两个中科院师兄弟，和一场200亿的“世界模型”豪赌

作者 | 大鹏

来源 | 具身之家Robots（ID：zscy006）

世界模型这门生意有多热，看看极佳视界（GigaAI）的融资节奏就知道了。

2025年8月Pre-A轮，还是数亿元的盘子；到2026年6月B2轮，投后估值已经到了200亿。最近「IPO早知道」又爆出消息：Pre-IPO轮即将交割，下一步就是港交所。

按照披露的说法，交割完成后公司会尽快向港交所秘密递表，顺利的话2027年上半年挂牌，成为全球“世界模型第一股”。但这事不能只当成“又一家AI独角兽去港股”来看。背后是一条还没定型的技术路线，一位首席科学家反复追问的“世界模型的Codex时刻”，以及两个创始人攒了十几年的技术底子。

两个“逆行者”

故事要从2023年夏天说起。那会儿大模型赛道疯狂内卷，创业者们挤破了头要教AI“能说会道”。而在海淀清华科技园，两个年轻人做了个反着来的决定，即教AI看懂世界。

这两人，一个叫黄冠，一个叫朱政，都出自中科院自动化研究所，黄冠是师兄。

黄冠是典型的武汉学霸。2009年进华中科技大学读自动化，以专业课第一的成绩保送中科院自动化所读研，最后拿下清华自动化系博士，博士期间还在微软亚洲研究院实习过。

他的职业轨迹，几乎踩着过去十年物理AI的每一波浪：2016年进地平线做视觉感知技术负责人，牵头建了WebFace260M人脸识别数据集，带队拿下2020年ECCV COCO挑战赛冠军、2021年NIST-FRVT人脸识别评测世界第一；后来又以合伙人身份参与创立鉴智机器人，担任算法副总裁，团队做了BEV系列模型。

用媒体的话说，每一步都在点上。

朱政是另一种类型的技术领袖。2019年从中科院自动化所博士毕业，之后在清华自动化系做博士后。TPAMI、CVPR、ICCV、ECCV、NeurIPS上发论文70多篇，引用近2万次，连续4年入选全球前2%顶尖科学家榜单，2025年拿了吴文俊人工智能自然科学一等奖。

谈起当初为什么创业，朱政说得很直白：“大语言模型当时已经比较卷了。大厂都在跟进，创业公司没有雄厚资金根本没什么机会。我们是做计算机视觉出身，对视觉的理解非常深刻，而且我们意识到，只预测未来的动作是不够的，还需要像人一样，预测未来世界会变成什么样子。”

2023年6月，极佳视界在海淀成立。

三个多月融了35亿

时间拉到2026年3月，这家公司的融资开始加速。值得留意的是，华为哈勃还是极佳视界重要股东，其2025年11月A1轮联合投资，并在Pre-B轮继续加注。

3月，近10亿元Pre-B轮；4月，近15亿元B1轮，估值破百亿；6月，10亿元B2轮，投后约200亿，狮城资本、中比基金、建投投资、万向钱潮、复星锐正都进来了。三个多月，35亿元。到9月Pre-IPO轮，投前估值稳在200亿量级。

更耐人寻味的是黄冠7月在WAIC期间对彭博说的那句话：“在全球范围内，我们将成为世界模型初创公司中首家上市的企业。”他还透露新一轮融资即将完成，估值30亿美元（约200亿元人民币），这将让极佳视界成为中国估值最高的世界模型初创公司。

不过彭博报道发出后，极佳视界很快回应，称报道“是对创始人采访内容的误读”，公司“不存在任何应披露而未披露的事项”。截至发稿，港交所也查不到极佳视界的公开申请。所谓“2027年上半年挂牌”，目前仍只是市场预期。

估值涨得有多快？12个月的时间，估值涨了50倍。朱政8月在WRC主论坛上自己说了：“去年的这个时候我来参加WRC，公司的估值只有现在的1/50。”

世界模型的“Codex时刻”在哪？

如果只盯着融资数字，会错过这场狂欢里最有意思的部分——技术路线根本还没收敛。“世界模型”到底是什么、怎么度量、往哪走，行业内吵得厉害。

7月19日WAIC“世界模型六小龙”论坛上，朱政抛出一个被媒体反复引用的问题。他拿OpenAI在Codex出现前的探索做类比：“我非常想知道，对于世界模型而言，我们的Codex产品究竟是什么。”

