《长安的荔枝》这个故事，讲述了如何克服重重困难，将易腐烂的荔枝及时运抵长安。清华大学人工智能学院助理教授李一鸣认为，这个故事与当前“世界模型”领域的发展有着异曲同工之妙。他指出，Physical AI（物理AI）所面对的挑战，如同故事中的“鲜荔枝”，需要一套完整的系统解决方案，涵盖数据采集、模型研发和硬件部署，才能成功实现目标。

李一鸣强调，“世界模型”并非终极目标，而仅仅是实现目标的手段，其价值在于解决实际问题的能力。他观察到，2026年初他回国时，人工智能领域存在着对“世界模型”概念的普遍焦虑（FOMO），导致该赛道估值虚高，许多与仿真或物理相关的技术，不论是视频模型、3D模型还是具身大脑，都试图归入“世界模型”的范畴。

相比于纠结于“世界模型”的定义，李一鸣更看重构建一套能够让机器人在各种场景下泛化的系统。为此，他的团队提出了“Physical AI Infra”，一个由数据和物理双轮驱动的系统。该系统包含两个核心组件：一是能够将数据采集量级从行业平均的几十万小时提升至百万甚至千万小时的“数据管线”；二是能够实现“Real-to-Sim-Real”闭环的“物理引擎”，即利用真实世界数据构建仿真环境，供机器人进行强化学习，最终在真实世界中执行任务。

“世界模型”在这个系统中扮演着重要角色，既是数据预训练的目标，也是机器人进行强化学习的仿真环境。这套基础设施已经成功训练了切割、旋拧、插拔等精细操作技能，并能跨不同类型的灵巧手和机械臂进行部署，适用于制造、零售、酒店、餐饮和医疗等多个领域。

基于这套技术方案，“厘清智能”应运而生。这家由李一鸣团队支持的Physical AI初创公司，成立仅两个月就完成了多轮融资。据独家消息，《智能涌现》获悉，“厘清智能”的种子轮融资额高达数亿元，投资方阵容强大，包括顺为资本、红杉中国、高瓴创投、峰瑞资本、星连资本、水木清华校友种子基金、SEE FUND等知名基金，以及智元机器人、灵心巧手、世纪金源等产业资本。

“厘清智能”的稀缺性是吸引一级市场投资的重要因素。一方面，公司汇聚了兼具软硬一体能力的人才。李一鸣本人在空间感知、多模态推理、自动驾驶和具身智能领域拥有深厚背景，曾与AMI Labs联合创始人谢赛宁合作发表具身视觉推理研究成果，并与英伟达联合发表多篇顶会论文。另一方面，公司的技术路线也极具独特性，坚持全栈自研，从数据采集到模型训练再到物理引擎，这在国内极为罕见。李一鸣认为，打通所有环节是实现信息畅通和协同优化的关键。

李一鸣计划在2026年底前发布支持跨B端场景的世界模型，并于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软硬一体的解决方案，跨越不同本体和场景，解决实际问题。

李一鸣在接受《智能涌现》采访时，阐述了他对Physical AI、世界模型以及公司发展方向的看法。他强调，“厘清智能”并非仅仅是一家“世界模型公司”或“本体公司”，而是致力于构建一套由数据和物理双轮驱动的生态系统，其中“世界模型”是其中的一个技术组件。公司的新一代Physical AI团队具备全栈能力，从数据采集设备到模型训练均自主研发，旨在实现规模化数据采集和高效的强化学习训练。他认为，未来的具身公司应定位为“World Model as Service”，提供软硬一体的系统解决方案。Physical AI所需的人才画像是软硬一体，而清华大学为他们提供了优秀的人才平台。

他还指出，在Physical AI领域，仅仅依靠数据采集是不足够的，必须结合物理规律。他认为，具身模型的参数量需要远超语言模型，并且人类数据比真机数据更易于规模化。物理规律能够弥补数据量的不足，而“厘清智能”设计的满足物理约束的世界模型方案，能够显著减少真实数据的使用量，提高训练效率。

李一鸣还对当前流行的VLA、视频模型和JEPA等技术进行了辨析，认为它们并非“原生世界模型”。他强调，“世界模型”应负责机器与世界的交互，而语言模型则负责机器与人的交互。他认为，语言模型作为高度离散化的空间，与物理世界的适配性有限。原生世界模型需要打通感知、推理、决策和动作输出的全栈流程，并以高效地将物理世界“tokenization”（表征化）为关键。他表示，“厘清智能”是少数能够实现高效表征端tokenization的公司之一，其视觉tokenizer效果已优于Meta的DINOv3。

关于Physical AI的落地，“厘清智能”将硬件形态以轮臂为主，并计划与场景方积极合作，先从B端市场切入，最终实现To C的业务拓展。李一鸣预测，2028年将是Physical AI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显著提升，为公司的解决方案大规模落地奠定基础。他们的终极目标是打造一套通用的Physical AI Infra，如同iOS之于移动应用，赋能各类物理操作任务的规模化开发与部署。