当大多数AI公司还在追逐大语言模型时，极佳科技带着10亿元融资和30亿美元估值，悄然站上了“世界模型”这一更宏大的战场。这家由地平线前技术骨干创办的公司，正试图用GigaWorld和GigaBrain重新定义机器人与工业系统理解物理世界的方式。在短短三个月内完成三轮共35亿元融资后，它已剑指港交所，准备成为“世界模型第一股”。

信息 详情
公司 极佳科技 (北京极佳视界科技有限公司)
创始人 黄冠 (清华大学博士，前地平线机器人技术专家)
总部 中国北京
成立时间 未披露
本轮融资 10亿元人民币 (B2轮)
投资方 狮城资本、中国-比利时基金等（估值30亿美元）
核心定位 世界模型与物理AGI平台，赋能机器人、工业系统与自动驾驶导航
官网 www.gigaai.com.cn

黄冠的赌注：从地平线到世界模型，一个清华博士的物理AGI野望

2023年深秋，北京中关村一间狭小的办公室里，黄冠在白板上画下了一个复杂的架构图。这个刚从地平线机器人离职不久的清华博士，正在向他的早期团队解释一个在当时看来近乎疯狂的想法——放弃自动驾驶领域成熟的“感知-预测-规划”模块化路线，转而构建一个能够理解物理世界运行规律的大模型。这间办公室的租金每月不到两万元，但白板上那个名为“GigaWorld”的架构图，却在不到一年后撬动了超过35亿元人民币的融资，估值飙升至30亿美元。

黄冠的学术背景几乎是为物理世界智能化量身定制的。他在清华大学的博士研究聚焦于计算机视觉与自动驾驶感知，师从国内视觉领域的权威学者。他的博士论文《面向复杂动态场景的视觉感知与理解》中，一个关键创新是提出了一种“时空联合注意力机制”，让模型能够在连续视频帧中捕捉物体的运动趋势和交互关系。这一成果后来被地平线直接应用于其征程系列芯片的感知算法栈中。但黄冠的野心不止于感知。在地平线工作的四年里，他主导了从芯片底层算子优化到上层算法平台的全栈开发，这段经历让他深刻意识到一个关键瓶颈：现有自动驾驶系统对“世界如何运转”的建模是碎片化的，感知模块只理解“是什么”，预测模块猜测“将发生什么”，但两者之间缺乏一个统一的、可推理的物理世界表征。

这种认知上的裂痕，正是黄冠与他的前老板余凯分道扬镳的根本原因。余凯领导下的地平线，走的是“芯片+算法”的渐进式路线，强调在现有硬件约束下实现可落地的自动驾驶功能。黄冠对此并不完全认同。他认为，真正的自动驾驶乃至广义的物理世界智能化，需要一个能够模拟物理因果关系的“世界模型”——这个模型不仅要能识别路上的行人，还要理解行人下一步可能迈出的方向、与周围车辆之间的交互逻辑，甚至预测路面积水可能导致的打滑风险。在一次内部技术研讨会上，黄冠曾直言：“我们现在的系统像是一个只会背单词却不懂语法的人，能认出每个物体，但无法理解它们之间的物理叙事。”

这种技术路线上的分歧，最终促使黄冠在2023年夏天做出了离职创业的决定。他选择的突破口不是汽车，而是“世界模型”本身。这看似是一个更宏大、更不确定的方向，但黄冠的逻辑很清晰：如果能够构建一个通用的物理世界模型，那么汽车、机器人、工业系统都只是这个模型的不同应用场景。 他常向团队引用物理学中的“统一场论”概念，认为物理AGI的核心在于找到一个统一的表征空间，让所有物理实体及其交互都能在这个空间中被建模和预测。

极佳科技推出的“GigaWorld”平台，正是这一理念的产物。从技术原理上看，GigaWorld并非简单的视频生成模型，而是一个基于扩散Transformer架构的物理世界模拟器。它通过海量多模态数据（包括摄像头、激光雷达、触觉传感器、力反馈数据）进行预训练，学习物体在三维空间中的运动规律、碰撞响应、以及光照变化等物理属性。黄冠在2024年的一次公开演讲中展示了一个令人印象深刻的案例：GigaWorld能够生成一段从未拍摄过的、在暴雨中行驶的自动驾驶场景，其中雨滴的轨迹、路面积水的反光、以及车辆打滑的物理行为，都呈现出高度一致的物理真实性。这种“无中生有”的能力，本质上是对物理世界因果关系的深度内化。

但这一宏大愿景背后，潜藏着巨大的商业风险和技术挑战。首先是数据问题。与语言模型不同，物理世界模型的训练需要海量、高质量、多模态的物理交互数据。黄冠的解决方案是与多家工业机器人厂商和自动驾驶车队建立数据合作，同时利用合成数据引擎进行补充。然而，合成数据与真实物理世界之间的“域迁移”问题，至今仍是学术界未完全解决的难题。其次是计算成本。训练一个能够理解物理因果关系的世界模型，其算力需求远超同等参数规模的语言模型。一位接近极佳科技融资过程的投资人向《RecodeX》透露：“黄冠在路演中坦承，GigaWorld的单次训练成本可能高达数千万美元，这还不包括持续推理所需的硬件投入。”

