2026年中，看似处于AI产业链“中游”的公司——景烁科技惠州海绵胶厂，在立运营后，引发了行业热议。

它的背景足够硬核：文远知行内部孵化，CEO是文远001号员工。赛道也足够有故事、被追捧：具身智能。

但景烁选择的切入点，在喧嚣的赛道里显得格外冷静：不做整机，不做单纯的大脑，而是押注物理AI的基础设施——数据和世界模型技术体系。

在这个言称“大脑”和“通用模型”的时代，景烁被频繁讨论，揭开了个被忽视的真相：行业都在追逐顶层“思考力”时，底层的“经验体系”和“世界认知”还没人系统搭建。

而没有对物理世界的度认知，再聪明的“大脑”也只是空中楼阁。

10年数据信仰的延续

物理AI的个落地赛道是自动驾驶，而这10年走过的工程化、规模化之路，展现出的是“瓶颈迁移史”。

轮拼法。谁提出好的网络结构、优的决策逻辑，谁在榜单上先——能和如今具身智能赛道热衷于发Demo、刷榜单的行为对应起来。

二轮拼力，这个阶段法范式根本没有收敛统，而法本身的下又难以通过直观可量化的数据来通俗表达，于是力就成了智能军备竞赛的核心指标，包括车端和云端。

从特斯拉FSD V12版本切换到端到端模型，以及FSD V14完成段式重构之后，自动驾驶赛道在法这个层面已经度收敛，L2/L4玩都转向了多模态大模型+世界模型生成仿真+强化学习修正的路线。

这个时候线炮火作战的各技术团队也都认识到，再好的法、再大的力，没有质量数据喂给模型，迭代就停在原地——物理AI的个落地场景竞争，终回到数据基础设施层面。

文远知行完整经历了这三轮，终站稳L4自动驾驶梯队。贯穿其中的暗线，是数据基础设施的持续建设——也就是景烁团队对外公开、立运营之前直在做的事情。

景烁科技CEO霍达，文远知行001号员工，拥有12年行业经验，耕大规模自动驾驶平台、AI数据基础设施建设，历任文远知行技术负责人、工程团队负责人等职务。曾在美国、、新加坡主搭建全球化工程研发组织。

△左：景烁科技CEO霍达，文远知行001号员工；右：景烁科技PresidentCOO韩明

另位创始人PresidentCOO韩明，地理信息产业协会理事，测绘学会理事，卫星航定位学会常务理事。拥有多年人工智能数据、自动驾驶产业耕经验, 曾任DeepMap.Inc 管理职位。

两位创始人履历里有个共同点：都经历过自动驾驶从”缺数据”到”想办法解决数据”的全过程惠州海绵胶厂。

所以文远知行开始就面对的那个现实，他们比谁都清楚——

车队的数量远不如车企或给车企做配套的L2玩，实测数据劣势。

所以当时仍属于文远内部个部门的景烁团队，率先走向了不样的路——用仿真器生成大量长尾场景。

上海的直行待转区、不规则环岛、三轮车上绑着棵树……这些真实路况里偶发但关键的场景，用仿真批量生产。

而且这样的仿真，不是模仿类生成，而是真正理解物理法则、因果关系的“世界模拟器”，后来Transformer架构兴起，这套仿真器演进成文远知行的GENESIS世界模型。

对于数据基础设施的核心内涵，景烁科技团队很早就明确：不要在茫茫数据里捞“钻石”，而是直接人工生成“钻石”。

而这个选择的意义，在具身智能时代被倍增放大。

毕竟自动驾驶再缺数据，至少有个可以支撑测试车法规上路的早期模型。但具身智能却有本质不同——频需求的工业、用等等场景，现在任何玩都没有个哪怕有低程度泛化的工程化模型。

