允中 發自 凹非寺
量子位 | 公眾號 QbitAI

后空翻、跑酷、單手抓舉幾十公斤……

過去兩年，人形機器人最出圈的高光時刻，幾乎都發生在精心布光的舞臺上。

但鏡頭之外，有一個更樸素的問題始終懸而未決：它到底什么時候能走進你家，穩穩端起一杯水、收好一桌碗筷、把臟衣籃抱進洗手間？

5月20日，極佳視界沒有再用“五年內”這類含糊措辭來搪塞。它把通用人形機器人真機，直接推進了武漢光谷一處真實的居民社區：

那里有人住、有孩子把玩具撒一地、家具隨時會被挪動位置。

在發布會現場，極佳視界還首次完整披露了過去三年沉淀下來的“雙金字塔”技術體系。

一邊是數據金字塔，從互聯網視頻、真人數據、世界模型模擬器、仿真合成數據一路走到真機數據；

另一邊是算法金字塔，圍繞世界模擬、動作對齊、經驗強化搭建具身基礎模型的自我進化路徑。

資本市場也已經提前投票。2026年3月至4月，極佳視界在短短一個月內連續完成兩輪融資，合計金額約25億元，并躋身國內首個世界模型“百億獨角獸”

于是，一個更值得追蹤的問題浮出水面：

當100臺機器人開始進入真實家庭，當雙金字塔體系開始吃到長周期、多變量、帶有人類反饋的真機數據，當25億元融資把研發、量產與場景落地同時推上快車道，物理AGI會不會真的迎來自己的臨界點？

務實的輪臂機器人與百臺真機進家

極佳視界聯合創始人、首席科學家朱政博士，這一次走向臺前，身上多了一個新標簽：拾光品牌CEO

作為全場焦點的具身智能C端子品牌，朱政在發布會上留下了一段近乎產品宣言的定調：

AGI不該只停留在屏幕里。我們不是在講一個遙遠的未來故事，而是在把骨子里對物理AGI的信仰，變成真實的產品。

在這款第一代產品——拾光S1的設計哲學里，能清晰看到這家公司對“真實家庭場景”極其具體的解構。

最具視覺沖擊力的“全人形+雙足”路線，并沒有出現在拾光S1身上。相反，它采用了一種更務實的家庭版輪臂構型——下半身輪式底盤，上半身人形雙臂。

這是一組帶有鮮明產品觀的取舍。

畢竟在現階段，家庭場景對機器人的真實剛需，是穩當地端水、收拾餐具、抱起臟衣籃、把零食遞到孩子手上，而不是在客廳里完成酷炫的跑酷動作。

相比之下，輪臂構型在穩定性、安全性、續航以及硬性成本上，顯然都更占優勢。

面對中國家庭的真實地板寬度、真實門洞尺寸以及真實的預算曲線，拾光S1展現出了一種極為清醒且務實的市場姿態。

而在務實的硬件外殼之下，支撐其運轉的是極佳視界自研的具身基礎模型（GigaBrain系列）

該模型實現了從感知、理解到行動的完整閉環，能夠自主識別物體與場景、規劃路徑，并執行包含抓取、對齊、折疊、歸類等多步驟的長程任務

回到硬核的商業化進展上，極佳視界現場宣布：拾光S1已斬獲真實家庭場景的百臺量產訂單，將率先部署于武漢光谷之寓——一處位于光谷的真實居民住宅社區。

具體的落地節奏也已經排定好：

• 5月31日起：拾光S1真實家庭場景展示體驗空間面向公眾開放；
• 第三季度起：正式開啟百臺規模化運營；
• 屆時：下一代產品拾光S2將同步發布，并開啟真實家庭創始版預定通道。

把“100臺”這個數字放進全球具身智能的坐標系來看，其含金量并不在于數字本身，而在于“家庭”二字。

縱觀全球，Figure AI挺進了寶馬工廠，但其家庭場景仍處于試點階段；1X雖開放過NEO的預訂，但實際履約規模仍停留在數十臺；Tesla Optimus至今則尚未真正對外部消費者開售。