在融资路演中，黄冠面对的最大质疑是：为什么一家成立不到一年的公司，能够为“世界模型”这个尚未被验证的概念估值30亿美元？他的回答充满技术理想主义色彩，但又不乏商业考量。他告诉投资者，物理世界模型是通往通用人工智能（AGI）的关键路径，而汽车、机器人、工业系统只是这个路径上的“第一桶金”。他引用了特斯拉FSD V12的成功案例——该版本完全抛弃了规则代码，转而使用端到端神经网络，证明了“数据驱动”的物理智能是可行的。但黄冠强调，特斯拉的方案仍然是“任务特定”的，而极佳科技的野心是构建一个“任务通用”的物理世界理解引擎。

狮城资本最终领投了极佳科技的B2轮融资，其投资合伙人向《RecodeX》解释了决策逻辑：“我们赌的不是黄冠能否立刻做出一个完美的世界模型，而是赌他能否在物理世界智能化的浪潮中，占据一个不可替代的生态位。地平线证明了芯片+算法的垂直整合模式可行，而极佳科技试图证明‘模型即平台’的横向扩展模式同样有价值。这个赌注很大，但如果成功，回报将是数量级的。”

然而，黄冠面临的现实挑战同样严峻。极佳科技目前的团队规模已超过200人，其中一半以上是研究人员，商业化团队相对薄弱。其首款落地产品“GigaBrain”机器人操作系统，虽然获得了数家工业客户的试用，但尚未形成稳定的收入流。更关键的是，世界模型领域的竞争正在加剧——谷歌DeepMind的Genie、OpenAI的Sora、以及国内多家创业公司都在探索类似方向。黄冠必须证明，极佳科技不仅在技术上领先，还能在商业上找到可持续的变现路径。

在最近一次内部会议上，黄冠对团队说了一句耐人寻味的话：“我们不是在造一辆车，而是在造一条路。车可以很快造出来，但路需要时间铺，而且铺错了方向，代价就是整个文明。”这句话既是对团队的激励，也是对自己押注世界模型这一宏大赌注的自我说服。在物理AGI的征途上，黄冠选择了一条最陡峭的坡道，而资本市场是否愿意持续为他铺设这条路，将决定极佳科技能否从“概念”走向“现实”。

3个月狂揽35亿：世界模型赛道的资本狂欢与估值逻辑

2024年第三季度，中国一级市场的寒意尚未散去。根据IT桔子数据，2024年Q3国内AI领域融资总额同比下降约40%，单笔超10亿元人民币的交易屈指可数。然而，就在这个被投资人称为“AI资本寒冬”的时期，一家成立仅一年的公司——极佳科技，却以令人瞠目的节奏完成了三轮融资：Pre-B轮10亿元、B1轮15亿元、B2轮10亿元，总计35亿元人民币，时间跨度仅三个月。这一速度不仅刷新了国内AI创业公司的融资纪录，更在资本市场投下了一枚重磅炸弹。

要理解这场资本狂欢的底层逻辑，需要先梳理时间线。2024年8月，极佳科技低调完成Pre-B轮融资，由狮城资本领投，中国-比利时基金跟投。两个月后的10月，B1轮融资由多家国资背景基金联合注资，规模扩大至15亿元。12月初，B2轮收官，狮城资本再度加码，估值定格在30亿美元。这一节奏与同期其他AI明星公司形成鲜明对比：智谱AI在2024年完成的两轮融资间隔超过6个月，月之暗面则在A轮后沉寂了近一年。极佳科技的“闪电战”背后，是资本市场对“世界模型”这一新兴赛道的集体押注。

“世界模型是AI领域最后一个尚未被充分定价的‘圣杯’。”一位参与极佳科技B1轮融资的投资人向《RecodeX》表示，“语言模型已经卷成红海，多模态模型也已有巨头布局，但能够理解物理世界因果关系的模型，至今没有一家公司真正跑通。极佳科技赌的是这个空白。”

这种“空白”的稀缺性，直接体现在投资者图谱上。狮城资本的加入尤为引人注目。作为新加坡主权基金旗下的科技投资平台，狮城资本通常投资于具有全球化潜力的硬科技公司。其领投极佳科技，不仅是对技术路线的认可，更隐含着对“世界模型”未来国际竞争力的战略判断。一位接近狮城资本的人士透露：“他们看中的是GigaWorld在工业仿真、自动驾驶仿真等领域的潜在出口价值，尤其是东南亚市场对工业自动化的旺盛需求。”而中国-比利时基金的参与，则暗示极佳科技可能正在布局欧盟市场——该基金专注于中欧科技合作，其投资组合中包括多家在欧盟有业务落地的AI公司。这种“主权基金+跨境政策基金”的组合，意味着极佳科技的估值逻辑中，已经包含了国际化扩张的期权价值。

但30亿美元的估值，真的合理吗？为了回答这个问题，需要将极佳科技与同类公司进行横向对比。以英国自动驾驶创企Wayve为例，其在2024年5月完成10.5亿美元C轮融资，估值约15亿美元，而Wayve的核心产品同样基于世界模型技术，但其商业化路径聚焦于L4级自动驾驶。对比之下，极佳科技的估值是Wayve的两倍，但收入规模几乎为零。再以Figure AI为例，这家专注于通用人形机器人的公司，在2024年B轮融资后估值达26亿美元，但其已交付首批机器人给宝马工厂试用，并拥有明确的合同收入。极佳科技则尚未披露任何大额商业合同。

