2026-05-28站内改写

世界模型接棒語言模型，這家公司全球首創物理AGI“雙金字塔”體系，通用機器人進入“家庭時代”

極佳視界發佈全球首創物理AGI“雙金字塔”體系，推出家庭機器人拾光S1，獲百台家庭訂單，計劃12個月內實現物理AGI的“GPT-3時刻”。

文章情報

工程師進階

要點

極佳視界首創“雙金字塔”體系，包括數據金字塔和算法金字塔。
家庭機器人拾光S1採用輪臂構型，獲得百台真實家庭訂單。
計劃在12個月內通過GigaBrain-3模型達到物理AGI的“GPT-3時刻”。
公司獲得約25億元融資，成為世界模型領域首家百億獨角獸。

為甚麼重要

這條新聞值得關注，因為極佳視界首創“雙金字塔”體系，包括數據金字塔和算法金字塔。

技術影響

可能影響模型選型、推理成本、產品能力和評測基準。

世界模型接棒語言模型，這家公司全球首創物理AGI“雙金字塔”體系，通用機器人進入“家庭時代” – 量子位

世界模型接棒語言模型，這家公司全球首創物理AGI“雙金字塔”體系，通用機器人進入“家庭時代”

思邈 2026-05-28 21:01:16

來源：量子位

12個月衝擊物理AGI的“GPT-3時刻”

允中發自凹非寺

量子位 | 公眾號 QbitAI

後空翻、跑酷、單手抓舉幾十公斤……

過去兩年，人形機器人最出圈的高光時刻，幾乎都發生在精心布光的舞台上。

但鏡頭之外，有一個更樸素的問題始終懸而未決：它到底什麼時候能走進你家，穩穩端起一杯水、收好一桌碗筷、把髒衣籃抱進洗手間？

5月20日，極佳視界沒有再用“五年內”這類含糊措辭來搪塞。它把通用人形機器人真機，直接推進了武漢光谷一處真實的居民社區：

那裏有人住、有孩子把玩具撒一地、傢俱隨時會被挪動位置。

在發佈會現場，極佳視界還首次完整披露了過去三年沉澱下來的“雙金字塔”技術體系。

一邊是數據金字塔，從互聯網視頻、真人數據、世界模型模擬器、仿真合成數據一路走到真機數據；

另一邊是算法金字塔，圍繞世界模擬、動作對齊、經驗強化搭建具身基礎模型的自我進化路徑。

資本市場也已經提前投票。2026年3月至4月，極佳視界在短短一個月內連續完成兩輪融資，合計金額約25億元，並躋身國內首個世界模型“百億獨角獸”。

於是，一個更值得追蹤的問題浮出水面：

當100台機器人開始進入真實家庭，當雙金字塔體系開始吃到長週期、多變量、帶有人類反饋的真機數據，當25億元融資把研發、量產與場景落地同時推上快車道，物理AGI會不會真的迎來自己的臨界點？