没有ChatGPT那样的现成互联网数据。

而没有数据，模型迭代不动，具身智能除了Demo，几乎法落地……制约核心因素，就是始终缺少质量数据基础设施形成闭环，作为模型的kick start。

这就是真实的状况：具身智能离比拼模型和力的门槛，还很远，毕竟基于真实落地反馈的“物理认知体系”，初创团队法速成。

这也是景烁科技与众不同的、稀缺的特质：完整经历了自动驾驶淘汰赛，有套已经被验证的技术认知、工程化能力与规模化交付经验。

去年开始，EGO（人称视角采集）路径被验证可行，景烁团队敏锐察觉到物理AI的Scaling Law触发次有了可能，于是决定正式立出来。

从“采集”到“设计”：数据认知升

景烁对数据基础设施的思考，是“模型还需要什么才能突破”。

整体来看，景烁科技是这个赛道里率先把具身智能的数据基础设施，作为种产品来交付的玩惠州海绵胶厂，分三层架构，各有分工，又环环相扣：WorldEngine驱动数据闭环，GENESIS-Robotics提供核心引擎，SkillForge封装终交付物——只有懂法，才能定义技能包里该装什么。

三者串联起来，相当于帮客户把“从搭数据体系”这件事站式解决了。

层是WorldEngine，标准化数据模型底座——基于同世界模型驱动的、覆盖采集→理→标注→成→测评→部署的完整大闭环。

同个世界模型贯穿驱动，就知道该采什么、怎么、标什么、成什么、测什么、怎么部署。

部署后的真实数据又回流到采集端，校准下轮。

对于用户来说，没有这套闭环，工程师大部分时间在跟数据搏斗；有了它，团队可以把精力集中在模型优化上。

采集硬件本身也值得说。景烁全栈自研了套叫EGOK的采集设备——双目相机4K@60fps实时输出度数据，近红外阵列做亚毫米手部追踪，延迟8ms。整机280g，连续工作5小时以上，功耗比传统案低40。

但参数不是，是这套设备从采集发生的那刻起，“手—物—场景—动作”就已经对齐了——全链路模组同源同标，不需要事后人工拼接。而且世界模型会基于当前数据分布，自动规划价值采集目标，不是盲采。

中间层是GENESIS-Robotics世界模型，整套体系的核心引擎。市面上大多数所谓“世界模型”，其实只是2D图像生成加个物理引擎拼下，万能胶生产厂家能力边界很窄。景烁的GENESIS-Robotics走了条叫Transfusion的路线——在同个Transformer里，语言、策略、图像、各走各的计路径，但共享参数。

这让它同时干了三件事：世界理解——给定当前状态和动作，预测下个物理状态；数据成——基于对世界的理解，生成物理理的新场景和交互数据；策略生成——给定状态和目标，直接输出动作。

三件事共享参数，飞轮就转起来了：模型越强→成数据越好→下游模型强→采集策略→真实数据质量→模型强。这个飞轮旦转起来，竞争壁垒是指数增长的。

SkillForge，物理AI的资产引擎，其中包含开箱即用的技能包Skill Pack。

厨房场景、客厅整理、工业操作等等，每个Skill Pack均覆盖完整任务链路，从场景设计到多模态对齐样本，从4D空间标注到质量评价与模型验证报告，客户拿到即可投入训练。

但SkillForge本身不是“数据集市场”，而是按模型训练需求组织技能包——特定的状态分布加动作分布加评测标准，跨本体设计，经WorldEngine全流程验证，附L1/L2/L3三层评测结果。

客户拿到的不是“堆”，而是“个经过验证可以直接用于训练的技能”，只需要把人的动作映射到自己的末端执行器上惠州海绵胶厂，适配到不同自由度和关节。

目前SkillForge拥有500K+小时真实交互数据、50M+任务片段、200+标准化技能包，50+核心场景覆盖庭、制造、售、教育四大域，1000+任务变体。

纵观景烁科技的产品案设计，核心关切是：具身智能的数据基础问题，现在根本没有标准答案。

用自动驾驶时代十年积累的法论和模型能力来回答，是目前唯有的途径：

有自己的模型——看验证数据的有，可以直接定义“什么数据有用”。

所以“数据即服务”这个概念，在具身智能赛道被景烁升了：数据基础设施即服务，当然不用提跨本体的泛化了。

并且于景烁来说，用户“开箱即用”的价值，是靠懂法、懂模型倒出来的数据策略，再配工程化交付跑通的。

物理AI的“地基”

