觉识别、数据治理、智能系统等技术，帮助客户理解和管理现实业务。进入大模型时代后，我们开始做垂直大模型和行业智能体，手上的工具进一步升级。AI从识别信息，发展到理解业务、辅助决策，以及执行数字世界中的任务。
但在长期服务客户的过程中，我们发现了一个明确的趋势：企业需要的是能够完成一整套工作的智能系统。比如酒店服务、物业巡检、康养场景中的辅助工作，这些任务同时发生在数字世界和物理世界。
AI不仅要知道当前发生了什么，还要理解空间、任务，以及人员、物品和任务之间的关系，并预测采取一个动作后，环境会发生什么变化。这就涉及世界模型要解决的核心问题。
我们做智能体、具身智能，就是要把智能能力转化成能够在产业中采取行动、作出决策的能力。技术路线也是从这里逐步形成的。2025年开始，我们加强了世界模型和具身智能的研究，今年又提出“具身环境智能”范式，发布了RoboForge系统级具身大脑。
这个变化有一条连续的技术演进路线：在匹配产业需求的过程中，我们过去让现实世界数字化，现在让数字智能进入现实世界。
投中网：我还注意到一个数据是，2025年云蝶的营收已经有数亿元。放在机器人或具身智能领域，这是一个很亮眼的数字，但话句话说就意味着从2019年到2025年的6年时间里，在没有大规模引入世界模型的情况下，云蝶已经发展得很顺利。这也会让人好奇，世界模型到底能带来多大的改变？
余澜：过去，我们更多服务于数字世界。无论是行业大模型、企业智能体，还是早期的AI管理系统，主要都在数字流程中处理信息、知识和业务。进入具身智能赛道后，我们面对的复杂性提高了一个数量级。
比如机器人在酒店里完成送物、洗衣、整理房间等任务，它不仅要理解客户的指令，还要知道电梯在哪里、门有没有打开、通道里有没有人、物品是否送达。如果途中遇到障碍，客户改变需求，或者执行失败，下一步该怎么办？这些问题，很难仅靠给大模型增加知识，或做一次微调就全部解决。
世界模型主要是希望提升3种能力：
第一，对现实世界的理解和预测能力。面对酒店里的复杂长程任务，智能系统要识别当前状态，还要预测执行不同动作、采取不同策略，会带来什么结果，差异在哪里，为后续任务规划和策略选择提供依据；
第二，训练效率和泛化能力。让真实机器人在真实环境、真实任务中训练，成本很高，失败也可能带来安全风险。世界模型可以用于生成训练场景，尤其是大量长尾数据，比如不常见的情况，以及物体位置、光线、遮挡发生变化的情况，作为真机数据的补充；
第三，把具体项目中的经验转化成可复用的系统能力。以前做一个客户项目，往往需要大量个性化实施。未来，我们希望在同类场景中学到的空间认知、任务经验和执行策略，能够迁移到相似场景，提高泛化能力。
这也是我们和一些从实验室起步的具身智能公司的区别。一些公司先在实验室里研究技术、训练基础技能，再找应用场景。我们已经积累了很多真实产业场景，基于多年的B端资源和项目经验，反过来定义模型需要学习什么。
为什么世界模型需要“环境增强”？
投中网：用最直白、最通俗的话解释一下，什么叫“环境增强”？它和大家普遍说的“去真实场景拿数据”有什么区别？
余澜：过去，具身智能行业很大程度上遵循一条路径：先采集机器人操作数据、人类示教数据或仿真数据，训练或微调模型，再把模型部署到真实场景中。
这条路线本身没有问题，但目前机器人的智能水平还不够高，很难在高度复杂、不断变化、甚至无法充分观测的真实世界中，持续、规模化地部署。这个前提就会让整个链路会出现一个断点。大模型训练有3个要素：数据、算力和算法。如果缺少足够的数据，就很难实现智能能力的涌现。云蝶提出“环境增强”，就是希望打通这个链路。
我们认为，可以让环境本身成为智能系统的一部分，和机器人共同承担任务与场景的复杂性。
具体来说，可以分为3个阶段：
第一个阶段是环境约束和环境标准化。现在机器人还不够聪明，无法适应所有环境和任务，那能不能通过适度调整和设计，让空间、工作流程更加标准化？
我们选择连锁酒店、标准化物业等场景，因为这些空间天然具有一定的重复性和标准化基础。同时，我们会按照真实场景1∶1复刻训练场。从空间设计、硬件、软装，到IT系统，都尽量与真实场景一致，让机器人训练和交付时面对同样的环境，提高部署成功率。
