AREX Feed Article
"你微调不出 AGI"：1X 成立 World Model Lab，把赌注押在世界模型上
过去两年，人形机器人公司的主流做法出奇地一致：拿一个大语言模型或视觉语言模型（VLA），在上面接一个动作输出头，再用机器人数据微调。这套配方看起来省事，前提是基础模型已经理解了世界，你只需要教它怎么动。
1X 的 CEO Bernt Børnich 认为这条路走不通。
2026 年 6 月 4 日，这家挪威裔美国公司宣布成立 ，一个专门做大尺度具身世界模型预训练的前沿研究组织。Børnich 在同日发布的 中把话说得很直："You can't fine-tune your way to AGI. And you definitely can't fine-tune your way to robots that can operate in the physical world." 同日 刊登了 John Koetsier 对他的专访，Børnich 在采访中重申了同一判断。
一份没人想第一个签名的赌约
1X 的赌注拆开来看其实只有两句话：具身智能的基础模型必须从预训练第一天起就"看见"物理世界，而不能把机器人数据当成后装的微调补丁。
这个判断直接挑战了整个行业的工程惯性。机器人创业者 Joe Harris 在分析 Børnich 的宣布时 ，VLA 当初之所以流行，是因为机器人数据稀缺，"把动作输出头焊在视觉语言模型上"是绕过数据瓶颈的权宜之计。但现在机器人数据正在追上："there's no problem to work around anymore"。
世界模型和 VLA 到底差在哪？VLA 的做法是：看一张图 → 输出一个动作。世界模型的做法是：看当前状态 → 在内部推演接下来会发生什么 → 再决定动作。后者必须在见到任何具体任务之前就理解空间、运动、物体、因果关系、可供性（affordance）和基础物理。Børnich 在推文中的原话是："General-purpose humanoids need models that understand space, motion, objects, causality, affordances, physics, and action before they ever see a specific task."
Sam Sinha，1X 新任 Founding AI Researcher 兼世界模型负责人，此前是视频生成公司 Luma AI 的创始研究科学家。他在 中把问题讲得更尖锐："Embodied data has been treated as a second-class citizen for too long. Embodied AI is too important to be a fine-tuning problem."翻译过来：具身数据被当成二等公民太久了；具身智能太重要了，不能只是个微调问题。
五层数据、一个飞轮
1X 画出来的数据配方由五层构成：
互联网规模媒体（web-scale media）+ 第一人称人类视频（egocentric human videos）+ 仿真 + 远程操作机器人数据 + NEO 自产数据（on-policy NEO data）→ 真实世界部署收集更多数据 → 强化学习 → 数据丰裕 → 物理 AI
这个链条的最后一环是关键：NEO 机器人自己就是数据采集节点。Børnich 在推文中用三行短句把这个循环写了出来："The robot collects data. The model gets better. The robot gets better. Repeat."
每种数据在这个配方里承担不同角色。互联网媒体提供关于物体、场景和人类行为的广泛知识。第一人称人类视频（人从自身视角录下的日常动作）教模型理解人如何在物理空间中移动和操作物体。仿真环境提供可大规模并行、可无限重复的试错空间。远程操作数据则把人的操作技巧翻译成机器人可执行的轨迹。最后，NEO 在真实世界中自主运行产生的 on-policy 数据，是整个飞轮中最珍贵的燃料：它是模型自己决策后果的直接反馈。
为什么非要做成人形？一个常被忽略的设计动机在于数据兼容性。人形机器人越接近人体结构，就越能直接利用互联网上已有的巨量人类视频作为预训练数据。日本 VC 田中洸輝在 里把这个逻辑讲得很清楚："人間に近い身体を作るほど、インターネット上の膨大な人間の動画データを、ロボットの学習にそのまま利用できる"——身体越接近人，就越能直接用人类视频训练。
1X 官方博客透露，这次成立 World Model Lab 的时机并非偶然。在此之前，1X 内部的世界模型已经在 NEO 上跑通了"zero-shot 泛化"：机器人面对从未见过的任务，不需要额外训练就能执行。CEO 在博文中写道："These advances enabled NEO to generalize to completely unseen tasks with zero-shot execution. For us, this was when the recipe for fully autonomous humanoids clicked."