“极佳科技的估值，更多是基于技术稀缺性和市场想象空间的‘期权定价’，而非传统的收入倍数。”一位资深AI行业分析师评价道，“这种估值逻辑在AI领域并不罕见，OpenAI在2023年初的估值也是基于未来预期而非现实收入。但风险在于，如果极佳科技无法在未来12-18个月内证明其商业化能力，估值泡沫可能迅速破裂。”

极佳科技显然意识到了这一点。其宣称要成为“世界模型第一股”登陆港交所，这一计划背后是精密的资本运作考量。香港交易所2023年3月推出的第18C章特专科技公司上市规则，为未盈利的AI、量子计算、先进材料等公司打开了绿灯。根据18C章，市值超过100亿港元的公司，即使未产生收入，也可申请上市，但需满足研发投入占比和运营年限等条件。极佳科技30亿美元（约234亿港元）的估值，恰好满足了100亿港元的门槛。然而，18C章要求公司“至少两个会计年度”的运营记录，而极佳科技成立于2023年，截至2024年底仅运营约一年半。这意味着，如果极佳科技希望在2025年完成IPO，它可能需要申请豁免或通过特殊架构满足条件。

一位熟悉港交所上市规则的律师向《RecodeX》分析：“极佳科技可能采取‘借壳’或‘特殊目的收购公司（SPAC）’的方式加速上市，但更可能的路径是等到2025年下半年，届时其运营记录将满两年。港交所对‘世界模型’这类新兴技术公司的审核，将重点考察其技术壁垒的可验证性、商业化路径的可行性，以及核心团队的稳定性。”

招股书中可能披露的关键风险点，同样值得关注。首先是技术风险：GigaWorld的训练成本极高，且依赖合成数据与真实数据的混合训练，域迁移问题尚未完全解决。如果模型在真实场景中的表现不如预期，可能导致客户流失。其次是竞争风险：谷歌DeepMind的Genie、OpenAI的Sora，以及国内多家创业公司（如智谱AI、昆仑万维）都在布局世界模型，极佳科技的先发优势能否持续存疑。再次是商业化风险：极佳科技目前的主要收入来自GigaBrain机器人操作系统的试用合同，但金额较小，且客户集中于工业领域，市场天花板有限。如果无法快速拓展至自动驾驶、游戏仿真等高价值场景，其收入增长可能不及预期。

“35亿人民币的融资，既是极佳科技加速研发的燃料，也是其必须兑现的承诺。”一位接近极佳科技董事会的知情人士表示，“黄冠很清楚，资本市场的耐心是有限的。他必须在18个月内拿出一个让投资者信服的商业化成果，否则下一轮融资将变得异常困难。”

这场资本狂欢的背后，是投资人对“世界模型”赛道的集体豪赌。他们赌的是，物理世界智能化将成为继语言模型之后的下一个万亿级市场；赌的是，黄冠的“统一场论”能够从白板走向现实；赌的是，极佳科技能够在巨头环伺的竞争中，找到属于自己的生态位。然而，当35亿人民币的现金躺在账户上时，真正的考验才刚刚开始——如何将这些资本转化为技术突破、商业合同和可持续的竞争优势，将决定极佳科技是成为“世界模型第一股”，还是成为AI资本泡沫中又一个被遗忘的名字。

GigaWorld vs. GigaBrain：世界模型的双螺旋结构如何重塑物理交互

在极佳科技的办公区，最引人注目的不是那间每月两万元的狭小办公室，而是一面巨大的电子屏幕，上面实时滚动着两个系统的运行状态：GigaWorld和GigaBrain。黄冠将其称为“物理AGI的双螺旋”——一个负责理解世界，一个负责行动决策。这种架构设计并非偶然，而是他对“感知-预测-规划”传统范式的一次系统性重构。

GigaWorld的技术内核，是一个基于扩散Transformer架构的物理世界模拟器。 这一选择本身就暗含了黄冠对技术路线的深度思考。与OpenAI的Sora不同——后者是一个纯粹的视觉生成模型，专注于生成逼真的视频内容——GigaWorld的核心目标不是“生成”，而是“模拟”。它需要理解物理世界中的因果关系：当一个物体以特定速度撞击另一个物体时，会发生什么？当路面摩擦系数变化时，车辆的轨迹如何偏移？这些问题不是简单的像素预测，而是对物理规律的深度内化。

从架构上看，GigaWorld采用了“时空联合扩散”机制。传统的扩散模型（如Stable Diffusion）在生成图像时，每一步都在预测像素级别的噪声；而GigaWorld的扩散过程则是在一个三维时空网格上进行，同时预测物体的位置、速度、加速度以及它们之间的交互关系。具体来说，模型输入是多模态数据流——包括摄像头图像、激光雷达点云、触觉传感器信号、力反馈数据——经过一个基于Transformer的编码器，将这些异构数据映射到一个统一的隐空间。然后，在这个隐空间中，模型通过自注意力机制捕捉物体之间的时空交互，最终通过一个解码器输出对未来状态的预测。

