《长安的荔枝》这个故事，讲述了如何克服重重困难，将易腐烂的鲜荔枝及时运抵长安。清华大学人工智能学院助理教授李一鸣认为，这个故事与当前“世界模型”领域的发展有着异曲同工之妙。他指出，Physical AI（物理AI）所要解决的问题，如同故事中的“鲜荔枝”，而要实现这一目标，需要构建一套包含数据采集、模型研发、硬件部署的完整系统方案，而非仅仅关注“世界模型”本身。

李一鸣在接受《智能涌现》采访时强调，世界模型的首要价值在于解决实际问题，而并非仅仅是一种技术路线。他将世界模型比喻为“一匹运送荔枝的马”，只有与其他环节协同配合，才能发挥其真正作用。在2026年初回国后，李一鸣观察到AI领域存在着对“世界模型”的普遍焦虑。他认为，当前“世界模型”赛道估值泡沫较大，许多与仿真、物理相关的技术，无论视频模型、3D模型还是具身大脑，都试图归入“世界模型”的范畴。

相比于纠结于“世界模型”的定义，李一鸣团队更关注于构建一套能让机器人在不同场景下泛化的系统。他们提出了由数据和物理双轮驱动的Physical AI Infra，其中包括能够将数据采集规模从百万小时提升至千万小时的“数据管线”，以及实现“Real-to-Sim-Real”（真实到仿真再到真实）闭环的“物理引擎”。在这套基础设施中，“世界模型”扮演着重要角色，既是预训练的目标，也是机器人进行强化学习的仿真环境。该系统已成功训练了多种精细操作技能，并能跨不同本体和场景进行部署，应用于制造、零售、餐饮、医疗等多个领域。

基于这套技术方案，成立仅两个月的「厘清智能」近期完成了数亿元人民币的种子轮融资。投资方包括顺为资本、红杉中国、高瓴创投等知名基金，以及智元机器人、灵心巧手等产业资本。公司稀缺性是吸引投资的重要因素，一方面是李一鸣团队在空间感知、多模态推理、自动驾驶及具身智能等领域的深厚积累，另一方面是其全栈自研的重技术路线。李一鸣认为，打通所有环节是确保信息流畅和协同优化的关键。

李一鸣的团队计划在2026年底发布跨B端场景的世界模型，并在2028年实现解决方案的规模化落地，最终目标是提供一套软硬一体的解决方案，实现跨本体、跨场景的问题解决。他认为，Physical AI公司不应被定义为本体公司或模型公司，而应是“World Model as Service”提供商。团队成员平均年龄为23岁，大多来自清华大学，具备稀缺的软硬一体能力。

李一鸣还强调，Physical AI的训练需要遵循物理规律，不能仅依赖数据采集。他认为，具身模型的参数量需要远超语言模型，才能实现“智能涌现”。人类数据比真机数据更易于规模化，团队已与多个场景方合作，快速积累海量数据。物理规律能够弥补数据不足的局限性，通过少量真实数据校准世界模型，可在虚拟环境中进行高效学习。

他指出，VLA、视频模型、JEPA等并非“原生世界模型”，因为它们或基于离散的语言空间，或无法输出动作，或难以保证几何与物理一致性。李一鸣认为，真正的“原生世界模型”需要打通感知、推理、决策、动作输出，并为机器与世界的交互而设计。物理世界的有效tokenization（表征）是训练原生世界模型的关键，而构建Physical AI的Infra，包括物理引擎，同样至关重要。

李一鸣预测，2028年将是Physical AI规模化落地的关键节点。届时，数据采集规模和电机密度将实现显著提升，为其解决方案的规模化应用奠定基础。他设想将这套系统封装成通用的Physical AI Infra，成为类似iOS的平台，支持各类物理操作任务的规模化开发和部署，这便是他所称的“荔枝系统”。