亿元级
年营收（罕见）
跨维最有价值的看点，是它和灵初构成了具身智能"数据从哪来"的正面路线对撞。
判断具身智能的胜负手之一是"训练数据从哪来"。灵初押"真实人类数据"（10 万小时手部数据）；跨维押"100% 合成数据"（仿真世界模型生成，不用一条真机数据）。判断两条路各有死穴：真实数据贵、慢、难规模化；合成数据便宜、可无限扩增，但要跨越"仿真和现实不一样"（sim-to-real gap）这道缝。跨维赌的是：合成数据的成本与规模优势，能压过它的失真风险——而它亿元级的营收，是它目前最有力的证据。
判断跨维智能是中国具身赛道里"Sim2Real 合成数据"路线最激进、也最早跑出真实营收的一家——它用生成式仿真世界模型，把"数据从哪来"这个行业命门，换成"在虚拟世界里无限、低成本地造"。它的强，强在成本与规模化的数据能力 + 已被工业场景买单的亿元级营收；它的悬，悬在泛化的边界——100% 合成数据训出的模型，能不能可靠跨越"仿真≠现实"的鸿沟、泛化到开放和长尾场景，而不只是在结构化的工业产线上有效。它的决定性变量，是Sim2Real 的泛化半径能撑多大：只够吃"结构化工业自动化"这块（真实但有限），还是能通向"开放世界的通用具身"（想象巨大）。前者它已是优等生，后者仍待证。
| 决定性变量 | 为什么是胜负手 | 兑现的观察信号 |
|---|---|---|
| Sim2Real 的泛化半径 | 事实跨维主打 100% 合成数据 + 零样本虚实迁移；判断仿真与现实存在物理/视觉/长尾差异，泛化到非结构化开放场景是最大问号。 | 跨结构化产线、跨开放场景的操作成功率与稳定性；失效场景的比例。 |
| "亿元营收"的成色 | 事实已上百家客户、数十场景、亿元级年营收，率先在汽车/新能源工业规模化验证；判断但这是"通用具身智能"还是"高级定制自动化/项目制"，决定天花板与可复制性。 | 标准化产品收入占比、毛利、复购、单客户可复制性。 |
跨维卡在"大脑 + 数据"这层，但它的独特入口是"仿真世界模型"这个数据发动机。
判断跨维是一家"软硬一体 + 自己下场做场景"的公司：既做数据引擎和 VLA 模型（EmbodiChain），也做人形本体（DexForce W1）、传感器（DexSense），还直接去汽车/新能源产线交付。事实它的独特武器是"生成式仿真世界模型"——用它在虚拟世界渲染多模态数据（视觉、力、动作、电机信号）、生成海量合成数据训练模型。事实它甚至开源了这套具身智能工具链 EmbodiChain。
判断跨维的位置有个漂亮之处，也有个隐忧。漂亮："数据发动机"是最上游、最有壁垒潜力的位置——谁能低成本无限造高质量数据，谁就能持续训出更强的模型，且不受"真机数据贵而稀缺"的制约。隐忧：它同时做数据、模型、本体、场景交付，战线很长——这在早期能保证"闭环可控、快速落地"（也确实换来了营收），但也可能让它更像"垂直集成的自动化方案商"，而非"轻资产、可规模复制的具身智能平台"。推导它的营收证明了软硬一体落地的有效性，但也要警惕：真正值钱的是"合成数据 + 模型"这个可复制的内核，而不是一个个定制的工业项目。
| 本质 4 问 | 答案（含证据） |
|---|---|
| ① 本质在做什么 | 判断用仿真世界模型无限、低成本地"造"训练数据，绕开真机数据贵而稀缺的瓶颈，再把模型零样本迁移到真机干活。本质是"生成式仿真 + Sim2Real + VLA"的硬 AI。 |
| ② 几个流派、成熟度 | 事实数据路线大致：真实数据派（灵初，人类数据）、合成数据派（跨维，100% 仿真）、本体自采（有本体的厂用真机遥操作）。事实海外 NVIDIA Isaac Sim、特斯拉也重仿真。跨维是国内纯合成数据 + 已规模营收的代表。 |
| ③ 哪层赚钱 / 谁掌握话语权 | 事实跨维已亿元级营收、上百家客户，主要在汽车制造、新能源等结构化工业场景——说明在这类场景，Sim2Real 已能赚钱。判断话语权归"数据成本最低 + 落地最快"的一方，跨维在工业结构化场景已握有话语权。 |
| ④ 未来价值往哪迁 | 推导贾奎判断"下一个十年是物理世界的 AGI"——价值向"能低成本造数据、训出通用物理模型"迁移。判断若合成数据能泛化到开放世界，跨维卡的是最肥的数据入口；若合成数据只在结构化场景有效，它就是"最好的工业具身自动化公司"，而非"通用具身平台"。 |
