导读：
AMD 550亿元收购李飞飞团队World Labs，让世界模型、物理AI赛道彻底站上行业风口。不同于Atlas主打虚拟推演、仿真预训练的海外技术路线，国内更早落地的4D世界模型已跑出产业闭环，以影身智能为核心代表的本土企业，凭借真实四维数据建模、低成本量产数采、工业级真机落地的差异化优势，补齐了全球世界模型“重技术、轻落地”的行业短板，走出一条适配实体产业的中国物理AI发展路径。（阅读此文约需要6-8分钟）
2026年的AI产业下半场，行业竞争的底层逻辑，正被物理数据的供给能力重新定义。
通用数字大模型的算力、算法范式已趋于成熟，互联网文本、二维视频数据海量且充足，迭代逐步进入平稳期。但对具身智能、物理 AI而言，行业瓶颈早已不在算法架构，而在于高维物理数据的维度、质量与规模。
正如李飞飞等行业领军学者反复强调的，数据是物理AI进化的最大桎梏。在此背景下，资本与科技巨头的目光，已经集体投向全新核心赛道——物理AI与具身智能。而近期一桩重磅收购，彻底敲定了这条赛道的终极价值与技术主线。
2026年9月28日，AMD官宣以82亿美元（约550亿元人民币）收购空间智能与世界模型头部企业World Labs。这家公司由“AI教母”李飞飞创建，其未来价值早已经跟具身智能深度绑定。今年7月，收购机器人仿真公司SceniX；两个月后，重磅推出旗舰级多模态世界模型Atlas，成为全球具身智能领域的新参照系。
但褪去巨头光环，这条路线的短板同样突出。以Atlas为代表的海外通用世界模型，科研优先、泛化优先、落地滞后。从模型生成走向真实交互，仍要攻克数据采集、物理真实性、工程适配和持续迭代等多重难题。
这种“强技术、弱落地”的现状，让国内早已深耕的4D原生技术路线价值，真正进入行业主流视野。
早在海外巨头扎堆探索生成式世界模型之前，中国产业界已走出一条重真实、重精度、重闭环、重量产的差异化路径，完成了技术验证与商业落地。这条路径的开创者与先行者，便是国内原生4D世界模型赛道的影身智能。
这家2024年成立的本土科创企业，技术布局早于Atlas的正式发布，也是国内首家坚定走“原生4D世界模型”路线的具身智能企业。当海外顶尖团队仍在打磨通用模型生成效果时，影身智能已经完成从技术研发到工业量产的跨越。
这家来自中国的企业正率先破解一个极具难度的产业命题：世界模型如何跨过从技术验证到规模化应用的门槛？
赛道范式分野：
生成推演 VS 4D真实建模
当前全球世界模型赛道，技术范式繁多，远没到收敛阶段。但聚焦到具身智能真机落地的探索，已经有几条比较鲜明的差异化技术路径。
图：没有物理常识，AI就会出现各种幻觉和错误
一类是以 World Labs的Atlas为代表的多模态生成式世界模型，其在具身智能领域的核心价值是为机器人提供大规模虚拟训练素材。这套逻辑的优势极其鲜明：极低的采集门槛、极强的场景泛化能力，能够快速生成海量虚拟仿真场景，适合通用场景的技术探索与数据增广。
但其短板同样无法规避。所有未观测区域的细节均为模型推演结果，极易出现空间错位、物理穿模、交互逻辑失真等幻觉问题，且模型无法原生输出力学、摩擦、刚度等动力学参数，只能完成视觉层面的场景复刻，无法支撑高精度、高可靠性的机器人物理交互任务。截至目前，该路线仍无任何规模化落地案例，价值集中于科研探索与仿真预训练。
与之对应的，是国内深耕多年的4D动态建模路线。
国内高校科研团队早在数年前，就已聚焦动态三维重建、时空统一表征、多视角几何约束等核心技术。清华刘烨斌团队的动态高斯泼溅、手物交互重建技术，浙大团队的开源4D世界模型体系，华中科技大学的实时4D渲染方案等等，共同构筑了国内4D技术的科研底座。
