拓元智慧

X-Era AI

一句话定位

以商业系统中的真实 4D+X 交互数据训练原生世界动作模型，将世界模拟、物理规律和动作预测联合起来，目标是让未来状态直接监督机器人策略。

详细技术路线

数据入口从无人零售、工业现场等已运行商业系统采集 4D 时空点云、动作轨迹和交互反馈，保留遮挡、误操作与状态变化等真实噪声。→

世界表征以 4D+X 表达持续变化的物理状态，并解耦空间几何与物理规律；有理函数网络和因果建模用于增强机制表达。→

策略与控制采用内生世界模型监督动作生成，联合预测未来物理过程与可执行动作，而不是先训练 VLA 再外挂独立视频预测器。→

本体部署当前以跨本体物理 AI 基础设施为目标，未披露统一机器人产品、控制频率、跨本体数量或生产级成功率。→

反馈闭环持续服务的商业系统产生动作—状态—反馈三元组并回流模型；必须进一步公开数据清洗、模型更新与策略增益才能验证飞轮。

TECHNOLOGY / 补充技术机制与验证证据

公开团队规模：待核实：团队规模未公开。人员任职信息更新至页面标注日期。

林倞：创始人；公开报道显示曾任商汤研究院执行院长，早期带领公司从认知 AI、数字人与多模态交互切入产业
王可泽：X-Era Lab 联合首席科学家、中山大学计算机学院教授；研究覆盖世界建模、多模态推理、因果推理与元物理智能，曾在 UCLA 朱松纯团队从事博士后研究
公司公开采访称团队包含世界模型、4D 表征、有理函数网络、物理因果、后训练和软硬协同方向人员；未披露当前具身团队的正式规模与完整名单

UPSTREAM & ECOSYSTEM / 上下游与生态

待核实：未找到可区分为上游或基础设施合作的可靠公开披露

PRODUCTS / 产品

COMMERCIAL DEPLOYMENT / 商业部署

合作仅指公开战略合作、联合研发、适配、客户部署或产业协同；分类依据公开表述，不把同一生态中的出现推断为正式订单。

POSITION / 竞争位置

位于原生世界动作模型与真实商业数据闭环的交叉位置，核心命题是让世界预测从训练起直接监督动作生成。

DIFFERENTIATION / 核心差异化

不是在 VLA 外接一个视频预测器，而是用内生世界模型联合学习物理演化和动作，并利用既有商业系统获得连续真实交互。

MOAT / 竞争壁垒

4D+X 数据入口、原生架构研究与真实场景反馈构成潜在壁垒；最终需由跨本体接入成本、策略增益和客户侧连续运行证明。

INSIGHT

优先采用公司官网、监管 / 政府信息和正式公告。来源旁的日期为信息更新日期，不一定是事件发生日期。