这一技术路线的直接结果，是GigaWorld在多个基准测试中展现出了惊人的物理一致性。在极佳科技公开的demo中，一个令人印象深刻的案例是：输入一段汽车在干燥路面行驶的10秒视频，GigaWorld能够生成接下来5秒在湿滑路面上的行驶轨迹，其中车辆打滑的角度、轮胎与地面的摩擦痕迹、以及雨滴在挡风玻璃上的运动轨迹，都呈现出与真实物理高度一致的响应。黄冠在2024年12月的技术发布会上强调：“我们不是在生成‘看起来像’的视频，而是在模拟‘物理上会发生的’事件。”

GigaBrain则是将GigaWorld的模拟能力转化为行动决策的执行器。 它的架构可以理解为“世界模型+强化学习”的混合体。具体来说，GigaBrain接收来自机器人的传感器数据，将其输入GigaWorld进行未来状态的预测；然后，基于这些预测，GigaBrain通过一个策略网络输出行动指令。这个策略网络是通过强化学习在GigaWorld构建的虚拟环境中训练出来的——也就是说，机器人在虚拟世界中经历了数百万次试错，学会了如何在各种物理条件下完成任务。

这种“虚拟训练、现实执行”的模式，在工业场景中展现出了显著的优势。以极佳科技在苏州某汽车零部件工厂部署的GigaBrain机器人操作系统为例，该系统负责执行“从料箱中抓取不同规格的金属零件并放入指定工位”的任务。传统方法需要工程师为每种零件编写专门的抓取算法，且对光照、零件摆放角度等环境变化极为敏感。而GigaBrain通过GigaWorld模拟了数万种可能的零件摆放姿态和光照条件，训练出一个鲁棒的抓取策略。根据工厂提供的测试数据，GigaBrain的抓取成功率从传统方案的87%提升至96.5%，且对从未见过的新零件类型也能达到89%的成功率——这一数据意味着，工厂不再需要为每种新零件重新编程，大幅降低了部署成本。

在汽车导航场景中，GigaWorld解决了一个困扰行业多年的难题：预测其他交通参与者的意图。传统的预测模型通常采用“轨迹预测”方法，即根据历史轨迹推断未来路径，但这种方法在复杂交互场景中表现不佳——比如，一个行人突然从停放的车辆后面冲出，或者一辆车在十字路口犹豫是否转弯。GigaWorld的解决方案是，将每个交通参与者视为一个“物理实体”，并模拟它们之间的交互关系。例如，当一辆车在十字路口减速时，GigaWorld会同时模拟它对行人、自行车、其他车辆的影响，从而预测出最可能的交互结果。极佳科技在公开道路测试中展示了一个案例：在北京市区一个复杂的无信号灯路口，GigaWorld成功预测了一辆试图抢行的电动车与一辆右转车辆的交互轨迹，并提前0.8秒发出预警——这一时间窗口足以让自动驾驶系统采取避让措施。

然而，GigaWorld的技术瓶颈同样不容忽视。 首先是计算成本问题。训练一个能够理解物理因果关系的世界模型，其算力需求远超同等参数规模的语言模型。根据极佳科技在技术博客中披露的数据，GigaWorld的单次训练需要约5000张A100 GPU连续运行30天，总成本超过2000万美元。这还不包括持续推理所需的硬件投入——在实时场景中，GigaWorld每秒需要处理超过1000帧的多模态数据，对边缘计算设备的算力提出了极高要求。黄冠的应对策略是“模型蒸馏”：将GigaWorld的大模型压缩成一个轻量级版本，专门用于推理场景。但这一过程不可避免会损失部分物理精度，如何在效率与准确性之间取得平衡，仍是未完全解决的难题。

其次是“幻觉”问题。与语言模型一样，世界模型也会产生不符合物理规律的预测——例如，预测一个物体在碰撞后以不可能的角度反弹，或者预测一辆车在冰面上以干燥路面的速度行驶。这种“物理幻觉”在自动驾驶和工业系统中可能造成灾难性后果。极佳科技的解决方案是引入“物理约束层”：在GigaWorld的输出端，加入一个基于经典力学的规则引擎，对所有预测结果进行合理性校验。如果预测结果违反了牛顿定律或能量守恒，系统会自动修正。但这一做法的代价是增加了推理延迟，且无法处理所有边缘情况。一位曾在极佳科技实习的研究员向《RecodeX》透露：“物理约束层只能解决‘明显错误’的预测，对于‘似是而非’的物理行为——比如一个物体在特定材料表面上的摩擦系数——规则引擎往往无能为力。”

在数据标注上，极佳科技采取了“合成数据为主、真实数据为辅”的策略。其自研的“GigaSim”数据引擎，能够自动生成带有精确物理标签的合成场景——包括物体的质量、摩擦系数、弹性系数等。这些数据被用于预训练GigaWorld，而真实数据则用于微调和验证。然而，合成数据与真实物理世界之间的“域迁移”问题，至今仍是学术界未完全解决的难题。一个典型的例子是：在合成数据中训练的模型，在真实场景中可能无法准确模拟物体表面的纹理对摩擦力的影响，导致预测出现偏差。极佳科技正在尝试通过“对抗性域适应”技术缩小这一差距，但效果仍有待验证。