在真实部署中，我们也会采用Human-in-the-loop，也就是人机协同的方式，明确哪些行为、流程由人完成，哪些由机器人完成。目标是让机器人先以更高的成功率，在真实场景中持续、规模化地部署。
第二个阶段是让环境成为数据的一部分。现在很多模型训练主要依赖机器人本体的视角，比如本体传感器采集的信息。但我们也可以对环境进行建模，从第三方视角观察机器人与环境的交互，补充本体视角中被遮挡的信息。我们把这个视角称为“上帝视角”。
还有一类很重要的数据，是环境中的属性数据。让机器人在一个空间里执行任务，如果它连有哪些物品、物品放在哪里、是不是放在抽屉里都不知道，就很难高效完成任务。
本体视角数据、第三方视角数据和系统属性数据，可以共同构成智能空间的数据底座。
第三个阶段是让环境变得更聪明，我们称为“环境智能体化”。比如让机器人去2楼拿两瓶水回来，它接到指令后，可以先和环境中的智能体通信。台账智能体告诉它，水在201房间；再调度201房间的摄像头，由摄像头中的智能体判断水的具体位置；调度智能体安排2楼的机器人取水，再交给配送机器人送达。
配送过程中，还要进行路径优化和电梯调度。整个过程通过异构多智能体协作完成。随着模型进化，机器人的单体大脑和系统级大脑都可以持续进化，提高复杂任务的执行成功率。
通过环境增强，让环境适配不同智能水平的机器人，甚至参与决策，目标就是提高机器人在真实场景中持续、规模化部署的能力，获得大量真实业务数据，再用于底层基础模型训练。这是我们很重要的一项具身智能技术范式。
为什么要造模型，也要造本体？
投中网：回到云蝶这家公司。自2019年成立，公司的发展和融资节奏在 2025年之后明显加快了。此前公司处于什么状态，主要业务集中在哪里？为什么在2025年之后加快了速度？
余澜：2025年确实是一个重要转折点。2025年之前，我们的核心任务是找到真实场景的市场需求，建立产品、客户和交付体系，让公司具备独立发展和自我造血的能力。那段时间，我们更重视商业模式能不能成立、需求是否真实、客户是否愿意付费、产品能否持续交付。
在B端，定义需求、定义问题是一项很关键的能力。有好的技术、好的产品，也不代表商业模式一定能跑通。我们先在真实行业里找到了商业基础，再逐步加大技术投入。
2025年前后，我们看到AI出现了新的机会。一方面，大模型和智能体技术不断发展，AI从理解信息走向执行任务。像Harness系统，以及智能体的循环执行机制和图结构编排，都在增强智能体执行任务的能力。另一方面，具身智能成为连接数字世界和物理世界的重要方向。
云蝶此前积累的行业客户、空间场景、智能硬件和多模态数据采集技术，恰好能在这轮技术变化中形成协同。
从2025年开始，我们系统投入具身智能研发，与高校共建联合实验室，布局世界模型、多智能体协同和强化学习，在真实场景中搭建机器人的训练、验证体系。2025年，我们与北京大学开展具身智能联合研究，今年也发布了“1+2+N”真实世界具身智能联合研究计划，希望把联合实验室、数据训练场和真实场景连接起来。
有了产业基础，我们就有机会把过去的行业积累，转化成下一阶段技术和产品升级的优势。
投中网：你们是什么时候开始造机器人的？
余澜：2025年已经有一些小批量的非人形机器人业务，比如轮式巡检机器人。今年才开始更大规模地做，主要是轮式双臂机器人。
投中网：为什么一定要做本体？在我看来，做本体就涉及制造业，需要投入的能力和资源也不一样。对于一个技术出身、做大脑出身的团队，再去啃制造业底色这么明显的业务，会不会分散精力、拉长战线？为什么会作出这个决策？
余澜：我们涉及模型、系统级平台和具身本体，形成这样的闭环，也和行业整体趋势有关。现在不少头部具身智能公司，做本体的会涉及大脑，做大脑的也会涉及本体，因为本体设计、大脑适配，都要和公司对场景的定义相匹配。
但技术能力需要形成闭环，不代表每个环节都要自己制造。我们不会把核心零部件、整机、模型全部自己做。战略重点仍然是围绕真实场景和任务，建立能够持续优化的具身智能系统。
