機器人的智能短板，大曉世界模型補齊

具身智能今年一直在講量產的故事，資本愛聽，市場愛追，尤其是宇樹上市，把想象空間急速放大。

整機價格不斷下探，產業鏈預期一路升温，一台機器人從執行器到絲槓、靈巧手，都能找到新的估值想象。

但是宇樹市值不到一個月腰斬的事實，也讓市場重新審視，僅靠本體、銷量和量產預期，究竟能支撐多少估值。

三季度開始，產業端對 “機器人大腦” 的關注明顯升温，世界模型更是進入密集發佈期。

9 月 9 日，京東發佈 JoyAI 世界模型；10 日，宇樹開源加入世界建模能力的 WLA，高德發佈 3D 原生城市世界模型 ABot-Earth 0.7；11 日，螞蟻靈波繼續開源 LingBot-World 2.0。

一家成立僅一年多的公司，也迅速在這場競賽裏出圈。

近日，大曉機器人聯合南洋理工大學 S-Lab 發佈 Puffin-World，在密集上新的世界模型中引發不少關注。

Puffin-World 把物理、幾何和外觀直接定義為三種原生三維世界狀態，不只生成畫面，還要理解重力、空間結構，並預測未來的世界狀態。

具身智能，拼智力久矣。

具身智能暴露智力短板

年初，圖靈獎得主、世界模型路線的重要推動者楊立昆曾表示，人形機器人那些 “打功夫” 的炫技動作很多都是預先計算好的，行業最大的秘密在於，沒有一家公司真正知道如何讓機器人聰明到足夠有用，現有機器人甚至還達不到家貓水平的常識能力。

IDC 數據顯示，2025 年全球人形機器人出貨量已經超過 1.8 萬台，中國廠商佔比接近 95%。但接近九成產品仍流向文娛表演、教育科研、數據採集、導覽展示等場景，真正進入工業製造的只有 9.2%。

到了 2026 年上半年，全球出貨量進一步超過 2.2 萬台，智能製造和倉儲物流合計佔比卻只有 18% 左右。

以宇樹為例，2025 年前三季度，宇樹 73.6% 的人形機器人收入來自科研教育，行業應用僅約 9%。

大量機器人沒有進廠打工，而是留在實驗室、課堂和展會舞台上賣藝。

要想跨過理論與現實之間的鴻溝，世界模型是最重要的技術路線之一。

所謂世界模型，本質上是讓 AI 在內部建立一套對現實世界的模擬。機器人不僅要知道眼前看到了什麼，還要理解物體之間的空間關係、基本物理規律，以及一個動作做出去之後，環境可能發生什麼變化。

機器人能在腦內預演後果，跨場景泛化才真正有了基礎。

目前來看，資本的注意力已經開始遷移。

IT 桔子數據顯示，2026 年前 8 個月，國內具身智能賽道已經完成 466 起融資，融資金額達到 1245.1 億元。其中，具身大腦系統的融資起數佔比已經達到 38.8%，反超人形機器人整機的 21.1%，成為融資次數最多的子賽道。

到了 8 月，蓋世具身智能統計的 56 起融資中，接近一半流向與大腦系統相關的企業。

世界模型，也由此從一條前沿技術路線走到了牌桌中央。

大曉機器人此時推出 Puffin-World，踩中的正是這個窗口。

大曉押注世界模型

大曉機器人，是這一輪具身智能創業潮裏很年輕的一家公司。

公司 2025 年 7 月成立，由商湯科技聯合創始人王曉剛出任董事長，陶大程擔任首席科學家。

僅 2026 年上半年，大曉累計融資數億美元，螞蟻集團、吉利資本、達晨財智、深創投等均有參與。

成立一年多，大曉已經連續推出多代機器人基礎模型和世界模型，最近在行業引起轟動的，就是與南洋理工大學 S-Lab 聯合發佈 Puffin-World。

和不少從整機切入的機器人公司不同，大曉一開始就把重心放在模型層。

今年 6 月，大曉發佈 Kairos 世界模型技術棧，7 月升級到 Kairos 3.1。Kairos 解決的問題更靠近機器人行動端，把視覺、語言、力觸信息和動作軌跡放進同一套模型，根據當前狀態推演後續變化，再生成動作。

這條路線錨定的，是人形機器人最難解決的長程任務。

機器人抓一次杯子並不難，難的是連續完成開門、取物、移動、放置等一串動作。中間任何一步發生偏差，後續動作都要跟着調整。如果模型只能按照預先學好的動作序列往下執行，任務越長，誤差越容易累積。

大曉此前一直把這類問題作為重點。Kairos 3.1 進一步加入長時記憶和端側部署，希望讓機器人在任務過程中持續判斷環境變化，而不是每一步都依賴固定腳本。

問題在於，要實現任務執行，前提是腦子裏先有一個足夠準確的世界。

Puffin-World 就是答案。

過去不少世界模型主要圍繞 RGB 視頻預測展開，根據前面的畫面生成下一幀。這樣的路線擅長生成，卻會把很多對機器人更重要的信息忽略，比如重力方向、相機姿態、物體距離和空間結構。

