影身智能远不止“中国版worldlabs”

9月28日，AMD宣布以约82亿美元（超550亿人民币）收购李飞飞创办的World Labs，采用全股票交易。从行业发展方向上看，李飞飞和苏姿丰是看到了4D数据scaling up的转折点，所以才有联手的契机，这对4D世界模型发展，是个很积极的信号。

此前不少国内世界模型公司，只是在开源视频生成模型或者传统仿真引擎，或者干脆在VLA外面套上一层新概念外壳，靠着POC演示就能一轮轮拿融资，估值也顶到了天上，这当然跟投资人的FOMO有关系，但看多了世界模型的PPT，投资圈也几乎集体PTSD了。

这些公司中，影身智能是一个格外特殊的样本。要知道，World Labs在9月份才推出新模型Atlas，把图像生成和三维重建统一到这一个模型中。而影身智能在2024年6月成立时，就一直专注于原生4D动态世界模型的研发。

所谓4D就是三维空间加一维时间。传统的视频数据是二维的，如果用这些数据训练模型，无论如何AI理解不了空间关系和大量的物理信息。影身智能创始人、CEO闵伟将一开始就坚持4D的原因讲的很清楚，“从第一性原理出发，物理世界就是4D的”。

可以说从资本层面，World Labs被AMD收购，验证了影身智能一直以来坚持的技术路线，但不代表World Labs的路线就是一切。

从诞生之初，影身智能就把科研底座和产业落地摆在同等高度，团队在攻坚动态三维重建、接触力场建模这些底层难题的同时，一边与产业方合作解决真实的痛点。实际上，虽然技术哲学上一脉同源，但影身智能早已走出了一条区别于硅谷Neo Lab，属于中国公司的独有路径。

因此，这次收购也相当于国内世界模型公司们递过来一面镜子，或许还面“照妖镜”，看看尤其是大厂，或者说真实世界到底需要什么样的世界模型。这笔交易真正的价值并不止那82亿美元，也在于李飞飞拿到的这个“大结果”，为世界模型树立起一套可以参照的技术范式。

这次收购也绝不是伪世界模型们的救命稻草，反而将倒逼国内整条赛道技术逐渐收敛，伪概念项目的生存空间未来会被不断挤压，会有一批真正坚持原生3D/4D世界模型的公司脱颖而出。

从ImageNet到Atlas

World Labs于2024年成立于旧金山，团队约70人，累计融资超过12亿美元，上一轮估值约50亿美元。收购完成后，李飞飞将出任AMD执行副总裁兼首席科学家，直接向CEO苏姿丰汇报。

理解语言，理解图片和视频，理解现实世界。这是AI介入人类生活的三个层级。大语言模型是个略显偶然，一开始看好的人不多，但现在却成为绝对主流的路线，而后行业沿着Scaling law激战多模态，李飞飞从一开始就将目标指向真实世界。

“AI教母”不是吹出来的，李飞飞实实在在奠定了现代深度学习的基础。2009年，整个计算机视觉行业还处在停滞状态，所有人都在微调算法抠细节，一年到头性能提升微乎其微。

李飞飞判断问题不在算法而在数据。她带着学生标注了1500万张图片、两万多个类别，全部免费开放。她在自传《我看见的世界》里写过，”ImageNet不仅是一个数据集，它是一个假设、一个赌注，即实现真正机器智能的第一步，是沉浸在完整的视觉世界中”。

后面将近二十年她做的事没换过方向。2024年创办World Labs，她的表述是，“解决空间智能问题，理解3D世界、生成3D世界、在3D世界中推理、在3D世界中做事，是AI的基本问题”。服务对象始终是人，而人要待的地方是物理世界，这是李飞飞研究的基础理念。

为什么说AMD收购的价格不算夸张？因为相比硅谷其他的Neo Lab，World Labs产品迭代的堪称神速，2024年的LWM、2025年底的Marble，以及今年9月的Atlas。

World Labs最新推出的Atlas模型，就是李飞飞理念的落地成果。过去行业里，图像生成和三维重建是两套完全割裂的模型，各做各的、互不兼容。Atlas直接把两者统一到一套空间框架里，每一张输入图像都带着真实的相机位置和空间姿态，模型可以像大模型预测下一个文字一样，预测下一个空间视角。