模型能力和系统级大脑，是我们最核心的能力，要在真实场景中不断迭代。本体则是进入物理世界的执行载体。我们把它定义为“任务型本体”，要求它符合实际岗位需求，把模型和系统能力转化成可靠、经济的物理行动。主要研发资源仍然集中在能够跨场景、跨本体复用的智能能力上。
设计本体时，我们倾向于和产业链上的优秀企业合作。有些关键模块，比如机器人与环境连接的通信底座，以及支持机器人在复杂室外场景稳定作业的能源底座，我们会自主或联合研发，形成自己的核心技术。关节模组、谐波减速器等比较成熟的部件，则与产业链企业合作，采用联合研发、专业制造和标准化适配的模式。
我们会先根据场景和岗位，抽象出一组相关任务，也就是“任务簇”，再从任务簇中提炼基本能力，用这些能力定义本体参数。之后，我们提供设计要求和图纸，由合作企业制造，同时在通信、能源等关键环节形成自己的技术优势。
因此，系统级智能是研发投入的核心，本体则围绕真实场景和任务进行选择性投入。
拥有数据，不意味着拥有壁垒
投中网：最近这一波世界模型创业，几乎每家公司都强调自己有数据优势。市场上出现了很多数采公司、数据集公司，传统产业方也在把过去的业务数据化，大家都说自己有“数据飞轮”。你们在关于核心壁垒的思考中，也提到庞大的B端资源和场景数据。但在我看来，这种说法并不稀缺，采用类似话术的初创公司越来越多。
余澜：这里有两个容易混淆的概念：拥有数据，以及拥有持续产生高价值数据的能力。
行业里确实有大量数采公司、数据公司，一些世界模型公司也强调仿真环境可以产生大量数据。大家都关注这件事，是因为数据是具身智能目前的一大短板。
模型结果不好，有时很难判断究竟是数据量不足、数据多样性不够，还是模型本身出了问题。至少相较于大语言模型，具身智能的数据量仍然很欠缺。但还需要看数据是否来自真实任务，以及能否持续改善系统能力。
拿自动驾驶作类比，高价值数据来自大量车辆在真实道路上的持续运行。系统作出一次错误判断，驾驶员把方向盘纠正回来，就产生了车辆、人和环境交互的反馈数据。这些真实场景、真实任务中的数据，是模型训练的重要来源。
仿真和实验室数据很有价值，但自动驾驶能力要逐步提升，还需要真实道路上的验证和反馈。
机器人也是一样。在实验室里，可以让人或机器人重复1万次插拔插头、叠衣服、拿取物品。但在真实运营的酒店里，客户可能临时改变需求，通道可能被行李堵住，门禁可能异常，任务可能被打断，物品也可能交付失败。预先设计的标准动作，很难完整覆盖这些情况。
这些数据往往决定机器人能不能真正上岗，也是具身大脑能否实现智能能力涌现的重要数据来源。
云蝶关注的是：机器人在真实环境里执行任务，为什么成功、为什么失败，人工如何接管，人机如何协同，系统如何恢复，下一次怎样做得更好。能够覆盖这些过程的数据，才是我们需要的高质量数据。
我们正在构建的竞争壁垒，包含几个部分：
首先，要理解行业的实际经验和业务规则。无论酒店、物业、康养，还是能源巡检，对技术团队来说，难点是把行业语言转化成技术需求。如果分析不清真实需求，就无法持续部署机器人，也无法持续获得高质量场景数据；
其次，跑通一个标准任务后，怎样推广到大量相似单元。这就要求我们在定义问题和标准作业流程时，结合行业经验，不断提升任务和能力的泛化水平；
最后，要把真实场景变成持续产生系统能力提升所需数据的底座。这次发布的RoboForge系统级具身大脑，就在做这件事。机器人执行任务后产生反馈数据，用来优化模型和系统；部署能力提升后，再进入更多场景。在这个过程中，机器人会不断诊断自己的执行过程，产生大量人、机器人和环境交互的数据，并在场景中持续进化。
这种商业逻辑，与单纯销售机器人或提供数采服务有很大区别。我们的壁垒在于，能否持续以更低成本、更高质量产生真实业务数据，并把数据转化成技术和产品优势。
数据可以买，算法也可以追赶。但长期在真实场景中运行复杂任务，并让每次任务都推动系统进化，这种能力很难在短时间内复制。
“双峰模式”，全栈团队
投中网：聊聊你们的团队。你们曾经把自己的团队描述成“双峰或多峰模式”。这个说法有点抽象，能不能具体解释一下？
余澜：我们团队成员的专业背景、行业背景都有差异。一部分是行业老兵，积累了大量B端场景资源，理解行业经验，知道怎样把业务语言转化成技术需求，也熟悉B端项目的运作，能够定义需求、定义问题，并保证交付。具身智能要进入真实场景，与B端客户有效沟通是一项很关键的能力。
