从WorldArena榜首到1500+模型落地：跨维智能证明世界模型不是Demo是生意

AI科技评论获悉，跨维智能近日已完成B轮融资，融资金额10亿元人民币，投后估值超过百亿，成功跻身具身智能独角兽行列，踏入IPO的门槛。

这轮融资的投资方横跨几类资本：国家级母基金、头部国资创投、实体龙头产业资本和地方科创平台。深创投、贵阳数字经济基金是连续两轮下注；前海母基金、蓝思科技、工银资本、恒健资产、诸瑞资本这轮新进入；南山战新投、成都科创投、四川院士基金等老股东继续追加。新老股东一起加码，背后是资本市场对跨维技术路线和落地能力的某种共识。

至于钱往哪花，跨维的答案是几件事：底层世界模型算法迭代、物理引擎升级、数据基础设施建设、人形机器人能力完善，以及真实场景落地——把技术、产品和商业闭环再往前推一步。

百亿估值从来不是凭空出现的。一家成立仅四年的公司凭什么走到这个位置？拆开来看，撑起估值的是：一条被持续验证的技术路线、一个跑通了的商业闭环、一种以终为始的终局战略。

物理AI技术全栈自研，几经行业验证

2021年成立时，跨维智能就把方向定在物理AI与世界模型上，是国内最早一批做物理AI全栈自研的公司。它选的路径是"世界模型 + 物理仿真 + 真机落地"，这条路被它认为是行业终局。值得注意的是，跨维多项核心技术节点的布局进度，排在英伟达、DeepMind等海外巨头之前，而过去几年的行业走势，也一直在验证这条路线。

世界模型，是这条路线的核心，也是当下全球AI头部力量竞逐的方向。英伟达、谷歌等公司持续围绕物理AI、机器人仿真、环境推演、合成数据生成和世界基础模型进行前沿布局，把人工智能从语言理解、视觉识别，进一步推向物理世界建模、动作因果预测和智能体交互决策。对具身智能产业而言，世界模型早已不只是"生成未来画面"的视觉模型，而是支撑机器人训练、评估、规划与泛化的关键技术底座。跨维选这条道，等于把自己摆到了和全球头部同台竞技的位置。

一个近期的注脚，来自全球具身世界模型权威评测WorldArena的最新公开榜单，跨维智能自研的通用具身世界模型DexWorldModel，在Track 2赛道拿下全球第一名，这个成绩意味着什么？

WorldArena云集全球顶尖团队参赛，侧重世界模型的推理能力，核心考验机器人对真实环境结构、物理规律、动态变化的理解与预判能力，被视为验证机器人"是否真的理解真实世界"的标尺。

榜单分两条赛道。Track 1（Perception）聚焦视频综合质量，考核视觉效果、动态表现、内容一致性与物理遵循性，侧重感知预测、物理逻辑及动态场景理解——此前智元机器人曾在该赛道取得领先成绩，体现出国内具身智能企业在视频生成技术上的持续突破。Track 2（Functionality）则聚焦具身任务的功能性，考验世界模型作为数据合成引擎、策略评估与行动规划载体，对机器人训练、评估及执行的支撑能力。这条赛道业内公认为"实战"门槛最高、含金量也最高，是评判技术落地价值的核心硬指标。

拿下榜首，证明跨维不仅具备领先的世界模型环境推演能力，更拥有把推演结果转化为机器人训练资产的工程化能力——在具身数据生成、仿真训练闭环构建、策略模型赋能、虚实迁移落地几个方向上，综合技术实力都过了硬指标。

而这份成绩的背后，是 DexWorldModel 从底层就与众不同的技术路线。它围绕三维物理世界的真实运行规律建模，具备隐空间动态建模能力，可实现统一坐标系对齐、时空表征精准匹配，彻底解决传统视觉方案空间感知不准、物理建模缺失、无法适配实操任务等行业痛点，真正让AI精准理解物理空间、动力学逻辑与真实作业规则，支撑机器人完成分拣、装配、双臂复合操作等实操任务，推动世界模型从 “可视化演示” 正式迈入 “可落地作业” 的产业阶段。