判断跨维最响的标签是"100% 合成数据、零样本虚实迁移"。推导这在结构化、可精确建模的工业场景（汽车/新能源产线）里，已被亿元营收证明有效——因为这些场景的物理和视觉相对可控，仿真容易做真。判断但真正的问题是：当场景从"结构化产线"走向"杂乱的开放世界"（家庭、零售、非标现场），仿真还能不能做到"和现实一样"？合成数据的死穴永远是长尾——你没法仿真出你没想到的现实。跨维的泛化边界，本质就是"仿真能逼真到什么程度"的边界。
跨维是典型的"技术信仰驱动"型公司，创始人的学术专注是它路线激进的底气。
| 角色 | 人物 | 关键背景 |
|---|---|---|
| 创始人 & CEO | 贾奎 教授 | 事实长期从事三维物理世界 AI 研究——自 2016 年深耕三维物理 AI，2021 年创业成立跨维；技术信仰是"物理世界的 AGI"。判断3D 视觉 + 物理仿真的学术背景，正是"用仿真造数据"这条路最需要的知识结构。 |
| 技术内核 | 三维物理 AI 团队 | 事实技术聚焦三维物理世界的多模态数据——视觉、力感知、机器人动作、电机信号；把这些在仿真里统一生成并训练。 |
判断团队的加分项是"技术信仰 + 长期专注 + 已用营收证明工程落地能力"——不是纯 PPT 或纯论文，是真把 Sim2Real 卖进了工厂。缺口但要打问号：① 创始人学者身份与规模化组织管理——从技术信仰到规模复制是另一种能力；② 公开团队信息相对薄，除贾奎外的核心班底、股权、全职情况需更多披露；③ 战线长（数据+模型+本体+场景），组织能否同时把这几件事都做好，是执行力的真考验。
事实已累计上百家客户、落地数十个场景、年营收达亿元级，率先在汽车制造、新能源等工业场景规模化验证。缺口但这亿元营收里，标准化产品（数据引擎/模型订阅）占多少、定制项目/系统集成占多少？毛利多少？单个客户方案能否低成本复制到下一个客户？开放/非结构化场景的落地占比？——均未清晰公开。这决定它是"可规模复制的平台"还是"高级定制自动化商"，是追问清单第 1、2 组的核心。
跨维的命运系于三个真正有分歧的命题。每题给 Bull / Bear / Reality，再下裁决。
这是跨维最亮的招牌，也最需要拆开看。用"平台 vs 集成商"的四个标准逐条拷问。
| 平台性的标准 | 跨维的现状 | 是否满足 |
|---|---|---|
| 有真实、规模化的付费客户 | 事实上百家客户、数十场景、亿元营收、真进产线 | ✅ 满足（罕见） |
| 核心是可复制的产品（数据/模型） | 缺口标准化产品 vs 定制项目收入结构未公开 | ⚠ 待证（关键） |
| 单客户方案能低成本复制到下一个 | 缺口单客户复制成本、边际毛利未公开 | ⚠ 待证 |
| 能跨出结构化工业、进开放场景 | 事实目前集中在汽车/新能源等结构化工业 | ❌ 待证（泛化边界） |
判断跨维已经跨过了最难的第一关——"有人真金白银买单"，这在具身赛道是极稀缺的硬通货，怎么强调都不为过。判断但它还没公开证明后三关：收入主要来自可复制的产品内核（而非重定制），单客户能低成本复制，以及能跨出结构化工业。推导这三关决定了同样的"亿元营收"到底对应"平台估值"还是"方案商估值"。判断公允地说：跨维今天是"具身赛道里最会赚钱的公司之一"，但它到底是"通用具身平台"还是"用具身技术武装的高级工业自动化公司"，取决于这亿元的质地——而这正是它最该、也最容易被追问的地方。
看清它周围站着谁，就明白它的优势多稀缺、软肋在哪。
| 玩家 | 类型 | 打法 / 现状 | 对跨维的意义 |
|---|---|---|---|
| 跨维 DexForce | 合成数据 + 软硬一体 | 100% 合成数据世界模型（EmbodiChain）+ 人形/传感器，亿元营收、工业落地 | 合成数据标杆，泛化边界待证 |
| 灵初 PsiBot | 真实数据 + 操作 | 10 万小时人类数据 + 端到端 RL VLA | 数据路线的正面对手（合成 vs 真实） |
| 银河通用 | 合成数据 + 操作 | 同样重仿真合成数据 + 操作大模型，零售/仓储 | 合成数据路线的最直接国产对手 |
