從WorldArena榜首到1500+模型落地：跨維智能證明世界模型不是Demo是生意

AI科技評論獲悉，跨維智能近日已完成B輪融資，融資金額10億元人民幣，投後估值超過百億，成功躋身具身智能獨角獸行列，踏入IPO的門檻。這輪融資的投資方橫跨幾類資本：國家級母基金、頭部國資創投、實體龍頭產業資本和地方科創平臺。深創投、貴陽數字經濟基金是連續兩輪下注；前海母基金、藍思科技、工銀資本、恆健資產、諸瑞資本這輪新進入；南山戰新投、成都科創投、四川院士基金等老股東繼續追加。新老股東一起加碼，背後是資本市場對跨維技術路線和落地能力的某種共識。至於錢往哪花，跨維的答案是幾件事：底層世界模型算法迭代、物理引擎升級、數據基礎設施建設、人形機器人能力完善，以及真實場景落地——把技術、產品和商業閉環再往前推一步。百億估值從來不是憑空出現的。一家成立僅四年的公司憑什麼走到這個位置？拆開來看，撐起估值的是：一條被持續驗證的技術路線、一個跑通了的商業閉環、一種以終為始的終局戰略。物理AI技術全棧自研，幾經行業驗證2021年成立時，跨維智能就把方向定在物理AI與世界模型上，是國內最早一批做物理AI全棧自研的公司。它選的路徑是"世界模型 + 物理仿真 + 真機落地"，這條路被它認為是行業終局。值得注意的是，跨維多項核心技術節點的佈局進度，排在英偉達、DeepMind等海外巨頭之前，而過去幾年的行業走勢，也一直在驗證這條路線。世界模型，是這條路線的核心，也是當下全球AI頭部力量競逐的方向。英偉達、谷歌等公司持續圍繞物理AI、機器人仿真、環境推演、合成數據生成和世界基礎模型進行前沿佈局，把人工智能從語言理解、視覺識別，進一步推向物理世界建模、動作因果預測和智能體交互決策。對具身智能產業而言，世界模型早已不只是"生成未來畫面"的視覺模型，而是支撐機器人訓練、評估、規劃與泛化的關鍵技術底座。跨維選這條道，等於把自己擺到了和全球頭部同臺競技的位置。一個近期的註腳，來自全球具身世界模型權威評測WorldArena的最新公開榜單，跨維智能自研的通用具身世界模型DexWorldModel，在Track 2賽道拿下全球第一名，這個成績意味著什麼？WorldArena雲集全球頂尖團隊參賽，側重世界模型的推理能力，核心考驗機器人對真實環境結構、物理規律、動態變化的理解與預判能力，被視為驗證機器人"是否真的理解真實世界"的標尺。榜單分兩條賽道。Track 1（Perception）聚焦視頻綜合質量，考核視覺效果、動態表現、內容一致性與物理遵循性，側重感知預測、物理邏輯及動態場景理解——此前智元機器人曾在該賽道取得領先成績，體現出國內具身智能企業在視頻生成技術上的持續突破。Track 2（Functionality）則聚焦具身任務的功能性，考驗世界模型作為數據合成引擎、策略評估與行動規劃載體，對機器人訓練、評估及執行的支撐能力。這條賽道業內公認為"實戰"門檻最高、含金量也最高，是評判技術落地價值的核心硬指標。拿下榜首，證明跨維不僅具備領先的世界模型環境推演能力，更擁有把推演結果轉化為機器人訓練資產的工程化能力——在具身數據生成、仿真訓練閉環構建、策略模型賦能、虛實遷移落地幾個方向上，綜合技術實力都過了硬指標。而這份成績的背後，是 DexWorldModel 從底層就與眾不同的技術路線。它圍繞三維物理世界的真實運行規律建模，具備隱空間動態建模能力，可實現統一座標系對齊、時空表徵精準匹配，徹底解決傳統視覺方案空間感知不準、物理建模缺失、無法適配實操任務等行業痛點，真正讓AI精準理解物理空間、動力學邏輯與真實作業規則，支撐機器人完成分揀、裝配、雙臂複合操作等實操任務，推動世界模型從 “可視化演示” 正式邁入 “可落地作業” 的產業階段。