務實的輪臂機器人與百台真機進家

極佳視界聯合創始人、首席科學家朱政博士，這一次走向台前，身上多了一個新標籤：拾光品牌CEO。

作為全場焦點的具身智能C端子品牌，朱政在發佈會上留下了一段近乎產品宣言的定調：

AGI不該只停留在屏幕裏。我們不是在講一個遙遠的未來故事，而是在把骨子裏對物理AGI的信仰，變成真實的產品。

在這款第一代產品——拾光S1的設計哲學裏，能清晰看到這家公司對“真實家庭場景”極其具體的解構。

最具視覺衝擊力的“全人形+雙足”路線，並沒有出現在拾光S1身上。相反，它採用了一種更務實的家庭版輪臂構型——下半身輪式底盤，上半身人形雙臂。

這是一組帶有鮮明產品觀的取捨。

畢竟在現階段，家庭場景對機器人的真實剛需，是穩當地端水、收拾餐具、抱起髒衣籃、把零食遞到孩子手上，而不是在客廳裏完成酷炫的跑酷動作。

相比之下，輪臂構型在穩定性、安全性、續航以及硬性成本上，顯然都更佔優勢。

面對中國家庭的真實地板寬度、真實門洞尺寸以及真實的預算曲線，拾光S1展現出了一種極為清醒且務實的市場姿態。

而在務實的硬件外殼之下，支撐其運轉的是極佳視界自研的具身基礎模型（GigaBrain系列）。

該模型實現了從感知、理解到行動的完整閉環，能夠自主識別物體與場景、規劃路徑，並執行包含抓取、對齊、摺疊、歸類等多步驟的長程任務。

回到硬核的商業化進展上，極佳視界現場宣佈：拾光S1已斬獲真實家庭場景的百台量產訂單，將率先部署於武漢光谷之寓——一處位於光谷的真實居民住宅社區。

具體的落地節奏也已經排定好：

5月31日起：拾光S1真實家庭場景展示體驗空間面向公眾開放；

第三季度起：正式開啓百台規模化運營；

屆時：下一代產品拾光S2將同步發佈，並開啓真實家庭創始版預定通道。

把“100台”這個數字放進全球具身智能的座標系來看，其含金量並不在於數字本身，而在於“家庭”二字。

縱觀全球，Figure AI挺進了寶馬工廠，但其家庭場景仍處於試點階段；1X雖開放過NEO的預訂，但實際履約規模仍停留在數十台；Tesla Optimus至今則尚未真正對外部消費者開售。

在主流國內具身智能玩家裏，目前能夠拿出一份可履約家庭訂單的團隊，也屈指可數。

究其原因，進工廠和進家庭，完全是兩個數量級的難度。

工業工廠是高度結構化的，光線、節拍、物料位置基本恆定。

而家庭場景則是極度的“非結構化”：今天傢俱被挪動了位置，明天孩子把玩具撒了一地，後天又有客人突然到訪……所有的動態變量都在無限疊加。

這也揭示了當前行業最隱秘的痛點——當下具身智能最稀缺的資源，不是算法，也不是單純的算力，而是在真實家庭裏、長週期、多變量、帶有人類反饋（RLHF）的真機數據。

這種數據，在實驗室裏造不出來，在自動化工廠裏也補不出來。

一旦第三季度這百台機器人真正跑起來，產生的將是難以被複制的核心數據資產：家庭場景下的真實故障率、用户偏好分佈、更具煙火氣的長尾任務清單，以及人機交互的真實邊界。

這些數據，將成為GigaBrain後續模型迭代不可替代的燃料。

值得注意的是，在C端家庭場景高調破局的同時，極佳視界的B端工業節奏也在平行推進。

就在發佈會前不久，極佳視界聯合一汽模具、阿里雲，完成了國內首個具身智能機器人在真實工業製造場景的全流程落地。

在這場跨界合作中，團隊成功將傳統自動化方案長達數月的場景適配週期，壓縮到了短短幾周。

家用求廣，工業求深。

左手C端場景的數據飛輪，右手B端工業的標杆落地，極佳視界的雙線並行矩陣，至此已初具雛形。

技術方法論：解構物理AGI的“雙金字塔”體系

如果説“百台部署”回答了具身智能產品何時落地的破局點，那麼“雙金字塔”回答的就是另一個更底層、更核心的終極命題：

物理AGI的Scaling Law，究竟該建在什麼樣的基石之上？

在發佈會現場，極佳視界合夥人、研發副總裁葉雲首次完整披露了公司過去三年沉澱的技術方法論。

△極佳視界合夥人、研發副總裁葉雲

他直言不諱地指出了當前具身智能行業系統性存在、卻鮮少被徹底攻克的兩大瓶頸：

一是數據側的“既要又要還要”難題。

真機數據精度高但成本高、規模小；仿真數據可擴展但存在不可忽視的sim-to-real gap（虛實遷移鴻溝）；互聯網視頻規模極大，卻缺乏動作監督。

任何單一數據源，都無法同時滿足規模、密度和真實性。

二是算法側的“小馬拉大車”困局。

主流VLA（Vision-Language-Action）範式習慣性將視覺、動作token化後塞進大語言模型，但這套機制天然不擅長處理3D空間信息、物理因果邏輯以及連續動作編碼。

