TL;DR：
随着具身智能与世界模型成为资本竞逐的新宠，LiberAI等初创公司的崛起预示着AI正从纯粹的比特世界走向原子世界。这场关乎“物理通用智能”的竞赛，本质上是一场对数据采样范式与算力效率的极致博弈。
如果说过去十年是AI在比特世界里“画皮”的时代，那么现在，最聪明的头脑们已经决定让这些算法走出屏幕，去碰触现实世界中那些沉重、笨拙且充满不确定性的物体。在这一叙事逻辑下，年仅23岁的清华毕业生刘松铭和他的初创公司LiberAI，成了资本追逐的新标的——在不到半年的时间里，这家公司完成了四轮融资，令红杉、真格等老练的投资者们仿佛生怕错过了这一场通往物理AGI的“诺亚方舟”。
寻找物理世界的逻辑引擎
世界模型（World Model）的概念，正从强化学习的学术角落跃升为AI行业的“圣杯”。若将大语言模型比作一位博学的语言学家，那么世界模型则更像是一位试图通过经验学习重构物理常识的物理学家。当前的竞争格局正如一场群雄逐鹿的战争：OpenAI押注Sora带来的视频生成能力，李飞飞的World Labs深耕三维空间智能，而杨立昆（Yann LeCun）则试图在隐空间内解构因果。
LiberAI的野心在于“因果建模”。他们深知，仅靠模仿视频画面是无法完成“拧瓶盖”或“颠勺”这种复杂动作的。人类不仅靠视觉感知，更靠对力道的精准掌控。通过将物理模态（力、接触）与视觉模态（运动状态）进行对齐，LiberAI试图在数据匮乏的物理空间构建一套“归纳偏置”。这听起来有些抽象，但商业逻辑却非常现实：通过引入人类先验，减少模型对海量、昂贵物理数据的依赖，从而在 Scaling Law 的曲线上抢跑。
资本的“少年狂”与系统思维
为何顶级VC会向一名刚走出校园的创业者倾注数亿元？答案或许并不复杂：在这个由软件定义一切的时代，软硬结合的“全栈工程化”能力成了新的护城河。不同于纯粹的算法实验室，LiberAI更像是一个以苹果公司为蓝图的“系统集成者”。他们不仅在算模型，还在定义如何采集高质量的具身数据，如何设计机器人本体，甚至试图建立一套机器人界的评价标准（Evaluation Metrics）。
对于风投而言，投资刘松铭不仅是投资一个人，更是投资一个处于“Scaling飞轮”前夜的范式。正如一位投资人所言，创业者最重要的能力在于对“第一性原理”的把控——即在物理数据极度稀缺的今天，找到那条能够撬动AI涌现的杠杆。
从实验室到流水线的“达摩克利斯之剑”
然而，理想与现实之间往往隔着一条工程化的深渊。将复杂的物理交互从实验室的Demo搬进现实工厂，挑战堪比在高速行驶的汽车上更换引擎。虽然摩根士丹利预测到2035年世界模型赋能的产业规模将达到10万亿美元，但眼下，这些初创公司大多仍处在通过早期订单和场景验证来换取估值溢价的阶段。
AI进入物理世界，不仅是技术的突破，更是一场社会经济秩序的重构。当机器人能够自主完成繁重的体力活，我们所担心的或许不再是人类的失业，而是社会对“自由”定义权的分野。正如刘松铭所言，工作的目的是为了更好地存在。无论这场技术博弈最终由哪家公司问鼎，有一点是明确的：在这个物理世界被代码重新编码的时代，那些能让机器“知其所以然”的先行者，将握有通往未来经济的钥匙。