TechCrunch 於二零二六年九月十八日首發、九月二十日再推的專題指出，以楊立昆（Yann LeCun）領軍的 AMI Labs、以及李飛飛創辦的 World Labs 為代表的「世界模型」新創，雖然融資與聲量雙高，卻對產品路線與商業化時間表高度保密，連數據供應商也未必知道客戶真正在建什麼。來源真實性已驗證（核對 TechCrunch 原文、會議現場引述，以及多方對 AMI／World Labs／Marble 產品定位的公開報道）。本文拆解事件、技術原理、企業與香港應用角度，以及這場「黑暗森林」式保密對產業的含義。

TechCrunch：AMI Labs／World Labs 對產品路線守口如瓶——世界模型融資熱、商業化路徑仍藏「黑暗森林」

世界模型（world models）被視為繼大型語言模型之後、下一個可能改寫空間智能與具身智能的基礎技術層。它要讓系統理解並預測物理世界的狀態變化，潛在落地涵蓋機器人、互動影像、自動駕駛與工業模擬。然而，當資本與人才同時湧入，頭部新創卻選擇把「究竟要賣什麼」藏起來——這本身已成為值得企業決策者解讀的產業訊號。

TechCrunch 資深編輯 Russell Brandom 在 All In 會議主持世界模型專題討論後寫道：場上最接近「權威發言」的 AMI Labs 聯合創辦人兼世界模型副總裁 Michael Rabbat，被追問商業化方向時只回「準備好再說」；其後電郵澄清公司仍處研究與建設階段，不會公開產品計劃或時間表。供應端同樣霧中：數據商 Physicl 行政總裁 Alex de Vigan 坦言，明知自家數據對客戶有用，卻仍不清楚對方真正在建的系統。

一、核心事件：高估值敘事遇上刻意模糊的產品地圖

技術細節

據 TechCrunch 二零二六年九月十八日首發、九月二十日再推的報道（作者 Russell Brandom）：

• 頭部玩家：報道點名兩大焦點——楊立昆領軍的 AMI Labs，以及李飛飛創辦的 World Labs；兩者均累積大量 buzz 與資金，但「急於變現」的公開動作相對少。
• 公開口徑：Rabbat 在專題討論上對產品細節保持籠統；電郵補充「仍在 research and building phase」，拒絕談產品計劃與時間表。報道亦指 AMI 成立未滿一年，早期保密有其合理性，但同類含糊已擴散至整個世界模型賽道。
• 相對最成形的產品：World Labs 的 Marble 被視為目前賽道上較完整的產品形態，演示涵蓋媒體創作、可探索遊戲環境、CGI 效果，亦觸及機器人場景；整體仍偏能力展示，而非鎖定單一垂直市場。
• 供應鏈信息不对称：Physicl 等數據供應商表示，若能知道客戶真正目標，本可產出更對口的數據；現況是「幫得上忙，但不知幫在哪裡」。
• 為何保密：報道引用「黑暗森林」隱喻——融資環境寬鬆時，過早公開楔入點（wedge）會把競爭對手、其他世界模型公司以至 OpenAI／Anthropic 等大型實驗室一併引來；延後曝光等於延後正面衝突。

重點不在「又有一間 AI 新創愛講故事」，而在：當一門技術同時服務多個可能市場，資本卻不強迫其立刻選邊站時，資訊不對稱本身會變成競爭策略。

二、技術原理深度解析

世界模型與以文字／代碼為主的大型語言模型不同，核心是對空間與物理動態建模：輸入感知或生成的場景表示，預測下一步狀態，並支援在虛擬或真實環境中規劃行動。

可粗分為幾層：

1. 場景表示：把影像、深度、點雲或模擬狀態壓成可運算的世界表徵（類似自動駕駛的可導航地圖，但目標更廣）。
2. 動態預測：在表徵上推演物件與主體如何隨時間互動——這是機器人抓取、車輛避障、鏡頭穿梭虛擬場景的共同底座。
3. 下游接口：同一底座可接上具身控制、互動影片生成、工業製程模擬或醫療輔助軟體。TechCrunch 提到 AMI 已觸及製造、生醫、機器人，以及透過 Nabia 合作的醫用 AI 軟體方向——但強調公司不可能同時深耕全部，真正楔入點尚未公開。

