7月22日，World Labs宣佈正式收購頂級機器人模擬初創公司SceniX。兩大頂尖研發團隊聯手，標誌著具身智慧的技術競爭正從純語言模型全面走向物理世界模型。頂級風投a16z合夥人Martin Casado第一時間與World Labs聯合創始人、執行長李飛飛及SceniX聯合創始人李昀燭展開深度對話，系統拆解了世界模型、機器人基座模型、合成數據與評測體系等前沿議題。
李飛飛與李昀燭指出，人工智慧的未來絕不能僅依賴缺乏物理約束的語言和文本理解，更要讓機器具備感知、推理並與物理空間即時互動的空間智慧。訓練具身智慧不僅需要一套與LLM截然不同的底層邏輯，更需要打破當前行業對純影片預測模型和通用人形機器人的盲目崇拜。
空間智慧是AI的下一個終局，而機器人是其物理落地的最佳載體。 AI的演進終將跨越單純的文本互動，邁向具備感知、推理與空間互動能力的世界模型。在虛擬世界創作固然重要，但在現實物理空間中採取行動，才是空間智慧最核心的落地場景。
解鎖機器人Scaling Law的關鍵，是Real-to-Sim-to-Real資料閉環。 機器人領域無法像大語言模型那樣直接從網際網路獲取海量物理資料。通過高精度數字建模與模擬，將真實環境對映到數字世界中生成無限資料，是破解資料饑荒、實現高效評估的關鍵。
純影片模型缺乏物理與空間一致性，無法作為機器人的有效反饋訊號。 許多流行影片模型生成的畫面缺乏空間與時間一致性，甚至會出現物體憑空消失的幻覺。缺少了真實的物理約束與互動反饋，機器人根本無法學習正確的策略。
機器人基礎模型將演變為以動作為輸出的前向模擬器與策略模型。 未來的機器人基礎底座將摒棄傳統的文本框形式，演變為能夠預測物理環境變化的前向模擬器，以及根據目標指令直接輸出具體物理動作的策略模型。
模擬扮演著真實資料無法替代的關鍵角色：反事實推理與極限邊界測試。 現實資料固然重要，但模擬能夠讓機器人在數字世界中無成本地演練極端、高危或現實中極少發生的場景，在大幅提升訓練速度的同時，賦予系統更高的可靠性。
不應盲目追逐造硬體，而應優先構建模型與形態無關的基礎設施。 具身智慧生態的成功在於專業化分工。打造一套不挑底層演算法、不挑硬體軀體（單臂/雙臂/靈巧手）的通用模擬與評估平台，能讓所有機器人大腦在其中加速進化。
相比通用人形機器人的執念，率先攻克半結構化場景的髒活累活才是理性選擇。 機器人落地必然遵循從工廠流水線、到倉庫餐廳等半結構化場景、最終才邁入家庭的物理規律。用定製化的硬體去解決特定的實際痛點，在商業和技術上遠比強行推行昂貴的人形軀體更具可行性。
李飛飛介紹，World Labs是一家成立兩年的前沿模型實驗室，核心業務是構建大型世界模型，實現空間智慧。收購SceniX的契機源於雙方此前已建立的客戶關係——SceniX曾註冊成為World Labs生成式基礎模型Marble的客戶。Marble的核心能力是接收單張或多張圖片或文本提示，將其轉化為在幾何上保持一致的3D世界。
李昀燭表示，SceniX的目標是幫助機器人更好地感知物理世界並與之互動，開發了Real-to-Sim-to-Real流水線，將真實環境精準對映到數字世界中，通過可擴充套件生成的資料替代真實環境中的訓練和評估。兩家公司技術互補：World Labs擅長生成式模型、計算機視覺與3D重構，SceniX則具備從建模到硬體的全棧機器人能力以及驚人的模擬能力。
對於機器人的基礎模型，李飛飛與李昀燭認為，它本質上需要是一個多模態模型，必須同時考量影片幀、文本、影像、深度等多種模態，而動作是其中極其關鍵的一環。當將當前幀和動作作為輸入時，它就是一個前向模擬器，用來預測環境變化；當把動作作為輸出時，它就是一個策略模型，用來預測應採取什麼動作。這種全能模型能為機器人領域帶來巨大價值。
李昀燭強調，他的終極目標是讓機器人真正幹活，在真實環境中穩定運轉。在收集到的上千個任務中，有三分之一都與清潔有關。他主張優先攻克半結構化場景的實用任務，而非盲目追求通用人形機器人。李飛飛也讚賞Scenix團隊務實的態度，他們第一直覺就是與真實產業中的設計夥伴和客戶緊密合作，無論是工業實驗室、倉庫，還是電子元器件裝配線。