在主流國內具身智能玩家里，目前能夠拿出一份可履約家庭訂單的團隊，也屈指可數。

究其原因，進工廠和進家庭，完全是兩個數量級的難度。

工業工廠是高度結構化的，光線、節拍、物料位置基本恒定。

而家庭場景則是極度的“非結構化”：今天家具被挪動了位置，明天孩子把玩具撒了一地，后天又有客人突然到訪……所有的動態變量都在無限疊加。

這也揭示了當前行業最隱秘的痛點——當下具身智能最稀缺的資源，不是算法，也不是單純的算力，而是在真實家庭里、長周期、多變量、帶有人類反饋（RLHF）的真機數據

這種數據，在實驗室里造不出來，在自動化工廠里也補不出來。

一旦第三季度這百臺機器人真正跑起來，產生的將是難以被復制的核心數據資產：家庭場景下的真實故障率、用戶偏好分布、更具煙火氣的長尾任務清單，以及人機交互的真實邊界。

這些數據，將成為GigaBrain后續模型迭代不可替代的燃料。

值得注意的是，在C端家庭場景高調破局的同時，極佳視界的B端工業節奏也在平行推進。

就在發布會前不久，極佳視界聯合一汽模具、阿里云，完成了國內首個具身智能機器人在真實工業制造場景的全流程落地

在這場跨界合作中，團隊成功將傳統自動化方案長達數月的場景適配周期，壓縮到了短短幾周

家用求廣，工業求深。

左手C端場景的數據飛輪，右手B端工業的標桿落地，極佳視界的雙線并行矩陣，至此已初具雛形。

技術方法論：解構物理AGI的“雙金字塔”體系

如果說“百臺部署”回答了具身智能產品何時落地的破局點，那么“雙金字塔”回答的就是另一個更底層、更核心的終極命題：

物理AGI的Scaling Law，究竟該建在什么樣的基石之上？

在發布會現場，極佳視界合伙人、研發副總裁葉云首次完整披露了公司過去三年沉淀的技術方法論。

△極佳視界合伙人、研發副總裁葉云

他直言不諱地指出了當前具身智能行業系統性存在、卻鮮少被徹底攻克的兩大瓶頸：

一是數據側的“既要又要還要”難題。

真機數據精度高但成本高、規模小；仿真數據可擴展但存在不可忽視的sim-to-real gap（虛實遷移鴻溝）；互聯網視頻規模極大，卻缺乏動作監督。

任何單一數據源，都無法同時滿足規模、密度和真實性。

二是算法側的“小馬拉大車”困局。

主流VLA（Vision-Language-Action）范式習慣性將視覺、動作token化后塞進大語言模型，但這套機制天然不擅長處理3D空間信息、物理因果邏輯以及連續動作編碼。

針對這兩大痛點，極佳視界給出的解法是：將數據與算法分別解構，用結構化的“雙金字塔”體系強行破局。

數據金字塔的核心，在于解決模型“喂什么”的問題。

極佳視界將其從底到頂劃分為5個層級：

互聯網視頻數據→真人數據→世界模型模擬器→仿真合成數據→真機數據。

在這套架構中，底層管廣度，頂層管精度。

而中間三層，正是工程化空間最大、也是過去整個行業最被低估的“腰部力量”。

分層概念在學術界討論已兩年有余，真正拉開差距的是全棧工程化的落地能力

極佳視界直接為每一層都掏出了對應的商業化或自研硬核產品：

• 互聯網視頻層：YouTube、Panda-70M等公開海量數據的高效復用；
• 真人數據層：低成本手持數采硬件“U-01”+低成本Ego（第一人稱視角）數采硬件“E-01”；
• 仿真合成與世界模型層：自研具身世界模型平臺“GigaWorld-0”；
• 真機數據層：家庭版輪臂機器人“拾光S1”+低成本真機數采硬件“Maker M01”。