另一部分是技术团队，背景也比较复合。我们没有把所有资源押在单一世界模型或VLA模型上，涉及的技术包括空间感知和预测、负责动作执行的VLA（视觉—语言—动作）模型，以及异构多智能体协作。多个技术栈共同支撑环境增强世界模型这条路线。
所谓“双峰”，一端是负责场景落地的团队，保障公司持续获得商业订单，具备自我造血能力，同时为具身智能提供可验证、可持续、可规模部署的场景资源；另一端是有多种技术背景、围绕公司技术路线开展研发的年轻科学家团队。
这两部分组合起来，对具身智能进入真实场景非常关键。
投中网：本轮融资的钱主要投向哪些方向？把这轮融资看作进入下一个发展阶段的起点，你能不能给外部观察者一个坐标：云蝶做到什么程度，在你心中算及格，什么程度算满分？
余澜：资金主要投向3个方面。
第一，把机器人投入更多场景，积累更多数据。这涉及本体制造生产，也涉及在不同场景中进行规模化复制的资源投入。第二，模型训练。我们会让系统级大脑中的不同模型，在获得真实场景、真实业务数据后进行训练，因此也会有较大的算力投入。第三，加强技术研发团队建设。
至于下一阶段的及格线和满分线，一方面，国内对具身智能的场景落地、实际执行任务有越来越迫切的需求；另一方面，从全球技术路线来看，具身智能也在逐渐向系统级大脑发展，逐渐智能体化。
我认为，及格线是把现有系统级能力，在某些场景、特定任务流中成功部署，让机器人在真实业务流程中持续作业、持续自我诊断、持续进化。形成这套系统，就有了机器人在真实场景中持续工作的技术基础。
满分线是把这套模式复制到大量标准化作业单元中。比如在酒店里选出2—3条业务流，让机器人在成百上千家酒店中持续作业，承担涉及复杂任务、复杂空间认知与感知、动作规划的工作，超出简单迎宾和配送的范围。
如果能做到，就会持续产生大量数据，跑通一个规模化、持续运转的数据飞轮。能达到这个状态，在我心中就具备了满分线的条件。
首发丨北大+南洋理工学霸组队，云蝶融资数亿元
一个横截面丰富的“例外”。
如果要问2026年的风险投资人，除了“具身智能”还在看什么？那么最热门的答案，一定是“世界模型”。
在硅谷，Meta前首席科学家杨立昆下场创业成立的AMI Labs，起手的种子轮融资就达到了10.5亿美元。世界模型的主要奠基者之一，皮特·弗洛伦斯创办Generalist AI，种子轮也直接飙升到了4亿美元。李飞飞创办的World Labs，更是成立仅仅2年就以82亿美元的天价，成功卖给了AMD。为了形容世界模型的凶猛，硅谷开始流行用“椰子轮”来代替“种子轮”的称呼。
国内也是同样的热闹。根据投中嘉川CVSource数据显示，截至2026年10月10日，世界模型赛道的融资事件达到88起，其中亿元级别以上的融资事件超过50起。含金量直接拉满。
而今天，这个故事又迎来了新的主角：云蝶科技。
据投中网获悉，广州云蝶科技股份有限公司（以下简称“云蝶科技”）宣布完成数亿元B+轮系列融资。本轮由StellarS Capital、亚洲联合基建（00711.HK）、长浙投资等知名机构和个人联合投资。云蝶科技对投中网表示，本轮资金将主要用于具身智能核心技术迭代与真实场景规模化落地，重点提升机器人持续工作的可靠性、跨场景部署效率及长期服务能力。
而这里的“核心技术”，关键词则是“世界模型”与“系统级大脑”。云蝶科技认为想要真正实现服务于真实世界的智能体，模型必须在真实任务中获得“感知-动作-结果-接管”闭环数据。而实现这个闭环的关键，就是构建“环境增强的世界模型”，让机器人先在具体任务中持续提升成功率、稳定性和失败恢复能力，再向相邻任务与场景逐步泛化。而这个提供真实服务的智能体，则必须由一个“系统级大脑”来统筹调度。
然而如果将云蝶科技的故事具体展开，你会发现他们其实是整个“世界模型创业潮”故事里，一个横截面丰富的“例外”。
首先是时间。云蝶科技成立于2019年，距离GPT时刻还有3年，距离杨立昆下场创业成立的AMI Labs还有5年。并且在此之前，云蝶科技的产品已经进入了酒店、医疗、体检康养等高价值场景，2025年营收已经超过了数亿元。一家营收稳定、有已验证商业场景的团队，为什么要尝试开发“世界模型”？“世界模型”能够为已有的成绩单带来什么？这不禁让人好奇。
