一句话结论：千诀科技在 10 月 20 日南京首届物理 AI 与世界模型大会上发布预测式世界模型 Polibrain，这条路线不生成未来画面，只在潜在表征空间里预测与任务相关的关键状态，已在四足、人形、轮式、单臂与双臂五种机器人形态上开展适配，公司整体估值约 70 亿元。
首届 2026 物理 AI 与世界模型大会 10 月 20 日在南京开幕，图灵奖得主姚期智与 LeCun 都以远程方式分享了最新观察。清华系具身智能公司千诀科技在主论坛发布了 Polibrain 预测式世界模型，创始人高海川给出了它要解决的问题。
这场大会的产业密度值得记一笔。江苏发布物理 AI 与世界模型高质量数据集建设行动计划，物理 AI 与世界模型产业联盟宣告成立，《人工智能世界模型》国家标准预研同步启动，现场两轮重大产业合作项目完成签约，总金额超 60 亿元，全国首个物理 AI 与世界模型投资基金规模 50 亿元。千诀科技的世界模型与机器人大脑长三角基地同日落户扬州数据产业园。
从画地图到能预测的地图
高海川用古代商人把荔枝从广州运到长安的例子解释世界模型的价值。解决这个任务有两种解法：一种是把可能的路线都走一遍，从中找出最优解；另一种是先弄清沿途有哪些城市、城市之间如何连接，画出一张地图再根据地图规划路线。前者对应当前主流的 VLA 路线，后者对应世界模型的预测与规划方法。
区别落在机器人能否提前推演行动可能带来的结果，减少实际试错。一个机器人在真实物理世界里要面对持续变化的人、物体、空间与任务状态，仅仅生成动作序列或操作过程的视频，不足以支撑自主完成任务。它还需要判断当前环境是否满足操作条件，理解动作与环境变化之间的关系，应对突发情况，并预测不同行动可能产生的结果。
千诀把这条路线定义为预测式世界模型，通过学习环境状态、历史信息与行动结果之间的关系，在与任务相关的潜在表征空间中预测状态变化，为后续规划与控制提供依据。它提取物体位置、交互关系、任务进度等关键信息，学习不同动作可能引发的状态变化，并把预测结果直接用于机器人的自主规划与控制。
与生成式世界模型的三条路线对比
Polibrain 所属的预测式路线，与生成式路线、VLA 路线在目标函数和算力分配上差别明显。三条路线的对比如下表。
| 维度 | Polibrain 预测式 | 生成式世界模型 | VLA 端到端 |
|---|---|---|---|
| 预测对象 | 任务相关关键状态 | 未来完整视频帧 | 动作序列 |
| 表征空间 | 任务相关潜在表征 | 像素级视觉细节 | 动作表征 |
| 算力压力 | 只预测影响任务的状态 | 需重建全部视觉细节 | 不含显式状态预测 |
| 失败模式 | 预测偏差导致规划偏移 | 画面逼真但物理关系错 | 试错成本高 |
| 代表案例 | 千诀 Polibrain | VAST 开源 EdenLive | 多数具身基础模型 |
一个具体的例子能说明差异。演示中一台带机械臂的四足机器狗在户外自主寻找垃圾、识别位置、移动过去并规划抓取动作，把垃圾放进收集篮。对这个任务而言，地面颜色和背景纹理未必重要，真正影响任务完成的是垃圾位置、机械臂与目标的相对关系，以及抓取动作会如何改变目标状态。
生成式路线的工程代价可以参考 EdenLive 这条并行路径，它把实时世界模型压进单张 RTX 5090，提供 5B 与 14B 两个版本的开源实现。预测式路线则把算力从画面重建转向状态推演，两者并非替代关系，VAST 那条路径在单卡实时性上给出的数字，与 Polibrain 在任务关键性上的取舍，构成两条并行的工程解法。
多项式表征与因果记忆：对抗特征污染
真实环境包含大量复杂信息，并非所有信息都与当前任务有关。传统神经网络在学习过程中，可能将背景纹理、光照等无关信息与任务特征混合编码。当环境发生变化时，这种特征污染容易影响模型对任务关键信息的稳定提取，进而制约跨场景泛化能力。
Polibrain 采用千诀自研的多项式表征架构，围绕影响环境状态变化和任务结果的关键变量组织信息，在保持任务表达能力的同时减少对无关细节及不稳定关联的依赖。这个方向源于团队在表征学习、函数复杂度与模型泛化领域的持续研究。
配套的因果记忆机制负责闭环调整。感知环境、理解状态、预测行动、做出决策、执行动作、反馈调整六个环节被连成持续决策闭环。当结果与预测出现偏离，例如一次抓取失败，模型会从新的状态出发重新评估任务并调整下一步动作。千诀称关键特征解码让它能够追踪预期状态与实际状态之间的差距，从而定位故障并完成恢复。
跨本体复用：一个大脑适配五种身体
Polibrain 最被强调的工程特性是跨本体复用。目前已在四足、人形、轮式、单臂、双臂等形态上开展适配，任务覆盖陪伴服务、餐食服务、整理归置与精细操作。
