AI进化飞轮，从扫地机开始转？

2025年11月，李飞飞的World Labs放出首款可商用世界模型Marble；不到一年后的柏林IFA，一家叫xLean的清洁机器人新公司拿到约15万台意向订单；同期，Anthropic披露自家生产代码库里超过80%的代码出自Claude之手。

三件事，三个赛道，聊的其实是同一个问题：AI要从对话框走进物理世界，数据闭环到底怎么转起来。世界模型负责造训练环境，家庭机器人负责收真实数据，RSI负责加速迭代——飞轮的三块拼图，正被三拨人各自往桌上搬。

🌍 李飞飞下注的，是机器人的"世界荒"

大模型吃掉了互联网的文本，机器人连一口像样的饭都还没吃上。

2024年5月，李飞飞宣布成立World Labs，押注空间智能。一年半后的2025年11月13日，首款可商用世界模型Marble正式上线——一个生成式多模态世界模型，相比两个月前的早期预览版，支持的输入模态更多，生成的3D世界也更丰富、细致。消息发到X上，a16z和YC的几位活跃投资人第一时间转评，热度不低。同期，李飞飞还发了长文《From Words to Worlds: Spatial Intelligence is AI's Next Frontier》，把话挑明：空间智能是AI的下一个前沿。

从理论主张到可商用产品，World Labs只用了一年多。这个速度本身，就是一个信号。

产业逻辑其实不复杂。大语言模型的成功建立在互联网级文本数据之上，而机器人没有这个红利——真实世界的交互数据没法爬取，也造不出互联网这种量级。世界模型的本质，是把"环境"本身变成可生成的资产：想要多少个训练场，就能生成多少个。对具身智能团队来说，这直接砍掉了搭建仿真场景的成本。

我的判断是：Marble真正值得盯的不是"世界模型"四个字，而是"可商用"三个字。它意味着空间智能从论文和Demo，变成了可以按需调用的产品。训练环境从稀缺品变成日用品，这是数据飞轮的第一块拼图。

🧹 扫地机打完价格战，新变量从手持杆里长出来

最卷的赛道，往往是数据最便宜的地方。

xLean颗粒进化创始人薛轲翰的判断很直接：通用机器人不会从实验室里突然蹦出来，必须先进入真实场景，在每天发生的任务里积累数据和能力，才可能一步步走向通用。他选的起点是家庭清洁——高频、刚需，几乎每个家庭每天都在发生，而且扫地机器人是目前唯一已经大规模进入家庭、每天自主工作的机器人品类。

但这也是个卷到不能再卷的市场：科沃斯、石头、追觅、云鲸已经打了好几轮价格战，产品越来越同质化，智能上限却像卡住了。2026年再做清洁机器人，图什么？

xLean的答案是全球首款双形态洗地机器人TR1：放在地上，自主完成日常清洁；拔出手持杆，立刻变成洗地机，处理突发污渍和重度清洁。妙处在后半段——用户每一次手持操作，都在自然地告诉机器人哪里脏、怎么清、什么时候算干净，这是传统扫地机很难采集到的高密度示范数据。而原本安装手持杆的结构接口，又被复用为把TR1升级成可移动、可感知的Family Agent入口。在此基础上，xLean搬出了原生Family Agent系统EvoMate OS。

市场反应也给力。继拿下IFA 2025 Best of IFA Next和Design Honoree之后，2026年柏林IFA上，TR1又摘得Smart Home和Home Appliances两个领域的官方荣誉奖，并首次现场演示了EvoMate OS的实际交互。现场来自超过40个国家和地区的100多位经销商，向xLean释放了约15万台意向订单；此前在Kickstarter上，TR1已有2000多名早期支持者参与众筹。

产业逻辑在于：数据采集的成本，被产品形态消化掉了。用户用得越多，机器人学得越多，而用户不需要为此多做任何事。"卖一台机器人，等于雇一个免费的数据标注员"——据多位接近人士说，这话已经在不少投资人圈子里私下流传。