这话的意思不难懂：Codex让语言模型找到了“编程”这个杀手级应用，整个行业的技术路线随之收敛。而世界模型至今还在“Demo繁荣”里打转，没有一个能定义产品形态的核心应用。

朱政对行业“做错的事”也不遮掩：“做不足的，是在模型之外有太多事情分散了大家的精力……在模型尚未收敛时就去探索了非常多的商业化场景，当然大部分可能不成立。”

更坦诚的是他关于自己公司走弯路的反思。在《白鲸实验室》的对话里，朱政承认极佳视界早期战略摇摆过：“我们一开始采用‘一脑多型’的战术，即用一个大脑去适配所有的本体。一开始，我们几乎尝试了市面上的所有机器人本体，采集数据，训练模型，后来我发现这个战术实在太激进了，纯粹是给自己添堵。”

后来公司收敛到“一脑一型”：自研本体Maker H01，用自研本体采数据，训出来的模型再部署回自研本体。这个教训，他在WRC论坛上换了个说法又讲了一遍：“当前市场落地受限的根本仍是模型能力上限不足。”

VLA的Scaling失灵了？

撑起200亿估值的技术判断，说白了就一句：VLA（视觉-语言-动作模型）的Scaling Law失效了，世界模型才是具身智能的GPT时刻。

朱政在《白鲸实验室》的对话里表示：“到2026年春节，模型测试结果中浮现出新范式：在完成多任务或few shot训练上，VLA更像是大语言模型早期的BERT模型，无法Scaling，世界模型才是下一代的’ChatGPT。’”

朱政进一步解释了两代架构的区别：“VLA的基模是VLM，本质上是它更倾向于看见画面，理解成语言然后映射动作。而世界模型的基模是视频生成模型，是基于一段视频或者状态，预测和推演下一个画面。”至于语言的作用，他的判断很激进：“语言对动作帮助不大。一个最直接的例子是许多动物也没有自己的语言系统，但也不妨碍它的运动能力。”

技术路线上，极佳视界选了“像素生成派”，直接生成视频帧。在WAIC六小龙论坛上，这条路被归为三大路线之一，另外两派是隐空间JEPA派和融合派。朱政承认，当前的多模态和视频生成基模本质上是给数字世界设计的，而且开源的越来越少，所以“我们必须做好思想准备，尽早开始训练具身世界模型的基模”。

Maker H01

产品上，公司是双模型体系：GigaWorld系列管世界生成，GigaBrain系列管动作执行，也就是所谓的“具身大脑”。商业化三条线：自动驾驶是基本盘，客户有一汽、京东、EMS；工业制造方面，和隆盛科技规划三年部署千台Maker H01；家庭场景做了子品牌“拾光SeeLight”，S1已经拿了百台订单。

黄冠对这套体系的说法是：“具身基模就像是机器人的‘大脑’，而‘世界模型’则是这个大脑的‘想象力’。”这也是公司对外讲得最多的一个比喻。

结语

回到Pre-IPO本身。极佳视界冲“世界模型第一股”，手里确实有两张牌：一是这条赛道目前没有任何上市公司，先发优势摆在明面上；二是200亿估值已经进了国内未上市机器人公司的第一梯队，和银河通用、智元机器人一个级别，比宇树科技IPO前约127亿元的市场化估值还高出一截。

问题在于，大规模商业化还早。朱政7月在“全球数字经济大会”上给的路线图是：2026年下半年发GigaBrain-2，2027年上半年发GigaBrain-3——他希望能达到GPT-3时刻——2028年让机器人大规模进普通家庭。换句话说，真正能撑起200亿估值的那块收入，最早也要等到2028年。

所以这家公司能不能兑现，就看2027到2028这两份答卷：GigaBrain-3能不能真到“具身智能的GPT-3时刻”；拾光S1的家庭百台订单、Maker H01的工业千台规划，能不能从POC变成真金白银。

朱政在WRC论坛上说过一句话：“我们希望在未来几年，可以快速地从当前垂类场景的世界模型，走向真正的通用的世界模型。”

这话说出来是宣言，也是倒计时。