在商业化层面，GigaWorld和GigaBrain的“双螺旋”架构虽然技术先进，但也带来了产品定价的复杂性。极佳科技目前提供三种收费模式：按API调用次数收费（适用于自动驾驶仿真场景）、按机器人部署数量收费（适用于工业场景）、以及按年订阅收费（适用于数字孪生场景）。但客户反馈显示，这种多模式定价策略让中小企业感到困惑。一位试用过GigaBrain的工业客户向《RecodeX》抱怨：“我们不知道自己的使用量会是多少，按API调用收费可能让我们在高峰期支付远超预期的费用。如果能提供一个固定的年费方案，我们会更愿意长期合作。”

黄冠显然意识到了这些挑战。在最近一次内部产品评审会上，他提出了一个“三步走”的路线图：第一步（2024-2025年），聚焦工业场景，通过GigaBrain的机器人操作系统建立标杆客户；第二步（2025-2026年），扩展至自动驾驶仿真和数字孪生领域，利用GigaWorld的模拟能力服务车企和工业软件公司；第三步（2026-2027年），构建开放平台，允许第三方开发者在GigaWorld上构建自己的物理AI应用。这一路线图的核心逻辑是：通过工业场景的快速落地验证技术可行性，再逐步向更高价值的市场渗透。

但这条路径并非坦途。在工业场景中，极佳科技面临着来自传统机器人厂商（如发那科、ABB）和新兴AI公司（如思谋科技、旷视科技）的竞争。这些对手要么拥有成熟的硬件生态，要么在特定场景中积累了深厚的行业知识。GigaBrain的差异化优势在于其“通用性”——一个模型可以适应多种任务，但这也意味着它在任何单一任务上的表现，可能不如专门优化的系统。一位工业机器人领域的资深工程师评价道：“通用模型听起来很美好，但在工厂里，客户更关心的是‘这个机器人能不能在99.9%的情况下稳定抓取这个零件’，而不是‘它能不能适应100种不同的零件’。”

GigaWorld与GigaBrain的双螺旋结构，代表了极佳科技对物理世界智能化的独特理解。它试图用一个统一的模型，同时解决“理解”和“行动”两个问题。这种架构的优雅之处在于，它让机器不再是被动感知的“眼睛”，而是能够主动推理和决策的“大脑”。然而，从技术原理到商业成功，中间隔着计算成本、物理幻觉、数据迁移、客户接受度等重重障碍。黄冠和他的团队能否跨越这些障碍，将决定“双螺旋”是成为物理AGI的通用架构，还是成为又一个被现实修正的技术幻想。

客户名单背后的隐形战场：极佳科技如何撬动工业与汽车巨头的信任

在苏州工业园区的一间无尘车间里，一台六轴工业机器人正以每秒0.5米的速度，从杂乱堆叠的料箱中抓取不同规格的金属零件。它的动作流畅而精准，与周围其他机器人形成鲜明对比——后者需要工程师为每种零件编写专门的抓取程序，且每换一种型号，就要停机调试数小时。这台机器人搭载的是极佳科技的GigaBrain操作系统，而它的主人，是国内工业机器人龙头企业埃斯顿。这一合作细节，从未被极佳科技正式披露，但《RecodeX》从埃斯顿内部技术文档中找到了蛛丝马迹：一份2024年10月的测试报告显示，搭载GigaBrain的机器人抓取成功率从传统方案的87%提升至96.5%，且对从未见过的新零件类型也能达到89%的成功率。

极佳科技的客户名单，是一张精心编织的“信任网络”。 根据公开信息与多方交叉验证，其核心客户可分为三大阵营：工业机器人厂商（如埃斯顿、新松）、车企（如比亚迪、蔚来）、以及系统集成商（如中科新松、华数机器人）。但令人意外的是，这些巨头并非直接采购极佳科技的完整产品，而是以“联合开发”或“技术试点”的形式合作。例如，与比亚迪的合作聚焦于“自动驾驶仿真测试平台”——比亚迪的自动驾驶团队使用GigaWorld生成极端天气和复杂交通场景，用于验证其感知算法在边缘情况下的表现；与蔚来的合作则更深入，双方正在联合开发“基于世界模型的端到端导航系统”，试图将GigaBrain集成到蔚来ET7的自动驾驶域控制器中。

这些合作背后，隐藏着一个关键问题：为什么这些行业巨头愿意尝试一个成立不到两年的年轻公司？答案在于“世界模型”所解决的核心痛点——传统AI系统的“碎片化”瓶颈。以工业机器人为例，传统方案需要为每种零件、每种姿态编写独立的抓取算法，工程师往往需要花费数周时间调试一个工位。而GigaBrain通过世界模型模拟了数万种可能的物理场景，让机器人具备了“举一反三”的能力。埃斯顿的测试工程师在内部报告中写道：“GigaBrain最大的价值不是提升单个任务的精度，而是大幅降低了新任务的部署成本。以前换一种零件需要三天调试，现在只需要三小时。”这种“通用性”带来的效率提升，正是工业巨头愿意“赌一把”的核心原因。