这种 zero-shot 泛化能力是区分世界模型路线和 VLA 路线的一个关键指标：VLA 通常需要对每个新任务收集示范数据并微调，而一个真正理解物理世界的模型，看一眼就应该知道怎么做。
造机器人的机器
1X 敢把全部筹码推上桌，底气来自一条几乎与其他机器人公司完全不同的路径：它自己造硬件。
2026 年 4 月 30 日，1X 其位于加州 Hayward 的 NEO 工厂全面投产。这座 58,000 平方英尺的工厂采用真正的垂直整合模式：电机、电池、传动系统、肌腱、传感器、连软性覆盖材料都在厂内自造。从铜线圈绕制到电机装配，产线自动化设备全部由 1X 工程师自行设计和搭建。目前工厂已有 200 多名员工，具备年产 10,000 台 NEO 的能力，并计划在 2027 年底前通过进一步自动化将产能推至 10 万台以上。
同一篇博客披露：NEO 预购开启后 5 天内，1X 就售罄了第一年的全部产能。根据 1X ，每台 NEO 售价 20,000 美元，或月付 499 美元。这意味着一旦交付启动，数千台 NEO 将同时涌入真实家庭环境，每一台都是一座流动的数据矿井：这就是 World Model Lab 的数据飞轮底座。
Sam Sinha 与 Luma AI 的基因
Sam Sinha 的履历和这间实验室的路线图高度咬合。作为 Luma AI 的创始研究科学家，他全程参与了大尺度多模态视频生成模型的 scaling 工作，包括 Uni-1 项目。Luma AI 的核心能力是视频生成：让模型理解和预测像素如何随时间变化。世界模型需要的恰恰是这个能力，只不过预测对象从像素层面的变化扩展到了包括空间、力学和交互后果的完整物理状态。
Georgia Tech 机器人学教授 Animesh Garg 在 Børnich 的推文下留言："great hire in @sam_sinha - I can attest to that"。
1X 在官方博文中明确表示正在 World Model Lab 的三个方向（数据、基础设施、学习）大规模招聘，投递渠道是 。
VLA 的退场？
Børnich 的推文下有一条来自 的回复："can we finally forget about VLAs?"他回了一个词："yes。"
Joe Harris 把 VLA 和世界模型做了更细致的拆解：VLA 的问题不在于它不能工作，而在于它设了一个天花板。"fine-tuning off the shelf is fast but it's a ceiling. the teams training from scratch on their own data are compounding. that gap only grows."
，一位 AI 和机器人领域的从业者，也在推文中点出了一个常被忽视的事实：1X 的飞轮不是"有朝一日"的事情。"with their NEO factory already live and robots out there collecting real data, the flywheel isn't a someday thing anymore. It's running."
当然，并非所有人都买账。 在 CEO 推文下反驳："World models won't work well. They will work, but not well。"这种质疑指向了世界模型方法最大的未知数：从视频中学习物理直觉这条路，到底能走多远？
一座工厂、一万个数据节点
1X 的 World Model Lab 成立不是一次普通的团队扩建。它是一次公开的方法论站队：在整个人形机器人行业还在享受 VLA 带来的"先跑起来再说"红利时，1X 选择退回一步，从预训练阶段开始重建机器人的世界理解。
两个月后， 在一篇推文中将 1X 的选择总结为"the right bet"：你的机器人不需要更好的策略网络，它需要的是一个更好的物理世界内部模型。"The companies building world models for embodied AI will leapfrog everyone still brute-forcing sim-to-real with more data。"
赌注之所以成立，是因为 1X 手里握着其他纯 AI 公司没有的牌：一座已经投产的垂直整合工厂，和即将进入数千个家庭的 NEO 机器人。世界模型路线如果被证明是对的，1X 已经建好了别人最难以复制的环节——不是模型架构，不是训练技巧，而是由真实机器人构成的数据飞轮。
到 2026 年底，当第一批 NEO 进入消费者家中时，这个赌注将拿到第一份真实的成绩单。