作者｜黄楠
编辑｜袁斯来
硬氪获悉，专注具身智能世界模型研发的科技企业「千诀科技」近日完成数亿元A轮融资。本轮融资由京铭资本领投，山东新动能、山东财金资本、元禾厚望、芯能创投、南创投、英诺天使基金、尚势资本、仁爱集团、玄素投资等多家机构联合参投，投资方覆盖国家级产业基金、地方引导基金、市场化头部VC/PE及资深家族办公室。Maple Pledge枫承资本持续担任公司长期私募股权融资顾问。
本轮资金将重点投入自研世界模型的底层架构设计、核心算法持续优化及多场景商业化落地验证；同步加速扩充高水平算法研发与工程交付团队，强化从模型训练到终端部署的全链路产品化能力。
千诀科技成立于2023年6月，核心创始团队源自清华大学类脑计算研究中心，长期深耕具身智能领域的决策推理与规划大模型技术攻关与产业化实践，致力于突破传统机器人任务执行的静态预设局限，推动机器人具备对动态环境的自主感知、理解与闭环作业能力。
当前，“世界模型”正成为具身智能迈向通用人工智能的关键跃迁路径，也是AI真正融入物理世界的底层基础设施。卷积神经网络奠基人Yann LeCun（杨立昆）率先系统提出世界模型理论框架，其创立的AMI团队持续聚焦抽象表征空间建模、物理规律建模与未来状态预测等方向，为行业构建了重要的方法论基础。
从因果推演到空间认知，从高保真物理仿真到生成式时序建模，围绕不同技术路线与理论根基的研究正多线并进。这是一条尚未收敛、边界仍在快速延展的前沿赛道。所有探索者都在试图回答一个根本性命题：如何让机器不仅看见世界，更能理解世界、预判世界、适应世界。
在主流生成式范式中，典型路径是通过像素级重建来预测下一帧图像。但千诀科技CTO章天任向硬氪坦言，该路径存在一个常被忽略却影响深远的问题——特征污染。
“真实物理场景的图像信息维度极高，包含大量与任务无关的冗余信号，例如光照变化、材质纹理、背景干扰等。”章天任解释道，“为追求像素级重构精度，模型被迫将有效语义特征与噪声信息强耦合压缩，导致内部表征失焦——它确实能从海量数据中提取泛化性特征，但这些特征中混杂了大量非物理本质的干扰项。”
这种污染直接削弱模型对物理规律的建模能力。世界模型的本质目标，是让AI学会符合自然法则的状态演化预测，而非仅拟合视觉表象。一旦特征被污染，模型便难以剥离出稳定的因果结构与物理不变量，泛化性与鲁棒性随之受限。
“人类观察图像时，并不会平等地关注每个像素，而是本能聚焦于与当前任务强相关的区域。”章天任指出，“而生成式模型更接近‘复刻表象’，离真正的‘理解世界’仍有距离。”
针对生成式路线在特征解耦上的天然瓶颈，预测式世界模型提供了一条更具物理一致性的替代路径：其核心逻辑并非还原画面细节，而是建模物理状态在低维抽象空间中的演化轨迹。
千诀科技CEO高海川以运动场景为例说明二者差异：“人在击球时，大脑不会逐帧渲染球体高清影像，而是基于经验与直觉，直接预判其运动轨迹与落点。这种预测不依赖像素，只依赖对重力、摩擦、碰撞等物理规律的内化建模。人类不可能靠想象完整画面去打球——既来不及，也不稳定。”
这一原理同样适用于具身智能。机器人执行任务所需的核心能力，并非“未来画面长什么样”的视觉幻想，而是“下一状态应如何演化”的精准预判。预测式模型的输出不是视频帧序列，而是可直接映射为动作指令或路径规划的低维状态向量，从而规避像素重建带来的算力开销与特征污染双重桎梏。
在此基础上，千诀科技进一步提出分布式预测架构。该架构借鉴人脑功能分区机制：不同模块各司其职，高连接度区域内部协同紧密，跨区域间则保持相对解耦与独立演化。
相较传统“全量融合压缩”范式，分布式架构先对输入信息进行语义解耦与区域划分，再分域进行特征压缩与状态预测，显著提升样本利用效率与推理响应速度。“同样一项新任务，若从零开始学习可能需要1000组‘状态-动作’样本；而借助高质量抽象表征，100组即可达成相近效果，大幅降低机器人在陌生环境中所需的示教成本。”章天任表示。