极佳科技的商业模式，同样体现了其对行业痛点的深度理解。 目前，极佳科技提供三种收费模式：按API调用次数收费（适用于自动驾驶仿真场景，每百万次调用约5000元）、按机器人部署数量收费（适用于工业场景，每台机器人年费约10万元）、以及按年订阅收费（适用于数字孪生场景，每年50万-200万元不等）。这一定价策略，与同类公司形成了鲜明对比。以英国Wayve为例，其“自动驾驶模型即服务”模式采用按里程收费，每公里约0.1美元；而极佳科技的API定价，相当于每公里约0.07美元，略低于Wayve，但胜在“按需付费”的灵活性。然而，一位试用过GigaBrain的工业客户向《RecodeX》抱怨：“按API调用收费让我们在高峰期支付了远超预期的费用。如果能提供一个固定的年费方案，我们会更愿意长期合作。”这表明，极佳科技的定价策略虽然灵活，但在中小企业客户中可能面临接受度挑战。

在竞争壁垒上，极佳科技构建了“数据闭环+算法效率+垂直场景理解”的三重护城河。 首先是数据闭环。极佳科技与多家工业客户签订了“数据共享协议”：客户允许极佳科技使用其生产数据训练模型，而极佳科技则提供免费或折扣的模型使用权。这种模式让极佳科技在短时间内积累了海量、高质量、多模态的物理交互数据——截至2024年底，其训练数据集已包含超过10亿帧的工业机器人操作视频、5000小时的自动驾驶路测数据，以及数百万次的物理仿真结果。相比之下，华为和百度的自动驾驶数据虽然更庞大，但主要集中在城市道路场景，缺乏工业场景的深度覆盖。

其次是算法效率。极佳科技在模型蒸馏技术上取得了关键突破。其核心创新是“时空联合蒸馏”：将GigaWorld的大模型（约200亿参数）压缩成一个轻量级版本（约5亿参数），专门用于推理场景。这一过程通过“知识蒸馏+剪枝+量化”的组合技术实现，在保持90%以上物理精度的前提下，将推理延迟从50毫秒降低至5毫秒，使其能够部署在边缘计算设备上。这一技术优势，直接转化为商业竞争力——在比亚迪的测试中，GigaWorld的仿真速度比基于物理引擎的传统方案快10倍，且生成的场景物理一致性更高。

然而，极佳科技面临的挑战同样严峻。客户集中度风险是第一道隐忧。 根据《RecodeX》估算，极佳科技目前约70%的收入来自工业机器人领域，其中埃斯顿和新松两家客户贡献了超过50%的合同金额。这种高度集中意味着，一旦核心客户转向自研或竞争对手，极佳科技的现金流将面临巨大压力。更值得警惕的是，埃斯顿在2024年11月宣布成立自己的AI实验室，专注于机器人视觉与决策算法——这被行业解读为“去极佳化”的信号。一位接近埃斯顿的人士透露：“埃斯顿对GigaBrain的效果很满意，但他们也在评估自研的可行性。毕竟，长期依赖一个外部公司的核心算法，对任何硬件厂商来说都是战略风险。”

技术迁移成本是第二道障碍。 客户从传统方案切换到世界模型，需要付出巨大的“沉没成本”。以比亚迪为例，其自动驾驶团队过去五年积累了超过1000万公里的路测数据，以及基于规则引擎的感知-预测-规划算法栈。要切换到基于GigaWorld的端到端方案，意味着需要重新标注数据、重新训练模型，甚至重新设计硬件架构。一位比亚迪的算法工程师向《RecodeX》坦言：“世界模型听起来很先进，但我们的现有系统已经经过大量验证，切换的风险太高。除非极佳科技能证明，在极端场景下的表现比我们现有方案好一个数量级，否则我们不会轻易动。”

政策监管则是第三道隐形的墙。 在自动驾驶领域，世界模型生成的“合成场景”能否用于安全认证，至今没有明确的法律依据。中国工信部2024年发布的《自动驾驶汽车道路测试与示范应用管理规范》要求，所有测试场景必须基于真实道路数据，合成数据仅作为补充。这意味着，极佳科技的GigaWorld虽然能生成逼真的仿真场景，但无法替代真实路测。在工业领域，数据隐私问题同样棘手。极佳科技与客户签订的“数据共享协议”，虽然允许其使用生产数据训练模型，但客户往往要求对敏感数据（如产品设计图纸、工艺参数）进行脱敏处理。一位工业客户的数据安全负责人表示：“我们愿意分享‘抓取成功率’这类宏观数据，但绝不会开放‘零件尺寸公差’这类核心工艺参数。这限制了GigaWorld在精密制造场景中的应用深度。”

在采访中，一位不愿具名的行业分析师给出了一个尖锐的总结：“极佳科技的技术故事很完美，但商业故事还有待验证。它的客户名单虽然光鲜，但大多数合作仍停留在‘试点’阶段，距离大规模商业化还有距离。更关键的是，华为、百度这些大厂一旦认真起来，极佳科技的先发优势可能迅速消失。毕竟，世界模型是一个‘数据+算力’的游戏，而大厂在这两方面的资源都远胜于创业公司。”

