0
构建Scaling曲线最陡峭的「物理世界模型」。
作者 /Oriana
具身智能的模型路线正在分化,围绕VLA与世界模型孰优的争论愈演愈烈,后者正成为资本与学术的新焦点。一支清华00后团队选择将方向进一步收窄:引入模态对齐与归纳偏置,构建Scaling曲线最陡峭的“物理世界模型”。
新物种获悉,LiberAI已于近期连续完成种子轮、天使轮及天使+轮融资,累计金额数亿元人民币,投资方包括真格基金、红杉中国、美团龙珠、顺为资本等一线机构。
创始人兼CEO 刘松铭
公司成立于2025年12月,CEO刘松铭是清华特等奖学金获得者,师从清华大学朱军教授,在ICML、NeurIPS等顶会发表多篇一作论文。2024年,他领先Physical Intelligence团队的π0模型一个月发布基于扩散Transformer的具身基座模型RDT-1B,次年又先于Generalist的GEN-0模型一个月推出首个使用大规模UMI无本体人类数据预训练范式的具身模型RDT-2。
LiberAI联合创始人林凡淇师从清华叉院助理教授、千寻智能首席科学家高阳,其一作论文《Data Scaling Laws》首次在具身领域提出模型的泛化性随着数据的多样性增加而显著提升这一规律,获得ICLR Oral、CoRL X-Embodiment Workshop Best Paper等荣誉。
LiberAI判断,当前行业主流路线各有局限:VLA本质是policy,对带动作的高质量轨迹质量要求极高,导致scaling成本高;WAM(世界动作模型)将视频生成与动作生成结合,扩大了数据利用范围,但没有做模态对齐,数据利用效率不够高。
在LiberAI看来,当前AI无法理解物理世界中的力、接触与运动变化,根本原因是缺少对“因果”的建模:因是力,果是运动状态。
为此,LiberAI在模型架构做出创新设计:引入模态对齐,将物理模态(力、接触)与视频模态(运动状态)在因果层面进行对齐,利用视频的强泛化性撬动物理数据的稀缺性;同时在模型中引入物理规律作为归纳偏置,给模型注入人类的先验认知,加速模型收敛速度。
刘松铭称:“我们以物理智能为纵轴,从模型、数据、硬件多端发力,一切为了让scaling曲线更陡峭。”
在LiberAI看来,数据范式最关键的指标是scaling的边际成本,以及边际成本随着scaling而下降的速度。他们选择采集人手的交互数据,搭配第一视角视频,通过可穿戴设备记录力与接触信息。“最好的数采方式是直接采集人手的交互数据,无感、轻量、不影响人干活、适用范围广,边际成本最低,是最适合真实场景真实工作流规模化的数据采集方式。”刘松铭说。
他进一步拆解数据scaling的两条曲线:冷启动曲线和量产曲线。冷启动阶段采集大规模人类物理数据是LiberAI提出“模态对齐”的重要前提;量产曲线依赖智能产品落地后的数据回流,形成正向飞轮。为此,LiberAI在成立之初就搭建了软硬协同的组织架构。
做硬件是LiberAI战略的一部分,但并不喧宾夺主。 刘松铭说:“我们是一家世界模型基模公司。但世界模型不仅有模型训练,而是要提前搭建好一整套系统。系统内每一环均为最快scaling而生,且环环相扣。我们有成建制的硬件联创团队、数据和硬件工程团队。模型的scaling是所有人共同的目标。当然,系统思维不等于全栈自研,我们的核心是产品定义,像苹果一样,定义世界模型时代的数据采集方式、机器人本体形态,以及最重要的Evaluation Metrics(评价标准)。”
2026年4月,LiberAI在成立的第4个月发布了首个技术Demo,是全球首个高自由度灵巧操作的具身基础模型,搭载五指灵巧手实现双手剥香蕉、双手拧瓶盖、持锅颠勺等精细操作长程任务。
世界模型正在成为资本焦点。 除极佳视界、流形空间、智在无界等资深科学家创办的公司外,LiberAI和逆矩阵科技等00后“小天才”团队也迅速崛起,前阿里巴巴千问大模型负责人林俊旸同样入局。
虽然世界模型领域的GPT时刻还未出现,但行业玩家们共同的努力将让前路越走越清晰。刘松铭提出,“物理AGI的核心标准是纠错能力,即知道自己犯错、能够恢复、预判世界变化。LiberAI的目标是让物理AI走出demo、走出实验室,成为服务人类、解决实际问题的Physical Agent。”
排版运营 / Teagan
- End -
00:02