對企業買家而言，這意味著兩件事。第一，評估「世界模型能力」時，不能只看 demo 炫技，而要追問：狀態如何持久、延遲與成本如何、是否允許私有數據與域適配。第二，供應商若長期不說產品邊界，整合商與數據夥伴會被迫「猜需求」，抬高試錯成本——這正是 Physicl 抱怨的結構問題。

四、日常應用場景

1. 開發者與技術團隊

若你在建機器人感知、數位孿生或空間內容管線，世界模型可能成為下一層基礎設施：以「可預測的世界狀態」取代碎片化的規則與單點視覺模型。開發者應優先釐清開源／閉源授權、本地推論可行性，以及是否能把自家感測數據留在可控環境——而不是被公開 API 的黑箱綁死。

2. 企業與隱私敏感行業

製造、物流、醫療與專業服務往往把廠房佈局、病歷流程或客戶場景視為核心資產。若世界模型最終要吃大量空間與行為數據，企業更應評估私有部署、資料出境與合約邊界。頭部新創現階段「不談產品」並不等於「不收數據」；採購前仍須把訓練／微調／推論的數據流寫進條款。

3. 一般用戶

對一般消費者，短期最可見的仍是遊戲／影視向的可探索場景與特效工具（例如 Marble 類演示）。真正的家用機器人與可靠自動駕駛，仍受硬體、安全認證與長尾場景限制；把會議 buzz 直接等同「明年家裡就有通用機器人」，並不符合公開報道所能支撐的證據。

4. 香港與亞洲市場視角

香港企業在智慧城市、物流、零售空間與影視後期已有空間智能需求，但多數團隊不會、也不應把廠房地圖或客戶行為軌跡直接丟進海外公開雲端。面對「融資熱、產品地圖模糊」的世界模型賽道，較務實的策略是：以可驗證的私有模型與可控 API 先解決垂直痛點（文件、影像、流程助理），再視供應商是否願意公開介面與合規邊界，決定是否引入空間智能底座。亞洲整合商亦應留意——當歐美實驗室用保密換時間，本地數據與場景資產反而可能成為談判籌碼，前提是你能在境內完成訓練與託管。

五、專業評價與潛在考量

優勢

• TechCrunch 以現場主持與電郵澄清構成可核對敘事，非純社群謠言。
• 點出世界模型「多市場潛力」與「融資寬鬆」如何共同激勵保密，解釋力高於單純指責「愛炒作」。
• Marble 等相對成形產品的描述，有助讀者區分「能力演示」與「已鎖定垂直產品」。

需要留意的地方

• 報道屬產業觀察，並非財報或監管申報；融資規模、估值與具體客戶清單多數未在文中量化，本文亦不臆造數字。
• 「黑暗森林」是比喻，不應解讀為任何公司已證實從事不當競爭。
• 保密策略對供應鏈與企業採購透明度不利；長期可能拖慢生態標準化。
• 世界模型與 LLM 能力邊界仍在演化，企業應避免用單一會議標題做採購決策。

結語

AMI Labs 與 World Labs 所代表的世界模型浪潮，正面臨一個反直覺的階段：技術想像力夠大、錢夠好拿，反而沒有壓力公開「第一個要佔領的市場」。對香港與亞洲企業，這意味著既要追蹤空間智能基礎設施的進展，也要堅持可驗證、可託管、數據不出境的落地路徑。若你的團隊需要把領域數據做成私有模型與內部 API，而不是把敏感場景交托給路線圖不明的公開服務，可參考 YSK Limited 的企業私有 LLM 全託管（年費 HK$88,000 起，Dataset → QLoRA／LoRA → 私有 API，100% 數據不出境）：https://ysk.hk/services/ai-automation 。

參考來源

1. TechCrunch, Russell Brandom, “World model companies are keeping a lot of secrets” (first published 2026-09-18; updated push 2026-09-20): https://techcrunch.com/2026/09/20/world-model-companies-are-keeping-a-lot-of-secrets/
2. TechCrunch same story permalink (2026-09-18): https://techcrunch.com/2026/09/18/world-model-companies-are-keeping-a-lot-of-secrets/
3. Gate News retelling of AMI Labs / World Labs All In panel secrecy (secondary): https://www.gate.com/news/detail/world-model-companies-ami-labs-and-world-labs-withhold-product-plans-at-all-24429532
4. X discovery (TechCrunch): https://x.com/TechCrunch/status/2101772163640385907