作者｜桦林舞王

编辑｜ 靖宇

今年的「机器人春晚」的余震，依然在舆论空间回响。在春晚舞台上积极亮相的机器人产品，多少让人误以为它们可能即将在一夜之间，进入千家万户。

和春晚一样火热的，是投资人对于「具身智能」这个风口的狂热。

根据彭博最新消息， 「AI 教母」李飞飞的 World Labs 刚刚拿到了 10 亿美元融资 ，投资者包括 Autodesk、英伟达等一系列巨头。

这波巨额融资，明示巨头押注「具身智能」和「世界模型」的决心。

 

01

从 10 亿到 50 亿，「AI 教母」估值狂飙

 

时间倒回到 2024 年，World Labs 刚刚完成 2.3 亿美元融资，估值 10 亿美元。当时外界对这家公司的认知还停留在「李飞飞的新创业项目」层面。

短短一年半时间，估值飙升 5 倍。这种增长速度即使在 AI 领域也极其罕见。更值得关注的是投资方阵容： Autodesk 砸下 2 亿美元，Nvidia、AMD、a16z、Fidelity 等巨头纷纷入局 。

「这不是基于『AI 教母』个人光环的投资，而是资本对 World Labs 及其世界模型方向的重新定价。」一位接近交易的投资人透露。

估值狂飙的背后，是 World Labs 产品化进展的加速。

World API 界面｜图片来源：World Labs

今年 1 月，公司正式推出「World API」，为开发者和机器人公司提供大型世界模型的 API 接入。业内人士称之为 「3D 空间推理的 GPT-2 时刻」——一个标志性的产品化节点 。

更关键的是，World Labs 找到了明确的商业化路径。

Autodesk 首席科学家透露，两家公司将在专业创意工具层面深度整合：「客户可能先用 World Labs 的世界模型构建办公室布局草图，然后在 Autodesk 技术中钻研桌子设计等具体细节。」

这种 B2B 合作模式让投资人看到了清晰的变现前景。

不同于 OpenAI 面向 C 端用户的策略， World Labs 选择了更加务实的企业服务路线 。

 

02

世界模型的「GPT 时刻」来了吗？

 

如果说 ChatGPT 开启了大语言模型的「iPhone 时刻」，那么世界模型何时迎来自己的高光时刻？

从技术角度看，世界模型已经具备了突破的基础条件。

World Labs 的核心产品 Marble 能够从图像、视频或文本创建空间一致、高保真的 3D 世界，并且支持 USD 等标准 3D 格式输出。 这意味着生成的内容可以直接导入游戏引擎、设计软件，而不是像其他视频生成模型那样只能输出「黑盒」结果 。

World Labs 的 Marble Labs 中可以创建空间｜图片来源：World Labs

Nvidia CEO 黄仁勋的判断更加直接：「世界基础模型对物理 AI，就像大语言模型对生成 AI 那样基础。」这个类比暗示，世界模型可能成为下一代 AI 应用的底层操作系统。

但理想与现实之间依然存在鸿沟。李飞飞多次强调，数据与评测是具身智能 scaling 的根本约束。与大语言模型可以用海量文本数据训练不同，世界模型需要的是， 高质量的 3D 空间数据和物理交互数据，这些数据的获取成本和标注难度都要高出几个数量级 。

World Labs 与光轮智能等公司的合作，正是为了解决「规模化评测」这个关键瓶颈。如何构建一个可靠的仿真环境来评测机器人的空间智能水平，这个问题比生成漂亮的 3D 场景要困难得多。

 

03

13 亿美元涌入，世界模型赛道火热

 

World Labs 的 10 亿美元融资并非孤例。2026 年初至今，已有超过 13 亿美元融资流向世界模型初创企业。

这场竞赛的主要玩家包括：AMI Labs（由 Yann LeCun 创立，寻求 30 亿欧元估值）、World Labs（李飞飞创立，50 亿美元估值）、以及 Google DeepMind 的 Genie 3 项目。每一家都代表着不同的技术路线和商业化思路。

资本的疯狂涌入反映了一个共识：AI 正在进入新的发展阶段。 如果说过去几年是「语言智能」的天下，那么未来的竞争焦点将转向「空间智能」和「 具身智能 」 。

Google 前阵推出的 Genie 3 能做出直接操作的 3D 空间，让 Unity 等引擎公司股价暴跌｜图片来源：Google

但也有分析师提出警告：「从 10 亿美元到 50 亿美元估值的增长，反映了投资者对前沿 AI 交易的激烈竞争，也突出了 AI 领域估值变化有多快——即使公司还没有大规模商业化产品。」

这种估值泡沫的担忧并非空穴来风。

World Labs 目前的主要产品还处于 API 阶段，距离大规模商业化应用仍有距离。关键问题是：投资者想看 World Labs 如何将科学雄心转化为清晰的商业采用。

 

04

从实验室到产业，路还有多远？

 

尽管融资金额创下纪录，但 World Labs 面临的挑战依然严峻。

技术上的挑战。世界模型要真正应用于机器人和自动驾驶， 不仅要生成视觉逼真的场景，更要保证物理规律的准确性 。一个轻微的物理建模错误，在真实世界中可能导致机器人撞墙或自动驾驶事故。

成本也是难题。训练世界模型需要海量算力和数据， Nvidia Cosmos 已经用 9000 万亿个 tokens 从 2000 万小时真实世界数据中训练，这样的成本投入只有少数巨头能够承担 。World Labs 如何在成本控制和性能提升之间找到平衡点？

生态挑战可能是最大的挑战。与大语言模型有丰富的下游应用不同，世界模型的生态还处于起步阶段。开发者需要时间学习新的 API 接口，企业客户需要时间验证 ROI，这个过程可能比预期更长。

不过，Autodesk 2 亿美元的投资释放了一个积极信号—— 至少在专业设计领域，世界模型已经找到了愿意买单的客户 。这可能成为 World Labs 商业化的重要突破口。

说到底，这场 10 亿美元融资背后的真正赌注，不是李飞飞的个人声誉，而是整个 AI 产业向物理世界拓展的历史趋势。无论 World Labs 能否兑现 50 亿美元的估值期望，世界模型这个方向本身已经不可逆转。

当 AI 开始理解空间、模拟物理、预测未来，我们离真正的「人工通用智能」也就更近了一步。

只是这一步，可能比想象中更昂贵，也更漫长。