Puffin-World 把物理、幾何和外觀拆成三種原生狀態統一建模。

物理狀態負責重力方向和相機姿態，幾何狀態描述深度與空間結構，外觀狀態對應最終看到的視覺畫面。

基於這套表示，Puffin-World 用一個模型同時完成了四類任務：物理世界理解、自由視點模擬、三維生成與重建，以及閉環探索。

尤其是閉環探索，意義在於模型不再只是被動生成畫面，而是可以根據當前環境判斷下一步應該觀察哪裏，再繼續更新對世界的認識。對於機器人而言，這比單純把視頻生成得更逼真更接近真實需求。

數據規模也隨之往前走了一步。

大曉與南洋理工 S-Lab 構建的 Puffin-16M 包含 1500 萬組視覺—語言—相機三元組，以及 100 萬條複雜相機軌跡；與此同時，團隊還為 28 個公開數據集補充絕對相機姿態標註，覆蓋約 4450 萬張圖像。

從公開評測看，這套模型已經取得了成果。

Puffin-World 在相機到世界理解、相機可控生成、複雜軌跡和 3D 世界建模四類任務上取得領先成績。其中，相機理解 12 項中位誤差指標全部最優，36 項 AUC 指標中 33 項達到最好或並列最好；在 RealEstate10K 三維世界建模上，也取得 17.22 的 PSNR 和 0.318 的 LPIPS。

把 Kairos 和 Puffin-World 放在一起，大曉的技術路線就容易理解了。

Puffin 負責把現實世界表示得更準確，Kairos 再把這種理解繼續推向任務規劃和動作執行。二者合併，指向的是一個可以授權給全行業的機器人大腦。

如果這條路走通，人形機器人行業的估值錨點會徹底位移。

機器人大腦，值得獨立估值

過去資本市場給機器人公司定價，核心還是整機。

一家公司能不能製造機器人，能否穩定交付，最終決定了其收入規模和估值空間。

即便人形機器人披着最前沿技術的外衣，背後的估值邏輯仍然離不開製造業。

但當競爭開始轉向機器人大腦，這套估值方法就不夠用了。

模型和軟件最大的不同，在於一次研發可以被反覆複製。如果同一套機器人大腦能夠適配不同廠商的本體，又能進入工廠、倉儲、家庭等不同場景，軟件和模型就有機會從硬件裏單獨拆出來，形成新的價值層。

事實上，資本已經開始嘗試為這種可能性定價。

今年 1 月，機器人基礎模型公司 Skild AI 完成 14 億美元融資，估值超過 140 億美元。

Skild 的目標是打造一套能夠控制不同機器人、完成不同任務的通用大腦。

另一家同樣押注通用機器人模型的 Physical Intelligence，最新一輪融資估值也達到約 110 億美元。

這些公司的估值背後，市場購買的其實是一種平台化預期。今年 9 月，Skild 披露，其商業部署僅 10 個月，年化收入已經突破 1 億美元，付費客户超過 60 家，應用覆蓋倉儲、工廠、數據中心、配送、安防等多個場景。

未來機器人品牌可能有很多，但負責理解環境、規劃任務和生成動作的大腦，並不一定需要自主研發。

類似的價值遷移，在其他科技產業已經發生過很多次。

汽車進入智能化時代後，整車製造固然重要，但自動駕駛、操作系統和軟件能力已經擁有獨立價值。

半導體行業的 ARM，賣的不是芯片而是架構和 IP 授權；安卓不收手機錢，收的是生態位；雲計算按算力計費，與服務器是誰製造無關。

不同的是，這套估值邏輯放在人形機器人賽道更有想象力。

機器人如果只能完成幾項固定動作，本質上仍然是一台披着人形外殼的自動化設備；只有能夠理解環境、規劃任務並持續學習，才接近市場真正期待的通用機器人。

世界模型正在進入人形機器人任務規劃和自主決策的關鍵鏈路，也是機器人大腦中技術壁壘最高、最容易形成溢價的部分之一。

這也是大曉機器人成立一年多，就迅速得到資本重視的原因。

大曉今天擁有的，並不只是一款世界模型。

從基礎模型、數據底座，到不斷擴大的本體適配和場景連接，這些能力正在被放進同一套體系裏。單獨看任何一項，都很難解釋機器人大腦的全部價值。

真正值得資本提前定價的，是這些能力未來還能形成多大的組合空間。

從這個角度看，大曉爭的已經不是某一款模型的領先，而是下一代機器人產業裏最有可能被獨立定價的那一層能力。

當人形機器人從硬件競賽走向智能競賽，世界模型、數據和跨本體適配能力，很可能從整機的附屬項，變成決定產品邊界和產業價值的核心資產。

屆時，才真正進入大曉們的主場。

來源：朝陽資本論