然后是生意。云蝶的产品名单里，除了RoboForge系统级具身大脑，还有WING机器人家族。其中，WING Air已经实现交付，可通过更换末端工具适配清洁、巡检等任务；另外两款产品，则分别面向复杂服务操作，以及能量补给和数据调度。
可以说，云蝶其实很难被放进一个熟悉的分类里。它有模型，也有机器人；有科研团队，也有客户和交付经验；它进入了一个正在快速变化的新赛道，但公司本身已经走过7年。
为什么会有这样的选择？已有的机器人会为模型研发提供便利，还是让技术路线受到更多约束？过去积累的行业客户，能够成为新业务的起点吗？一家公司同时推进模型、本体和场景交付，又准备把精力集中在哪里？云蝶还给自己的路线加上了一个修饰：“环境增强”。这也是我在了解它时，最想继续追问的地方。世界模型公司都在强调对真实世界的理解，云蝶为什么认为还需要特别强调“环境”？它所说的更优解，究竟要用什么结果来证明？
这些好奇，需要云蝶自己来回答。在本轮融资完成之际，我和云蝶科技联合创始人、联席总裁余澜展开了一场对话。以下是对话节选：
年营收数亿的成熟公司，为什么要做“世界模型”
投中网：最近我们聊了很多世界模型创业者，经常会问他们：最初接触世界模型的契机是什么？
这个问题同样适用于云蝶。云蝶成立的2019年，大模型和世界模型都还没有像今天这样受到广泛关注，距离AlphaGo在2016年击败李世石也只过去了3年。当时大众对人工智能的印象，更多还是下棋、模拟人类行为。所以我很好奇，一家成立多年的公司，如今为什么用世界模型来定义自己？
余澜：如果用一句话概括，云蝶是在解决产业真实业务需求的过程中，逐步发现世界模型是我们需要的一项技术能力。
2019年创业时，我们主要做产业数字化和智能化，依托视觉识别、数据治理、智能系统等技术，帮助客户理解和管理现实业务。进入大模型时代后，我们开始做垂直大模型和行业智能体，手上的工具进一步升级。AI从识别信息，发展到理解业务、辅助决策，以及执行数字世界中的任务。
但在长期服务客户的过程中，我们发现了一个明确的趋势：企业需要的是能够完成一整套工作的智能系统。比如酒店服务、物业巡检、康养场景中的辅助工作，这些任务同时发生在数字世界和物理世界。
AI不仅要知道当前发生了什么，还要理解空间、任务，以及人员、物品和任务之间的关系，并预测采取一个动作后，环境会发生什么变化。这就涉及世界模型要解决的核心问题。
我们做智能体、具身智能，就是要把智能能力转化成能够在产业中采取行动、作出决策的能力。技术路线也是从这里逐步形成的。2025年开始，我们加强了世界模型和具身智能的研究，今年又提出“具身环境智能”范式，发布了RoboForge系统级具身大脑。
这个变化有一条连续的技术演进路线：在匹配产业需求的过程中，我们过去让现实世界数字化，现在让数字智能进入现实世界。
投中网：我还注意到一个数据是，2025年云蝶的营收已经有数亿元。放在机器人或具身智能领域，这是一个很亮眼的数字，但话句话说就意味着从2019年到2025年的6年时间里，在没有大规模引入世界模型的情况下，云蝶已经发展得很顺利。这也会让人好奇，世界模型到底能带来多大的改变？
余澜：过去，我们更多服务于数字世界。无论是行业大模型、企业智能体，还是早期的AI管理系统，主要都在数字流程中处理信息、知识和业务。进入具身智能赛道后，我们面对的复杂性提高了一个数量级。
比如机器人在酒店里完成送物、洗衣、整理房间等任务，它不仅要理解客户的指令，还要知道电梯在哪里、门有没有打开、通道里有没有人、物品是否送达。如果途中遇到障碍，客户改变需求，或者执行失败，下一步该怎么办？这些问题，很难仅靠给大模型增加知识，或做一次微调就全部解决。
世界模型主要是希望提升3种能力：
第一，对现实世界的理解和预测能力。面对酒店里的复杂长程任务，智能系统要识别当前状态，还要预测执行不同动作、采取不同策略，会带来什么结果，差异在哪里，为后续任务规划和策略选择提供依据；
