新智元报道
新智元报道
10月20日，南京国际博览中心，首届2026物理AI与世界模型大会开幕。
这场大会的规格堪称「物理AI春晚」：图灵奖得主杨立昆（Yann LeCun）与姚期智以视频连线登场，沈向洋、于海斌两位院士坐镇主旨演讲。
这几乎是全球物理AI领域能凑齐的最顶级阵容了。
在这场全球最顶尖的物理 AI 舞台上，一家成立仅三年、累计完成9轮融资的清华系公司，亮出了自己的底牌。
这家公司就是千诀科技。
创始人高海川登上大会开幕式主论坛，在现场正式发布面向真实物理世界的具身智能大脑底座——
Polibrain预测式世界模型。
而这张底牌背后，藏着千诀联合清华大学团队围绕「隐变量可辨识性」这一关键问题发表的公开成果。
厉害的是，这比LeCun团队的同类工作整整早了约一年的时间。
过去两年，大模型的热浪席卷了具身智能。
资本疯狂涌入，仅2026年上半年，全球物理AI领域单季融资就突破了64亿美元。
行业里弥漫着一种信仰：只要把足够多的视频喂进一个足够大的模型，机器人就能像ChatGPT写散文一样，自动学会端盘子、拧螺丝、叠衣服。
然后呢？
展台上的人形机器人步态优美、动作丝滑，可一旦走进真实的酒店走廊，光照一变、客人突然推门，价值几十万的铁家伙当场宕机。
在接受采访时，高海川说过一句特别「杀人诛心」的话：机器人行业不存在所谓的ChatGPT时刻。不会出现某一个单点技术突破，就带来全赛道瞬间爆发的拐点。
为什么？因为数字世界和物理世界有一道天堑。
文字错了可以删掉重写，代码崩了可以回滚重跑。
但物理世界不可逆。杯子摔碎了就是碎了，机械臂撞上墙就是撞上了，每一次试错都是真金白银。
语言模型继承了互联网几十年积累的海量文本，而机器人领域从来没有经历过「大规模采集物理交互数据」的历史阶段。
数据极度稀缺，试错代价极高。
这才是具身智能真正的死穴。
问题是，什么路能走通？
世界模型（World Model）这个概念，在2026年彻底火了。
LeCun离开Meta创办AMI Labs，拿下10.3亿美元的欧洲史上最大种子轮。半年后，更劲爆的来了：9月28日，AMD宣布以约82亿美元的全股票交易收购李飞飞创办的World Labs，李飞飞本人出任AMD执行副总裁兼首席科学家。
连芯片巨头都亲自下场买「世界模型」了。说明世界模型已经不再是学术圈里的一个概念，而是整个产业链押注的下一个主战场。
但「世界模型」四个字，暗藏着一场路线之争。
生成式路线走的是Sora的逻辑：让模型预测未来每一帧画面的每一个像素，把光影、纹理、反射统统「画」出来。
这条路的问题在哪？高海川用了一个精妙的比喻——
你打乒乓球的时候，脑子里会逐帧渲染一段4K视频吗？不会。你只是凭直觉预判球的轨迹，然后挥拍。那个「直觉」不包含任何像素信息，只包含物理状态的演化规律。
把有限的算力浪费在亿万个背景像素上，不仅推理慢得要命，更要命的是，生成式模型极易产生「物理幻觉」：桌子凭空消失，杯子穿越墙壁。
让一个充满物理幻觉的模型去指挥钢铁身躯，后果可想而知。
预测式路线则完全换了一种打法：别画图，直接算。
不在像素空间打转，直接深入潜在表征空间。
关注的不是「未来长什么样」，而是「行动会导致什么变化」。
物体位置怎么移动？交互关系怎么改变？任务进度推进到哪一步？
丢掉背景纹理，丢掉光照噪声，死死扣住因果链条的核心变量。
这就是Polibrain的根本逻辑：用极低的算力成本，换取极高的决策确定性。
千诀在2023年成立的第一天就选定了预测式路线。那时候行业共识还是「VLA+端到端」，世界模型甚至都不是热门词汇。
高海川的说法是，他是被数据现实逼出来的。
真机数据采集成本太贵了，算法必须具备极高的样本效率，否则永远跨不过商业化的门槛。
三年后回头看，这个判断的前瞻性几乎是碾压级的。
Polibrain的技术底座，是一场从底层数学发起的持续进攻。
今年5月，LeCun团队发布论文《When Does LeJEPA Learn a World Model?》，探讨神经网络何时能恢复物理世界的真实隐变量，在学术圈引发巨大关注。
但少有人注意到，千诀科技联合清华大学自动化系陈峰教授团队（第一作者章天任），在2025年的ICML上就已发表了《When Do Neural Networks Learn World Models?》。
