李飞飞World Labs买下SceniX，机器人训练的主战场从“采数据”变成了“造世界”

李飞飞创立的World Labs于2026年7月21日宣布收购机器人仿真公司SceniX，不到一周后，两家团队联合公布了R2S2R（Real-to-Sim-to-Real，意为"真实任务—仿真训练—回到真实机器人"）的实验结果。一周之内同时落地的收购和结果，把"世界模型"这个赛道从画面好看的3D，推向了机器人真的能动手的那一侧。中文行业媒体量子位把这一转向概括为"从采数据到造世界"。

过去几年，"世界模型"主要被理解为"会生成画面的3D世界"。研究者关心的是场景是否逼真、视角是否一致、是否能在画面上做出符合常识的推演。机器人进入之后，这套标准立刻被改写。一个机器人要从世界模型里学到东西，世界不能只是"看着对"。纸箱盖要真的弯，绳子要真的在张力下打滑，铰链要真的在反复开合里磨损。这就是World Labs和SceniX这次一起押注的"接触保真度"：物理交互的细节要变成一等公民，不再是渲染的副产品。

R2S2R把这套要求做成了闭环：先从一台真实机器人录下一段任务，把场景和动作序列重建进仿真器，再在仿真里生成大量任务变体（不同位置、不同形状、不同摩擦），用这些变体批量训练策略，最后把策略放回物理机器人上跑。每一轮都从真实世界取数据，从仿真里拿规模，再回真实世界验证。World Labs自己把这次发布定位为训练和评估引擎，而不只是一个渲染器。

这笔交易在资本和人才层面同样是信号。World Labs本身就是李飞飞在多模态大模型之外押注"物理AI"的一张牌。所谓物理AI，指的是必须和真实物理世界打交道的AI，从人形机器人到自动驾驶都属于这一类。SceniX团队加入后，World Labs的栈从3D场景生成延伸到了从真实任务到仿真训练、再回到真实硬件的完整管线。这解释了"为什么是现在"：当模型层已经能生成看起来像样的世界，瓶颈自然下移到"这个世界能不能被训练机器人用"。

但要小心一个老问题：仿真到真实的迁移（sim-to-real）被夸大过不止一次。一个视觉上漂亮的3D世界，只要纸箱盖不会真的弯，对机械臂来说就是无用的场景。R2S2R目前的成果是World Labs和SceniX的第一方发布，基准和复现细节还要等独立验证。这是这次发布里最值得读者保留的一点怀疑：漂亮的画面不等于可用的训练场。

接下来的看点很具体。World Labs会否公开R2S2R的完整协议和任务集，让外部实验室能够在同一基准上做对比；以及同一逻辑是否会被套用到更复杂的接触场景，比如柔性物体或多人协作任务。物理AI的下一步，不取决于谁的3D更漂亮，而取决于谁的世界先"坏"得对。