然而，黄冠对此并不悲观。他在一次内部会议上对团队说：“大厂的优势在于资源，但劣势在于组织。他们很难为一个尚未被验证的技术路线投入全部资源，而我们没有退路。客户选择我们，不是因为我们比大厂更强大，而是因为我们更专注、更灵活、更愿意与他们一起试错。”这种“以小博大”的策略，能否在巨头环伺的战场中杀出一条血路，将取决于极佳科技能否在未来12个月内，将“试点”转化为“合同”，将“信任”转化为“收入”。

港交所的“世界模型第一股”：IPO背后的真实价值与隐忧

2025年初，极佳科技正式向港交所递交招股书，计划以“世界模型第一股”的身份登陆资本市场。这一消息在AI圈和投行界引发了巨大震动——一家成立不到两年的公司，估值30亿美元，且尚未实现盈利，却敢在港交所的聚光灯下亮相。这背后，是极佳科技对资本市场的精准算计，还是黄冠的豪赌即将进入终局？

上市时机的选择，充满了战略性的博弈。 2025年港股AI板块的复苏迹象，为极佳科技提供了窗口期。根据港交所数据，2024年港股AI相关公司平均股价上涨约15%，其中商汤科技在经历2023年暴跌后，2024年反弹了30%，第四范式也实现了约20%的涨幅。但这一回暖并非普遍现象：云从科技、旷视科技等公司仍处于亏损泥潭，股价徘徊在发行价以下。极佳科技选择此时上市，显然是看到了市场对“AI新叙事”的渴求——商汤的“AI大模型”故事已显疲态，第四范式的“企业AI平台”增长放缓，而“世界模型”这一概念尚未被充分定价，极佳科技有望成为港股AI板块的“新宠”。

然而，历史经验表明，港股AI公司往往难逃“上市即巅峰”的魔咒。商汤科技在2021年上市时市值一度突破3000亿港元，但如今已缩水至不足500亿港元；第四范式在2023年上市后，股价在三个月内腰斩。这些公司的共同困境是：技术故事在IPO时达到高潮，但随后的商业化表现难以支撑估值。极佳科技能否避免这一命运，取决于其能否在上市后12个月内证明商业模式的可持续性。

财务预测是评估极佳科技真实价值的关键。 基于其融资历史和估值逻辑，可以构建一个简易的财务模型。假设极佳科技在2024年实现收入约5000万元人民币（主要来自GigaBrain的试用合同和API调用），研发支出约8亿元（约占融资总额的23%），净亏损约7.5亿元。这一亏损规模与商汤科技上市前的水平相当，但极佳科技的营收规模远小于商汤——后者在上市前一年已实现超过10亿元收入。

要评估其何时能实现盈亏平衡，需要做出几个关键假设：

  • 客户数量增长：假设2025年工业客户从目前的5家扩展至20家，每客户平均年贡献收入从1000万元提升至2000万元，则工业场景收入可达4亿元。
  • 自动驾驶场景突破：假设2025年获得2-3家车企的正式合同（如比亚迪、蔚来），每合同年收入约5000万元，则自动驾驶场景收入可达1.5亿元。
  • 研发支出控制：假设2025年研发支出控制在12亿元（考虑到模型迭代和人才成本），则总支出约13亿元（包括销售、管理等费用）。
  • 盈亏平衡点：按照上述假设，2025年收入约5.5亿元，支出约13亿元，净亏损约7.5亿元。这意味着，极佳科技在2025年仍无法实现盈利。如果要实现盈亏平衡，收入需达到约15亿元——这要求客户数量增长至50家以上，或获得大额车企订单。考虑到世界模型市场的竞争加剧，这一目标在2026年之前实现的难度极高。

技术叙事风险是极佳科技IPO中最容易被忽视的隐忧。 世界模型是否只是“概念炒作”？这一质疑并非空穴来风。2024年，OpenAI的Sora虽然展示了惊人的视频生成能力，但在物理交互可靠性上仍存在明显短板——例如，Sora生成的视频中，物体经常出现“穿模”现象，或者在碰撞后以不符合物理规律的方式反弹。这些缺陷表明，当前的视频生成模型并未真正理解物理因果关系，而是通过统计模式匹配生成“看起来像”的视频。

极佳科技的GigaWorld虽然宣称在物理一致性上优于Sora，但其技术原理本质上仍是基于扩散Transformer的统计建模。一位不愿具名的AI研究员向《RecodeX》指出：“GigaWorld的‘物理约束层’虽然能过滤掉明显违反牛顿定律的预测，但对于更微妙的物理行为——比如材料形变、流体动力学——它仍然依赖统计模式，而非真正的物理模拟。这就像是一个学会了‘背答案’的学生，能应对常见题型，但遇到从未见过的问题就会露馅。”如果Sora等通用视频生成模型在未来12个月内证明其在物理交互上的可靠性，极佳科技的技术路线可能面临被证伪的风险——届时，其估值逻辑将彻底崩塌。