第二，训练效率和泛化能力。让真实机器人在真实环境、真实任务中训练，成本很高，失败也可能带来安全风险。世界模型可以用于生成训练场景，尤其是大量长尾数据，比如不常见的情况，以及物体位置、光线、遮挡发生变化的情况，作为真机数据的补充；
第三，把具体项目中的经验转化成可复用的系统能力。以前做一个客户项目，往往需要大量个性化实施。未来，我们希望在同类场景中学到的空间认知、任务经验和执行策略，能够迁移到相似场景，提高泛化能力。
这也是我们和一些从实验室起步的具身智能公司的区别。一些公司先在实验室里研究技术、训练基础技能，再找应用场景。我们已经积累了很多真实产业场景，基于多年的B端资源和项目经验，反过来定义模型需要学习什么。
为什么世界模型需要“环境增强”？
投中网：用最直白、最通俗的话解释一下，什么叫“环境增强”？它和大家普遍说的“去真实场景拿数据”有什么区别？
余澜：过去，具身智能行业很大程度上遵循一条路径：先采集机器人操作数据、人类示教数据或仿真数据，训练或微调模型，再把模型部署到真实场景中。
这条路线本身没有问题，但目前机器人的智能水平还不够高，很难在高度复杂、不断变化、甚至无法充分观测的真实世界中，持续、规模化地部署。这个前提就会让整个链路会出现一个断点。大模型训练有3个要素：数据、算力和算法。如果缺少足够的数据，就很难实现智能能力的涌现。云蝶提出“环境增强”，就是希望打通这个链路。
我们认为，可以让环境本身成为智能系统的一部分，和机器人共同承担任务与场景的复杂性。
具体来说，可以分为3个阶段：
第一个阶段是环境约束和环境标准化。现在机器人还不够聪明，无法适应所有环境和任务，那能不能通过适度调整和设计，让空间、工作流程更加标准化？
我们选择连锁酒店、标准化物业等场景，因为这些空间天然具有一定的重复性和标准化基础。同时，我们会按照真实场景1∶1复刻训练场。从空间设计、硬件、软装，到IT系统，都尽量与真实场景一致，让机器人训练和交付时面对同样的环境，提高部署成功率。
在真实部署中，我们也会采用Human-in-the-loop，也就是人机协同的方式，明确哪些行为、流程由人完成，哪些由机器人完成。目标是让机器人先以更高的成功率，在真实场景中持续、规模化地部署。
第二个阶段是让环境成为数据的一部分。现在很多模型训练主要依赖机器人本体的视角，比如本体传感器采集的信息。但我们也可以对环境进行建模，从第三方视角观察机器人与环境的交互，补充本体视角中被遮挡的信息。我们把这个视角称为“上帝视角”。
还有一类很重要的数据，是环境中的属性数据。让机器人在一个空间里执行任务，如果它连有哪些物品、物品放在哪里、是不是放在抽屉里都不知道，就很难高效完成任务。
本体视角数据、第三方视角数据和系统属性数据，可以共同构成智能空间的数据底座。
第三个阶段是让环境变得更聪明，我们称为“环境智能体化”。比如让机器人去2楼拿两瓶水回来，它接到指令后，可以先和环境中的智能体通信。台账智能体告诉它，水在201房间；再调度201房间的摄像头，由摄像头中的智能体判断水的具体位置；调度智能体安排2楼的机器人取水，再交给配送机器人送达。
配送过程中，还要进行路径优化和电梯调度。整个过程通过异构多智能体协作完成。随着模型进化，机器人的单体大脑和系统级大脑都可以持续进化，提高复杂任务的执行成功率。
通过环境增强，让环境适配不同智能水平的机器人，甚至参与决策，目标就是提高机器人在真实场景中持续、规模化部署的能力，获得大量真实业务数据，再用于底层基础模型训练。这是我们很重要的一项具身智能技术范式。
为什么要造模型，也要造本体？
投中网：回到云蝶这家公司。自2019年成立，公司的发展和融资节奏在 2025年之后明显加快了。此前公司处于什么状态，主要业务集中在哪里？为什么在2025年之后加快了速度？
余澜：2025年确实是一个重要转折点。2025年之前，我们的核心任务是找到真实场景的市场需求，建立产品、客户和交付体系，让公司具备独立发展和自我造血的能力。那段时间，我们更重视商业模式能不能成立、需求是否真实、客户是否愿意付费、产品能否持续交付。
在B端，定义需求、定义问题是一项很关键的能力。有好的技术、好的产品，也不代表商业模式一定能跑通。我们先在真实行业里找到了商业基础，再逐步加大技术投入。