在夯實世界模型核心能力的同時，跨維智能同樣將數據基建視為物理 AI 規模化落地的核心根基。2026年1月，跨維還開源了基於生成式仿真世界模型的具身智能工具鏈EmbodiChain，這是業內首個能夠自動訓練VLA模型並實現真機部署的工具鏈，無需依賴真實數據即可完成零樣本虛實遷移。將具身智能數據生產從“人工小作坊模式”推向了“工業化量產階段”。僅四個月後，跨維又創新性提出Dexterity-BEV。該技術將視覺輸入、機器人本體狀態與目標動作指令三者對齊至統一空間參考系，首次為機器人多源異構數據搭建起可規模化訓練的標準空間底座，從根源上破解了行業長期存在的數據標準分散、動作技能難以遷移、作業經驗無法跨本體複用的核心痛點，大幅提升數據利用效率與模型跨場景泛化能力。從頂層終局路線的篤定選擇，到核心世界模型的全球領跑，再到底層數據基建的體系化突破，跨維智能構建起 “模型 - 仿真 - 數據 - 落地” 全鏈路自主可控的技術體系，也讓 “全棧自研” 從戰略口號落地為可被行業反覆驗證的硬核實力。場景邊界內泛化，Physical Token 經濟學跑通商業化閉環跨維智能對通用具身智能有一個第一性原理式的判斷：它的本質是"場景邊界內泛化"。做法是先把場景邊界定義清楚，讓數據、模型、訓練範式去適配產品級作業標準，在每個場景裡做到高精度、高可靠的通用能力，再靠逐個場景的技術突破去拓寬能力邊界，一點點向終極的Physical AGI演進。支撐這套打法的，是跨維自研的四個底層基座：DexVerse™物理引擎、DexAgent通用具身智能體、DexSense空間感知終端、DexBrain智能算法大腦，軟硬件一體化，托住全場景落地。目前，跨維智能已經落地50多個應用場景，迭代沉澱了1500餘個成熟具身模型，覆蓋汽車零部件、新能源、3C電子、航空航天、物流、家電、化工、醫療、教育等細分領域，服務多家行業頭部客戶，可成熟應用於柔性分揀、柔性插拔裝配、商業零售、文旅服務等場景。在國內具身智能的規模化商業落地裡，它走在了前面。跨維智能還首次提出了一個"Physical Token經濟學"的理念，試圖重新定義物理AI的產業邏輯。簡單說，就是從數據採集、模型訓練、推理部署、硬件本體到場景運維的全鏈路，把成本和效率都把控住，聚焦單數據、單動作、單推理的投入產出比，追求每一項技術能力和每一次機器人作業的最高商業回報率，讓技術創新和商業價值對得上。"我們追求的核心目標，是實現the highest ROI per physical token——讓物理世界裡的每一組數據、每一次動作、每一輪推理，都能高效轉化為真實的商業價值。"跨維智能創始人賈奎教授說，"跨維始終紮根底層數據與模型，打造可泛化、可部署、可商業化的物理AI能力，在工業、商業以及逐漸成熟的康養家庭場景中持續驗證並跑通價值閉環。"技術能落地、商業閉環跑通，是這輪資本加碼跨維的核心邏輯。多年下來，跨維智能已經形成"技術迭代—產品落地—客戶付費—數據反哺"的正向循環，成為行業裡少數實現超億級營收、規模化真實作業機器人出貨的企業。值得留意的是，這輪戰略入局的藍思科技，會和跨維開展深度產業協同，聚焦工業智造核心場景，加速物理AI在實體制造業的規模化商用。一步一個腳印，目標是物理AGI終局賽道很熱，跨維智能卻一直保持著戰略定力。它把使命定在"邁向通用物理世界智能"，走的是"沿途下蛋、分步落地"的穩健路徑，一點點構築行業壁壘。本輪融資帶來的資金和產業資源，會被用來繼續築牢技術、量產、商業化三大核心壁壘，推進物理AGI的產業落地，用自研技術把物理智能推向千行百業。