在通用人工智能（AGI）的赛道上，竞争的焦点正从虚拟世界加速向物理世界延伸。具身智能与机器人大脑技术，已成为当前行业最受瞩目的核心领域。然而，现有主流方案普遍面临空间感知精度不足、物理逻辑约束缺失、长时序规划能力薄弱等瓶颈，难以满足机器人自主感知、推理、决策与稳定交互的实际需求。
近日，一家深耕世界动作模型底层技术的复旦系科创企业眸深智能，正式推出STI-WM时空一体世界动作模型（Spatiotemporally Integrated World Model），为机器人打造原生具身大脑。该模型以时空一体化建模、物理一致性约束和端到端原生融合为核心，突破传统技术框架，为物理世界AGI落地开辟了新路径。其核心团队由复旦大学深度学习实验室的科研力量、英特尔与英伟达的工程专家以及年轻创业者组成，形成"学术-工程-商业"三位一体的顶级架构。
团队自2021年起便前瞻性布局世界模型、三维感知和时序动作生成三大底层技术，经过五年迭代，已完成七代动作模型技术更新。其原创成果包括全球首个人形动作生成大模型MotionGPT、三维世界模型HL3DWM，并斩获ICCV2023三维目标识别冠军、CVPR2024三维密集语义推理冠军等国际顶级学术荣誉。技术负责人更入选2025年中国具身智能新秀EAI榜单20强，相关成果被英伟达DAIR实验室等国际顶尖机构引用。
与传统方案依赖通用世界模型与VLA拼接的改良模式不同，STI-WM模型从AGI本质出发，确立了世界动作模型原生融合路线。该模型将空间结构、时间演化、物理一致性和执行鲁棒性四维统一，构建出"理解世界-推演未来-规划动作-执行纠错"的完整闭环。通过兼容多模态感知输入，模型可将复杂环境编码为紧凑的时空潜在状态，支撑百秒级长时程任务规划与精准动作生成，同时依托实时观测动态纠偏，确保真机执行的稳定性。
技术突破背后是六大核心壁垒的支撑：时空一体化原生建模消除多模块拼接的信息损耗；原生三维感知能力规避2D视觉的深度缺失；内置物理一致性引擎通过碰撞检测和动力学约束杜绝不合理动作；长时程高阶规划突破传统短片段动作局限；端侧轻量化部署技术降低产业化算力门槛；小样本强泛化能力通过虚拟预训练与真机微调结合，高效适配陌生场景。这些特性使STI-WM模型在动作精度、推理速度和任务泛化性上持续领跑行业。
资本与商业的双重认可印证了技术价值。眸深智能在半年内完成五轮融资，其中3亿元Pre-A轮融资获5倍超额认购，国家级投资平台、头部产业资本和券商机构纷纷入局。商业化落地方面，公司已与宇树科技、禾川科技、颐家养老等十余家上市公司达成战略合作，覆盖工业制造、居家康养、商业服务等多场景。未来三年，其技术产业化订单预计突破10亿元，速度远超行业平均水平。
当前，AGI竞争已进入物理智能新时代。以世界动作模型为核心的原生具身大脑，正成为通用机器人的核心底座。STI-WM模型的推出，不仅为机器人技术提供了全新解决方案，更推动中国原生物理AI技术迈向全球领先梯队。随着模型体系的持续迭代，其全品类硬件赋能能力将进一步加速通用具身智能的规模化落地。