Atlas也彻底降低了三维重建的门槛。不需要昂贵的专业扫描设备，只用几台普通手机、一段日常拍摄的短视频，就能完整重建三维场景，还能任意生成新视角、深度图和空间点云。更重要的是，它可以把真实拍摄的场景，一键转化为可用于机器人训练的仿真环境，打通真实物理世界和虚拟训练世界。

AMD之所以果断收购World Labs，就是想把空间智能的前沿需求，直接前置融入芯片研发流程，也与Atlas有直接关系。更何况苏姿丰本身就是World Labs早期投资人，也是李飞飞多年好友，今年CES大会两人同台官宣模型提速4倍的合作成果，短短九个月，合作直接升级为全资收购。

而决定模型效果的就是数据。与ImageNet时期一样，李飞飞也认为AI落地真实世界最大的卡点就是数据。但高质量的3D/4D没有现成的。World Labs采用的了一套混合数据策略，借助互联网公开的视频，再加上自己采集的真实素材，用Real-to-Sim的方式，低成本高效率的训练出了Atlas。

但李飞飞也在访谈里坦诚，这种方式的短板是，无论是互联网视频还是手机拍的素材，大多缺少接触力、材料形变、摩擦这类精细物理标注。仿真可以把几何外观做得很逼真，可柔性物体受力后的真实反应，很难凭空生成。

想要拿到这种带真实物理交互的4D样本，采集成本会瞬间飙升，而这一点，刚好就成了和World Labs最核心的分叉起点。影身智能比World Labs更早落地4D物理世界路线，靠着一套原创的数据采集、模型能力输出和落地进厂的整体解决方案，影身智能已经形成了属于自己的数据飞轮。

难却正确的路

影身智能创始人闵伟是清华精密仪器博士，深耕柔性操作领域二十年，在阿里本地生活从零搭建起完整的机器人团队，主导过阿里配送机器人的研发和商业化。首席科学家刘烨斌是清华长聘教授，在动态三维重建领域沉淀了二十多年技术积累。

放在两年前的行业环境下，影身智能的选择采集4D数据来做世界模型，多少有点逆潮流，因为2024年6月刚成立时，大语言模型是最火的时刻，也是行业最盲目信任Scaling law的时候。

影身智能认为，这套路线有绕不开的硬伤。“语言是人类的母语，而机器的母语存在于三维物理世界中”，图片、视频本质都是现实世界的投影，降维的一瞬间，深度、形变、接触受力这些关键物理信息就会丢失。

模型学到的往往只是像素层面的相关性，而不是真正的物理因果，放到皮革、鞋材这种非标柔性物体面前，真机作业很容易莫名其妙失效。

闵伟曾经说过一句很形象的话，网上海量的数据，有时候还不如一个产线老师傅几十秒的操作有价值。老师傅抬手、涂胶、贴合、按压的每一个动作，都包含着细腻的物理变化，这些细节，二维数据完全记录不下来。

等到行业反应过来，开始大规模建数采中心，采集规模又一度成了融资故事里的硬指标，各种采集方式也随之产生，本体采集、无本体采集、合成仿真新概念一波又一波。

但闵伟认为，数据采集本质上是劳动密集型行业，如果只是架摄像头、堆人力和设备，更像是在做包工头的生意。真正关键的是数据冶炼能力，就像稀土矿明明分布在很多国家和地区，但为什么世界离不开中国的稀土？真正拉开产业差距的是提纯和冶炼。数据也一样，单纯加人加设备，只能线性扩大原料规模。

过去做一次高质量4D采集，要把人放进布满80个摄像头的笼子里，整套设备价值数百万，租一天两万。今年春晚那个演员和分身共舞的节目，算下来成本至少2000元一分钟。

ImageNet在这里是最现成的一个参照。它出现之前，标注图片只有几千张，一百万张标注图片的数据集出来之后，才有了后来的深度学习浪潮。闵伟的结论与这个参照一致，每一次AI的重大变革，底层驱动力都是新一代数据集。

