解决了具身智能的数据难题，让机器人高效干活。
如果把过去三年中国最拥挤的创业赛道列一张清单，「具身智能」一定排在前面。
但在 2021 年，「具身智能」这个概念还远未进入大众视野，而跨维智能，正是在那个时间点成立的。
一直以来，跨维智能创始人、同时也是香港中文大学（深圳）终身教授、全球 Top 2% 顶尖科学家的贾奎和团队认为，从第一性原理出发，AI 要想真正融入物理世界，就必须学会理解三维空间与牛顿力学。
然而，相关的数据哪里找？
在整个行业还在为真实数据采集的成本与效率焦头烂额时，跨维智能给出了自己的解决方案。他们打造了名为 DexVerse™ 的具身智能引擎、与 GS-World 生成式仿真世界模型，通过让机器人在虚拟世界中「做梦」，通过 100% 生成式仿真数据，来训练出能在现实世界稳定、精准、高效完成任务的「大脑」。
贾奎回忆，在最初的两年，没有风口、没有政策红利，团队只能带着原型机拜访工厂，靠一次次 POC、一次次证明价值，说服客户共创。「没有什么捷径，就是拿真实价值去换订单。」
这是一条少有人走的路。然而，正是这份对底层技术的笃信，让他们构建了一套独特的「世界模型」技术范式，并最终实现了从「拿着锤子找钉子」的科学家创业，到年营收破亿，客户遍及中车、广汽、美的、海尔、海信等头部制造企业。
如今，随着技术成熟和行业认知变化，客户开始主动找上门来，业务进入快速增长期。但在他看来，真正重要的不是营收数字，而是：具身智能，第一次在现实世界中，形成了可复制的生产力。「如果技术不能穿过商业这道窄门，那它永远只是实验室里的想象。」
前不久，跨维智能又开源了 GS-World 的核心基建 EmbodiChain——相当于一条永不停歇的「在线数据流和模型生产线」，来推动生成式仿真成为行业标准。
跨维智能的世界模型任务示例
借此契机，我们与贾奎聊了聊跨维智能的技术路径和商业逻辑。不难得出，从 2016 年埋首于三维物理 AI 的研究，到 2021 年在「非共识」中创业，再到今天成为具身智能赛道一股不可忽视的力量，跨维智能的故事，是一个关于长期主义和「第一性原理」的样本。
让机器人「做梦」，解决数据困境
在大模型浪潮之后，行业很快意识到：具身智能需要 scaling law；而 scaling law 的前提，是数据。
和大语言模型不同，具身智能需要的不是文本数据，而是三维物理世界的多模态数据——视觉数据、力感知数据、机器人动作数据、电机信号数据。这些数据，在互联网上根本找不到。
早期，行业的主流思路是真机采集：用遥操作的方式，让人类控制机器人完成动作，记录数据。但这条路，逐渐被证明困难重重。
「真机采集的成本太高，而且效率极低。」贾奎直言，这种方式根本无法启动具身智能的规模化定律。行业不可能为了训练一个机器人拧螺丝的模型，就搭建无数条产线；也不可能为了让机器人适应不同的场景，就采集所有可能的数据。
跨维智能提出的解决方案是——GS-World 生成式仿真世界模型。简单来说，就是让机器人在虚拟世界「做梦」，在现实世界干活。
空间与具身智能视觉套件应用在空调卤检环节
这个方案的核心逻辑，源于一个科学的第一性原理：具身智能的本质，是让机器学习物理世界的运行规律。而 GS-World，就是一个严格符合牛顿物理体系的虚拟世界，区别于只注重渲染表真层面的世界模型，跨维智能世界模型更加注重其内部的物理规律。
简单来说，在这个虚拟世界里，跨维智能可以生成各种各样的三维场景、零件和任务。一条真实的种子数据，投放到 GS-World 中，就能自动生成上万条不同场景、不同工况的数据。这些数据覆盖了零件的不同摆放位置、不同的光照条件、不同的操作力度，能让机器人模型学到足够的鲁棒性。
更关键的是，用 GS-World 训练出来的模型，不需要真机数据做微调，就能直接在现实中应用。「全行业只有我们，能做到 100% 用仿真数据训练模型，真机成功率达到产品级要求。」贾奎表示。
这种技术范式，不仅解决了数据的痛点，还大大降低了成本。据透露，基于 A100 八卡的服务器，几个小时就能生成上万条数据。相比真机采集，效率提升了不止一个量级。
在工厂的实际应用中，这种技术的优势体现得淋漓尽致。比如，跨维智能的机器人能在户外完成分拣任务，这在过去是完全无法想象的；它还能实现多物料的柔性分拣，适应不同的生产需求。
「仿真才是具身智能的终极路线。」贾奎坚定地说，真机采集本质上是在浪费社会资源。而 GS-World 的出现，让具身智能的发展，从靠人力堆数据，转向了靠算力生成数据。
数据平权后，具身智能机器人的未来
2024 年底，跨维智能推出了自己的人形机器人产品 DexForceW1；截止到 2025 年底，这款产品批量出货超过百台，正式切入商业服务赛道。
据介绍，跨维智能的业务版图，清晰地分为两大板块：智能制造和商业服务。智能制造板块，核心是卖「大脑」——PickWiz 智能制造软件，结合 XEMA、KINGFISHER 等视觉传感器，适配市面上主流的工业机器人，在智能制造场景进行手眼脑协同操作。商业服务板块，则是跨维的第二增长曲线，核心是软硬一体的人形机器人，应用在咖啡售卖、商超零售、文旅导览等场景。
机器人商超店员
「我们的人形机器人，不是凭空造出来的。」贾奎解释道，它的核心还是跨维的具身智能大脑，只是换了一个人形的本体。而选择人形本体，是因为商业服务场景更需要通用的形态——人能到的地方，人形机器人就能到。
对于跨维智能来说，从工业到商业的扩张，靠的不是形态的变化，而是技术范式的胜利。
GS-World 的技术，不仅能支撑工业场景的复杂任务，也能快速适配商业场景的需求。比如，训练一个机器人卖咖啡的模型，不需要搭建真实的咖啡店场景，只需要在 GS-World 中生成相关数据，就能快速完成训练。
这种技术的通用性，让跨维智能可以在短时间内，切入不同的场景。而这，恰恰是真机采集路线无法做到的。
当被问及「数据平权后，具身智能企业的壁垒是什么」时，贾奎给出了一个清晰的答案：范式的胜利，以及产品化和商业化的能力。
「未来，数据不会再是壁垒。」贾奎说，行业发展的趋势，是数据平权。而真正能区分企业优劣的，是三个方面：
一是是否站在正确的技术范式上；二是能否找到自己的价值定位，做好产品和服务；三是能否整合供应链，形成自己的品牌和影响力。
在贾奎的眼中，具身智能的终极目标，是成为物理世界的通用智能。而这个目标的实现，需要行业共同努力。为此，跨维智能选择开源自己的工具链，推动行业的发展。
「具身智能机器人是终极的智能终端，它能带动整个生态、产业链和供应链的发展。」贾奎说，这个赛道足够大，容得下更多的企业。他预测，一旦具身智能的数据问题得到解决，这个赛道头部公司的价值，将是大模型公司的至少 10 倍。
2026 年，可能就是这场远比大模型更深刻的生产力革命的元年。