2025年前后，我们看到AI出现了新的机会。一方面，大模型和智能体技术不断发展，AI从理解信息走向执行任务。像Harness系统，以及智能体的循环执行机制和图结构编排，都在增强智能体执行任务的能力。另一方面，具身智能成为连接数字世界和物理世界的重要方向。
云蝶此前积累的行业客户、空间场景、智能硬件和多模态数据采集技术，恰好能在这轮技术变化中形成协同。
从2025年开始，我们系统投入具身智能研发，与高校共建联合实验室，布局世界模型、多智能体协同和强化学习，在真实场景中搭建机器人的训练、验证体系。2025年，我们与北京大学开展具身智能联合研究，今年也发布了“1+2+N”真实世界具身智能联合研究计划，希望把联合实验室、数据训练场和真实场景连接起来。
有了产业基础，我们就有机会把过去的行业积累，转化成下一阶段技术和产品升级的优势。
投中网：你们是什么时候开始造机器人的？
余澜：2025年已经有一些小批量的非人形机器人业务，比如轮式巡检机器人。今年才开始更大规模地做，主要是轮式双臂机器人。
投中网：为什么一定要做本体？在我看来，做本体就涉及制造业，需要投入的能力和资源也不一样。对于一个技术出身、做大脑出身的团队，再去啃制造业底色这么明显的业务，会不会分散精力、拉长战线？为什么会作出这个决策？
余澜：我们涉及模型、系统级平台和具身本体，形成这样的闭环，也和行业整体趋势有关。现在不少头部具身智能公司，做本体的会涉及大脑，做大脑的也会涉及本体，因为本体设计、大脑适配，都要和公司对场景的定义相匹配。
但技术能力需要形成闭环，不代表每个环节都要自己制造。我们不会把核心零部件、整机、模型全部自己做。战略重点仍然是围绕真实场景和任务，建立能够持续优化的具身智能系统。
模型能力和系统级大脑，是我们最核心的能力，要在真实场景中不断迭代。本体则是进入物理世界的执行载体。我们把它定义为“任务型本体”，要求它符合实际岗位需求，把模型和系统能力转化成可靠、经济的物理行动。主要研发资源仍然集中在能够跨场景、跨本体复用的智能能力上。
设计本体时，我们倾向于和产业链上的优秀企业合作。有些关键模块，比如机器人与环境连接的通信底座，以及支持机器人在复杂室外场景稳定作业的能源底座，我们会自主或联合研发，形成自己的核心技术。关节模组、谐波减速器等比较成熟的部件，则与产业链企业合作，采用联合研发、专业制造和标准化适配的模式。
我们会先根据场景和岗位，抽象出一组相关任务，也就是“任务簇”，再从任务簇中提炼基本能力，用这些能力定义本体参数。之后，我们提供设计要求和图纸，由合作企业制造，同时在通信、能源等关键环节形成自己的技术优势。
因此，系统级智能是研发投入的核心，本体则围绕真实场景和任务进行选择性投入。
拥有数据，不意味着拥有壁垒
投中网：最近这一波世界模型创业，几乎每家公司都强调自己有数据优势。市场上出现了很多数采公司、数据集公司，传统产业方也在把过去的业务数据化，大家都说自己有“数据飞轮”。你们在关于核心壁垒的思考中，也提到庞大的B端资源和场景数据。但在我看来，这种说法并不稀缺，采用类似话术的初创公司越来越多。
余澜：这里有两个容易混淆的概念：拥有数据，以及拥有持续产生高价值数据的能力。
行业里确实有大量数采公司、数据公司，一些世界模型公司也强调仿真环境可以产生大量数据。大家都关注这件事，是因为数据是具身智能目前的一大短板。
模型结果不好，有时很难判断究竟是数据量不足、数据多样性不够，还是模型本身出了问题。至少相较于大语言模型，具身智能的数据量仍然很欠缺。但还需要看数据是否来自真实任务，以及能否持续改善系统能力。
拿自动驾驶作类比，高价值数据来自大量车辆在真实道路上的持续运行。系统作出一次错误判断，驾驶员把方向盘纠正回来，就产生了车辆、人和环境交互的反馈数据。这些真实场景、真实任务中的数据，是模型训练的重要来源。
仿真和实验室数据很有价值，但自动驾驶能力要逐步提升，还需要真实道路上的验证和反馈。
