仿真造世界，但别急着扔掉真实仓库

说个事。李飞飞World Labs收购SceniX，把物理AI训练从“采数据”变成“造世界”。我第一反应是：这波操作比我当年在仓库里推着机器人跑一千趟，省下的不止是时间。

你看，过去做仓储机器人，数据采集是硬骨头。还得租仓库、架传感器、让机器人反复撞货架，一天下来有效里程不到20公里，数据量撑死几十G。

现在World Labs搞R2S2R，让机器人在虚拟世界试错，相当于把物理规则直接写进仿真引擎。我上周写过一篇“仓库里跑了一千趟，不如人家一个开源包”，实话说，这比开源包更进一步——它直接造了一个“平行仓库”给你练手。

但问题来了。仿真环境造得再漂亮，部署成本算过吗？ 我见过太多团队，demo跑得飞起，一进真实仓库就趴窝。SceniX的收购方向没问题，关键是它能不能把“仿真到现实”的迁移成本降下来。无问智科提的“采集世界—生成世界—模拟世界”链条，听起来完整，但中间每一步都是坑。

1. 世界模型生成的环境，物理参数是否匹配真实货架的摩擦系数？
2. 机器人学会在虚拟仓库里绕障碍，但真实托盘上的反光材质会不会让激光雷达懵圈？
3. 团队执行力体现在哪？是写一篇顶会paper，还是把仿真数据直接喂给控制器，让机器人第二天就能跑通一个SKU的拣选？

我的判断：这波收购是物理AI走向落地的正确姿势，但别急着欢呼。 如果你现在跑去跟投资人说我用仿真造世界，他们大概率会问：你的机器人能在三个不同仓库里稳定跑一个月吗？能，才是真本事。

最后留个问题：仿真环境能替代多少真实数据？30%？70%？还是永远差那最后一公里？