《长安的荔枝》这个故事，以其对细节和系统性难题的描绘，恰好呼应了当前人工智能领域“世界模型”赛道所面临的挑战。前英伟达研究员、清华大学人工智能学院助理教授李一鸣认为，与其纠结于“世界模型”的定义，不如着眼于构建一套能够让机器人在各类场景中实现泛化的系统。

李一鸣团队近期提出了一个名为 Physical AI Infra 的解决方案，该方案由数据和物理双重驱动。其核心包含两个自主研发的组件：一是能够将数据采集量级从行业平均的数十万小时提升至百万至千万小时的“数据管线”；二是能够实现“Real-to-Sim-Real”（真实到仿真再到真实）闭环的“物理引擎”，用于机器人通过仿真环境进行强化学习，最终在真实世界执行任务。

尽管“世界模型”并非独立存在，但它在这套系统设施的各个环节中都扮演着重要角色。在预训练阶段，它被用作训练目标；在后训练阶段，它则充当机器人进行强化学习的仿真环境。这套基础设施已成功应用于切割、旋拧、搅拌等精细操作的训练，并能跨不同类型的灵巧手和机械臂进行部署，同时适用于生产制造、零售服务、餐饮备料等多种场景。

近期，新成立的“厘清智能”公司采用了李一鸣团队的技术方案。该公司在成立仅两个月内便完成了多轮融资，其种子轮融资额高达数亿元人民币。本轮融资吸引了包括顺为资本、红ဏ်中国、高瓴创投在内的多家知名基金，以及智元机器人、灵心巧手等多方产业资本的支持。

厘清智能之所以获得市场青睐，一方面在于其软硬一体化的人才优势。李一鸣本人拥有在空间感知、多模态推理、自动驾驶及具身智能等领域的丰富经验，并与 AMI Labs 联合创始人谢赛宁在具身视觉推理方面进行了合作，同时在 CVPR 和 NeurIPS 等顶级会议上发表了多篇论文。其团队成员也大多来自清华大学，平均年龄仅23岁，这在国内是稀缺的软硬一体化人才。

另一方面，厘清智能选择了“重”的技术路线，即从数据采集、模型训练到物理引擎，全部实现全栈自研。李一鸣认为，只有打通所有环节，才能确保信息流畅，并实现各环节的协同优化。他计划在今年年底前发布可跨 B 端场景的世界模型，并预计在2028年实现解决方案的规模化落地，最终交付一套软硬一体的系统解决方案。

李一鸣在与《智能涌现》的交流中，阐述了他对 Physical AI 和“世界模型”的看法。他强调，Physical AI 公司不应局限于“世界模型”或“本体”公司，而是要构建一个完整的系统。他认为，语言模型在处理物理世界问题时存在局限性，因为语言是高度离散化的，且充满偏见。相比之下，他更看重“原生世界模型”，即能够打通感知、推理、决策和动作输出，并专为机器与世界交互而设计的模型。他认为，将物理世界高效“tokenization”（表征化）是构建原生世界模型的关键，而厘清智能在这方面已取得显著进展，其视觉 tokenizer 的效果优于 Meta 的 DINOv3。

对于 Physical AI 的未来发展，李一鸣预测2028年将是规模化落地的关键节点，届时数据采集规模和电机密度将实现跃升。他设想将这套系统封装成一个通用的 Physical AI Infra，如同iOS之于移动应用，能够支持各类物理操作任务的规模化开发与部署，这便是他们正在构建的“荔枝系统”。