「物理世界的 OpenAI」——中国第一家系统性专注世界模型的公司，以数据引擎驱动具身智能与自动驾驶的双轮飞轮
TL;DR · 30 秒读完
GigaAI（极佳视界）是中国第一家系统性专注世界模型的公司，由黄冠 2023 年创立，目标是成为「物理世界的 OpenAI」，用世界模型生成的合成数据同时训练自动驾驶与具身机器人两条业务线。
反共识洞察：WorldArena 榜首两周内即被反超，说明基准分数的半衰期以周计算，本质上不是护城河——GigaAI 真正的壁垒在于 DriveDreamer 30+ OEM 客户带来的真实数据回流，以及 Maker H01 能否把世界模型优势转化为真实工厂里的机械臂交付，而非榜单名次。
极佳视界（GigaAI）由黄冠于 2023 年 6 月创立。黄冠的职业轨迹，是一条从学术到工业的教科书级路径：华中科技大学自动化系班级第一，中科院自动化所硕士，清华大学自动化系博士，而后在微软亚研院与何恺明、孙剑共事，再到地平线机器人担任视觉感知负责人整整七年。
在地平线，黄冠主导了两件足以写进简历的事情：一是 WebFace260M，2021 年全球最大人脸识别数据集（2.6 亿张图像）；二是 BEVDet/BEVDet4D，一度登顶 nuScenes 自动驾驶排行榜的鸟瞰图感知方法。这两件事都有一个共同的逻辑：用数据规模换模型能力——而这个逻辑，被他带进了 GigaAI 的核心方法论。
联合创始人兼首席科学家朱政，同样来自中科院自动化所和清华，在 TPAMI、CVPR、ICCV 等顶会发表超过 70 篇论文，Google Scholar 引用 16,000+，连续三年（2022-2024）入选斯坦福「全球前 2% 科学家」。他是 WebFace260M 和 BEVDet 系列的核心作者，也是 DriveDreamer——全球首个由真实驾驶场景驱动的世界模型——的主要设计者。
GigaAI 的定位是「中国第一家系统性专注世界模型的公司」，目标是成为「物理世界的 OpenAI」。不同于泛化大模型路线，它押注的是：世界模型生成合成数据，合成数据训练具身 AI，形成比纯软件公司更短的数据飞轮。这一判断的商业验证，体现在 DriveDreamer 系列服务超过 30 家国内外 OEM 的现实收入。
TOTAL / 总融资
9 轮融资 · 30+ 投资方 · 2026 年 B 轮合计约 ¥35 亿 · 估值超 ¥100 亿
全球首个严格验证「世界模型生成的合成数据可以直接提升真实机器人 VLA 性能」的实验。此前这一命题在学术上存在争议——合成数据与真实数据之间的 sim-to-real gap 被认为难以跨越。GigaWorld-0 的实验数据给出了一个明确的答案。
零样本任务成功率：30% → 80%（+50pp）。这是一个单点实验，但它的意义在于把「世界模型是数据引擎」从 narrative 变成了可重复的基准数字。
在 GigaWorld-0 的数据引擎路线上，加入显式动作建模机制，用可微分物理引擎模拟机械臂参数，从而保证视频生成的几何一致性。发布时在 WorldArena 基准以 62.34 分排名全球第一，是唯一突破 60 分的模型。
发布后 2 周 HuggingFace 下载量 16,000+。注：WorldArena 榜首已被 MotuBrain（63.77）反超，说明世界模型基准的半衰期极短，领先窗口以周计算。
传统方案是「先想象（生成视频帧）再执行」，GigaWorld-Policy 的 Action-Centric 架构在推理时直接跳过视频预测步骤，只保留动作建模，大幅降低延迟。在 RoboCasa365 排行榜上超越 Nvidia GR00T N1.5 和 π0.5。
推理速度 +10× · 训练效率 +10× · 任务成功率 +30pp（相对 baseline）。登顶 RoboCasa365，超越 Nvidia GR00T N1.5 及 π0.5。
DriveDreamer（2023.09）是全球首个由真实驾驶场景驱动的世界模型，入选 ECCV 2024 最具影响力论文，目前服务 30+ 国内外 OEM，是 GigaAI 现阶段最主要的收入来源。GigaBrain-0.1 在 RoboChallenge（全球最大真实机器人评测）中以 51.67% 成功率领先 π0.5 约 10 个百分点。硬件侧：Maker H01 人形机器人 2026.01 首批交付，目标 2026 年内 1000 台；拾光 SeeLight S1 面向消费市场。
DriveDreamer 的 30+ OEM 客户不仅是收入，更是持续产生真实世界驾驶数据的生产线——这正是训练 GigaBrain 具身模型的原材料来源。两条业务线的数据复用，是 GigaAI 区别于纯软件公司的结构性优势。
世界模型不是让机器人「看电影」，而是让它在脑子里练习——在现实交付之前，把每一个动作的物理代价算清楚。— GigaAI 技术路线，2023-2026
DriveDreamer 已经有 30+ OEM 在付费使用，产生的真实驾驶数据持续回流训练 GigaBrain 系列。这不是 PPT 里的"协同"，而是已经在运转的数据闭环。比起纯软件公司（只有模型，没有数据入口），GigaAI 的飞轮起点更短。
华为哈勃以产业协同为目的——入局意味着 GigaAI 极可能在昇腾生态获得优先算力资源、早期测试权限和渠道，这是其他投资方给不了的。代价是：出海路径将面临来自客户、合规两端的额外审查，欧美 OEM 的合作窗口可能收窄。
3 年 9 轮，30+ 股东方（含大量地方国资、产业基金），在上市前的股权清理难度远超普通创企。国内 A 股对高科技公司的容忍度上升，但超过 100 亿估值、多轮地方国资参与的结构，也意味着退出周期可能被政策节奏而非市场需求主导。
GigaWorld-1 发布时以 62.34 分全球第一，2 周内被 MotuBrain（63.77）超越。基准分数的半衰期以周计算，本质上不是护城河。GigaAI 的真实壁垒在于：GigaBrain 在真实机器人（非模拟器）中的部署能力——而这需要时间和真实硬件迭代，比刷榜难得多。
GigaAI 在技术深度与商业节奏之间的拿捏相对成熟——DriveDreamer 提供现金流和数据，GigaBrain 提供估值叙事，两条线形成真实的支撑而非单纯的 narrative。华为哈勃的入局是一把双刃剑：在国内市场它是加速器，对出海则是潜在的阻力。最关键的检验时刻将在 2026 年 Maker H01 是否能达成 1000 台量产目标——这是把世界模型优势转换为硬件交付的第一个现实锚点。
世界模型最终的考验，不是在 WorldArena 上的得分，而是一台真实的机械臂在真实的工厂里完成了一件之前不会做的事。GigaAI 的赌注，是这件事可以被系统性地复制。
NEOLAB APPENDIX · CHINA-01 · 2026.07