让世界模型参与行动：极佳视界如何打造具身闭环

今年WRC现场，我在极佳视界展台前停了很久。

和其他展台常见的跳舞、搬箱子不一样，这里的机器人正在和观众打乒乓球。这其实是在用另一种方式检验机器人的运动能力，也检验我们最近频繁谈到的世界模型：它能不能在高动态任务里真正参与决策？

机器人要在很短时间内完成感知、预测、选位、击球和恢复。任何一环慢半拍，球就掉了。目前，这套系统实现了132次连续击球。

我慢慢意识到，这场对打其实是理解极佳视界的一把钥匙。

此前三个月，极佳视界连续完成三轮融资，金额合计约35亿元。这次WRC，公司又一口气发布两款模型、一款机器人本体和一套竞技系统。

在听完创始人黄冠的现场演讲后，我对这家公司的判断更清晰了：极佳视界正在把世界模型、具身大脑、全身控制和机器人本体接到一起。

说得准确一点，这次“四连发”拼齐了具身技术闭环的关键环节。至于商业闭环，才刚刚开始。

01

四连发，拼的是一套系统

极佳视界在WRC上发布的四项成果，分别是GigaBrain-0.7、GigaBrain-WBC-0.5、Maker L01和GigaBrain-PingPong。

如果把它们拆开看，那很容易变成一张张参数表。但连起来看，逻辑就清楚了：大脑负责判断，小脑负责控制，本体负责执行，乒乓球负责考试。

GigaBrain-0.7是这套系统的大脑，背后是算法、数据“双金字塔”：数据侧汇集互联网、真人示教、仿真和真机经验，算法侧负责世界预测、跨本体动作对齐和持续训练。

在这个基础上，GigaBrain-0.7引入了System-1、System-2和System-3。System-1生成连续动作，System-2理解任务并进行规划，System-3负责预测未来状态和评估动作价值。

以前的具身模型更多是在回答“看见什么，应该做什么”。新出现的System-3多问了一步：“这样做下去，会发生什么？”

这一步很重要。真实任务往往不是一次抓取，而是十几步甚至几十步连续操作。前面一个动作稍有偏差，后面就可能全部失败。世界模型参与决策，相当于让机器人在真正动手之前，先判断一下未来。

大脑知道怎么规划，身体要更好地执行到位。

GigaBrain-WBC-0.5负责的是“小脑”。它在输出动作的同时，预测机器人下一时刻的身体状态，并判断指令是否超出能力边界。

其中一个演示很有意思：机器人接到坐下指令，有椅子时正常坐下；椅子被撤走后，它没有继续执行原动作摔下去，而是转为稳定下蹲。

机器人真正进入工厂和家庭，靠的就是这些“不摔”的瞬间。

Maker L01则是承接模型的双足本体，最高移动速度4米/秒，全身控制频率超过1000Hz。自有本体让数据采集和控制接口更可控，也能把失衡、碰撞等失败样本送回训练。

最后是GigaBrain-PingPong。

乒乓球把高速感知、短时预测、全身协同和精确接触挤在几秒钟之内。它不是发布会上的附加表演，更像是一场压力测试：前面的模型和本体能不能在连续、动态的真实任务中同时工作？

所以，这次发布的与其说是四款产品，不如说是一套由“大脑、小脑、身体、考场”组成的具身闭环。

02

资本看中的，是一条没有改道的路线

极佳视界成立于2023年，是国内较早把世界模型作为主航道的创业公司之一。

这条路线并不是在人形机器人火起来之后才确定的。

黄冠是清华大学自动化系博士，此前长期从事计算机视觉、自动驾驶感知和量产工程。极佳视界早期最重要的产品，也是面向自动驾驶的世界模型DriveDreamer，相关研究入选ECCV 2024。

真实道路上有大量危险、少见，却又必须测试的情况。车企不可能为了训练算法，在现实中反复制造事故。DriveDreamer可以生成和模拟这些长尾场景，帮助自动驾驶系统训练和测试。