從數據采集、數據生成到模型訓練，全鏈路100%控在極佳視界自己手里。

放眼國內具身智能賽道，能對五層數據做如此系統性、全棧式硬核布局的玩家，目前或許只有極佳視界一家。

一個剛發生的硬核例證是：極佳視界與清華大學合作的研究成果R2RGen，正式被機器人頂級會議RSS 2026錄用。

該技術支持機器人在“僅看一條人類演示”的前提下，就能完成一組任務的空間泛化，其1條演示的訓練效果可直接媲美25條真人演示

這正是數據金字塔中，用算法工具實現“真機數據高倍率放大”的典型降維打擊。

如果說數據金字塔是筑基，那么算法金字塔解決的就是“怎么學”的自驅路徑。

它由底到頂分為三層：世界模擬→動作對齊→經驗強化

在這條路徑上，極佳視界交出了一份極其罕見的成績單：在全球三大最權威的具身智能評測中，同時斬獲第一

1、世界模擬層（GigaWorld-1）

在世界模型權威評測WorldArena上一舉擊敗谷歌、英偉達等國際巨頭，登頂全球第一。

它也是全榜單中首個綜合得分突破60分大關的具身世界模型。

2、動作對齊層（GigaBrain-0系列/GigaWorld-Policy）

極佳視界在該層打出了兩張王牌。

前者在全球規模最大的真機評測RoboChallenge中力壓π0.5等頂流模型斬獲第一；

后者則在面向家庭場景的RoboCasa365中，擊敗了NVIDIA GR00T N1.5，成為榜單上首個登頂的世界動作模型（World Action Model）。

3、經驗強化層（GigaBrain-0.5M*）

通過“世界模型+強化學習”的雙向加持，真正跑通了具身基座模型的自我進化（Self-evolution）。

世界生成、真機操作、家庭場景泛化這三種本質不同的能力范式，由同一支團隊在同一時間節點集中突破，這在行業內極具震撼力。

至此，極佳視界的“雙金字塔”完成了它最具里程碑意義的閉環：

它將物理AGI的Scaling Law路徑，從紙面上的宏大概念，變成了一套可對照、可復現、可被量化評測的系統化落地方案

物理AGI的“GPT-3時刻”何時到來？

在發布會現場，極佳視界還扔出了下一代硬件的重磅預告——拾光S2將于2026年第三季度正式發布。

這一次，極佳視界沒有單純卷參數，而是將準心扣在了“真實家庭可用性”這三個字上。

拾光S2三大核心指標的升級路徑，清晰可見：

• 空間瘦身：底盤體積直降60%，極限貼合中國家庭略顯狹窄的過道與玄關；
• 續航躍升：電池續航暴增70%，并全面支持熱換電以確保全天候待命；
• 縱向延展：操作范圍擴大40%，最高可執行2.2米高度的縱向家務任務。

對于這次升級，極佳視界聯合創始人朱政在現場給出了這樣的定義：

S2的核心，不是某個參數變得更漂亮，而是整機開始真正接近真實家庭所需要的“可用性”。

據悉，真實家庭創始版預定通道，也將在發布時同步開啟。

相比于硬件的漸進式改良，更具行業風向標意義的，是極佳視界首次公開的基礎模型12個月路線圖

這張“明牌”的時間表，直接將具身智能的智能化進程進行了量化：

• GigaBrain-1：2026年Q3發布，據稱是全球首個基于“雙金字塔”體系打造的物理AGI基礎模型；
• GigaBrain-2：進一步拉滿Scaling Law的加速器；
• GigaBrain-3：基于1000萬小時視頻數據+100萬小時世界-動作數據訓練，直接劍指物理AGI的“GPT-3時刻”