針對這兩大痛點，極佳視界給出的解法是：將數據與算法分別解構，用結構化的“雙金字塔”體系強行破局。

數據金字塔的核心，在於解決模型“喂什麼”的問題。

極佳視界將其從底到頂劃分為5個層級：

互聯網視頻數據→真人數據→世界模型模擬器→仿真合成數據→真機數據。

在這套架構中，底層管廣度，頂層管精度。

而中間三層，正是工程化空間最大、也是過去整個行業最被低估的“腰部力量”。

分層概念在學術界討論已兩年有餘，真正拉開差距的是全棧工程化的落地能力。

極佳視界直接為每一層都掏出了對應的商業化或自研硬核產品：

互聯網視頻層：YouTube、Panda-70M等公開海量數據的高效複用；

真人數據層：低成本手持數採硬件“U-01”+低成本Ego（第一人稱視角）數採硬件“E-01”；

仿真合成與世界模型層：自研具身世界模型平台“GigaWorld-0”；

真機數據層：家庭版輪臂機器人“拾光S1”+低成本真機數採硬件“Maker M01”。

從數據採集、數據生成到模型訓練，全鏈路100%控在極佳視界自己手裏。

放眼國內具身智能賽道，能對五層數據做如此係統性、全棧式硬核佈局的玩家，目前或許只有極佳視界一家。

一個剛發生的硬核例證是：極佳視界與清華大學合作的研究成果R2RGen，正式被機器人頂級會議RSS 2026錄用。

該技術支持機器人在“僅看一條人類演示”的前提下，就能完成一組任務的空間泛化，其1條演示的訓練效果可直接媲美25條真人演示。

這正是數據金字塔中，用算法工具實現“真機數據高倍率放大”的典型降維打擊。

如果説數據金字塔是築基，那麼算法金字塔解決的就是“怎麼學”的自驅路徑。

它由底到頂分為三層：世界模擬→動作對齊→經驗強化。

在這條路徑上，極佳視界交出了一份極其罕見的成績單：在全球三大最權威的具身智能評測中，同時斬獲第一。

1、世界模擬層（GigaWorld-1）

在世界模型權威評測WorldArena上一舉擊敗谷歌、英偉達等國際巨頭，登頂全球第一。

它也是全榜單中首個綜合得分突破60分大關的具身世界模型。

2、動作對齊層（GigaBrain-0系列/GigaWorld-Policy）

極佳視界在該層打出了兩張王牌。

前者在全球規模最大的真機評測RoboChallenge中力壓π0.5等頂流模型斬獲第一；

後者則在面向家庭場景的RoboCasa365中，擊敗了NVIDIA GR00T N1.5，成為榜單上首個登頂的世界動作模型（World Action Model）。