和海外生成式路线不同，国内早期4D技术以真实观测数据为绝对核心，依托多视角图像、视频完成逐场景高精度重建，几乎无生成幻觉，空间几何、时序动态的真实性、精度远超通用生成模型。
影身智能的诞生与崛起，正是国内4D技术从科研走向产业落地的关键转折。
公司的核心技术团队堪称“顶配”。科研端由清华大学自动化系长聘教授、国家杰出青年科学家刘烨斌担任首席科学家，推动实验室沉淀的4D重建前沿成果落地转化；产业端汇聚阿里、京东等大厂机器人业务老兵，手握机器人工程化、规模化落地的实战经验，有效规避了多数科研创业团队“重理论、轻落地”的短板。
成立以来，影身智能快速完成多轮数亿元融资，获得深高投、恒生电子、松禾资本等一线机构持续加持。资本持续加码的核心逻辑，并非追逐前沿概念，而是认可其国内首个跑通4D模型“数据—模型—应用”完整商业闭环的硬核实力。
当海外顶尖团队仍在打磨通用模型、优化生成效果时，影身智能已经完成从技术研发到工业量产的跨越，构建起区别于全球所有同行的差异化优势。
“升维”原生4D数据
破解具身智能“底座”困境
具身智能行业长期存在一个核心底层矛盾：模型训练依赖一维语言、二维视频数据，最终却要在四维物理时空完成感知、决策、交互。这种天然的维度鸿沟，是机器人频繁出现物理幻觉、交互失效、泛化能力薄弱的根本原因。
影身智能的核心价值，便是从数据源头完成升维革新，用原生4D时空表征，破解行业固有难题，构筑起四层不可复制的技术壁垒。
首先是底层路线壁垒。
行业主流方案要么依赖互联网海量2D视频训练模型，要么依靠高价深度相机采集数据。前者维度缺失、幻觉严重，后者成本高昂、场景适配性差、数据一致性不足。
影身智能自研“影身360”多模态采集系统，仅通过4-6个百元级消费级RGB摄像头，搭配普通显卡，就能实现毫米级的4D数据实时生成。这套方案摒弃了深度相机逐点测量的碎片化误差，依靠全局几何约束保障场景完整性与一致性，硬件成本较传统工业数采方案降低90%以上，真正实现低成本、高精度、规模化的数据采集。
同时依托SharpTimeGS动态高斯泼溅、HHMR手部交互重建算法，精准解决动态场景模糊、时序漂移、手物遮挡难题，以真实观测数据为主、模型先验为辅，最大限度压缩物理幻觉，适配工业严苛工况。
其次是模型架构壁垒。
当前行业主流的VLA模型、2D视频世界模型，属于前两代技术范式，始终无法摆脱像素级拟合的局限，难以理解真实物理规律。
影身智能自研“破界S1”4D基座世界模型，首创V-4D-A闭环架构，打通4D数据采集、4D时空建模、机器人动作输出的全链路协同，实现场景重建、物理推演、实时决策一步到位，训练效率显著提升。
不同于Atlas侧重通用场景视觉生成，“破界S1”4D世界模型原生适配物理交互逻辑，可精准解耦空间几何、时序动态、物体交互边界，有效解决仿真到现实的迁移退化难题，让机器人真正具备贴合物理世界的感知与决策能力。
第三是数据飞轮与工程化壁垒。
业内公认，复杂场景、极限工况产生的数据，才是打磨世界模型的核心资产。
影身智能深耕制鞋“双柔性”场景，一边是皮革、胶水等易形变、易反光的柔性物料，一边是鞋款高频迭代、SKU海量更迭的柔性工序，堪称工业自动化的“禁区”。传统自动化设备无法适配场景不确定性，主流具身模型难以完成高精度动态交互，而影身智能依托原生4D技术能力，实现复杂曲面识别、动态形变补偿、毫米级精细操作，率先跑通规模化量产落地。
更关键的是，公司构建了行业独有的Real2Real真实数据飞轮。产线每一次真机作业的成功与失败样本，都会回流至训练中心完成模型迭代，数据域与真实工况零差距，模型稳定性、泛化能力在量产中持续优化。同时团队提前布局多模态融合，规划接入力控、触觉等物理传感数据，弥补纯视觉方案的物理信息短板，持续完善模型的物理认知能力。