两项研究聚焦的核心问题高度一致：从隐变量可辨识性出发，用函数的阶次刻画「简单性」，借助训练目标对低阶解的偏好，解释模型何时能恢复世界的真实结构。
千诀-清华团队的公开成果，比LeCun团队早了约一年。
更猛的还在后面。
在ICML 2026的最新工作中，千诀-清华团队又甩出了一张王牌：多项式表征（Polynomial Representations）与有效阶（Effective Degree, ED）。
这项研究直击深度学习最经典的一个谜题。
打个比方。一个学生做了1000道练习题，考试时碰到没见过的新题，照样能答对——我们会说他「学会了」。但如果这个学生的脑容量大到能把1000道题的答案一字不差全背下来，那他考试答对，到底是真的懂了，还是碰巧背到了相似的题？
现代神经网络就是这个「脑容量超大」的学生。它的参数量往往远远超过训练数据量，理论上完全可以把每一条数据都死记硬背。
可奇怪的是，它偏偏没有作弊，而是真的学到了举一反三的规律。
学界最主流的解释叫「简单性偏置」：面对无数种都能解释训练数据的答案，神经网络天然倾向于选最简单的那个。就像福尔摩斯说的，排除掉花里胡哨的解释，剩下最朴素的那个往往就是真相。
这听起来很有道理，但有个致命的问题：「简单」到底怎么衡量？
此前学界试过不少办法，看参数的大小、看损失曲面平不平。但这些指标都有硬伤：有的只适用于特定网络结构，有的只能事后评价、没法在训练时直接用，还有的脆弱到换一种写法参数，数值就全变了。
千诀-清华团队的解法堪称精妙绝伦：给神经网络做「CT扫描」。
一个神经网络内部的运算，是在一个几千、几万维的空间里进行的，人根本没法直接看。但医生看不透人体，也可以用CT一层一层切片看。
团队的做法异曲同工：在真实数据里随机挑两个样本——比如两张照片，在它们之间画一条线，然后观察模型沿着这条线从一头走到另一头时，输出是怎么变的。
一个几万维的大黑盒，就这样被切成了一条条一维的曲线。看一条不够，多切几百条，再把结果平均。
切出来的曲线长什么样，就暴露了模型的「学习方式」。如果曲线平滑舒展、像一条缓坡，说明模型学到的是简洁的规律；如果曲线上蹿下跳、抖得像心电图，说明模型是在靠硬记一个个孤立的点凑答案。
团队把这种「抖动程度」量化成了一个数，叫有效阶（Effective Degree，ED）。曲线越平滑，ED越低；越抖，ED越高。
这把尺子到底表现怎么样，实验给出了答案：在经典的图像数据集CIFAR-10上，ED和模型在新数据上的表现之间，相关系数高达0.99——几乎是ED越低，模型泛化越好，分毫不差。
但真正厉害的还在后头。
这个ED不光能「事后体检」，还能「边练边纠」。它可以直接写进训练目标里，让模型每学一步，都顺带被扣一笔「复杂度罚分」。模型为了少挨罚，就会自觉地往简单、平滑的方向走。
落到Polibrain身上就是，模型在自我进化的每一步，都有一只手在把它往「最本质的物理规律」上按，不许它去记那些花哨但无用的细节。
无论背景光照怎么变、地面纹理怎么换，Polibrain都能自动过滤掉这些无关紧要的视觉干扰，牢牢盯住真正决定任务成败的那几个物理变量：杯子在哪、离夹爪多远、拿起来了没有。
这就从根源上解决了困扰行业已久的「特征污染」难题：以前的模型经常把「杯子」和「杯子后面的墙纸花纹」混在一起记，换个房间就不认识杯子了。
解决了空间维度的泛化，还要搞定时间维度的连贯。
真实环境里到处都是遮挡和意外。工人走过，挡住了机械臂的视线；零件放进箱子，画面瞬间进入盲区；传感器信号偶尔延迟。
传统模型碰到这些情况，基本上当场「失忆」。
Polibrain祭出了第二项核心技术：基于反事实推断的因果记忆机制。
机器人不需要像监控录像一样回放每一秒的历史画面，那样既撑爆显存，又引入一堆无用噪声。
Polibrain的做法更聪明：对每一段历史信息做「反事实追问」——
如果把这段历史记录删掉，未来的预测结果会不会发生质变？
会？那它就是关键因果节点，必须牢牢记住。不会？那它就是冗余信息，果断丢弃。