在大模型發展史上，GPT-3的里程碑意義并不在于模型結構本身，而在于它是Scaling Law首次顯現“涌現能力”的臨界點。

當數據規模與算力跨過那個神秘的閾值，物理世界的認知就會從量變產生質變。

物理AGI的“GPT-3時刻”在理論上同構——

數據規模（1000萬+100萬小時）與算法范式（雙金字塔）在臨界點交匯，物理智能體將展現出真正意義上的通用性

這不是指在實驗室預設的場景下機械地干十種家務，而是意味著它能夠“空降”到任何一戶真實家庭，能應對所有突發的意外，并在每一次環境反饋中完成自我進化。

過去兩年，行業對于“物理AGI何時到來”的追問，大多得到了“五年內”、“指日可待”等模糊的回應。

極佳視界這次直接掀掉底牌，把宏大命題拆解為兩個確定性的交卷時間：需要什么樣的體系（雙金字塔），以及什么時候到達臨界點（12個月）

這是一個可以被全行業公開檢驗的答案。

物理AI“夢之隊”集結

除了技術，極佳視界更亮眼的莫過于其核心團隊：

創始人兼CEO黃冠，清華大學自動化系創新領軍工程博士。

曾擔任地平線機器人視覺感知技術負責人、鑒智機器人合伙人&算法副總裁，并擁有微軟亞洲研究院、三星中國研究院等頂尖研究機構工作經歷。

他完整經歷了過去十年物理AI的技術和產業發展歷程，多次帶領團隊獲得全球權威AI比賽世界冠軍，并發布多個全球知名AI成果。

聯合創始人兼首席科學家朱政，智源青年學者，發表頂級論文70余篇，引用近2萬次。

多篇著作影響力巨大，連續4年入選全球前2%頂尖科學家榜單，多次獲得吳文俊自然科學一等獎、最佳學生論文獎、CCF杰出論文獎等榮譽，也是多個頂會領域主席、多項競賽冠軍。

聯合創始人孫韶言，曾擔任阿里云總監，地平線數據閉環產品線總經理，在物理世界超大規模數據閉環產品和架構方面擁有行業領先的經驗。

他主導了業內首個智能駕駛數據閉環系統的落地，有效提升了數據的處理效率，為智能駕駛技術的發展提供了重要的基礎設施支持。

合伙人兼工程副總裁毛繼明，擁有超過16年的仿真/工程/數據/分布式架構方向的經驗。

曾擔任百度Apollo仿真和工程負責人，以及曾擔任百度、贏徹等T10級別架構師，主導多個自動駕駛與世界模型核心項目的技術開發與落地。在高質量數據生成、端到端自動駕駛架構設計以及分布式系統優化領域有著深厚的積累。

可以說，這支團隊完整經歷了CV、自動駕駛、具身基模、世界模型等物理AI過去十年的發展歷程，并在每個階段都做出了行業領先的世界級成果。

當他們聚集在一起，就共同造就了這支始終引領具身世界模型技術演進的“夢之隊”。

資本側給出的反饋同樣明確。

在2026年3月至4月，短短一個月內，極佳視界連續完成兩輪融資，合計金額高達約25億元，一舉躋身國內首個世界模型“百億獨角獸”。

據說，其背后的投資方矩陣，覆蓋國內最具代表性的頂尖產業資本（華為哈勃就是其中之一）、頭部財務機構與重磅國資平臺。

三個懸而未決的問題

事實上，極佳視界給出了一套將算法+數據+本體+場景+商業+時間表全棧打通的物理AGI閉環路徑。

往前看，三項全球權威評測冠軍證明了算法架構的優越性；

往下看，“百臺進社區”印證了工程化的可靠執行力；

往未來看，三代基礎模型路線圖則給出了明確的航向。

站在當前節點，未來12個月內，至少有三件事值得整個科技界持續追蹤：

第一，百臺家庭部署能否真正跑出有效數據閉環。

家庭環境下機器人能持續工作多久、故障率與人工介入頻次、用戶偏好如何回流到模型，這是物理智能領域目前最稀缺的資產積累。

第二，2026年Q3的GigaBrain-1是否能如期發布，并在能力上對得起“雙金字塔”體系所許諾的范式優勢。

第三，GigaBrain-3是否能在12個月后真正觸達“GPT-3時刻”

或許這是物理AGI賽道目前最具爭議、也最具兌現價值的判斷。

正如朱政在發布會尾聲留下的那句話：

物理AGI服務每一個人的時代，會在一戶一戶真實家庭中逐漸發生。

大幕已經拉開，這個預言會不會變成現實，我們只需要再等12個月。