科技量子位·贾浩楠··AI 生成
手握英伟达宁德时代相同剧本，具身智能的第一个「基建商」出现了
文远知行内部孵化的景烁科技，在具身智能热潮中选择了一条冷门路径：不做整机或大脑，而是押注物理AI的数据基础设施。其核心产品包括世界模型驱动的数据闭环平台WorldEngine、核心引擎GENESIS-Robotics和技能资产引擎SkillForge，旨在为具身智能公司提供开箱即用的数据工具和技能包。文章认为，当前行业瓶颈不在算法和硬件，而在高质量数据基础设施的缺失，景烁的定位类似于为AI浪潮提供算力的英伟达，为物理AI提供“地基”。适合关注具身智能产业落地瓶颈、以及AI基础设施商业模式的从业者阅读。原文 ↗原文 ↗
核心观点
- ▍当前具身智能赛道发展瓶颈不在算法或硬件，而在缺乏高质量、系统性的数据基础设施，导致模型无法有效训练和迭代。
- ▍景烁科技的战略定位是成为物理AI领域的“基建商”，提供数据基础设施即服务，其价值逻辑类似于英伟达（提供算力）和宁德时代（提供电池）在各自产业中的角色。
- 01景烁科技由文远知行内部孵化，CEO霍达是文远知行001号员工，拥有12年自动驾驶AI数据基础设施建设经验。
- 02景烁的核心产品体系包括三层：WorldEngine（标准化数据闭环平台）、GENESIS-Robotics（基于Transfusion路线的世界模型，融合语言、策略、图像、视频）、SkillForge（技能资产引擎，包含500K+小时真实交互数据、200+标准化技能包）。
- 03景烁自研了EGOK采集设备（280g，双目4K@60fps，近红外手部追踪延迟8ms），并强调“手—物—场景—动作”全链路模组同源同标，无需事后人工拼接。
- 04文章引用数据称，2026年国内具身智能赛道融资约438亿元，其中超过一半（约241亿元）涌入“具身大脑”方向，而景烁选择了差异化路径。
- 05景烁认为，通用具身模型至少需要千万小时级的高质量交互数据，甚至上亿小时，这是自建数据基础设施的创业公司难以承受的成本和时间。
反方 / 局限
- — 文章本质上是景烁科技的商业宣传稿，立场单一，缺乏对自身技术路线局限性的讨论，如Transfusion路线是否优于其他世界模型方案、数据基础设施与模型厂商之间的竞争关系、以及其产品在非合作场景下的泛化能力等。
前置背景
技术原理
平行视角
延伸追问