实现方式是把共用的环境与任务表征，与具体机器人的动作执行能力相对分离。对物理世界的理解可以共享，至于怎么执行，由不同机器人根据自身能力决定。千诀把自己的定位讲得很清楚，不做机器人本体，只为不同形态的机器人提供智能能力。这一松耦合架构也意味着不同形态机器人的数据可以反哺同一个模型。
千诀的技术积累可以追溯到论文层面。2025 年，千诀联合清华团队在 ICML 发表世界模型相关理论研究，涉及神经网络何时学到世界模型、隐变量可辨识性等方向，并提出有效阶概念，试图给神经网络复杂度提供一把可计算的标尺。2026 年公司进一步推进了保留哪些历史观测的反事实方法研究。公司称这一方向上公开探索比 LeCun 团队的相近研究早了约一年。
公司自研成果连续三年收录于国际机器学习大会与国际学习表征会议等机器学习领域顶级会议，模型与芯片全栈实现国产化自主可控。千诀总部在扬州的员工规模为 40 余名，全资子公司千诀科技（扬州）承接长三角基地运营。按公开口径，公司估值约 70 亿元，核心产品具身大脑已落地家用机器人领域。
可靠性缺口：物理世界的容错率更低
姚期智在会上给出的判断构成了对这一赛道的冷水：物理世界的容错率远低于数字世界，可靠性是从演示走向落地的关键关口。
千诀自己也承认，Polibrain 在复杂场景中的可靠性仍需更完整的实测数据验证。这句话值得与演示视频放在一起看。演示里机器狗完成捡垃圾的全流程，但演示是精心挑选的任务，而真实场景包含儿童、宠物、临时障碍物与光线突变。
产业侧的配套正在补齐这一环。江苏发布物理 AI 与世界模型高质量数据集建设行动计划，长三角数据标注联合创新中心成立，与之配套的国家标准预研同步启动。行业人士的判断是，从机器人 Demo、评测结果与论文走向可复现的工程能力，中间最缺的是可观察的训练过程。同期生数科技开放了 Motubrain 2.0 的训练全流程直播，涵盖预训练、后训练、Agent 任务执行与递归自我改进探索四个环节，这种透明度对行业判断模型能力边界有实际价值。
相关阅读
延伸阅读：同类技术路线可对照 VAST 开源 EdenLive：单卡 RTX 5090 跑出实时世界模型 与 微软 Project Quine：首个生物学世界模型如何在一个周末筛出抗癌候选物。空间感知与跨本体能力见 大晓机器人 ACE-Brain-0.6：六项空间感知超越 GPT-6 Astra，大厂入局节奏见 OpenAI 正式入局人形机器人：2027 年亮出演示样机。硬件侧的形态演进可看 苹果 HomeView 机械臂 J595 项目深度解读，记忆架构路线见 上海团队开源记忆原生大模型 MemT-1.0。
常见问题 FAQ
Polibrain 和 VAST EdenLive 这类生成式世界模型有什么不同？
Polibrain 只在任务相关的潜在表征空间里预测关键状态，不追求把未来的每一帧画面完整生成出来。EdenLive 走的是生成路线，把实时世界模型压进单张 RTX 5090 提供 5B 与 14B 双版本。两者算力分配方向相反，预测式把算力留给状态推演，生成式留给画面重建。
为什么说世界模型比 VLA 更适合机器人自主任务？
VLA 直接输出动作序列，缺少对行动后果的显式推演，容错靠试错。世界模型先学清环境状态、历史信息与行动结果之间的关系，把预测结果喂给规划与控制环节，机器人可以在动手之前预演结果。这条路线在物理世界里价值更高，因为物理世界的容错率远低于数字世界。
Polibrain 现在的可靠性到什么程度？
官方演示覆盖了捡垃圾这类任务，跨本体复用已在四足、人形、轮式、单臂、双臂五种形态上开展适配。公司公开承认复杂场景下的可靠性仍需更完整的实测数据验证，行业配套的高质量数据集建设与国家标准预研正是针对这一缺口。
小结
Polibrain 的技术选择是清晰的：把预测目标从画面换成状态，把算力从重建换成推演。多项式表征解决无关信息污染问题，因果记忆构成反馈闭环，跨本体架构让一个大脑服务五种身体。70 亿元估值、三大顶会连续收录与扬州数据工厂，构成了公司层面较完整的证据链。
留下的缺口同样清晰：复杂场景可靠性未验证，以及从演示到可靠落地之间那段需要更长实测数据填充的距离。世界模型正在走出论文，产业化的下一个考题是可靠性数字。
延伸阅读
- AMD 82 亿美元收购 World Labs：李飞飞出任执行副总裁，直接向苏姿丰汇报3 周前
- 正行创新发布零售具身智能方案：人形机器人H1亮相，2027年商业化2 周前
- Maxinsights 交付 200 万小时具身数据1 小时前
- 九部门：具身智能写入科技兴商路线图，机器人等智能商品供给成重点4 天前
继续读
同一批更新里这几篇值得一看：