PrismWAM 登顶 RoboTwin 2.0，厘清智能押注 Physical AI Infra 的转化效率

近日，厘清智能创始人李一鸣教授团队发布 PrismWAM 与 RoboDoctor 两项研究成果。PrismWAM 在 RoboTwin 2.0 C2R 评测中以 83.67% 的平均成功率位列官方榜单第一；据团队报告，RoboDoctor 在 RoboDojo 全部 54 项任务的仿真实验中取得 57.10 分。

Physical AI 需要持续投入数据、算力和真实场景资源。厘清智能关注的不只是投入规模，还包括投入能否形成可执行、可复用的能力。PrismWAM 提供了一个模型层面的例子：它将 RGB 中的任务语义与 Depth 表征的空间变化分工处理，让动作从物理状态的推演中生成。

该模型使用预训练视频模型初始化，深度 VAE 经过约 2,300 小时深度数据预训练；在此基础上，未使用额外机器人动作数据预训练，也未对下游策略训练数据进行额外增强。RoboDoctor 则在底层策略权重固定的条件下，通过诊断与纠错改善连续任务的执行表现。两项结果为厘清智能强调的转化效率提供了早期技术验证。

榜单成绩仍不能直接等同于平台价值。能力能否在更多任务和物理设备中稳定运行、减少重复开发，需要由后续部署检验。厘清智能正在以此为目标推进 Physical AI Infra 建设。

厘清智能是一家 Physical AI Infra 平台公司。它所押注的，不是某一种机器人形态，也不是单纯扩大数据规模，而是为 Scaling Physics 建设一套原生基础设施，让真实任务更高效地转化为物理能力，并让能力在持续反馈中不断进化。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

关键词：