该架构使模型得以在抽象表征空间中学习物理状态的真实演化规律，而非停留在像素级时序关联层面，从而更高效支撑下游的实时规划与闭环控制。当面对全新作业环境时，机器人能更快建立“因—果”映射关系，这对真实复杂场景的规模化落地尤为关键。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
搭载千诀世界模型的机器人在餐厅打工（图源/企业）
在应用架构上，千诀科技采用“具身大脑”与“具身小脑”解耦设计：世界模型作为统一的感知-预测-规划中枢，不绑定具体执行器形态，仅需共享统一感知模态（如RGB-D、IMU、激光雷达等），即可将环境动态变化作为统一数据源进行联合建模。这意味着同一套“大脑”可快速适配至不同本体平台，显著降低跨硬件迁移门槛，并加速真实场景下的数据飞轮闭环。
据硬氪了解，千诀科技自研具身大脑已完成轮式移动底盘、四足机器人、双足人形、无人机及清扫机器人等多类硬件平台的兼容适配，已在酒店保洁、商用服务接待、精密室内巡检等实际业务场景中规模化落地，当前接入终端设备规模达十万台。依托海量终端持续回传的真实交互数据，模型将持续获得闭环反馈与迭代驱动力。
搭载千诀世界模型的机器人在咖啡店自主配送（图源/企业）
以下为硬氪与千诀科技CEO高海川、CTO章天任的访谈实录节选（经适当精简与润色）：
硬氪：在开环预测设定下，世界模型的误差会随推理步长呈指数级累积。千诀的预测式架构如何缓解该问题？具身系统中的闭环反馈机制，在抑制误差放大方面能发挥多大作用？
章天任：这个问题需分三层来看。
第一层是反馈机制的本质差异。视频生成属于纯开环任务，一次性输出数十甚至上百帧，中间无任何外部校验，误差极易雪球式放大。而具身任务天然具备闭环属性——我们不会让机器人一次性规划1000步再执行，而是采取“短步预测+即时执行+状态观测+动态修正”的滚动式策略：先预测50步、执行动作、接收新环境状态、再更新后续预测。这种“做—看—调”的循环，正是具身智能区别于纯视觉生成的根本所在，也是误差抑制的第一道防线。
第二层是记忆模块的设计取舍。千诀已在部分平台部署Memory模块，但暂未与视觉感知中心深度耦合。原因在于：闭环反馈本身已构成强约束，多数现实任务中，显式长时记忆并非刚需。
第三层是“步”的定义粒度。千诀模型支持多尺度预测，“一步”可对应单个底层控制指令，也可映射为完整语义动作（如连续50个控制周期）。预测步长越粗、语义层级越高，误差累积的概率与幅度就越小。
总体而言，我们认为世界模型当前最大的能力天花板，存在于完全开环的超长程规划场景——比如机器人尚未启动，就要预先规划未来数百步全部动作。但这类需求在真实工业或服务场景中极为罕见。更自然、更可行的路径，始终是“边做边学、边走边看”，随时响应环境变化。
硬氪：千诀目前已实现十万级终端的规模化部署。在真实客户场景中，有哪些反馈超出早期预期？这些一线洞察又如何反向驱动产品与模型的迭代？
高海川：目前十万台设备均处于真实业务流中运行，客户将其作为生产工具而非实验样机使用，因此反馈高度贴近真实需求，模型训练与落地之间几乎不存在“real-to-real gap”。
搭载千诀世界模型的机器人自主清洁桌面（图源/企业）
市场反馈中有两点显著超出我们初期判断：
一是用户对响应延迟的敏感度远超想象。不同场景对时延容忍阈值差异极大。生成式模型普遍4秒级响应，在机器人交互中基本不可用。即便千诀预测式模型可在0.5秒内完成端侧推理，但叠加云端传输后整体延迟约1秒，客户仍频繁反馈“卡顿感”。而当我们进一步将端到端延迟压缩0.5秒，用户体验即出现质变——这种毫秒级优化带来的满意度提升，有时比模型能力升级更直接、更显著。
二是“主动性”正成为智能体价值跃迁的核心标尺。客户不再满足于机器人被动响应指令，而是期待其具备“眼里有活”的类人意识：主动识别异常、自主触发任务、预判潜在需求。例如在酒店场景中，机器人无需人工指派，即可自动识别地面污渍并启动清洁流程。这种从“执行工具”到“协作成员”的角色转变，正在重塑用户对智能化的真实定义，也成为千诀产品差异化竞争的关键支点。
