不做本体、只做大脑：千诀把世界模型的落地基地放进了扬州，条件是年处理 10 亿条数据的产线
一个「不做机器人、只做机器人大脑」的公司，落地时带走的是三样东西：年处理 10 亿条数据的产线、50 多款机器人的调试交付、以及一个对外开放的体验中心。地方政府买到的不是工厂，是这个产业的训练环节。
- 技术发布：10 月 20 日南京首届 2026 物理 AI 与世界模型大会上，清华系具身智能公司千诀科技正式发布预测式世界模型 Polibrain，创始人兼 CEO 高海川在开幕式演讲中发布。
- 核心取舍：Polibrain 不生成未来的每一帧画面，而是学习环境状态、历史与动作结果之间的关系，预测任务相关状态在隐空间中的变化——官方的类比是「先画地图，再由地图推路线」，而不是把所有路都走一遍。
- 跨本体：采用松耦合架构，把「对环境和任务的共用表征」与「各机器人自己的执行」分离；官方称已在四足、人形、轮式、双臂等形态适配，已适配 7 大类 50 余款机器人子品牌。
- 窗口内新增量：10 月 22 日报道披露，千诀与扬州生态科技新城管委会在大会现场签约，世界模型与机器人大脑长三角基地落户扬州数据产业园；从精准拜访到落地不到 2 个月。
- 基地内容：打造年处理 10 亿条数据的产线；作为交付中心承担 50 多款机器人的部署调试，在扬州测试后发货；另建世界模型展示与体验中心。扬州团队现有 40 余名员工。
- 判断：这家公司卖的是「不造硬件」这一层，而地方政府愿意为此给出场地与基金，说明产业招商的重心正在从「整机产能」往「训练与数据环节」移。
大多数世界模型的演示是「生成接下来几秒的画面」。千诀在发布中明确表示，Polibrain 不追求把未来的每一帧画面完整生成出来，而是聚焦于任务相关的关键信息。
官方举的例子是捡垃圾：对机器人来说，地面的颜色没有物体在哪、机械臂与目标的相对关系、抓取动作会如何改变目标状态来得重要。这三样才是「任务相关状态」。
帧生成式世界模型：预测场景「看起来会变成什么样」。算力开销大，且大量算力被花在与任务无关的细节上——纹理、光照、背景。
状态预测式世界模型：预测「任务相关的状态会怎么变」。省掉了画面重建，代价是无法直接输出可视化结果，也不好做直观演示。
高海川在演讲中的类比是：有了地图，可以推导出最短路径；但有了路径，并不能反过来推导出一张地图。这里的「地图」是对物理世界及其变化规律的抽象理解；前者（地图→路径）对应世界模型的预测与规划方法，后者（遍历路径）被他用来类比当前的 VLA 路线。
判断：这个取舍在技术上很聪明，在商业上却有代价——不生成画面，就没有那种一眼看懂的演示视频。千诀的官方 demo 只能拍一段四足机器人带机械臂和收集篮在户外捡垃圾的实景。对需要融资叙事的公司来说，这其实是个劣势：投资人看不懂「隐空间里的状态变化」。这也是为什么这篇要写它——技术上的正确选择，未必是传播上的正确选择。
官方描述的技术链路是：感知、状态理解、动作预测、任务决策、执行、反馈被连成一个闭环。关键在最后一段——当结果与预测不符时，例如一次抓取失败，模型会从新的状态重新评估任务并调整后续步骤。
Pandaily 的英文报道补充了一个技术细节：千诀称其 key-feature decoding（关键特征解码）可以追踪预期状态与实际状态之间的差距，用于定位故障和恢复。
官方的另一条技术主张是时间线：2025 年千诀联合清华大学团队在 ICML 发表《When Do Neural Networks Learn World Models?》，研究神经网络在什么条件下能从观测数据中恢复隐藏的世界结构；从公开发表时间看，比 LeCun 团队 2026 年 5 月的相近论文早约一年。
千诀的定位是不造机器人本体，只为不同形态的机器人提供智能能力。支撑这一定位的是其「松耦合世界模型架构」：把面向环境与任务的共用表征，与具体机器人的动作执行能力相对分离。
按这个设计，对世界的理解可以共享，怎么执行则由不同机器人根据自身能力决定——人形、轮式、四足甚至专用设备，理论上可以共用同一套「大脑」。
官方称已在陪伴服务、餐饮服务、物品整理及精细操作等场景开展适配，具身大脑已适配7 大类 50 余款机器人子品牌。演示视频中是一台带机械臂和收集篮的四足机器人在户外捡垃圾。
| 维度 | 官方口径 | 本稿标注 |
|---|---|---|
| 适配形态 | 四足、人形、轮式、单臂、双臂 | 各形态适配深度未披露 |
| 适配机型 | 7 大类 50 余款机器人子品牌 | 企业口径，未见机型清单 |
| 融合数据 | 希望让不同形态的数据喂同一个模型 | 官方称仍受厂商间数据壁垒限制 |
| 复杂场景可靠性 | 「仍需更充分的真机测试」 | 企业自述，见 Pandaily 2026-10-22 |
| 估值 / 融资 | 约 70 亿元 / 9 轮 / 近期数亿元 A+ 轮 | 地方报道转述，单一信源 |
判断：「50 余款机型」这个数字要反过来读。适配机型越多，说明这套大脑的通用性被验证得越广；但同时也意味着没有一款是被深度优化的。真正难的是另一件事——千诀自己承认，跨本体数据共享仍受机器人厂商之间的数据壁垒限制，它的应对方式是服务多家厂商。这个应对是被动的，不是解法。
窗口内最实在的新增信息在这里。10 月 22 日报道披露，千诀科技在大会现场与扬州生态科技新城管委会签约，世界模型与机器人大脑长三角基地正式落户扬州数据产业园。千诀科技（扬州）有限公司为北京千诀科技全资子公司，目前有 40 余名员工，除总部带来的管理团队外更多来自本地招聘。
基地三大板块都有明确数字：
高海川对选址理由的解释是三件事：丰富的应用场景、高度集中的客户群、人才的集聚。他特别提到，作为物理 AI 供应商需要在物理场景中测试打磨模型，而扬州在工业、养老、酒店、餐饮等领域有多元场景积累；客户集中在长三角，把扬州作为交付支点能降低综合交付成本。新城方面则为该项目对接扬州大学、扬州职业技术大学、南京邮电大学通达学院，推动共建实训基地。
判断：把这三块放一起看，扬州买的其实是一个产业训练环节：数据工厂是原料，交付支点是出货口，体验中心是获客前台。这类项目的价值不在产值，在于它把一个城市塞进了具身智能的数据链路里——一旦数据产线建成，本地采集、本地标注、本地训练的人力需求会跟着长出来。这也是为什么「不到 2 个月」这个效率数字被反复强调：地方之间抢的就是这个环节。
最后提醒边界：估值、融资轮次与市占率排名均出自地方报道转述，未获独立信源确认；企业自述的「复杂场景可靠性仍需更充分真机测试」是这一次发布里最诚实的一句，建议在看到第三方实测前，把所有适配数字都当作适配意向而非适配结果来读。