近期英伟达、OpenAI等公司相继宣称AGI时代已经到来。然而，如何让AI从屏幕走进现实，真正“看懂”、进入并与真实物理世界进行交互，仍面临着巨大的技术屏障。可以说，当前AGI的前沿主战场正加速转向物理世界。
通视智能（VGI Labs），一家由北京大学王选计算机研究所孵化的新创科技企业，正致力于探索与回答如何实现物理AGI这一终局问题。
针对当前物理AI发展面临的三个卡点：原生视觉、系统架构、数据与环境，通视智能（VGI Labs）公司按照以终为始的原则给出了一套物理AGI终局技术路径和解决方案——基于4D原生视觉能力的“VGI系统+WorldSim世界模拟器”。
这套方案有多能打？团队基于其背后的基础技术获得了20多项国际AI顶级榜单第一名；交付了十多项与知名企业和大厂的合作项目，累计金额超过4000万元；发表高水平论文百余篇，BEVFusion、DrivingGaussian等代表性工作获得英伟达、Waymo等公司的关注和使用。
VGI Labs要做的，不是又一个世界模型公司，而是基于物理AI的复杂任务和物理AGI这一项极具挑战的终极目标，按照以终为始的思路打造的一套综合技术方案。
破解物理AI三大卡点
第一个卡点是视觉。
VGI Labs认为，要想实现物理AGI，即开发出一个能在开放物理世界中自主决策、自主行动、持续进化的智能系统，必须依赖一套通用泛化的视觉智能能力，即通用视觉智能（VGI，Visual General Intelligence）。这是亿万年来地球生物智能进化的选择，也是通视智能（VGI Labs）这家公司名称的由来。
要实现VGI，就要区别于当前的LLM范式建立一套与物理世界相对应的4D原生技术架构（即3D空间加时间4个维度），同时为了和真实物理世界更加高效地对齐，还需要加入物理属性（例如材质、质量、力学属性等）和语义理解（例如物体类别、场景描述等）。VGI Labs将上述的4D、物理和语义综合起来，称之为视觉原生能力。
第二个卡点是模型架构。VGI Labs团队认为，物理AI面临的任务非常复杂，仅视觉能力就涉及“4D时空+物理+语义”多个维度，单一模型很难在如此高维度任务上同时做到场景泛化、任务泛化和本体泛化。
为此，VGI Labs构建了一套多功能协同的高级智能系统架构，即VGI系统。VGI系统由六大功能模块组成，每个模块都是一个独立的基础模型，首先对每个基础模块单独进行构建和训练，再将六个模块桥接起来进行强化训练，从而形成一个完整的物理AI模型。VGI系统继承了Yann LeCun的AMI系统框架，是类似人脑分区协作机制的高级智能架构。
第三个卡点，也是LLM没有遇到过的卡点，是训练数据和环境。LLM的成功得益于互联网几十年的发展积累的海量数据，且模型、算力和数据等要素能够在数字空间形成高效闭环，从而实现智能涌现和突破。与LLM不同，物理AI模型天然缺乏有效的训练数据和环境，现有的数据获取方式不管是数采还是第一视角数据采集，从数据规模、多样性和成本等方面都难以满足Scaling要求。
为了达到类似LLM的训练要求，最可行的路径是创造一个和真实物理环境高度相似的数字环境（即世界模拟器），能够提供海量的训练数据和高效的训练环境。现有的世界模拟器技术路线包括2D/2.5D视频生成、Mesh重建、3D高斯静态重建、4D高斯动态重建等，这其中4D高斯动态重建是技术最先进、实现难度最大同时也是效果和能力上限最高的技术路线。
VGI Labs团队从一开始就瞄准4D高斯动态重建这一最先进的技术路线，开发出WorldSim——据公开资料，这是全球首个集“原生4D+物理+语义”于一体的高斯世界模拟器。
VGI系统+世界模拟器WorldSim
形成双向增强的飞轮效应
VGI系统和WorldSim的整体架构与关系如下图所示，可以看到VGI系统由理解模型、世界模型、价值模型、执行器、配置器、知识库与记忆六大模块构成，加上WorldSim世界模拟器，这“6+1”功能模块凝聚着团队多年的科研探索和积累，是全栈自研的原创性成果。
