文远知行孵化出具身智能首个基建商

背景

具身智能（Embodied AI）被视为继大语言模型之后的下一个技术浪潮，但行业进展远未达预期。2026年上半年，全球具身智能赛道融资约438亿元，其中超过一半（约241亿元）涌入“具身大脑”方向的创业公司。然而，机器人Demo依然热闹，距离真正完成物理世界的复杂任务仍有鸿沟。核心制约因素并非算法或硬件——Transformer架构在物理任务中已被证明有效，中国制造业也能将机器人本体性能和成本做到极致——而是缺少高质量的数据基础设施。物理AI没有像大语言模型那样数十年的互联网文本积累，机器人的行为数据必须从零开始采集，行业共识认为通用具身模型至少需要千万小时级的高质量交互数据，甚至上亿小时。在这一背景下，由文远知行（WeRide）内部孵化、2026年中独立运营的景烁科技（Jingshuo Technology）引发了行业热议。其CEO霍达是文远知行001号员工，拥有12年自动驾驶数据平台建设经验；President&COO韩明曾任DeepMap高级管理职位，深耕地理信息与自动驾驶数据领域。团队完整经历了自动驾驶从“缺数据”到“解决数据”的全过程，开始将积累的方法论迁移至具身智能。

核心内容

景烁科技的切入点是物理AI的基础设施——数据和世界模型技术体系，而非整机或单纯的大脑模型。其核心产品分为三层架构，环环相扣：

• 第一层：WorldEngine（标准化数据模型底座）
  基于同一世界模型驱动的完整大闭环，覆盖数据采集→治理→标注→合成→测评→部署。同一世界模型贯穿全程，指导“该采什么、怎么治、标什么、合成什么、测什么、怎么部署”，部署后的真实数据又回流采集端校准下一轮。用户无需与数据搏斗，可将精力集中在模型优化上。
  配套采集设备EGOK全栈自研，双目相机4K@60fps实时输出深度数据，近红外阵列做亚毫米级手部追踪，延迟8ms，整机280g，连续工作5小时以上，功耗比传统方案低40%。关键特性是“全链路模组同源同标”，采集发生时刻“手—物—场景—动作”已对齐，无需事后人工拼接；世界模型还会基于当前数据分布自动规划高价值采集目标，避免盲目采集。

• 第二层：GENESIS-Robotics（世界模型核心引擎）
  采用Transfusion路线——在同一个Transformer里，语言、策略、图像、视频各走各的计算路径，但共享参数。该模型同时完成三件事：

  • 世界理解：给定当前状态和动作，预测下一个物理状态；
  • 数据合成：基于物理理解生成合理的新场景和交互数据；
  • 策略生成：给定状态和目标，直接输出动作。
    三件事共享参数，形成飞轮效应：模型越强→合成数据越好→下游模型更强→采集策略更精准→真实数据质量更高→模型更强。这与市面上大多数仅用2D图像生成加物理引擎拼接的“世界模型”有本质区别。

• 第三层：SkillForge（物理AI资产引擎）
  提供开箱即用的技能包（Skill Pack），覆盖厨房场景、客厅整理、工业操作等，每个Skill Pack包含完整任务链路：场景设计、多模态对齐样本、4D空间标注、质量评价与模型验证报告。客户拿到即可投入训练。SkillForge不是“数据集市场”，而是按模型训练需求组织技能包，跨本体设计，经WorldEngine全流程验证，附L1/L2/L3三层评测结果。客户拿到的是“一个经过验证可直接用于训练的技能”，只需将人的动作映射到自己的末端执行器上，适配不同自由度和关节。目前拥有500K+小时真实交互数据、50M+任务片段、200+标准化技能包、50+核心场景覆盖家庭、制造、零售、教育四大领域，1000+任务变体。

景烁的核心理念是：具身智能的数据基础问题没有标准答案，唯一有效途径是用自动驾驶时代十年积累的方法论和模型能力来回答。拥有自己的世界模型，就能直接定义“什么数据有用”，从而验证数据有效性。因此，“数据基础设施即服务”被升级为“数据+模型+技能包”的一站式交付，用户开箱即用，无需从零搭建数据体系。

关键要点

• 景烁科技不做整机、不做单纯的大脑，而是押注物理AI基础设施——数据和世界模型技术体系，被认为是具身智能领域的第一个“基建商”。
• 团队背景来自文远知行（自动驾驶L4第一梯队），历经自动驾驶“瓶颈迁移史”：从拼算法、拼算力，最终回归到拼数据基础设施。景烁团队完整经历了这一过程，具备被验证的技术认知和工程化交付能力。
• 核心产品三层架构：WorldEngine（数据闭环底座）、GENESIS-Robotics（世界模型引擎）、SkillForge（技能包资产），三者串联实现一站式数据基础设施服务。
• 世界模型采用Transfusion路线，在同一Transformer内共享参数，同时完成世界理解、数据合成、策略生成，形成自我强化的飞轮效应。
• 数据采集设备EGOK全栈自研，强调“全链路同源同标”，避免事后人工拼接，且世界模型自动规划高价值采集目标。
• SkillForge提供200+标准化技能包，覆盖50+核心场景，数据量达500K+小时真实交互、50M+任务片段，客户可直接用于训练，无需从头积累物理世界经验。
• 行业现状：具身智能玩家大部分没有自动驾驶时代的规模落地经验，普遍低估数据基础设施建设难度。景烁提供现成路径，帮助创业公司降低时间和成本门槛。
• 类比英伟达（2017年被视为游戏显卡供应商，后成AI算力基石）和宁德时代（2017年被视为电池供应商，后成新能源基础设施），景烁希望站在类似位置——在物理AI爆发前，成为最终谁都绕不开的数据基础设施。

意义与影响

景烁科技的出现标志着具身智能行业从“狂热梭哈”向“审慎理智”转变的拐点信号。在行业追逐“大脑”和“通用模型”的喧嚣中，景烁揭示了底层“经验体系”和“世界认知”尚未系统性搭建的真实困境。没有高质量数据，连“开始训练”这一步都迈不出去，这是物理AI当前最残酷的瓶颈。

从产业层面看，景烁提供的是一套“基础设施即服务”的解决方案，让具身智能公司无需从零积累物理世界经验，无需花数年搭建数据飞轮，可以直接调用世界模型能力、购买开箱即用的技能包。这类似于英伟达