社区

现在，全球科技圈都在盯着下一代AI的物理理解能力，不管是大厂还是科研机构，都在这个领域使劲儿钻研。

最近，极佳视界推出了一款新的具身世界模型GigaWorld-1，在世界模型领域的权威评测WorldArena里，拿到了不错的成绩，和谷歌、英伟达这些国际大厂的同类模型比起来，技术优势突出。

能有这样的表现，离不开极佳视界在物理AI和具身世界模型领域的长期投入，也给国内这个领域的发展提供了有用的参考，慢慢推动咱们国家在这一块，从跟着别人跑到和别人并肩跑，甚至在某些地方能往前冲一冲。

WorldArena是由清华大学联合普林斯顿、新加坡国立、北大、港大等8所全球顶尖高校和科研机构一起做的，它的评测不只是看“画面好不好看”，而是搭建了一套比较全面的评估标准，包含16项细分指标和3大真实应用任务。

具体来说，视觉感知质量要看画面效果、运动流畅度、内容是否连贯、是否符合物理规律、3D还原准不准、能不能精准控制；而具身任务功能性，就是看这个模型能不能当“数据引擎”“策略评测器”“动作规划器”，在实际机器人应用中发挥作用。正因为评测够科学、够全面，谷歌、英伟达、阿里这些全球头部企业，都来参与比拼了。

而这次评测里，极佳视界的GigaWorld-1综合得分是62.34分，也是目前榜单上唯一一个综合得分突破60分的具身世界模型，一度超越谷歌、英伟达等国际前沿大厂。

GigaWorld-1走的是实用化路线

近期，全球权威评测平台 WorldArena 最新结果公布后，极佳视界自研的 GigaWorld-1 凭借多项关键指标领先，成为行业一时焦点。

而它在评测中展现出的显著优势，核心正是自研的AC-WM 架构，这套架构将显式动作建模与可微分物理引擎深度融合，精准击中了传统世界模型长期存在的痛点。

不同于通用生成模型，GigaWorld-1 的 AC-WM 架构从一开始就面向机器人场景设计，以动作指令为核心输入，让机器人行为与环境变化强相关、强对齐。

该架构在极佳视界2025年7月推出的EmbodieDreamer基础上完成了两大关键升级：

一方面通过显式动作建模，将动作信息结构化融入生成过程，大幅提升生成内容在几何空间上的一致性，改善了传统模型常见的动作与画面不匹配问题；

另一方面引入可微分物理引擎，精准捕捉机械臂、交互物体的物理参数，真实模拟碰撞、摩擦、抓取等复杂物理交互，让生成结果更贴合现实物理规则。

相比以往的世界模型更在意视觉效果，AC-WM 更强调实用性，让 GigaWorld-1 真正具备支撑机器人决策、规划的能力，为后续落地应用打下基础。

另外，GigaWorld-1没有使用网络通用视频数据，而是依托极佳视界多年积累的上万小时真实机器人操作数据进行训练。

覆盖了大量开放场景，从基础的抓取、摆放，到复杂的双臂协同、长时序连续任务均有涉及，且全部经过严格标注与清洗。海量真实机器人数据的加持，让模型在面对新纹理、新视角、新物体位置时，仍能保持稳定的高保真生成与物理模拟效果。

当然，团队也坦言，模型泛化能力仍有提升空间，未来会持续扩充数据场景、优化数据质量。

结合本次 WorldArena 评测结果，GigaWorld-1 与谷歌、英伟达的主流世界模型相比展现出明显优势。综合得分上，GigaWorld-1 以 62.34 分高于谷歌 Veo 3.1 的 58.87 分与英伟达 Cosmos-Predict 2.5 的 57.92 分；物理遵循度方面，64.68 分显著领先于后两者的 52.35 分和 50.18 分；3D 准确度更是达到 97.02 分，远超谷歌的 85.62 分与英伟达的 86.35 分；视觉质量维度 63.04 分同样优于对手。

不过，谷歌与英伟达在 AI 领域深耕多年，技术积淀深厚、生态体系完善，在推理速度、场景泛化适配等方面仍有不少值得学习的地方。

GigaWorld-1 此次的领先更多集中在评测关键维度，并非全面超越，未来仍需在技术优化、场景拓展上持续投入，进一步缩小与国际顶尖厂商的整体差距。

扎实打磨，从“好看”到“好用”慢慢过渡

GigaWorld-1之所以能实现从“好看”到“好用”的关键跨越，核心就在于极佳视界自研的GigaWorld世界模型平台。

其精准复刻了物理世界的运行规律，生成高保真合成数据；和传统仿真器相比，它凭借几何一致、物理精准的建模优势，可产出高保真、可调控、多样化的具身交互数据，实现数据放大效应，直接推动模型实用能力的迭代升级。

GigaWorld-0作为该系列的基础版本，是全球首次让具身世界模型在高水平具身基模上发挥核心价值，其GitHub开源代码斩获1.5k+ Star，完成了核心技术的初步验证，为后续迭代奠定基础；而本次登顶WorldArena的GigaWorld-1，更是当前全球最领先的AC-WM架构模型，将实用化能力推向新高度。