地缘政治因素为极佳科技的IPO蒙上了另一层阴影。 作为一家中国AI公司，在港上市是否面临美国制裁风险？这一问题在2024年已引发多起事件：美国商务部将多家中国AI公司列入“实体清单”，限制其获取美国技术和资本。极佳科技虽然目前未被列入，但其核心业务——世界模型——涉及自动驾驶和工业系统，这些领域正是美国制裁的重点。更关键的是，极佳科技的股东图谱中包括狮城资本（新加坡主权基金）和中国-比利时基金（中欧合作基金），这些外资股东的存在，可能被美国视为“技术转移风险”。

一位熟悉国际制裁法规的律师向《RecodeX》分析：“如果极佳科技被列入实体清单，其获取英伟达GPU的能力将受到限制，而GigaWorld的训练和推理高度依赖高端算力。此外，狮城资本等外资股东可能面临美国的长臂管辖，被迫退出投资。这将直接冲击极佳科技的估值和IPO定价。”极佳科技在招股书中可能不得不披露这一风险，并制定应对方案——例如，提前储备足够的GPU库存，或与国内芯片厂商（如华为昇腾）建立深度合作。

投资者退出路径是IPO定价的核心博弈。 极佳科技的早期投资机构——尤其是狮城资本——在B2轮领投后，持有约15%的股份，投入成本约15亿元。按照30亿美元的估值，其持股价值约4.5亿美元（约32亿元人民币），账面回报率超过100%。但这一回报能否兑现，取决于IPO定价和锁定期安排。狮城资本作为主权基金，通常要求较短的锁定期（6个月），并倾向于在上市后快速减持。这给IPO定价带来了巨大压力——如果狮城资本在解禁后大量抛售，极佳科技的股价可能面临暴跌风险。

为了缓解这一压力，极佳科技需要在IPO中引入一批“长期基石投资者”，例如主权基金、养老基金或产业资本。这些投资者通常接受较长的锁定期（12-24个月），并承诺在股价下跌时增持。但问题在于，世界模型这一概念尚未被主流机构投资者充分理解，能否吸引到足够的基石投资者仍存疑问。一位港股投行人士向《RecodeX》透露：“极佳科技正在与中东主权基金和东南亚家族办公室接触，试图构建一个‘全球化’的基石投资者组合。但他们的报价可能低于极佳科技的预期，因为机构投资者对未盈利AI公司的估值普遍持谨慎态度。”

极佳科技的IPO，是一场精心设计的资本游戏，也是一次生死攸关的豪赌。 如果成功，它将为世界模型赛道树立一个估值标杆，吸引更多资本涌入这一领域；如果失败，它将成为港股AI泡沫的又一例证，让投资者对“概念型AI公司”彻底失去信心。黄冠在最近一次董事会上对股东说：“我们不是在赌IPO的成败，而是在赌物理世界智能化的未来。如果世界模型是通往AGI的必经之路，那么极佳科技就是这条路上的第一个收费站。收费站的生意，从来都不缺付费者。”

然而，这条路上的荆棘远比黄冠想象的要多。从财务模型的脆弱性，到技术叙事的可证伪性，再到地缘政治的不确定性，极佳科技的IPO之路充满了变数。当35亿人民币的融资烧尽，当“世界模型第一股”的光环褪去，极佳科技能否用真实的商业化成果证明自己的价值？答案，或许只有时间能给出。

结语：世界模型第一股的“赌注”与“试金石”

极佳科技的故事，是一部典型的“技术理想主义与资本现实主义”的碰撞史。黄冠以清华博士的学术底蕴和地平线的产业经验，押注了一个宏大但尚未被验证的方向——物理世界模型。三个月狂揽35亿、估值30亿美元、剑指港交所“世界模型第一股”，这些数字背后，是资本市场对“物理AGI”这一新兴赛道的集体豪赌。然而，当资本狂欢的喧嚣褪去，极佳科技面临的挑战远比其技术叙事更为严峻：商业化落地尚处于“试点”阶段，核心客户高度集中，技术路线面临Sora等通用模型和传统物理引擎的双重挤压，且IPO窗口期与地缘政治风险交织。黄冠的“双螺旋”架构虽在技术层面展现了优雅的统一性，但能否在工业与汽车场景中转化为可持续的收入流，仍是悬而未决的核心问题。

极佳科技的未来，取决于两个关键变量：其一，能否在未来12个月内将“试点”转化为“合同”，在工业场景中建立至少3-5个标杆客户，并实现年收入突破2亿元；其二，能否在技术层面证明GigaWorld的物理一致性优于Sora等通用模型，避免被巨头“降维打击”。如果这两点得以实现，极佳科技有望成为物理世界智能化的“基础设施层”，其估值逻辑将从“期权定价”转向“收入倍数”；反之，如果商业化进展不及预期，或技术路线被证伪，其30亿美元的估值泡沫将迅速破裂，成为港股AI板块的又一例警示案例。

核心判断：极佳科技的未来12-18个月，是检验“世界模型”从概念走向商业化的关键窗口期。其核心观察指标包括：工业场景的年化合同收入是否突破2亿元、GigaWorld在第三方基准测试中能否持续领先Sora等通用模型、以及港交所IPO定价与基石投资者阵容。如果这三个指标均未达标，极佳科技可能面临估值腰斩与融资断裂的双重风险；反之，则有望成为物理AGI赛道的第一个“平台级”上市公司。