这套机制让Polibrain在遮挡、延迟反馈、多步骤任务依赖等复杂情况下，依然能准确调取关键历史信息，完成连贯决策。
而在此基础上构建的持续决策闭环，更是让机器人彻底告别了「盲目执行」模式。
传统机械臂跑的是开环剧本：接收指令、生成轨迹、强行执行。中途哪怕零件滑了两毫米，系统也会闷头继续，直到电机过载报警。
Polibrain不一样。
每一次下发控制指令时，模型都在内部同步生成一个「预期反馈」。
一旦实际执行结果与预期出现偏差，模型会在毫秒级时间内逆向追踪偏差根源——是抓偏了？是打滑了？还是碰到了意料之外的障碍物？
然后现场重新评估全局任务目标，动态调整行动方案。
能预测、能验证、能认错、能自愈。
这才是真正敢往工业现场和家庭场景里放的智能闭环。
具身智能的终极战场，不在于造出一个完美的人形机器人，而在于让「智能」本身变成可复用的基础设施。
千诀COO肖海默说过一句话：10年后，机器人未必是人形。
自然界里没有一种生物能适应所有环境。
机器人也一样。流水线上最高效的可能是六轴机械臂，仓储里最省钱的可能是轮式底盘，特种巡检最靠谱的可能是四足平台。
如果一套世界模型只能绑死在一种身体上，它注定走不远。
Polibrain从架构设计之初就做了一件关键的事：把大脑和肢体彻底解耦。
上层是通用智能底座，负责任务理解、环境表征、物理状态预测和因果推理：这一层跟机器人长什么样完全无关。
下层是硬件适配接口，负责对接不同机器人的控制系统、运动原语和轨迹规划能力。
人形、轮式、单臂、双臂、四足——身体千差万别，但对杯子会被怎样拿起、对箱子会被怎样推动的物理认知是相通的。
Polibrain要做的就是把这套共性理解沉淀下来，然后像「即插即用」的操作系统一样，快速适配到各种机器人形态上。
为了喂饱这个大脑，Polibrain还打通了多源异构数据的融合通路。
人类第一视角穿戴视频教会模型「世界的物理关系是什么」，真机本体数据教会模型「具体的电机该怎么发力」。两种数据协同训练，大幅提升了有效数据的利用效率。
截至目前，千诀科技已将Polibrain适配到近50款不同构型的机器人上。
从工业机械臂、移动轮式底盘，到多指灵巧手和双足人形，同一个Polibrain内核，换个壳子就能开工。
高海川身上有一种在AI创业圈罕见的务实。
他的原话是：我首先要考虑商业现实，其次才是搞技术的。
这句话从一个清华博士嘴里说出来，有点「反骨」，但也道出了具身智能行业最真实的困境。
客户不关心你用的是VLA还是世界模型。
酒店老板只想知道：你的机器人能不能把客房里乱丢的拖鞋收拾整齐？仓库经理只在意：拣货错误率能不能降下来？一个能整理鞋柜、捡纸团的机器人，放在人形身上可能卖20万，但用户的心理价位可能就3000块。
千诀不迷信展台上的Demo。
Polibrain的能力已在服务、物流、零售和家庭等场景中展开实地验证。
环境感知、物体操作、跨楼层调度、多步骤任务规划、异常状态处理，这些都是真实业务里每天都在发生的事情。
更关键的是，千诀始终坚持不做本体。
高海川看得很清楚：整机厂商最大的顾虑是生态位冲突。
如果大脑供应商也做机器人，合作基本谈不下去。这不是技术问题，是信任问题。千诀选择做纯粹的「大脑基础设施」，和本体厂商保持清晰的分工边界。
这套商业模型已经跑通了。Polibrain适配近50款机型、累计沉淀亿级规模的真实场景数据。
每多接入一台机器人，数据飞轮就多转一圈，模型就更聪明一分——这是一个越转越快的正循环。
从2025年ICML上领先全球的隐变量理论，到2026年多项式表征与有效阶的全面工程化；从首届物理AI大会的聚光灯，到深入真实场景近50款机器人的轰鸣运转，千诀科技用三年时间证明了一件事：
在物理AI这条赛道上，中国团队不是跟跑者，是开路人。
他们没有追着海外巨头亦步亦趋，而是在底层数学和物理本源上率先找到了破局点。当LeCun带着10亿美元重注世界模型时，千诀早已在这条路上跑了一大截。
机器人不需要把世界画出来给人看。机器人需要的，是在潜在空间里理解重力、摩擦力、因果律——然后做出正确的决策。
当Polibrain在潜在表征空间中完成一次又一次精准的状态预测，那些曾经笨拙的钢铁身躯，正在挣脱预设程序的枷锁。
它们已经开始理解这个世界。
编辑：所罗门 大卫