一方面，GigaWorld平台能带来10-100倍的效率提升，大幅降低模型训练与应用成本；

另一方面，其生成的数据能显著提升下游模型性能，使得所训练的VLA模型在新纹理、新视角、新物体位置三大泛化维度上，均实现近300%的性能飞跃，解决了传统模型泛化能力不足的痛点。

在技术延伸与场景落地层面，极佳视界的扎实打磨进一步拓宽了“好用”的边界。

驾驶方向，DriveDreamer系列是全球范围内最早将世界模型应用于物理世界的开创性工作；具身方向，GigaWorld-Policy作为全球首个实现世界-动作模型（WA）实时性、成功率、训练效率全面突破的产品，实现对主流WAM模型推理效率和性能的全面碾压，实测达成10倍推理速度、10倍训练效率的跨越式提升，同时任务成功率大幅上涨30%，推动具身智能迈入世界模型驱动的新纪元。

同时，配套的GigaBrain系列模型，进一步强化了实用落地能力，GigaBrain作为端到端视觉-语言-动作基础模型，其开源版本GigaBrain-0.1在全球规模最大的真机评测中斩获全球第一；

后续推出的GigaBrain-0.5M*，是全球首个基于世界模型的强化学习实现高效学习和自我进化的具身基模，采用迭代式四阶段闭环训练流程，在折纸盒、咖啡制备、衣物折叠等复杂长时程任务中，实现接近100%的任务成功率且可稳定复现，充分体现了技术打磨的扎实性与实用价值。

从GigaWorld系列的迭代到GigaBrain的突破，极佳视界的核心逻辑就是“拒绝视觉内卷、聚焦实用落地”，这种扎实打磨不仅让GigaWorld-1在国际评测中脱颖而出，更构建起覆盖多场景、全链路的技术体系，真正实现了世界模型从“好看”到“好用”的质变，也为国内具身智能领域的发展提供了可落地、可复制的技术路径。

深耕物理AI，走出自己的特色路线

GigaWorld-1的成功问世，无疑是极佳视界在物理AI领域长期深耕结出的硕果。作为国内较早系统性布局世界模型的企业，极佳视界并未随波逐流追逐风口，而是锚定物理AI这一核心赛道，走出了一条通往“世界模型驱动的物理世界通用智能”的独特路径。

与那些试图包罗万象的企业不同，极佳视界将筹码压在了世界模型与具身基础模型这两个关键领域。

通过GigaWorld平台打造物理世界的“数字沙盒”，生成高保真合成数据，为机器人提供近乎真实的策略训练场；另一边依托GigaBrain具身基础模型锻造机器人的“通用大脑”，打通视觉、语言与动作的端到端决策闭环。

这种集中优势兵力打歼灭战的思路，固然让公司在垂直领域建立了深厚的技术壁垒，但也对后续的场景拓展与生态建设提出了更高难度的挑战。

但极佳视界的核心成员大多来自清华、阿里、百度、地平线及**等顶尖机构，完美融合了仰望星空的创新力与脚踏实地的执行力。

创始人兼CEO黄冠作为清华自动化系博士，曾在地平线主导机器人视觉感知技术，是物理AI领域的资深实干家；联合创始人兼首席科学家朱政身为智源青年学者，以扎实的理论功底在顶级学术会议上屡获认可；再加上孙韶言、毛继明等一批拥有一线大厂经验的核心骨干，这支队伍既懂算法创新，又精通工程落地。

极佳视界的技术蓝图同样赢得了资本市场的强烈共鸣。

2025年11月，**哈勃投资联合华控基金率先砸下亿元级A1轮融资——这一动作紧随**将世界模型列为“未来智能世界2035十大技术趋势之首”之后，被外界视为产业龙头对其技术路线的强力背书。

紧接着在2026年4月，极佳视界又完成了近10亿元的Pre-B轮融资，投资方阵容囊括了中芯聚源、上海半导体产投基金、临芯资本及中金资本等芯片与汽车领域的“国家队”及顶尖财务机构。

资本的密集注入不仅是资金层面的补给，更是对其“技术-产品-商业”闭环能力的高度认可。

结语

GigaWorld-1在WorldArena评测里拿到的成绩，是极佳视界长期深耕物理AI和具身世界模型领域的结果，也是国内这个领域技术发展的一个小小缩影。

GigaWorld-1的优化与突破，能看出国内企业在物理AI领域的研发能力在慢慢提升，已经能在部分核心维度上和国际大厂同台比拼，也给全球具身智能发展提供了中国的实践经验；

并且，这个模型的高保真模拟能力，有望在一定程度上提高机器人研发效率，推动机器人、自动驾驶、工业仿真等行业的落地应用，降低技术门槛；

目前，GigaWorld-1已经开源，核心代码和数据集也在GitHub、HuggingFace上公布，短短半个月下载量就突破了16000次。

此举通过开源，不仅能帮助全球的开发者，更能一起推动具身智能生态的发展。

相信在全球科技企业的共同努力下，物理AI和具身智能领域会不断取得突破，而极佳视界也会以谦虚务实的态度，一直深耕下去，为这个行业的发展贡献自己的一份力量。