独家｜清华系初创完成数亿元种子轮融资：我们不想被贴上「世界模型」的标签 - 世界杯下注

《长安的荔枝》这个故事，讲述了为了将鲜荔枝运往长安，需要解决一系列复杂的物流和保鲜难题。清华大学人工智能学院助理教授李一鸣认为，这个故事与当前的“世界模型”领域存在着异曲同工之处。他指出，Physical AI（物理AI）所要解决的问题，如同故事中的“鲜荔枝”，而要实现最终目的，则需要构建一套包含数据采集、模型研发和硬件部署的完整系统。

李一鸣在接受《智能涌现》采访时表示，“世界模型”并非终点，而只是解决问题的一种技术手段，其价值在于与其他环节的协同。他观察到，自从2026年初回国后，国内AI领域存在着对“世界模型”的普遍焦虑，许多与仿真或物理相关的技术，无论视频模型、3D模型还是具身大脑，都试图归入“世界模型”的范畴。

与此相反，李一鸣认为，更重要的是构建一套能够让机器人在不同场景下泛化的系统。为此，他的团队提出了一个由数据和物理双轮驱动的“Physical AI Infra”系统。该系统包含两个核心自研组件：一是“数据管线”，旨在将数据采集量从行业平均水平的几十万小时提升到百万甚至千万小时；二是“物理引擎”，用于构建一个“Real-to-Sim-Real”（真实到仿真再到真实）的闭环，通过真实世界数据构建仿真环境，供机器人进行强化学习，最终在真实世界执行任务。

在这个系统中，“世界模型”并非独立存在，而是贯穿于各个环节。它既是数据采集和预训练的目标，也是机器人进行强化学习的仿真环境。这套基础设施能够训练机器人完成切割、旋拧、按压等精细操作，并能部署在不同类型的机器人本体上，适用于生产制造、零售服务、酒店运营等多个场景。

基于这套技术方案，成立仅两个月的初创公司“厘清智能”完成了多轮融资。据《智能涌现》独家获悉，厘清智能的种子轮融资额高达数亿元，吸引了顺为资本、红杉中国、高瓴创投等多家知名投资机构以及智元机器人、世纪金源等产业资本的青睐。

厘清智能获得投资的重要原因之一在于其人才和技术路线的稀缺性。李一鸣本人拥有空间感知、多模态推理、自动驾驶和具身智能等多方面的背景，曾与AMI Labs联合创始人谢赛宁合作发表具身视觉推理研究成果，并与英伟达合作发表多篇顶级会议论文。他领导的50余人团队，平均年龄仅23岁，大部分是清华大学的学生，具备“软硬一体”的复合型人才特质，这在国内尚属稀缺。

在技术路线上，李一鸣选择了“全栈自研”的重投入模式，涵盖数据采集、模型训练到物理引擎等所有环节。他认为，打通所有环节能够保证信息流的畅通，促进各模块的协同优化。李一鸣计划在2026年底前发布面向B端场景的世界模型，并在2028年实现解决方案的规模化落地，最终为客户提供一套软硬一体的、跨本体、跨场景的解决方案。

李一鸣在采访中进一步阐述了他的技术观点。他强调，Physical AI公司不应仅仅是本体公司或模型公司，而应提供一套完整的系统。他们以解决实际问题为导向，将数据、模型、硬件和基础设施整合，打造一个能够实际工作的世界模型。其核心理念是构建数据和物理双轮驱动的生态系统，并认为新一代的Physical AI团队应具备全栈能力，从数据采集到模型训练全部自建。

他认为，未来的具身公司应定位为“World Model as Service”，提供软硬一体的系统解决方案，并根据场景和预算自动匹配最优硬件。Physical AI领域的人才画像是“软硬一体”，而清华大学为团队提供了优秀的人才平台。

关于数据采集，李一鸣指出，人类数据比真机数据更易于规模化，并已与多个场景方合作快速积累数据。他同时强调，仅靠数据采集不足以构建完整的Physical AI Infra，还需要融入物理规律来弥补数据的局限性。厘清智能通过少量真实数据校准物理世界模型，能够以更少的数据量实现策略模型的训练。

在谈及“世界模型”的定义时，李一鸣认为，VLA、视频模型和JEPA并非“原生世界模型”。他指出，语言模型因其离散化和主观偏见，与物理世界的适配性不如直接与世界交互的模型。他强调“原生世界模型”需要打通感知、推理、决策和动作输出，并面向机器与世界的交互任务设计。其核心在于高效地将物理世界进行“tokenization”（表征），并构建强大的Physical AI Infra，包括数据平台和能够高效建模的物理引擎。

展望未来，李一鸣预测2028年将是Physical AI规模化落地的关键节点。他认为，轮臂是当前适配多数操作场景的硬件形态，而人形机器人则面临更大的技术挑战。厘清智能将通过与场景方合作，优先切入B端市场，最终实现To B到To C的转化。其终极目标是打造一个通用的Physical AI Infra平台，如同iOS之于移动应用，能够规模化地开发和部署各类物理操作任务。