景烁科技独立运营，押注具身智能数据基础设施
自动驾驶老兵景烁科技将数据基建产品化，为具身智能提供三层数据服务，解决行业“无数据可训”的致命短板。
景烁科技从文远知行独立，定位为具身智能的“基建商”。它不做整机或大脑，而是提供数据闭环、世界模型和技能包，解决行业缺高质量交互数据的瓶颈。其核心产品包括WorldEngine、GENESIS-Robotics和SkillForge，旨在让机器人公司开箱即用，加速模型训练。
正文摘录
2026 年中，一家看似处于 AI 产业链 “中游” 的公司—— 景烁科技 ，在独立运营后，引发了行业热议。 它的背景足够硬核： 文远知行内部孵化，CEO 是文远 001 号员工 。赛道也足够有故事、被追捧： 具身智能 。 但景烁选择的切入点，在喧嚣的赛道里显得格外冷静：不做整机，不做单纯的大脑，而是押注物理 AI 的基础设施——数据和世界模型技术体系。 在这个言必称 “大脑” 和 “通用模型” 的时代，景烁被频繁讨论，揭开了一个被忽视的真相：行业都在追逐顶层 “思考力” 时，底层的 “经验体系” 和 “世界认知” 还没人系统性搭建。 物理 AI 的第一个落地赛道是自动驾驶，而这 10 年走过的工程化、规模化之路，展现出的是 “瓶颈迁移史”。 第一轮拼算法。谁提出更好的网络结构、更优的决策逻辑，谁在榜单上领先——完全能和如今具身智能赛道热衷于发 Demo、刷榜单的行为对应起来。 第二轮拼算力，这个阶段算法范式根本没有收敛统一，而算法本身的高下又难以通过直观可量化的数据来通俗表达，于是算力就成了智能军备竞赛的核心指标，包括车端和云端。 从特斯拉 FSD V12 版本切换到端到端模型，以及 FSD V14 彻底完成一段式重构之后，自动驾驶赛道在算法这个层面已经高度收敛，L2/L4 玩家都转向了多模态大模型 + 世界模型生成仿真 + 强化学习修正的路线。 这个时候一线炮火作战的各家技术团队也都认识到，再好的算法、再大的算力，没有高质量数据喂给模型，迭代就停在原地——物理 AI 的第一个落地场景竞争，最终回到数据基础设施层面。 文远知行完整经历了这三轮，最终站稳 L4 自动驾驶第一梯队。 贯穿其中的暗线，是数据基础设施的持续建设——也就是景烁团队对外公开、独立运营之前一直在做的事情 。