3、經驗強化層（GigaBrain-0.5M*）

通過“世界模型+強化學習”的雙向加持，真正跑通了具身基座模型的自我進化（Self-evolution）。

將世界生成、真機操作、家庭場景泛化這三種本質不同的能力範式，由同一支團隊在同一時間節點集中突破，這在行業內極具震撼力。

至此，極佳視界的“雙金字塔”完成了它最具里程碑意義的閉環：

它將物理AGI的Scaling Law路徑，從紙面上的宏大概念，變成了一套可對照、可復現、可被量化評測的系統化落地方案。

物理AGI的“GPT-3時刻”何時到來？

在發佈會現場，極佳視界還扔出了下一代硬件的重磅預告——拾光S2將於2026年第三季度正式發佈。

這一次，極佳視界沒有單純卷參數，而是將準心扣在了“真實家庭可用性”這三個字上。

拾光S2三大核心指標的升級路徑，清晰可見：

空間瘦身：底盤體積直降60%，極限貼閤中國家庭略顯狹窄的過道與玄關；

續航躍升：電池續航暴增70%，並全面支持熱換電以確保全天候待命；

縱向延展：操作範圍擴大40%，最高可執行2.2米高度的縱向家務任務。

對於這次升級，極佳視界聯合創始人朱政在現場給出了這樣的定義：

S2的核心，不是某個參數變得更漂亮，而是整機開始真正接近真實家庭所需要的“可用性”。

據悉，真實家庭創始版預定通道，也將在發佈時同步開啓。

相比於硬件的漸進式改良，更具行業風向標意義的，是極佳視界首次公開的基礎模型12個月路線圖。

這張“明牌”的時間表，直接將具身智能的智能化進程進行了量化：

GigaBrain-1：2026年Q3發佈，據稱是全球首個基於“雙金字塔”體系打造的物理AGI基礎模型；

GigaBrain-2：進一步拉滿Scaling Law的加速器；

GigaBrain-3：基於1000萬小時視頻數據+100萬小時世界-動作數據訓練，直接劍指物理AGI的“GPT-3時刻”。

在大模型發展史上，GPT-3的里程碑意義並不在於模型結構本身，而在於它是Scaling Law首次顯現“湧現能力”的臨界點。

當數據規模與算力跨過那個神秘的閾值，物理世界的認知就會從量變產生質變。

物理AGI的“GPT-3時刻”在理論上同構——

當數據規模（1000萬+100萬小時）與算法範式（雙金字塔）在臨界點交匯，物理智能體將展現出真正意義上的通用性。

這不是指在實驗室預設的場景下機械地幹十種家務，而是意味着它能夠“空降”到任何一户真實家庭，能應對所有突發的意外，並在每一次環境反饋中完成自我進化。

過去兩年，行業對於“物理AGI何時到來”的追問，大多得到了“五年內”、“指日可待”等模糊的回應。

極佳視界這次直接掀掉底牌，把宏大命題拆解為兩個確定性的交卷時間：需要什麼樣的體系（雙金字塔），以及什麼時候到達臨界點（12個月）。

這是一個可以被全行業公開檢驗的答案。

物理AI“夢之隊”集結

除了技術，極佳視界更亮眼的莫過於其核心團隊：

創始人兼CEO黃冠，清華大學自動化系創新領軍工程博士。

曾擔任地平線機器人視覺感知技術負責人、鑑智機器人合夥人&算法副總裁，並擁有微軟亞洲研究院、三星中國研究院等頂尖研究機構工作經歷。

他完整經歷了過去十年物理AI的技術和產業發展歷程，多次帶領團隊獲得全球權威AI比賽世界冠軍，併發布多個全球知名AI成果。

聯合創始人兼首席科學家朱政，智源青年學者，發表頂級論文70餘篇，引用近2萬次。

多篇著作影響力巨大，連續4年入選全球前2%頂尖科學家榜單，多次獲得吳文俊自然科學一等獎、最佳學生論文獎、CCF傑出論文獎等榮譽，也是多個頂會領域主席、多項競賽冠軍。

聯合創始人孫韶言，曾擔任阿里雲總監，地平線數據閉環產品線總經理，在物理世界超大規模數據閉環產品和架構方面擁有行業領先的經驗。

他主導了業內首個智能駕駛數據閉環系統的落地，有效提升了數據的處理效率，為智能駕駛技術的發展提供了重要的基礎設施支持。

合夥人兼工程副總裁毛繼明，擁有超過16年的仿真/工程/數據/分佈式架構方向的經驗。

曾擔任百度Apollo仿真和工程負責人，以及曾擔任百度、贏徹等T10級別架構師，主導多個自動駕駛與世界模型核心項目的技術開發與落地。在高質量數據生成、端到端自動駕駛架構設計以及分佈式系統優化領域有着深厚的積累。

