收购SceniX之后，李飞飞用一套引擎彻底打响物理AI新战役

©潮涌AI编辑部

“大自然用了5亿年才解决空间智能这个超级难题。”李飞飞在多个场合曾发表过类似言论。

而现在，她的“空间智能”之梦正在一步步靠近。

转折点就在于七月中下旬“SceniX加入World Labs”这一消息的公布。

消息发布一个星期之后，李飞飞旗下World Labs发布了一篇技术博客，标题直白得不像一家估值50亿美元的独角兽：《Building Worlds That Train Robots》（建造训练机器人的世界）。

文中披露了一套名为R2S2R（Real-to-sim-to-real，真实到仿真再到真实）的引擎，核心卖点是：机器人可以在零真实世界训练数据的情况下，学会复杂操作任务，然后在真实硬件上持续运行一小时不出错。

7月29日，李飞飞在X上分享R2S2R引擎的早期成果（图源：X）

显而易见，关于SceniX，这不是一次普通的收购。

从2024年创立World Labs到2026年7月，李飞飞用两年多的时间完成了一次战略转向：从“让AI生成3D世界”到“让AI在物理世界里行动”。

SceniX是这家公司的第一块机器人拼图。

从一条推文到一个引擎

李飞飞这条推文只附了一段概念短片，真正的“硬货”是紧随其后的技术博客《Building Worlds That Train Robots》——它堪称一份“图鉴式”的技术宣言。博客中嵌入了大量并排的“真实-仿真”对比视频，直观展示了R2S2R引擎的核心能力。

图例一：双臂装箱的仿真与现实对齐

在名为“Bimanual box packing”的演示中，画面左侧是真实ALOHA机器人，右侧是与之一一对应的仿真环境。两个画面中的机器人执行完全相同的动作序列：双臂协作将一个盒子装入另一个盒子。仿真中的物体重力、接触力反馈、盒子形变与真实世界中的物理表现高度一致。World Labs强调，这不是后期逐帧对齐出来的“摆拍”，而是开环（open-loop）执行——同一组指令，两边同时跑，结果几乎一样。

Bimanual box packing：真实与仿真开环执行同一动作序列（左：真实ALOHA机器人；右：仿真环境）（图源：World Labs官方博客）

图例二：让电缆不再“像面条一样软”

机器人操作电缆是行业公认的硬骨头。电缆会弯、会扭、会卡在缝隙里，传统仿真很难模拟这种弹塑性形变。R2S2R引擎展示了三个层级的电缆操作：

• YAM机器人插拔电缆：视频展示了电缆在持续接触中的滑动、走线和插拔动作。仿真中的电缆形变轨迹与真实机器人手中的电缆几乎同步。

• ALOHA弹性电缆插入：一根弹性电缆被捏起、对准、插入小孔，全程伴随形变和持续接触。仿真画面中的电缆回弹幅度、摩擦阻力与真实环境匹配。

• RB-Y1双手机器人绕冰箱布线：更复杂的双手机器人协作场景，一根可变形电缆被绕过冰箱边缘进行布线。这是工业装配和家庭服务机器人中的典型任务。

这些视频的核心信息是：R2S2R不仅能模拟刚体，还能处理弹塑性体、铰接物、可变形物——这正是SceniX团队的技术长板。

YAM机器人电缆操作的真实-仿真对比：电缆形变轨迹高度同步（左：真实；右：仿真）（图源：World Labs官方博客）

图例三：零真实数据训练的迁移

最具冲击力的一组图例是“Sim-to-Real”迁移结果。

World Labs明确标注：以下所有策略“trained entirely in simulation, with zero real-world training data”（完全在仿真中训练，零真实世界训练数据）。

• ALOHA双臂装箱：策略直接从对齐的仿真迁移到真实ALOHA机器人，完成双臂协作装箱。同一策略在光照扰动下依然稳定。

• RB-Y1电源线操作：双手机器人在真实冰箱旁自主布线，持续运行一小时无人工干预。

• Flexiv试管转移：在严格几何公差下的精确抓取和放置，同样持续一小时无干预。

• xArm分拣铅笔：从杂乱环境中逐一提取细长的铅笔和马克笔——这是机器人视觉和抓取中的经典难题，因为细长物体重心不稳、容易滑落。

World Labs在博客中特意强调：“The significance is not a single successful sim-to-real demonstration, but the generalization capability across diverse, customer-inspired tasks and challenging physical interactions.”（意义不在于单次成功的仿真到真实迁移，而在于跨多种真实任务和复杂物理交互的泛化能力。）

零真实数据训练的策略直接在真实机器人上运行：xArm从杂乱环境中逐一分拣铅笔（图源：World Labs官方博客）

图例四：仿真预测真实性能

另一组关键图例展示了仿真作为“评估层”的价值。在ALOHA双手立方体交接任务中，World Labs对比了仿真和真实世界中策略的“成功-失败边界”行为：

• 当策略正常执行时，机器人抓取立方体中心，仿真和真实都成功。

• 当策略被推到边界（抓取边缘、几乎要失败），仿真和真实中出现了相同的“接近失败但仍完成”的行为。

• 当策略真正失败时，仿真和真实中的失败模式和结果一致。

这组对比的意义在于：R2S2R的仿真不仅能复现成功，还能复现失败——而这恰恰是训练更好策略所需的关键信息。如果仿真只能给出“谁成功、谁失败”的最终标签，它对策略优化的价值有限；只有当它能精确复现“为什么会失败”——即把策略推向成功或失败的具体条件——才能成为可信赖的训练场。

