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

2026-07-17 05:18:13 [休闲] 来源：德瑞斯资讯网

AI科技评论获悉，榜不跨维智能（Cross-Dimensional Intelligence）近日正式完成B轮融资，首到世界o生融资金额高达10亿元人民币，模型模型投后估值突破百亿大关，落地正式跻身具身智能独角兽阵营，智能证明并提前锁定IPO入场券。榜不

本轮融资展现了极强的首到世界o生资本共识，投资方阵容涵盖国家级母基金、模型模型头部国资创投、落地实体产业龙头及地方科创平台。智能证明深创投、榜不贵阳数字经济基金实现连续两轮加注；前海母基金、首到世界o生蓝思科技、模型模型工银资本、落地恒健资产、智能证明诸瑞资本等新势力强势入局；南山战新投、成都科创投、四川院士基金等老股东同步追加投资。这种“新老股东共振”的加码行为，标志着资本市场对跨维智能技术路线的确定性及商业化落地能力的高度认可。

关于资金用途，跨维智能明确指向五大核心领域：底层世界模型算法迭代、物理引擎性能升级、数据基础设施完善、人形机器人能力拓展，以及真实场景的深度落地。其战略意图清晰：进一步打通“技术-产品-商业”闭环，推动产业从概念验证向规模化应用跨越。

百亿估值并非空中楼阁。成立仅四年的跨维智能之所以能迅速崛起，核心在于其构建了三大支柱：被持续验证的技术路线、已跑通的商业闭环、以及以终为始的终局战略。

全栈自研物理AI：技术路线获全球权威验证

自2021年成立以来，跨维智能便锁定“物理AI与世界模型”赛道，成为国内首批实现物理AI全栈自研的企业。其确立的“世界模型 + 物理仿真 + 真机落地”路径，被定义为行业终局。值得注意的是，跨维在多项核心技术节点的布局进度上已领先于英伟达、DeepMind等海外巨头，且近几年的行业演进趋势不断印证了这一路线的正确性。

世界模型作为该路线的核心，已成为全球AI头部力量竞逐的战略高地。英伟达、谷歌等巨头正围绕物理AI、机器人仿真、环境推演、合成数据生成及世界基础模型展开前沿布局，推动人工智能从语言理解、视觉识别向物理世界建模、动作因果预测及智能体交互决策深化。对于具身智能产业而言，世界模型已超越单纯的“视觉生成”，成为支撑机器人训练、评估、规划与泛化的关键底座。跨维智能选择此赛道，意味着其已具备与全球顶尖玩家同台竞技的实力。

近期，跨维智能在WorldArena（全球具身世界模型权威评测）最新榜单中取得突破性成绩：其自研通用具身世界模型DexWorldModel在Track 2赛道斩获全球第一名。

WorldArena汇聚全球顶尖团队，侧重考察世界模型的推理能力，核心在于验证机器人对真实环境结构、物理规律及动态变化的理解与预判能力，被视为衡量机器人是否“真正理解物理世界”的金标准。榜单分为两个赛道：

Track 1（Perception，感知）：聚焦视频综合质量，考核视觉效果、动态表现、内容一致性及物理遵循性，侧重感知预测与动态场景理解。此前智元机器人曾在此赛道领先，体现了国内企业在视频生成技术上的突破。
Track 2（Functionality，功能性）：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。该赛道被公认为“实战”门槛最高、含金量最大，是评判技术落地价值的核心硬指标。

拿下Track 2榜首，证明跨维智能不仅拥有领先的环境推演能力，更具备将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、策略模型赋能及虚实迁移落地等关键方向上，其综合技术实力均达到行业顶尖水平。

这一成绩的底层支撑，源于DexWorldModel与众不同的技术架构。该模型围绕三维物理世界的真实运行规律进行建模，具备隐空间动态建模能力，可实现统一坐标系对齐与时空表征精准匹配，彻底解决了传统视觉方案中空间感知不准、物理建模缺失、无法适配实操任务等行业痛点。它使AI能够精准理解物理空间、动力学逻辑与真实作业规则，从而支撑分拣、装配、双臂复合操作等复杂实操任务，推动世界模型从“可视化演示”正式迈入“可落地作业”的产业新阶段。

夯实数据基建：从“人工作坊”到“工业化量产”

在强化世界模型核心能力的同时，跨维智能将数据基础设施建设视为物理AI规模化落地的基石。

EmbodiChain工具链开源：2026年1月，跨维智能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（Vision-Language-Action）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，标志着具身智能数据生产从“人工小作坊模式”迈向“工业化量产阶段”。
Dexterity-BEV创新提出：仅四个月后，跨维智能提出Dexterity-BEV技术。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了可规模化训练的标准空间底座。这一突破从根源上解决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，大幅提升了数据利用效率与模型跨场景泛化能力。

从顶层路线的笃定选择，到核心模型的全球领跑，再到数据基建的体系化突破，跨维智能构建了“模型-仿真-数据-落地”全链路自主可控的技术体系，将“全栈自研”从战略口号转化为可被行业反复验证的硬核实力。

Physical Token经济学：跑通商业化闭环

跨维智能对通用具身智能有着第一性原理式的判断：其本质是“场景边界内泛化”。

其策略是先明确定义场景边界，使数据、模型与训练范式适配产品级作业标准，确保在每个细分场景中实现高精度、高可靠的通用能力，随后通过逐个场景的技术突破拓宽能力边界，逐步向终极的Physical AGI演进。

支撑这一策略的是跨维自研的四大底层基座，实现软硬件一体化，托举全场景落地：
1. DexVerse™：物理引擎
2. DexAgent：通用具身智能体
3. DexSense：空间感知终端
4. DexBrain：智能算法大脑

目前，跨维智能已落地50多个应用场景，迭代沉淀了1500余个成熟具身模型，广泛覆盖汽车零部件、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。其技术已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进程中处于领先地位。

此外，跨维智能首创“Physical Token经济学”理念，旨在重新定义物理AI的产业逻辑。该理念强调从数据采集、模型训练、推理部署、硬件本体到场景运维的全链路成本控制与效率优化，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，确保技术创新与商业价值的高度对齐。

跨维智能创始人贾奎教授表示：“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。”

技术落地与商业闭环的打通，是本轮资本加码的核心逻辑。多年来，跨维智能已形成“技术迭代—产品落地—客户付费—数据反哺”的正向循环，成为行业内少数实现超亿级营收、具备规模化真实作业机器人出货能力的企业。值得注意的是，本轮战略入局的蓝思科技将与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。