机器人也是一样。在实验室里，可以让人或机器人重复1万次插拔插头、叠衣服、拿取物品。但在真实运营的酒店里，客户可能临时改变需求，通道可能被行李堵住，门禁可能异常，任务可能被打断，物品也可能交付失败。预先设计的标准动作，很难完整覆盖这些情况。
这些数据往往决定机器人能不能真正上岗，也是具身大脑能否实现智能能力涌现的重要数据来源。
云蝶关注的是：机器人在真实环境里执行任务，为什么成功、为什么失败，人工如何接管，人机如何协同，系统如何恢复，下一次怎样做得更好。能够覆盖这些过程的数据，才是我们需要的高质量数据。
我们正在构建的竞争壁垒，包含几个部分：
首先，要理解行业的实际经验和业务规则。无论酒店、物业、康养，还是能源巡检，对技术团队来说，难点是把行业语言转化成技术需求。如果分析不清真实需求，就无法持续部署机器人，也无法持续获得高质量场景数据；
其次，跑通一个标准任务后，怎样推广到大量相似单元。这就要求我们在定义问题和标准作业流程时，结合行业经验，不断提升任务和能力的泛化水平；
最后，要把真实场景变成持续产生系统能力提升所需数据的底座。这次发布的RoboForge系统级具身大脑，就在做这件事。机器人执行任务后产生反馈数据，用来优化模型和系统；部署能力提升后，再进入更多场景。在这个过程中，机器人会不断诊断自己的执行过程，产生大量人、机器人和环境交互的数据，并在场景中持续进化。
这种商业逻辑，与单纯销售机器人或提供数采服务有很大区别。我们的壁垒在于，能否持续以更低成本、更高质量产生真实业务数据，并把数据转化成技术和产品优势。
数据可以买，算法也可以追赶。但长期在真实场景中运行复杂任务，并让每次任务都推动系统进化，这种能力很难在短时间内复制。
“双峰模式”，全栈团队
投中网：聊聊你们的团队。你们曾经把自己的团队描述成“双峰或多峰模式”。这个说法有点抽象，能不能具体解释一下？
余澜：我们团队成员的专业背景、行业背景都有差异。一部分是行业老兵，积累了大量B端场景资源，理解行业经验，知道怎样把业务语言转化成技术需求，也熟悉B端项目的运作，能够定义需求、定义问题，并保证交付。具身智能要进入真实场景，与B端客户有效沟通是一项很关键的能力。
另一部分是技术团队，背景也比较复合。我们没有把所有资源押在单一世界模型或VLA模型上，涉及的技术包括空间感知和预测、负责动作执行的VLA（视觉—语言—动作）模型，以及异构多智能体协作。多个技术栈共同支撑环境增强世界模型这条路线。
所谓“双峰”，一端是负责场景落地的团队，保障公司持续获得商业订单，具备自我造血能力，同时为具身智能提供可验证、可持续、可规模部署的场景资源；另一端是有多种技术背景、围绕公司技术路线开展研发的年轻科学家团队。
这两部分组合起来，对具身智能进入真实场景非常关键。
投中网：本轮融资的钱主要投向哪些方向？把这轮融资看作进入下一个发展阶段的起点，你能不能给外部观察者一个坐标：云蝶做到什么程度，在你心中算及格，什么程度算满分？
余澜：资金主要投向3个方面。
第一，把机器人投入更多场景，积累更多数据。这涉及本体制造生产，也涉及在不同场景中进行规模化复制的资源投入。第二，模型训练。我们会让系统级大脑中的不同模型，在获得真实场景、真实业务数据后进行训练，因此也会有较大的算力投入。第三，加强技术研发团队建设。
至于下一阶段的及格线和满分线，一方面，国内对具身智能的场景落地、实际执行任务有越来越迫切的需求；另一方面，从全球技术路线来看，具身智能也在逐渐向系统级大脑发展，逐渐智能体化。
我认为，及格线是把现有系统级能力，在某些场景、特定任务流中成功部署，让机器人在真实业务流程中持续作业、持续自我诊断、持续进化。形成这套系统，就有了机器人在真实场景中持续工作的技术基础。
满分线是把这套模式复制到大量标准化作业单元中。比如在酒店里选出2—3条业务流，让机器人在成百上千家酒店中持续作业，承担涉及复杂任务、复杂空间认知与感知、动作规划的工作，超出简单迎宾和配送的范围。
如果能做到，就会持续产生大量数据，跑通一个规模化、持续运转的数据飞轮。能达到这个状态，在我心中就具备了满分线的条件。
0
第一时间获取股权投资行业新鲜资讯和深度商业分析，请在微信公众账号中搜索投中网，或用手机扫描左侧二维码，即可获得投中网每日精华内容推送。
发表评论
全部评论