此外，World Labs还展示了一组跨策略架构、跨训练配置的评估结果：在仿真中表现更好的策略，在真实硬件上也表现更好；仿真保留了策略的相对排名，追踪训练过程中的进步和瓶颈，并揭示了相似的成功和失败空间模式。每个检查点在仿真中评估2000次试验（1000次分布内、1000次分布外），在真实世界中评估100次（50次分布内、50次分布外）——仿真试验规模达到真实试验的20倍，绝大多数筛选工作可以在仿真中低成本完成。

仿真评估预测真实表现：仿真与真实的成功率高度相关，保留策略相对排名，并呈现一致的成功/失败空间分布（图源：World Labs官方博客）

R2S2R引擎的技术逻辑

SceniX的四位联合创始人全部来自仿真研究与3D视觉产业的第一线：

• CEO William O'Farrell是连续创业者，曾联合创办SpeechWorks、Body Labs（3D人体扫描公司，后被亚马逊收购）等多家企业；

• 郑昌熙（Changxi Zheng）是哥伦比亚大学计算机科学副教授，深耕计算机图形学与物理仿真；

• 李昀烛（Yunzhu Li）是哥伦比亚大学助理教授；

• Sonny Hu（Xiaochen Hu）曾在Body Labs、亚马逊等公司从事图像生成与3D视觉研发。

SceniX联合创始人：李昀烛、郑昌熙、Sonny Hu（图源：SceniX官网）

这支团队的核心产品是一套混合仿真系统，覆盖数据生成、策略创建、训练评估，以及持续预测监控与边缘案例发现。团队的公开研究成果包括BoxTwin（从视频中学习弹塑性铰接物体的完整动力学，2026年7月公开）和PhysTwin（从稀疏视频重建可变形物体的可交互数字孪生，发表于ICCV 2025）——分别对应“铰接物体”与“可变形软体”这两类传统仿真最难处理的对象。

借助收购SceniX的“仿真”之力，World Labs发布了全新的机器人策略训练与评估引擎R2S2R。

World Labs在博客中将R2S2R定义为“a scalable engine for training and evaluating robot policies”（可规模化的机器人策略训练与评估引擎），其运作分为两个部分：

Real-to-Sim（真实到仿真）：将物理机器人、传感器、环境、物体和交互转化为仿真，保留任务相关的观测和动力学特性。系统从视频驱动的重建与弹塑性建模出发，结合生成式世界模型，输出高保真视觉外观、精确几何结构和真实物理动力学。真实环境中的物体形状、重量、摩擦力往往不确定，相机和机器人规格也有偏差，电缆和包装材料的形变方式难以用简单模型捕捉——R2S2R因此根据不同任务的关键性，组合不同的表征和建模技术。

Sim-to-Real（仿真到真实）：在仿真世界中训练和测试机器人策略，并判断仿真中的表现能否预测真实硬件上的表现。关键突破在于闭环：这是首次有机器人学习策略完全在仿真中训练后，能直接迁移到多种真实机器人和任务上，同时仿真评估能够预测策略在硬件上的相对表现和失败区域。

传统机器人开发中，策略评估严重依赖物理硬件，迭代速度比大模型开发慢几个数量级。R2S2R引擎允许团队在数千种受控条件下主动搜索失败点，在真实测试前筛选掉大部分不理想的检查点，将昂贵的硬件评估留给最有希望的策略。

R2S2R引擎：一个真实任务被重建为对齐的仿真世界，再系统性扩展出成千上万种可控变体（图源：World Labs官方博客）

“空间智能”捍卫50亿美元估值？

收购SceniX之前，World Labs的公开叙事是一家“世界模型”公司。2025年11月推出的Marble平台能够从文本、图像、视频生成可探索、可编辑的3D世界；2026年1月上线的World API将这一能力封装为可编程接口。

Marble根据单张图片生成的可探索3D世界（图源：World Labs官方博客）

收购SceniX补齐业务后，World Labs的空间智能全链路布局正式闭环：Marble实现空间感知，SceniX负责机器人仿真行动，搭配扩招的SLAM、3D重建团队，打通“虚拟世界生成 — 机器人仿真训练 — 真实场景落地”完整流程。

即便如此，李飞飞和World Labs也无法高枕无忧。

Marble能否商用工业底座、稳定创收；SceniX仿真技术能否缩短机器人落地周期，成为行业通用标准……这些问题都需要一一去落定。

坐拥50亿美元估值World Labs要想最终在资本市场长期站稳，不只能停留在“空间智能”的市场鼓吹之中，关于“物理世界”的开矿，有太多人拿着号码牌。

*参考信息：

• World Labs官方博客《Building Worlds That Train Robots》（2026年7月28日）

• World Labs官方博客《World Labs Acquires SceniX》（2026年7月21日）

• 李飞飞X平台推文（2026年7月21日、7月29日）

• a16z对话视频：Fei-Fei Li, Yunzhu Li, Martin Casado（2026年7月28日）

• 彭博社：World Labs 10亿美元融资报道（2026年2月）

• 智东西《AI教父投了AI教母！李飞飞新创企结束隐身，首次披漏创始团队与投资人》

• 钛媒体《李飞飞买下SceniX，空间智能进入动手时代》

• TechCrunch：AMI Labs 10.3亿美元种子轮融资报道（2026年3月）

=▹

联系我们 CONTACT US!

请添加微信xingminghui15