需要指出的是，这套VGI系统和WorldSim世界模拟器具有相互增强的效果，具体来说：VGI的理解模型是构建4D高斯世界模拟器的重要基础，而世界模拟器能够对VGI系统的六大模块和整体系统提供高效的训练数据和训练环境从而增强VGI系统的六大模块和整体能力，VGI系统整体能力的提升又会增强理解模型，从而通过理解模型进一步增强WorldSim世界模拟器。目前VGI系统和WorldSim已经形成了相互增强的飞轮效应，整体的研发ROI非常高。
这套组合有多能打呢？我们来看最能体现硬核实力的国际AI顶级榜单。团队基于其背后的基础技术已获得了20多项国际AI顶级榜单第一名，这些榜单主要集中在视觉理解、空间智能和物理AI领域，充分体现了这套组合的技术先进性。
作为高校科研团队，顶刊顶会论文自然是标配，据统计，由王勇涛副研究员领衔的科研团队累计发表论文100余篇，谷歌学术引用量过万。
更加难能可贵的是，团队的科研能力也受到产业界的广泛认可，团队提出的BEVFusion、DrivingGaussian等代表性工作获得英伟达、Waymo等公司的关注和使用。此外，在产业落地能力这一块，团队有十多项与知名企业和大厂的合作项目，累计金额超过4000万元，而且全部是有技术成果交付的研发类项目。
北大王选所班底
带队奔赴物理AGI
正是看到VGI系统和WorldSim世界模拟器这条路径的先进性和显著效果，团队决心通过创建企业以产业化的方式来加速研发落地进程。
VGI Labs成立于2026年8月，并完成数千万元种子轮融资交割，核心团队全部来自北京大学王选计算机研究所，由视觉数据理解与生成实验室（VDIG Lab）主任、博士生导师、“智源学者”项目获得者王勇涛副研究员领衔担任首席科学家，由和创科技前联合创始人、董事胡奎博士担任CEO。
王勇涛和胡奎两人相识多年：胡奎从北大王选所博士毕业后投身创业，王勇涛从新加坡南洋理工大学回国，正是经胡奎介绍加入王选所任教。据胡奎透露，王勇涛是VGI Labs项目的发起者，而自己在VGI Labs这个项目里经历了三个角色——最初是帮助者，为王勇涛提供团队和融资建议；继而像一位投资者，判断这套硬核技术在产业与资本上的真实价值；最终成为参与者，把经验、资源和承诺一起投入进来。
“上一次创业整整十五年，我不是轻易承诺、也不是轻易放弃的性格。”胡奎说，“但多年的信任和共同的王选所背景，让合作水到渠成。科学家团队最需要的组织、融资和商业化那块拼图，正好是我这十五年在做的事。”
目前，VGI Labs核心团队六名成员全部是北大王选所的校友，除了王勇涛和胡奎，还有两名零零后的博士天才少年，还有大厂核心骨干以及北大王选所的资深教授，如果加上来自于北大实验室的实习生，整个研发团队的规模在30人左右。这是一支智力密度极高、执行力和战斗力极强的团队，未来依托北京大学校企联合实验室等平台，还将源源不断地吸引清北级别的人才加入。
一个细节可以说明这支团队被信任的程度：公司原计划准备1000万元启动资金，但两位创始人身边多位合作伙伴踊跃认购，金额很快就超过了3000万元。合作伙伴们用真金白银投出的是多年相识建立起来的知根知底的信任。
“我最担心的，是有人把VGI Labs当成又一个世界模型公司。”胡奎坦言。最近物理AI领域火热，各种概念、各种名词不断冒出来，让投资人和创业者都感到眼花缭乱。实际上，VGI Labs要做的并不是市面上任何一个模型或概念，而是基于物理AI的复杂任务和物理AGI这一项极具挑战的终极目标，按照以终为始的思路打造的一套综合技术方案。
胡奎说，我们不追概念、不追热点，我们认为市场也永远不会有绝对共识，我们要做的就是深度思考物理AI的基本逻辑和规律，并不断打磨和验证我们的技术路线和方案。物理AGI是一个令人振奋的目标，我们希望在追求这个目标的过程中找到志同道合的合作伙伴——不管是投资人还是创业伙伴，我们一起去做一份激动人心的事业。
文章来源：投资界
原文地址：https://news.pedaily.cn/202609/569700.shtml
