在具身智能赛道一片喧嚣中，一家名为景烁科技的公司悄然独立运营，却引发了行业热议。它的选择格外冷静：不做整机，不做通用大脑，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，景烁揭开了一个被忽视的真相：当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。没有对物理世界的深度认知，再聪明的“大脑”也只是空中楼阁。

景烁的底气来自十年自动驾驶数据信仰的延续。CEO霍达是文远知行001号员工，拥有12年行业经验，曾在美国、中国、新加坡主导搭建全球化工程研发组织。另一位创始人韩明，曾任DeepMap高级管理职位，深耕自动驾驶产业多年。团队完整经历了自动驾驶从拼算法、拼算力到拼数据的瓶颈迁移史——当特斯拉FSD V12转向端到端模型，V14完成一段式重构后，行业共识达成：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。而文远知行在L4自动驾驶第一梯队的站稳，暗线正是数据基础设施的持续建设。

景烁的核心突破在于从“采集”到“设计”的数据认知升级。团队很早就明确：不要在茫茫数据里捞钻石，而是直接人工生成钻石。在自动驾驶时代，他们用仿真器批量生产上海直行待转区、不规则环岛等长尾场景，这套仿真器后来演进成文远知行的GENESIS世界模型。如今在具身智能领域，这个选择的意义被倍增放大——工业、家用等高频场景没有任何玩家具备最低程度泛化性的工程化模型，更没有ChatGPT那样的现成互联网数据。景烁率先将数据基础设施作为产品交付，三层架构环环相扣：WorldEngine驱动数据闭环，GENESIS-Robotics提供核心引擎，SkillForge封装最终交付物，相当于帮客户一站式解决从零搭数据体系的问题。

展望未来，景烁的独立运营标志着具身智能进入基础设施竞争阶段。去年EGO第一人称视角采集路径被验证可行后，团队敏锐察觉到物理AI的Scaling Law触发首次有了可能性，于是决定正式独立。对于AI从业者而言，这传递了一个重要信号：当大家都在追逐爆款Demo和通用模型时，不妨回头审视数据闭环是否扎实。毕竟，具身智能离比拼模型和算力的门槛还很远，基于真实落地反馈的物理认知体系，初创团队无法速成。景烁的路径或许值得借鉴——先修路，再跑车。