9月底，AMD以82亿美元全股票收购李飞飞联合创办的 World Labs。这是AMD 史上第二大收购案，也让世界模型第一次以如此昂贵的方式进入产业视野。但价格只回答了一半：一家公司愿意为这个方向付多少钱，和这项技术能不能在工厂里干活，是两件事。

一家中国公司影身智能给出了不一样的答案：先让4D世界模型进制鞋车间。

01

当前，AI在数字世界里的成长与进化速度超乎想象，可是在真实物理世界，技术演进明显滞后。所谓原生4D世界模型，是在三维空间之上再叠加时间维度，并纳入力学与拓扑信息：它要捕捉的不只是物体长什么样，还有物体怎么形变、怎么相互作用、怎么随时间演化。

眼下多数路线卡在中间：2D视频生成有了画面，但没有真实深度；静态3D重建有了深度，却没有时间。少了这一维，推演里就会出现物体互相穿透、重力凭空失效这类违背物理常识的错误。

World Labs与影身智能几乎同时在2024年启程，对技术的判断也高度一致：AI要走向物理智能，先得建立对4D空间的理解。真正的区别在后面——World Labs 选择先构建一个虚拟世界，再把智能体放进去；影身智能选择先走进工厂。

这条路线能兑现什么？影身智能自研的4D基座世界模型“破界S1”给出了一组可量化的答案。它把渲染、仿真、规划放进同一套基座。统一表征换来的提升是可量化的：图像目标导航成功率从43%升到72%，语言目标导航达69%，推理速度比此前最优方法快约45%；九项动态操作任务上，平均成功率高出此前最优方法10个百分点以上。更值得注意的是样本效率——只需15条真实演示数据，模型就能接近峰值性能。

02

影身智能成立于2024年，围绕原生4D数据、世界模型和具身智能展开，分设物理具身与数字文娱两个方向。技术栈是三层：4D数据采集、4D基座世界模型、垂域模型。目前这套体系已经在真实工业场景里跑起来，并拿到了订单。

多数做世界模型的团队只做算法。影身智能从组建起，就把科研、工程和商业放在同一张桌子上。

创始人兼CEO闵伟是清华大学工学博士、高级工程师，曾任阿里巴巴本地生活机器人团队技术负责人，拥有20余年AI与机器人研发及落地经验；首席科学家刘烨斌为清华大学自动化系长聘教授、国家自然科学基金杰出青年科学基金获得者，研究方向为三维视觉、3D与4D内容生成，数字人，多项成果已完成产业技术许可；特别科技顾问朱煜为清华机械工程系长聘教授。

学术背景让它跟得住前沿，工业经验让它知道现场有多少约束。这也是影身智能没走实验室路线、而选择real2real的原因：把4D世界模型变成能在产线上持续迭代的能力。

03

李飞飞在7月底a16z的播客里提出过一个判断：卡住具身智能的不是算力，是“数据荒漠”，这也是公认最大的卡点。

World Labs的解法是Real2Sim2Real：把真实环境搬进仿真空间，让智能体在里面大量试错，再部署回现实世界。数据上混合互联网公开视频与自有素材，目的是用低成本把数据量做大。

闵伟的另一层判断是：在具身智能里，数据从来不是多少的问题，而是维度的问题。互联网视频记录的大多是标准、成功的操作，很少记录产线上频繁出现的失误、异常和物料形变。但工厂恰恰充满不确定性——正是这些“非标准”样本，才能真正教会机器人如何处理复杂工况。

影身智能创始人兼CEO闵伟

所以影身智能的核心是“数据演练>采集”，坚持real2real，直接在制鞋产线上7×24小时采集原生4D数据，把工位变成训练场，产线一边跑一边给4D基座模型回喂数据。

然而有个问题无法回避——高质量4D数据一直很贵。传统多视角动态采集方案依赖密集视点的相机阵列，整套设备动辄几百万元，4D数据因此很难铺开。要让它进入产业，采集端的成本必须先降下来。

影身智能的解法是自研的“影身360”多模态采集系统：仅需4至6个消费级RGB摄像头配普通显卡，就能做到25帧/秒的动态采集，实时产出毫米级精度的4D数据。相比传统方案，硬件综合成本下降超过90%。

“影身360”数采设备

04

硬件只是入口，数据要变成能力还得有训练场。今年9月，石景山区首钢园的具身智能训练中心揭牌，这是国内首个由4D世界模型驱动的具身智能数据与训练基础设施，影身智能是核心共建方，更是一期4D基座世界模型的主建方。该中心已从1.0迭代到2.0，构建了“采集-建模-训练-验证-回流”的数据飞轮，把真人、真机、4D、仿真四类互补数据整合在一起，以4D世界模型为统一底座打通数字智能、空间智能、物理智能三类智能，串联认知决策、场景重建到真机执行全链路。模型因此能持续吃到真实产线的一手数据。

飞轮转不转，最终要看产线。面向柔性制造，目前影身智能做了三款机器人：ShadowGlue涂胶、ShadowPress压底、ShadowBox打包。它们对准的是制鞋行业长期的“双柔性”难题——皮革布料受力就形变，这是材料柔性；款式快速迭代、来料不标准，这是任务柔性。也正是这两点，让传统刚性自动化设备的渗透率长期停在5%。

ShadowGlue涂胶机器人通过观看工人操作视频即可自主学习工艺逻辑，能实时感知胶水粘稠度的变化，在0.1秒内完成动作补偿，把物料浪费率压到1%以内；ShadowPress压底机器人靠视觉算法动态补偿做到亚毫米级精准对位，末端精度要求降低10倍，它的良品率稳定在99.9%以上，可以7×24小时无人化作业。

ShadowPress压底机器人

ShadowBox打包机器人在2026第23届中国—东盟博览会展台以及第五届京西地区发展论坛上成功展出，靠4D世界模型实时识别纸盒形态和位姿变化，用双机械臂协同完成柔性纸盒折叠。

2026年上半年，影身智能和宝龙鞋业、顺斐鞋业、越韩鞋业等多家越南头部制鞋企业达成合作，计划交付数百台ShadowGlue涂胶机器人与ShadowPress压底机器人，订单规模数千万元人民币。截至东博会落幕，影身智能具身产品累计签约订单已达数亿元，东盟区域的业务还在扩张。

这些数字背后是更难复制的一层。影身智能的壁垒不在某一个算法，而在三件事叠在一起：4至6个摄像头就能开工的采集成本，让数据规模不再受制于设备预算；产线上7×24小时回喂的真实数据，让模型拿到真实物理世界的样本；以及石景山大数据训练中心那条从采集到回流的通路。三层合起来才转得动飞轮，缺任何一层，4D世界模型都只能停在演示里。

资本给技术方向定价，工厂按降本和回报给技术打分。影身智能的意义，远不止是做“中国版World Labs”。

真正的考验在于：这套从4D数据、4D世界模型到机器人执行的完整链路，能不能延伸到更多工厂、更多任务场景。

这场大考，才刚刚开始。