最后是团队与商业化壁垒。
具身智能赛道存在普遍的能力困境：科研出身的团队懂算法，但对工业现场缺乏体感；产业出身的人懂产线，却很难驾驭世界模型这类底层技术。影身智能“科学家+产业老兵”的组合，恰好把这两块能力拼图补齐，既能往深处做原生4D技术，也能把产品和解决方案送进复杂的作业现场。
这支团队已经跑通了从技术到产品、从产品到订单的商业化路径。很多团队可以做出实验室Demo，却很难完成标准化产品输出、产线交付与客户验证。影身智能已经拿到规模化工业订单，用真实的工业市场完成对整套4D技术体系的实战校验，业务营收又反过来持续支撑底层技术研发，形成了技术与商业之间的正向增益。
落地验证成果：
从工业硬核突围，定义中国物理AI新范式
所有前沿技术的最终价值，都要回归产业落地与商业价值。
在全球世界模型赛道仍以技术演示、仿真测试为主的当下，影身智能已经完成从技术验证、小规模试点到大规模量产交付的完整跨越，用实打实的产业成果，证明了中国4D原生技术路线的先进性与实用性。
近期，影身智能持续释放重磅产业成果，赛道龙头地位持续夯实。
在第23届中国—东盟博览会上，影身智能依托智能制造与工业数字化领域的技术积累及突出的出海潜力，一举斩获“AI出海未来独角兽企业 TOP100”“智能制造企业 TOP30”两项荣誉。其技术方案获得国际产业界认可，企业全球化布局进一步提速。
基础设施层面，公司深度参与共建石景山具身智能训练中心，搭建起国内首个以4D世界模型驱动的具身智能数据与训练基础设施，为后续模型迭代、场景泛化提供核心算力与数据支撑。
生态合作层面，影身智能与华为云达成深度战略合作，依托华为云昇腾AI云服务算力底座，联合攻关4D内容生态与具身智能平台化解决方案，完成核心技术、算力生态、产业应用的全面国产化适配，筑牢产业安全底座。
最具说服力的，还是工业量产端跑出来的真实数据。
目前影身智能的涂胶机器人ShadowGlue、压底机器人ShadowPress已实现数亿级订单落地，在不改造原有产线、不停工停产、无需驻场调试的前提下，实现99.9%的超高良品率。原本45人的产线，仅需5人即可完成运维工作，极大解放了高危、高强度的人工岗位，既解决了制鞋行业用工短缺、职业健康风险突出的产业痛点，又实现了降本增效的核心商业价值。
结语
当前，4D世界模型已经站在了下一代AI演进的主航道上。评判一条技术路线的成色，不必纠结概念的前沿程度，更要看重现实指标：效果能否在产线复现、部署调试周期能否压缩、面对动态多变工况能否维持稳定。这些看似朴素的产业标尺，才真正决定技术能走多远。
影身智能已经走出了一条贴合国内产业现实的世界模型发展本土路径。这条路跳开了海外方案“重推演、轻真实，重泛化、轻落地”的局限，把“中国答案”扎在了产线上、扎在了真实工况的数据里。
这也是整个赛道正在面对的关隘。具身智能正加速迈入商业化落地阶段，竞争焦点已经从概念叙事转向工程能力与闭环效率的较量。率先跑通数据、模型、场景、商业闭环的玩家，才有机会建立行业新的竞争标准。
但更大的考验还在后面。从单点产线的成功走向产业普惠，中间横亘着一道关键门槛：如何把柔性制造场景沉淀下来的实战经验，迁移、复用、泛化到更广阔的需求场景。这不仅是影身智能需要攻克的命题，也是整个世界模型行业必须交出的答卷。能否迈过这一关，也将检验全球押注的物理AI，能否最终兑现为真实的产业价值。
文、图/广州日报新花城记者：阮元元 实习生：庾鸿勋
广州日报新花城编辑：黎慧莹