影身智能走的这条路正确，却艰难。

成立两年时间，影身智能才把数据采集做成一条能工业化运转的产线。影身360可以用4到5个百元级家用RGB摄像头环绕工位，加一张消费级GPU，就能以25FPS实时合成高精度4D时空数据，全程无接触，工人不用穿戴任何设备，生产照常进行。摄像头数量两年里从80个降到十几个，再降到4到5个，出数据的时间从几小时压到实时。

自研的破界S1世界模型，打通了视觉感知、4D时空理解与机器人动作输出的全链路。和多数模型分开做渲染画面、虚拟仿真、运动规划不同，它把所有能力统一在一套4D时空体系里完成。

系统先通过多视角重建还原真实、高保真的动态物理场景，再叠加材质、惯性、接触受力等物理参数，精准学习柔性物体的形变规律与交互逻辑，最后基于真实物理因果，直接输出可落地执行的机器人动作指令，而非单纯生成好看的画面或虚拟仿真场景。

通过原生4D数据冶炼，补齐了二维数据天然缺失的空间结构、形变逻辑与受力因果，依托高密度4D物理数据训练，破界S1从根源掌握真实物理规律，模型训练起点、任务成功率与跨场景泛化能力，实现了质的提升，这也是其能落地真实工业产线、跑出独家数据飞轮的核心底气。

数据飞轮

如果单纯把影身智能叫做 “中国版World Labs”，这个说法没大问题，但却对影身智能有些不公平。World Labs有硅谷最顶级的技术、人才、算力和资本支持，影身智能的选择是先啃那些最难的硬骨头，这也不光是技术信仰的问题，也有现实条件的差别。

影身智能和World Labs的共识很清晰，都不认可单纯依靠二维像素脑补三维世界，都相信想要理解物理，模型内部必须要有显式三维几何与时序表征；都深耕多视角重建，追求重建、生成、模拟一体化的空间智能，认可4D世界模型会成为下一代AI重要基座。

但落到模型目标、产品形态、商业飞轮，两者就走向两条完全不同的路。World Labs的Atlas重心是虚拟世界重建生成，输出三维场景、新视角画面、仿真训练环境，定位服务第三方的赋能工具。

影身智能把攻坚目标瞄准行业公认的硬骨头“双柔性” 制造，也就是柔性材料叠加柔性工艺。闵伟在晋江调研时说，服装鞋帽行业从业人员就有四千万，用工缺口巨大，晋江作为世界鞋都，自然就成了他们落地的重点阵地。

在传统鞋厂的产线上，自动化设备痛点很现实，换一款鞋型就要花一两天重新调试编程，胶水还是流体，每一次状态都不一样，老师傅可以凭手感边做边调，传统写死程序的机器根本处理不了。

2025年，影身智能拿下国内具身智能领域首个千万级柔性智造订单。2026年，在手柔性智造订单总额达到数亿元，排产规模千台级，预计今年在晋江交付约300台机器人。而且不止国内，影身智能已经与越南的宝龙鞋业、顺斐鞋业、越韩鞋业签约，首批交付数百台机器人，订单金额数千万元。

工业订单带来现金流，生产现场源源不断回流真实数据，反过来打磨模型基座，这套循环让影身智能拥有了完整的正向数据飞轮。这套完整链路，也把影身智能和市面上大批蹭概念的伪世界模型项目清晰区分开来。

因此影身智能后劲很足，成立2年多以来完成5轮融资，认可的投资人越来越多，速度越来越快，金额也稳步提升，获得了包括卓源亚洲、西湖科创投、恒生电子、杭州科创集团、翌马资本、北京未来科学城基金、杭州科创集团、东莞资本、松禾资本、深高新投、晓池资本等多家财务、产业资本和战略投资人的支持。

回过头再看AMD收购World Labs这件事，82亿美元的价格本身不算夸张，相比World Labs半年前的估值大概只高了60%，还比不上许多公司几个月翻几倍的增长，真正让行业关注的，是World Labs作为硅谷最顶尖的AI实验室，第一次有了公开市场明确、清晰的定价，这跟一级市场的估值不可同日而语。

这笔收购必然是世界模型的一个重要的milestone，却仍然不能称作世界模型的最终答案。经历泡沫与喧嚣，争议和PTSD，中国的世界模型将会加速“去伪存真”。最后能走出来的，一定是拥有自洽的底层路线，独有的数据生产链路，真正扎进本土产业，跑通业务闭环的实践者。