具身智能热了三年，融资轮比轮大，但整体进展远不如预期：2026年过半，我们仍然在等待物理AI的“ChatGPT时刻”。

制约不在法——Transformer架构被证明在物理任务中依然有；

不在硬件——制造业已经能把机器人本体的能、成本做到致。

机器人demo依然热闹，但距离真正完成物理世界的复杂任务，仍有肉眼可见的鸿沟壁垒……

今年国内具身智能赛道融资约438亿元，其中过半——约241亿元——涌入了“具身大脑”向的创业公司（据量子位统计）。

多模态、对物理法则和因果关系有准确认知的大模型，既是具身智能商业价值兑现的关键，也是当下整个赛道追逐的“圣杯”。就像当年自动驾驶把Robotaxi当作终目标样。

景烁科技在这个时间点被热议，反映出了个冷峻且残酷的事实：没有质量数据，连“开始训练”这步都迈不出去。

如今具身智能创业玩们，大部分没有在自动驾驶时代经历过规模落地交付，有点把数据这件事想得太简单了。

大语言模型的ChatGPT时刻，建立在互联网数十年积累的海量文本之上。物理AI没有这个历史红利。

机器人的行为数据要从开始积累，现阶段的行业共识是，通用具身模型至少需要千万小时的质量交互数据，甚至上亿小时。

当然，自建数据基础设施也是个选项，但具身创业玩就须回答两个锐问题：时间够不够？成本值不值？

大多数创业公司可能根本没有这个成本、时间窗口。

资金之外，核心的是这套体系的know how——知道模型缺什么、什么数据真正有用、怎么设计数据能让模型能力跃升。这种Knowhow需要在个完整的业务场景里跑通闭环，经历足够多的案例才能积累。

景烁提供了另种路径：World Engine处理数据，GENESIS-Robotics生成成数据，Skill Forge输出可直接微调的技能包——三层包交付，工程师拿到手就能开始训模型。

毕竟不是每个团队都需要从挖遍地基。用别人的成熟基建，把资源集中在模型和场景上，在成本和研发进度的账本上，都是理的选择。

景烁科技CEO霍达对行业有个判断：具身智能从狂热梭哈到审慎理智，这个转变可能不久就会到来。

这样的剧情，对自动驾驶老兵们来说太熟悉了。风口来的时候所有人都在猛踩油门，钱涌进来，故事被讲出来。但很快，投资人、用户、行业开始质疑——融了这么多钱，到底能交出什么？

文远知行经历过这个阶段，景烁团队也经历过，所以他们比谁都清楚，数据基础设施须走在前面。

景烁的切入点很明确：在行业起步需要动力的时候，提供基础设施支撑，它是整个行业从“手工雕琢”迈向“工业化流水线生产”的关键步。

这套逻辑有现成的参照系——2017年的英伟达，当时多被看作游戏显卡供应商，没人预料到它会成为AI浪潮中绕不开的存在。那年行业都在追法、追工具，力被视为“供应链的环”而非战略制点。

2017年的宁德时代，境况也几乎相同。

物理AI正在进入同样的拐点。景烁的选择，是提前站在这个位置上——不做整机，不做大脑，只做那件终谁都绕不开的事。

具身智能公司不需要再从积累物理世界经验，不需要再花数年搭建数据飞轮，可以直接调用景烁的世界模型能力，直接购买开箱即用的技能包。

是时候让行业意识到，关键、难解的数据问题，有支在自动驾驶淘汰赛中成功胜出、技术案被充分验证的团队，已经准备好了答案。相关词条:罐体保温施工     异型材设备     锚索    玻璃棉    保温护角专用胶

奥力斯    保温护角专用胶批发    联系人：王经理    手机：13903175735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定惠州海绵胶厂，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。