千诀科技发布Polibrain 物理AI领域中国团队早于LeCun一年

2026年10月20日，南京国际博览中心举办的首届物理AI与世界模型大会，堪称领域内的顶级盛会。图灵奖得主以视频形式参会，多位院士坐镇主旨演讲，全球物理AI领域的顶尖力量齐聚于此。

在这场盛会上，成立仅三年、完成多轮融资的清华系企业千诀科技，正式发布了面向真实物理世界的具身智能大脑底座——Polibrain预测式世界模型。该模型的核心技术成果，早在相关领域的同类研究之前就已公开，展现了团队在底层数学与物理认知上的前瞻性。

当前具身智能领域面临的核心困境，在于机器人行业不存在类似大模型的“单点技术突破时刻”。数字世界与物理世界存在本质差异：数字内容可修改、可回滚，而物理世界的不可逆性决定了每一次试错都伴随高昂成本；同时，机器人领域缺乏大规模物理交互数据的积累，数据稀缺与试错代价高企，成为行业发展的关键瓶颈。

围绕世界模型的技术路线，行业正经历一场生死分野。生成式路线试图让模型逐帧预测画面像素，但这种方式不仅算力消耗巨大，还容易出现物理幻觉，无法适配真实物理环境的需求。而预测式路线则另辟蹊径，不聚焦像素层面的渲染，而是深入潜在表征空间，关注行动带来的物理状态变化，通过过滤无关细节，锁定因果链条的核心变量，以极低算力换取高决策确定性。

Polibrain的技术底座源于底层数学的突破。千诀科技联合清华大学团队在2025年的国际顶级学术会议上发表的研究，率先提出了隐变量可辨识性的相关理论，比海外团队的同类研究早了约一年。后续推出的多项式表征与有效阶技术，解决了深度学习中“简单性衡量”的核心难题：通过对神经网络进行“CT扫描”式的分析，量化模型的学习平滑度，以此引导模型捕捉简洁的物理规律，避免特征污染问题。

除了空间维度的泛化能力，Polibrain还解决了时间维度的连贯决策问题。针对真实环境中的遮挡、信号延迟等情况，该模型引入了基于反事实推断的因果记忆机制。机器人无需回放全部历史画面，而是通过“反事实追问”判断历史信息的必要性，过滤冗余数据，精准调取关键信息，实现复杂场景下的连贯决策。在此基础上构建的持续决策闭环，让模型能实时对比预期与实际结果，动态调整行动方案，告别盲目执行的模式。

Polibrain的架构设计实现了大脑与肢体的彻底解耦，让智能成为可复用的基础设施。上层的通用智能底座与机器人形态无关，专注于任务理解、物理状态预测与因果推理；下层的硬件适配接口则负责对接不同机器人的控制系统，适配人形、轮式、机械臂等多种形态。同时，模型融合多源异构数据，通过人类第一视角穿戴视频与真机数据的协同训练，提升数据利用效率，目前已适配近50款不同构型的机器人。

千诀科技在商业层面保持务实的策略，不追求炫酷的展示效果，而是聚焦真实场景的落地需求。团队坚持不做机器人本体，专注于大脑基础设施的开发，避免与整机厂商的生态冲突。通过数据飞轮的运转，每接入一台新机器人，模型就会积累更多真实场景数据，实现能力的持续迭代，形成良性循环。

从底层数学突破到真实场景的落地，千诀科技用三年时间证明，在物理AI赛道上，中国团队并非跟跑者，而是开路人。当海外巨头投入重注世界模型时，千诀已在核心技术上占据先机。机器人需要的不是对世界的像素级描绘，而是对物理规律的理解与决策能力，Polibrain正推动钢铁身躯挣脱预设程序的枷锁，逐步理解并适应真实世界。