千诀科技发布Polibrain预测式世界模型，隐变量可辨识性研究比LeCun早一年

2026年10月20日，南京国际博览中心，首届物理AI与世界模型大会开幕。这场被业内称为“物理AI春晚”的盛会汇聚了图灵奖得主杨立昆（Yann LeCun）与姚期智院士视频连线，沈向洋、于海斌等多位院士现场演讲。在这一全球顶级学术与产业交汇的舞台上，一家成立仅三年、累计完成9轮融资的清华系初创公司——千诀科技，正式发布了其具身智能核心系统：Polibrain预测式世界模型。

千诀科技创始人高海川在开幕式主论坛登台，系统阐述了Polibrain的设计哲学：不追求像素级画面预测，而是深入潜在表征空间，直接建模物理状态演化规律。这一路径的核心技术支点，是千诀联合清华大学团队围绕“隐变量可辨识性”（Identifiability of Latent Variables）所开展的系列研究。

根据公开信息，该方向的成果发表时间比LeCun团队2025年11月在ICML提出的LeJEP A工作早约一年。两者的共同目标是解决“神经网络如何从观测数据中恢复真实物理状态”的问题，但方法论存在关键分野：LeCun方案依赖对称性假设与反演机制，而千诀则提出“多任务+低阶偏置+隐变量恢复”的组合策略，在非线性混合场景下更易实现正交变换下的可辨识性。

这一差异背后，是对具身智能本质的不同理解。

过去两年，大模型热潮席卷机器人领域。资本蜂拥而至——2026年上半年全球物理AI单季融资超64亿美元。行业曾普遍期待“机器人版ChatGPT时刻”：只要喂入海量视频，模型就能自主学会端盘子、拧螺丝。现实却令人清醒：展台上动作丝滑的人形机器人，一旦进入真实酒店走廊，光照变化或突发干扰即可导致系统崩溃。

高海川在会后采访中直言：“机器人行业不存在所谓的ChatGPT时刻。”原因在于数字世界与物理世界存在不可逾越的鸿沟：文字可删改、代码可回滚，但物理交互不可逆——杯子摔碎即碎，机械臂撞墙即损，每一次试错都是真实成本。

更深层的瓶颈在于数据。语言模型受益于互联网数十年积累的文本洪流，而机器人从未经历过“大规模物理交互数据采集”阶段。数据极度稀缺，试错代价极高，这构成了具身智能真正的死穴。

在此背景下，世界模型成为破局关键。2026年，该概念从学术术语跃升为产业共识：LeCun离开Meta创办AMI Labs，获10.3亿美元欧洲史上最大种子轮；AMD以约82亿美元全股票收购World Labs，李飞飞出任首席科学家。芯片巨头亲自下场押注，说明世界模型已成下一代具身智能基础设施的必争之地。

然而，“世界模型”一词内部暗藏两条路线之争：

生成式路线（如Sora逻辑）试图预测未来每一帧像素，将光影、纹理、反射全部“画”出来。其致命缺陷在于算力浪费与物理幻觉——模型可能生成“桌子消失”“杯子穿墙”等违反物理定律的场景。让此类模型指挥实体机器人，风险极高。

预测式路线则另辟蹊径：放弃像素渲染，直接建模“行动→状态变化”的因果映射。关注物体位置迁移、力交互关系演变等物理量，而非视觉表象。千诀的Polibrain正是此路径的实践者，其设计原则是“用最小表征描述最大物理自由度”，从而提升跨机型泛化能力。

为支撑该模型训练，千诀构建了三层“数据金字塔”：底层为无本体数据（如摄像头、IMU原始信号），中层为真机遥操数据（人类远程操控机器人收集的带动作标签序列），顶层为真实落地应用场景数据（如酒店服务、仓储分拣中的闭环交互）。这种结构既缓解了真实交互数据稀缺问题，又通过分层抽象提升模型对物理规律的归纳能力。

值得注意的是，千诀并非孤例。同期，另一位清华特奖得主吴海旭创立的物原科技也切入世界模型赛道，其GeoPT工作提出“动力学提升预训练范式”，通过合成粒子轨迹演化学习物理直觉，技术思路上与千诀存在呼应。吴海旭团队成员包括清华龙明盛副教授、MIT何恺明与Wojciech Matusik教授，其研究聚焦“为物理系统构建可扩展原则”，与千诀的工程化落地形成学术-产业互补。

千诀的差异化优势在于“解耦策略”：将世界模型与控制策略分离，使同一Polibrain底座可快速适配不同本体结构。例如，一个用于双足人形机器人的预测模型，经微调即可迁移到四足平台或机械臂，大幅降低多机型部署成本。高海川在现场演示中指出，某款协作机械臂在新环境中完成任务的适应周期，从传统方法的数周缩短至小时级。

行业观察者指出，千诀的路径代表了一种务实转向：当生成式大模型在物理世界频频“翻车”，回归物理第一性原理成为必然选择。隐变量可辨识性研究虽属理论前沿，但其工程价值正在显现——只有确保模型学到的是真实物理状态而非统计巧合，具身智能才可能真正走出实验室。

目前，千诀科技已完成9轮融资，投资方包括红杉、蚂蚁等一线机构。其Polibrain系统已接入多家头部机器人厂商的测试平台，重点验证在动态环境下的鲁棒性与泛化能力。下一步，公司将开放部分基础模块API，推动行业共建物理AI基础设施标准。

具身智能没有捷径。千诀的选择表明：在数据匮乏与试错昂贵的现实约束下，对物理规律的深刻建模，或许比堆砌算力与数据更接近本质答案。