| NVIDIA Isaac Sim | 海外 · 仿真平台 | 仿真 + 合成数据的行业级基础设施 | 上游标杆与潜在依赖/竞争 |
| 宇树 / 智元 | 本体 + 自研大脑 | 有本体 + 真机数据，自研操作 | 软硬一体对手；本体自带数据入口 |
| 传统工业自动化商 | 集成 · 存量 | 机器视觉 + 机械臂做产线自动化 | 跨维工业落地的直接竞争与替代对象 |
判断① 在"合成数据 + 已变现"这条组合上，跨维是国内最靠前的之一——技术信仰 + 亿元营收的组合稀缺。② 它两头受竞争：上方与灵初/银河争"数据路线"，下方与传统工业自动化商争"工业落地的单子"——它必须证明自己既比灵初更能规模变现、又比传统自动化更通用更聪明。③ 它的必答题：把"合成数据 + 模型"这个可复制内核做成真正的平台，而不是被工业项目拖成"更贵的自动化集成商"；同时把泛化推出结构化场景，才能接住"通用具身"的想象。营收是它的底气，泛化边界是它的天花板。
判断四个断点里，断点 2（开放世界泛化）和断点 3（营收可复制性）最致命——前者决定跨维能不能接住"通用具身"的想象，后者决定它是"平台"还是"方案商"。好消息是：它已越过断点 3 之前的所有关卡（真有营收），这让它比多数同行更有本钱去攻断点 2、4。
| 风险 | 说明 | 观察信号 |
|---|---|---|
| Sim2Real 泛化边界 | 100% 合成数据在开放/非结构化/精细操作场景可能失真，泛化半径未在工业外验证。 | 非结构化场景的操作成功率、失效场景比例。 |
| 营收质地（平台 vs 项目制） | 亿元营收可能主要来自定制工业项目，毛利与可复制性受限。 | 标准化产品收入占比、毛利、单客户复制成本。 |
| 战线过长 | 同时做数据引擎、模型、本体、传感器、场景交付，资源分散、执行难度高。 | 各条线的聚焦度与协同效率、是否收敛到核心内核。 |
| 被上游/本体厂替代 | NVIDIA Isaac 等仿真平台在上游，宇树/智元等本体厂自带真机数据入口。 | 跨维数据引擎相对通用仿真平台的差异化壁垒。 |
| 纯路线押注风险 | 100% 合成的强假设，若行业收敛到"合成 + 真实混合"，纯合成可能需要补真实数据能力。 | 是否引入/融合真实数据、混合路线的进展。 |
| 信息透明度 | 估值、营收结构、毛利、团队细节等未充分公开，外部难判真实成色。 | 是否有更透明的财务与技术披露。 |
判断六类风险的母题是同一个：跨维已经证明"能用合成数据赚到工业的钱"，但还没证明"这套东西能规模复制、能泛化到开放世界、能撑起通用具身的想象"。在这被证明之前，它是一家优秀的、健康赚钱的工业具身公司；至于它是不是"物理世界 AGI 的平台"，仍取决于泛化边界。
跨维有营收这张硬牌，最关键的变量藏在"泛化边界"和"营收质地"里。★ 是我认为最锋利、最能戳破叙事的问题。
判断① 合成数据训的模型，走出结构化工业到开放场景，成功率掉多少？② 亿元营收里可复制的"产品/模型"占多少、毛利多少、单客户能不能低成本复制？③ 精细操作上，纯合成能仿出"手感"吗，还是终究要混真实数据？——这三问答清楚，就知道跨维是"物理世界 AGI 的数据平台"，还是"具身赛道里最会赚钱的高级工业自动化公司"（这两者都不差，但天花板天差地别）。
基于公开信息的深度梳理，主要来源（节选）：
· 跨维智能官网 dexforce.com / 36氪 pitchhub：公司定位、EmbodiChain / DexForce W1 / DexSense 产品矩阵、软硬一体
· 21 世纪经济报道 / 联想创投 / 机器人大讲堂 / 二牛网：A1&A2 轮数亿元融资（领投成都科创投、洪泰基金，联想创投等老股东加码）
· 极客公园：《靠世界模型实现亿元级营收，这家公司真正实现了具身智能的规模化落地》——上百家客户、数十场景、亿元营收
· 36氪：《基于生成式仿真世界模型，跨维智能开源具身智能工具链 EmbodiChain》——100% 合成数据训练 VLA、零样本虚实迁移
· 证券时报 / 品玩 / 知乎：DexForce W1 / W1 Pro 发布（Sim2Real 引擎、34 动力单元、为落地真实场景而生）
· 新浪财经 / 医药魔方：《跨维智能贾奎：下一个十年是物理世界的 AGI》——创始人技术信仰与三维物理 AI 背景、规模化验证于汽车/新能源