可以説，這支團隊完整經歷了CV、自動駕駛、具身基模、世界模型等物理AI過去十年的發展歷程，並在每個階段都做出了行業領先的世界級成果。

當他們聚集在一起，就共同造就了這支始終引領具身世界模型技術演進的“夢之隊”。

資本側給出的反饋同樣明確。

在2026年3月至4月，短短一個月內，極佳視界連續完成兩輪融資，合計金額高達約25億元，一舉躋身國內首個世界模型“百億獨角獸”。

據説，其背後的投資方矩陣，覆蓋國內最具代表性的頂尖產業資本（華為哈勃就是其中之一）、頭部財務機構與重磅國資平台。

三個懸而未決的問題

事實上，極佳視界給出了一套將算法+數據+本體+場景+商業+時間表全棧打通的物理AGI閉環路徑。

往前看，三項全球權威評測冠軍證明了算法架構的優越性；

往下看，“百台進社區”印證了工程化的可靠執行力；

往未來看，三代基礎模型路線圖則給出了明確的航向。

站在當前節點，未來12個月內，至少有三件事值得整個科技界持續追蹤：

第一，百台家庭部署能否真正跑出有效數據閉環。

家庭環境下機器人能持續工作多久、故障率與人工介入頻次、用户偏好如何迴流到模型，這是物理智能領域目前最稀缺的資產積累。

第二，2026年Q3的GigaBrain-1是否能如期發佈，並在能力上對得起“雙金字塔”體系所許諾的範式優勢。

第三，GigaBrain-3是否能在12個月後真正觸達“GPT-3時刻”——

或許這是物理AGI賽道目前最具爭議、也最具兑現價值的判斷。

正如朱政在發佈會尾聲留下的那句話：

物理AGI服務每一個人的時代，會在一户一户真實家庭中逐漸發生。

大幕已經拉開，這個預言會不會變成現實，我們只需要再等12個月。

世界模型機器人極佳視界物理AGI

思邈

觸覺具身來了個夢之隊：天使輪近億2026-05-27

圖靈獎得主領銜，中國大模型第一梯隊集結！2026智源大會，看懂AI下一程2026-05-25

華為具身大腦一號位創業，用認知科學造世界模型，獲億元級融資2026-05-25

未來推理將吃掉70%算力，30%留給訓練丨硅谷投資人張璐@AIGC20262026-05-25

相關閲讀

萬萬沒想到，我居然在機器人大會遇到了這些奇葩物種

平衡車+屏幕，無人貨櫃+輪子，旅行箱+AI，機器人大會的神奇展品

郭一璞2019-08-23

機器人

本週三！機器人與數字化轉型應用解析，線上研討會誠邀你來圍觀

贊奇科技邀請了服務多家企業數字化轉型的實戰團隊來分享他們在項目落地中的具體細節，誠邀你來線上圍觀

明敏2025-04-22

數字化轉型機器人線上研討

波士頓動力CEO：不排斥軍方訂單，就想你粗暴地對待機器狗

乾明2019-12-23

機器人波士頓動力

AI機器人開始卷家務了，深圳創業果然務實

預計今年內完成商業化

克雷西2024-04-26

機器人

機器“血液”登上Nature：一條假魚靠它續航36小時，無需固態電池

能像生物的血液系統一樣，為機器的各個組件傳遞能量。

乾明栗子2019-06-20

機器人

機器人也來玩“踢瓶蓋挑戰”了，你動他就動，靠腦電控制，路人也能玩丨MIT出品

在周杰倫、甄子丹、李冰冰等一大波明星都參與了踢瓶蓋挑戰後，MIT的機器人也加入了。

郭一璞2019-07-17

MIT 機器人