李一鸣，一位曾任职于英伟达、现为清华大学人工智能学院助理教授的学者，将唐代《长安的荔枝》中解决复杂物流难题的故事，巧妙地类比于当下人工智能领域备受关注的“世界模型”赛道。他认为，如同故事中的小吏李善德必须构建一套完整的系统来运输鲜荔枝，人工智能领域的从业者也需要建立一套涵盖数据采集、模型研发和硬件部署的综合性解决方案。李一鸣指出，所谓的世界模型，其本质是解决问题的工具，而非终极目标，若脱离其他环节的支持，便难有实际价值。

自 2026 年初回国后，李一鸣观察到国内人工智能领域存在着对“世界模型”概念的普遍焦虑和追捧。他认为，当前“世界模型”赛道存在估值泡沫，许多与仿真或物理相关的技术，如视频模型、3D 模型或具身大脑，都试图归入此阵营。然而，李一鸣更看重的是构建一套能够让机器人在不同场景下泛化的系统。

为此，李一鸣团队提出了名为 Physical AI Infra 的方案，该方案以数据和物理双轮驱动，包含两个核心自研组件：数据管线，旨在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；以及物理引擎，用于实现“Real-to-Sim-Real”的闭环，即基于真实世界数据构建仿真环境，供机器人进行强化学习，最终在真实世界执行任务。虽然“世界模型”并非独立存在，但它渗透于该系统的各个环节，既可作为预训练目标，也可作为机器人强化学习的仿真环境。该技术方案已由 2026 年 4 月成立的「厘清智能」采用。

成立仅两个月，“厘清智能”便在种子轮融资中获得了包括顺为资本、红杉中国、高瓴创投等知名机构，以及智元机器人等产业资本在内的数亿元投资。该公司的吸引力在于其稀缺的软硬一体人才以及独特的“重”技术路线。李一鸣本人拥有跨越空间感知、多模态推理、自动驾驶和具身智能的丰富经验，并与多位学术界及产业界人士有深入合作。团队由 50 余名平均年龄 23 岁的清华学子组成，李一鸣认为清华大学提供了宝贵的人才平台。

“厘清智能”选择全栈自研的道路，从数据采集到模型训练、物理引擎，涵盖了“重”的投入和跨软硬的技术挑战。李一鸣认为，打通所有环节是信息流畅和协同优化的关键。他计划在 2026 年底前发布面向 B 端场景的世界模型，并在 2028 年实现解决方案的规模化落地，最终目标是为客户提供一套跨本体、跨场景的软硬一体化解决方案。

李一鸣指出，Physical AI 公司不应被定义为单纯的本体公司或模型公司，而是提供一套系统解决方案。他们以解决实际问题为导向，将“世界模型”视为解决 Physical AI 问题的技术路线之一，并致力于将数据、模型、硬件和基础设施整合为可在实际场景中工作的系统。他强调，新一代的 Physical AI 团队应具备全栈能力，从数据采集设备到物理引擎，再到模型训练，均需自主研发。这包括自研触觉手套以实现数据采集规模化，自研可微物理引擎以支持复杂材质的建模和强化学习，以及自研世界模型操作系统以实现快速泛化和跨本体能力。他认为，未来的具身公司应是“World Model as Service”提供商，能够根据客户需求自动匹配最优软硬一体系统。Physical AI 的人才画像是软硬一体，且目前此类人才十分稀缺，因此公司注重内部培养。

在谈及具身模型的参数量时，李一鸣认为其至少需要达到语言模型的量级，甚至更高，才能实现“智能涌现”。他提出，人类数据比真实机器人数据更容易规模化，因为可以通过与真实场景方合作，快速积累百万小时级的数据量。然而，他强调仅靠数据采集不足以实现 Physical AI 的自主泛化，必须融入物理规律。物理规律可以弥补数据局限性，提供通用性。为此，“厘清智能”设计了一套满足物理约束的世界模型方案，能够利用少量真实数据校准世界模型，从而在虚拟环境中实现高效学习，大幅减少实际材料损耗。

李一鸣认为，VLA、视频模型和 JEPA 等技术并非“原生世界模型”。他解释说，语言模型本质上是高度离散化的交流工具，存在语言偏见且无法完全描述物理世界。因此，在世界模型训练中，语言应作为辅助而非中心。世界模型的训练需要监督微调（SFT）和强化学习（RL）的结合，并且必须遵守物理规律，这得益于其自研的可微物理引擎。他强调，真正的“原生世界模型”需要打通感知、推理、决策和动作输出，并面向机器与世界的交互设计。VLA 由于其离散的语言表征而非真实世界，JEPA 仅能预测状态而无法输出动作，视频生成模型则难以保证几何与物理一致性，因此都不是原生世界模型。构建“原生世界模型”的关键在于高效地将物理世界“tokenization”，即压缩为模型可理解的 Token 序列。他透露，“厘清智能”已在全球少数能够实现高效表征端 tokenization 的公司之列，其视觉 tokenizer 效果已优于 Meta 的 DINOv3。此外，构建 Physical AI 的基础设施也至关重要，需要设计能够高效建模柔性物体和流体状态的物理引擎。

展望未来，李一鸣预测 2028 年将是 Physical AI 规模化落地的关键节点。他认为，轮臂形态的硬件将是适配大多数操作场景的选择，而人形机器人仍面临技术挑战。公司将优先与场景方合作，以 B 端积累的数据和技能最终赋能 C 端，初期将切入工业、物流及生活消费类场景。最终目标是打造一款通用的 Physical AI Infra，如同 iOS 之于移动应用，为各类物理操作任务提供规模化开发和部署的基础平台。他将其称为“荔枝系统”，其核心驱动力是原生世界模型架构以及数据与物理双轮驱动的训练与评测基础设施。