从DriveDreamer到GigaWorld，再到今天的GigaBrain、WBC和Maker，极佳视界的产品越做越多，主线却没怎么变：先建立对世界的理解和预测，再让这种预测参与行动。

在WRC的论坛上，极佳视界还提出通用世界模型L1—L5分级体系，将能力分为视频、动作、几何、物理和长程运营五级，从画面逼真走向行动可用、物理可信和长期运行。它试图划清世界模型的能力边界，也让公司从自动驾驶走向具身智能的逻辑更清楚。

自动驾驶与机器人当然不是一回事。前者主要处理道路、车辆和交通参与者，后者还要解决抓取、摩擦、接触力和全身控制。自动驾驶积累不能原封不动搬到机器人上。

汽车教会极佳视界如何预测世界，机器人逼着它学习怎样改变世界。

三个月约35亿元的融资，至少说明资本愿意为这条连续路线下注，也为极佳视界买来了时间窗口。真正决定其价值的，仍是工厂里的任务成功率和家庭用户的长期付费。

03

从技术闭环走向平台能力

极佳视界的商业潜力，要看这套技术闭环能否沉淀为平台能力：让同一套模型迁移到更多本体和场景，并通过真实数据回流提升模型能力和交付效率。

极佳视界目前的商业化，分布在汽车、工厂和家庭三个现场。

汽车是相对成熟的基本盘。按照公司披露的较宽口径，DriveDreamer合作客户覆盖超过30家主机厂、自动驾驶企业、AI芯片公司和Tier 1供应商。车企本身有智驾预算，长尾场景生成、仿真测试和策略评估也有明确需求。

这让极佳视界拥有一条现实的收入路径，不必完全等待机器人市场成熟。不过，公司没有公开完整的收入、毛利率和利润数据，所以目前只能确认它有商业化入口，不能直接判断整体盈利情况。

工厂是第二个现场。

今年4月，极佳视界联合一汽模具、阿里云，将Maker H01放进汽车制造产线，完成拆垛、搬运和精准操作等流程验证。6月，公司又与隆盛科技达成合作，提出三年内实现1000台本体代工和销售的目标。

“三年千台”是目标。从产线验证走到批量部署，还要经过节拍、良率、耐久性和售后等考验。

家庭则是一个更有想象空间、也更难的尝试。

极佳视界用“拾光SeeLight”系列进入家庭场景。2026年5月，公司与湖北省科技投资集团达成百台合作，首批拾光S1进入武汉光谷人才公寓测试。公开演示中，它可以完成早餐递送、微波炉加热、收拾餐桌和叠衣等任务，只是速度仍慢于人类。

按照公司在WRC上的规划，拾光S2将在2026年第三季度发布，2027年第一季度进入100个创始家庭共创，并争取在当年第三季度开售。

家庭的价值很高，容错率却很低。工厂可以整理环境配合机器人，家庭不会。儿童、宠物和随手放下的杂物，都可能让模型遇到训练数据之外的情况。

平台能力最终要看跨本体迁移能否降低成本。GigaBrain-0.7通过共享核心参数适配不同机器人，WBC-0.5也展示了从Unitree G1到Maker L01的迁移。虽然仍需数据适配与微调，但方向是让一套具身基模服务多种本体。

如果这条路跑通，极佳视界可以同时销售模型、数据引擎、仿真平台和机器人产品。自研本体收集数据，外部本体扩大模型覆盖范围，工厂和家庭继续提供真实反馈。

世界模型现在很热。能生成视频的很多，真正进入机器人实时决策回路的还不多，形成规模化交付的更少。

极佳视界值得关注，因为它正在把世界模型从屏幕里拿出来，装进机器人的身体。至于这套闭环最终能走多远，还要看模型迁移、真实交付和商业回款。

132次连续击球，是一次漂亮的开始。资本已经替极佳视界定了价。接下来，该由真实世界给它打分了。

— 欢迎您在评论区跟我们交流 —