问题 生成式技术快速发展的背景下，机器智能的发展路径出现了明显分歧。尽管大语言模型在文本生成、代码辅助和知识问答等场景中迅速落地，但其在物理因果理解、可验证推理以及与现实环境交互各上的局限性也引发了业界和学术界的广泛讨论。如何让AI从“语言能力”迈向“行动能力”，从单纯的语言生成转向对现实世界的系统建模，成为下一阶段技术竞争的关键。 原因 技术路线的差异正推动投资方向的调整。AMI Labs提出的“世界模型”理念强调通过视觉、触觉、运动控制和传感器数据等多源输入训练系统，使其能够预测行动后果并形成可用于规划与控制的内部表征。此路线更符合机器人、自动驾驶和工业自动化对安全性、可解释性和闭环控制的需求。同时，资本和产业方在布局短期应用的同时，也在探索中长期增量市场。芯片、云计算和终端制造等产业链主体的参与，反映出市场对“物理世界智能”需求增长的预期，以及对技术周期波动的风险对冲策略。 影响 首先，欧洲创新生态迎来标志性项目。10.3亿美元的种子轮融资和35亿美元的估值表明，欧洲在硬科技和前沿研究转化上正吸引全球资本和人才，有望推动巴黎及周边地区形成更具国际影响力的具身智能与机器人产业集群。其次，技术竞争焦点正从“模型规模”转向“系统能力”。随着算力成本上升、数据合规要求趋严以及能耗限制加剧，市场将更加关注模型复杂环境中的泛化能力、可靠性和可部署性。第三，产业链协同效应增强。“世界模型”需要传感器、边缘计算、仿真平台和机器人本体的协同配合，这将促进软硬件一体化创新，并推动标准、安全评测和数据治理体系的完善。 对策 AMI Labs在组织和产品策略上表现出两大特点：一是通过明确的技术主张建立差异化定位，由杨立昆担任执行董事长并引入具备产品化经验的管理团队，强化从研究到落地的转化能力；二是采取开放合作的商业模式。杨立昆表示，其工作并非与Meta直接竞争，未来不排除与Meta成为客户或合作伙伴。这种平台化思路有助于通过B端合作获取真实场景数据与反馈，降低技术产业化的不确定性。此外，企业在推进具身智能时还需同步解决安全、隐私、责任界定和可控性等治理问题，避免因“先扩张、后补课”而引发系统性风险。 前景 业内普遍认为，通用智能的实现路径可能呈现多线并行：语言模型将继续拓展知识密集型任务的能力边界，而世界模型和具身系统则通过真实环境交互积累实际能力。随着制造业智能化升级、服务机器人普及以及自动化物流与仓储需求增长，能够在复杂物理场景中稳定执行任务的智能系统将迎来更广阔的市场空间。此次融资能否转化为可复用的平台能力和规模化产品，关键在于三上：高质量多模态数据与仿真体系的建设、与硬件平台的深度整合，以及可验证的安全性与可靠性评测机制。如果这些环节取得突破，“世界模型”有望成为具身智能产业化的重要基础之一。 结语 这场创纪录的融资不仅表明了欧洲科技创新能力的提升，也反映出全球人工智能产业正进入深度反思阶段。随着技术狂热逐渐回归理性，科学界和产业界正在探索超越现有范式的新路径。杨立昆团队的尝试能否为人工智能开辟“第二条道路”，或将决定未来十年全球科技竞争的格局。
这场创纪录的融资不仅反映了欧洲科技创新能力的提升，也反映出全球人工智能产业正进入深度反思阶段。随着技术狂热逐渐回归理性，科学界和产业界正在探索超越现有范式的新路径。杨立昆团队的尝试能否为人工智能开辟“第二条道路”，或将决定未来十年全球科技竞争的格局。