🔄 AI开始给自己当教练，但教练也有教不动的时候

模型自己训练自己，不再是科幻设定，而是已经写进了发布说明。

Anthropic在六月发布的When AI Builds Itself里给了一个数字：截至2026年5月，合并到生产代码库里的代码，超过80%是Claude写的。OpenAI也在GPT-5.3-Codex的发布说明里承认，早期版本的模型曾"参与创造自身"。RSI——递归自我改进，成了两家头部公司都在公开谈论的话题。

在Dwarkesh Patel最近一期播客里，三位背景迥异的研究者辩了近两个小时：OpenAI前联创、Thinking Machines首席科学家John Schulman，开源模型公司Zyphra CTO Beren Millidge，以及Baseten模型训练负责人Charlie O'Neill。核心观点可以浓缩成一张表：

产业逻辑要想清楚一层：RSI在数字世界里最先跑通的是代码，因为验证信号极其明确——代码能跑、测试能过、合并即生效。物理世界远没有这么友好：信号稀疏、反馈延迟、试错昂贵。所以RSI想从比特世界外溢到原子世界，帮机器人变得更强，前提恰恰是前两节讨论的东西先把数据侧的问题解决掉。

🧩 三块拼图，拼的是同一个飞轮

飞轮从来不是一个公司造出来的，是被几拨人合力推起来的。

把三条线放进一张图，闭环的样子就出来了：

三条线各自的站位，对照着看更清楚：

这三件事互为条件。世界模型把仿真环境的边际成本，压到接近生成一张图的成本，机器人可以在无限生成的3D世界里先摔十万次；家庭机器人把真实数据的采集成本摊进消费品价格里，用户买一台TR1，等于给数据飞轮加了一脚油门；RSI则压缩算法迭代周期——当80%的生产代码由模型自己写，人类工程师的时间就不再是瓶颈。

三个成本同时往下压，具身智能的数据闭环才有转起来的可能。缺任何一块都不行：只有世界模型没有真实数据，是纸上谈兵；只有真实数据没有世界模型，数据贵到等不起；算法迭代不提速，前面两条线攒的家底也会贬值。

⚠️ 飞轮转起来之前，先过三道坎

拼图好看，但每一块都还没拼严实。

第一道坎，生成的世界不等于物理的世界。Marble生成的3D世界确实"更丰富、细致"，但渲染再逼真的虚拟厨房，也未必能教会机器人对付一块真实世界里的顽固油污。仿真与现实之间的鸿沟，目前没人敢打包票。

第二道坎，家庭场景的长尾深不见底。清洁只是起点，从TR1到薛轲翰口中真正的Family Agent，中间隔着多少任务泛化，目前没人能给出答案。要提醒一句：15万台是经销商投的意向票，不是终端用户的验证票，交付之后的真实数据回流才是硬仗。

第三道坎，RSI本身就是最大的不确定项。Schulman们自己都承认：找对目标最难，越靠近能力前沿有效信号越少，下一阶训练环境越来越难构造。今天的"慢速RSI"周期是三个月，理想中围绕自我改进的快速起飞，还没影。

时间线放在一起看，三条线的节奏其实咬得很紧：

• 2024年5月 ： 李飞飞宣布成立World Labs
• 2025年9月 ： Marble早期预览版亮相
• 2025年11月 ： Marble正式商用上线
• 2025年 ： TR1获IFA 2025 Best of IFA Next
• 2026年6月 ： Anthropic发布When AI Builds Itself
• 2026年9月 ： TR1再获IFA 2026双奖，RSI成行业热词

✅ 写在最后

回到开头那个问题：AI要走进物理世界，闭环怎么转？答案正在浮出水面——不是某一家公司端出一个万能机器人，而是世界模型造环境、家庭机器人收数据、RSI提效率，三拨人在各自赛道搬同一块拼图。

未来12到24个月，值得盯三件事：Marble这类产品的商用反馈，仿真训练到底能替代多少真机调试；TR1们的交付数据回流，家庭场景能不能跑出第一个稳定的示范数据池；以及RSI会不会从代码领域外溢到具身训练。飞轮真正转起来的标志，不是又一场发布会，而是第一次有公司同时握住三块拼图。那一天到来之前，别急着宣布具身智能赢了，也别急着说它输了。