在夯实世界模型核心能力的同时，跨维智能同样将数据基建视为物理 AI 规模化落地的核心根基。

2026年1月，跨维还开源了基于生成式仿真世界模型的具身智能工具链EmbodiChain，这是业内首个能够自动训练VLA模型并实现真机部署的工具链，无需依赖真实数据即可完成零样本虚实迁移。将具身智能数据生产从“人工小作坊模式”推向了“工业化量产阶段”。

仅四个月后，跨维又创新性提出Dexterity-BEV。该技术将视觉输入、机器人本体状态与目标动作指令三者对齐至统一空间参考系，首次为机器人多源异构数据搭建起可规模化训练的标准空间底座，从根源上破解了行业长期存在的数据标准分散、动作技能难以迁移、作业经验无法跨本体复用的核心痛点，大幅提升数据利用效率与模型跨场景泛化能力。

从顶层终局路线的笃定选择，到核心世界模型的全球领跑，再到底层数据基建的体系化突破，跨维智能构建起 “模型 - 仿真 - 数据 - 落地” 全链路自主可控的技术体系，也让 “全栈自研” 从战略口号落地为可被行业反复验证的硬核实力。

场景边界内泛化，Physical Token 经济学跑通商业化闭环

跨维智能对通用具身智能有一个第一性原理式的判断：它的本质是"场景边界内泛化"。做法是先把场景边界定义清楚，让数据、模型、训练范式去适配产品级作业标准，在每个场景里做到高精度、高可靠的通用能力，再靠逐个场景的技术突破去拓宽能力边界，一点点向终极的Physical AGI演进。

支撑这套打法的，是跨维自研的四个底层基座：DexVerse™物理引擎、DexAgent通用具身智能体、DexSense空间感知终端、DexBrain智能算法大脑，软硬件一体化，托住全场景落地。

目前，跨维智能已经落地50多个应用场景，迭代沉淀了1500余个成熟具身模型，覆盖汽车零部件、新能源、3C电子、航空航天、物流、家电、化工、医疗、教育等细分领域，服务多家行业头部客户，可成熟应用于柔性分拣、柔性插拔装配、商业零售、文旅服务等场景。在国内具身智能的规模化商业落地里，它走在了前面。

跨维智能还首次提出了一个"Physical Token经济学"的理念，试图重新定义物理AI的产业逻辑。简单说，就是从数据采集、模型训练、推理部署、硬件本体到场景运维的全链路，把成本和效率都把控住，聚焦单数据、单动作、单推理的投入产出比，追求每一项技术能力和每一次机器人作业的最高商业回报率，让技术创新和商业价值对得上。

"我们追求的核心目标，是实现the highest ROI per physical token——让物理世界里的每一组数据、每一次动作、每一轮推理，都能高效转化为真实的商业价值。"跨维智能创始人贾奎教授说，"跨维始终扎根底层数据与模型，打造可泛化、可部署、可商业化的物理AI能力，在工业、商业以及逐渐成熟的康养家庭场景中持续验证并跑通价值闭环。"

技术能落地、商业闭环跑通，是这轮资本加码跨维的核心逻辑。多年下来，跨维智能已经形成"技术迭代—产品落地—客户付费—数据反哺"的正向循环，成为行业里少数实现超亿级营收、规模化真实作业机器人出货的企业。值得留意的是，这轮战略入局的蓝思科技，会和跨维开展深度产业协同，聚焦工业智造核心场景，加速物理AI在实体制造业的规模化商用。

一步一个脚印，目标是物理AGI终局

赛道很热，跨维智能却一直保持着战略定力。它把使命定在"迈向通用物理世界智能"，走的是"沿途下蛋、分步落地"的稳健路径，一点点构筑行业壁垒。本轮融资带来的资金和产业资源，会被用来继续筑牢技术、量产、商业化三大核心壁垒，推进物理AGI的产业落地，用自研技术把物理智能推向千行百业。