Messi investierte in Li Feifei, und sie kaufte sogleich ein Roboter-"Trainingsgelände".

In Messehs Investitionslandschaft taucht nun Li Feifei auf.

Der eine ist der König des Fußballs, die andere die "Göttin der KI". Die beiden, die ursprünglich keine Schnittpunkte hatten, sind heute durch die boomende Embodied Intelligence miteinander verbunden.

Nach dem Ende der Weltmeisterschaft in USA, Kanada und Mexiko betritt der Fußballkönig Messi die zweite Hälfte seines Lebens und hat im Investmentbereich ein schönes "Tor" erzielt. Laut der offiziellen Website von Play Time hat diese unter Messis Dach 2022 gegründete Plattform für Sporttechnologie-Holding und Investitionen das von Li Feifei gegründete Raumintelligenz-Unternehmen World Labs in sein Investmentportfolio aufgenommen.

Play Time wird von einem professionellen Team betrieben, verfügt über Eigenschaften von VC-Investitionen und Projektinkubation und konzentriert sich auf Technologie und Medien. Messi ist nicht direkt an Investitionsentscheidungen beteiligt, er agiert eher als zentraler LP und Markenbotschafter. In seinem Portfolio steht World Labs neben dem Robotikunternehmen FieldAI, dem Grundlagenmodellunternehmen für die physische Welt Perceptron, dem 3D-Tool-Unternehmen Intangible und der KI-Datenplattform SuperAnnotate, was zeigt, dass Play Time sich stark auf die Strecke der Raumintelligenz konzentriert.

World Labs reagiert nun mit praktischen Maßnahmen auf diese Erwartung.

Nach Abschluss einer Finanzierungsrunde von 1 Milliarde US-Dollar im Februar dieses Jahres hat das Unternehmen die Layout von vorgelagerten und nachgelagerten Bereichen beschleunigt. Gestern kündigte World Labs die Übernahme des Robotik-Simulationsunternehmens SceniX an, das von Li Yunzhu, der während seiner Zeit an der Stanford-Universität im selben Labor gearbeitet hat, und weiteren Mitbegründern gegründet wurde.

SceniX produziert keine humanoiden Roboter und nimmt nicht am Wettbewerb um ganze Geräte teil, sondern baut virtuelle Trainings- und Testumgebungen für Roboter auf, die die Generierung von Interaktionsdaten, Strategietraining, Leistungsbewertung sowie Tests von Fehlern und Extremfällen vor der tatsächlichen Bereitstellung abdecken.

Wenn das Marble-Modell die Frage löst, wie man schnell eine Welt erzeugt, dann löst SceniX die Frage, was passiert, nachdem ein Roboter in diese Welt eintritt, einen Becher schiebt oder an einem Seil zieht.

Der Fußballkönig setzt auf Weltmodelle

In der Vergangenheit waren die engsten Investoren, die mit Weltmodellen verbunden waren, hauptsächlich Chiphersteller wie Nvidia und AMD, Industrie-Softwareunternehmen wie Autodesk sowie professionelle Risikokapitalinstitutionen.

Jetzt beginnen auch Investitionsplattformen, die auf Sportstars ausgerichtet sind, in Raumintelligenz zu investieren. Das zeigt zumindest, dass das "Weltmodell" von einem internen Thema weniger Forscher und Technologieunternehmen in eine breitere Kapitalerzählung eintritt.

Natürlich kann der Eintritt von Star-Kapital nicht beweisen, dass eine Technologie bereits ausgereift ist, und schon gar nicht Produkte, Kunden und Einnahmen ersetzen. Was es wirklich bringt, ist zuerst Aufmerksamkeit, Markenressourcen und die Fähigkeit zur übergreifenden Verbreitung. Für Spitzentechnologieunternehmen wie World Labs ist dieser Wert nicht zu unterschätzen, aber er darf auch nicht als technische Bestätigung überbewertet werden.

Darüber hinaus ist das derzeit von Play Time gebildete Investmentportfolio bemerkenswert, das Folgendes umfasst:

• FieldAI erforscht intelligente Robotersysteme, die in komplexen Außenumgebungen arbeiten können;
• Perceptron zielt auf Grundlagenmodelle für die physische Welt ab;
• Intangible bietet 3D-Visualisierungs- und Kollaborationstools an;
• SuperAnnotate löst Datenprobleme von Grundlagenmodellen;
• World Labs versucht, Weltmodelle aufzubauen, die 3D-Räume verstehen, erzeugen und bedienen können.

Diese Projekte bilden keine streng definierte Industriekette, weisen aber gemeinsam auf eine Schwerpunktverlagerung hin, die derzeit in der KI stattfindet: Vom Verstehen von Texten und Generieren von Inhalten hin zum Verstehen von Räumen, Vorhersagen physikalischer Veränderungen und schließlich dem Antreiben von Maschinen, in der realen Welt zu handeln.

Daher liegt die Bedeutung von Messis Investition in World Labs hauptsächlich darin, dass die Erzählung über Raumintelligenz, die ursprünglich auf den Technologiekreis beschränkt war, zunehmend vielfältigere Kapitalwahrnehmung erhält, und die Probleme, mit denen World Labs konfrontiert ist, werden dadurch auch realistischer.

Nach Abschluss der 1-Milliarden-US-Dollar-Finanzierung im Februar dieses Jahres verfügt World Labs über äußerst reichliche Mittel und trägt gleichzeitig ebenso große Erwartungen an die Kommerzialisierung. Die Behörde listet Robotik, wissenschaftliche Entdeckungen, Kreativität und Inhaltsproduktion gemeinsam als potenzielle Richtungen für Weltmodelle auf; in der öffentlichen Wahrnehmung ist sein repräsentativstes Produkt Marble jedoch immer noch ein Tool zur Generierung von 3D-Welten.

Marble kann aus Texten, Bildern, Videos und Raumskizzen 3D-Umgebungen generieren, die relativ kohärent strukturiert sind und erkundet und bearbeitet werden können. Diese Fähigkeit ist wertvoll für Spiele, Filme, Architekturdesign und die Erstellung virtueller Inhalte, kann aber allein die langfristigen industriellen Ambitionen von World Labs kaum stützen.

Robotik bietet eine andere Möglichkeit.

In Robotikszenarien ist das Weltmodell nicht mehr nur ein Werkzeug zur Erzeugung digitaler Inhalte, sondern kann zur Infrastruktur für das Training, Testen und Bewerten intelligenter Systeme werden. Ersteres erzeugt hauptsächlich Welten, die Menschen betrachten und bearbeiten können, Letzteres soll Welten für Maschinen erzeugen, in denen sie wiederholt handeln, Fehler machen und Ergebnisse überprüfen können.

Kauf des physischen Trainingsplatzes

Bereits im November 2025 hat World Labs die Anwendung von Marble im Robotiktraining und in der Simulation demonstriert.

Forscher nutzten Marble, um 3D-Umgebungen wie Küchen, Wohnhäuser und Lagerhallen zu generieren, importierten die Szenen dann in MuJoCo, RoboSuite und Nvidias Isaac Sim und nutzten sie für Experimente zur Manipulation von Roboterarmen, Navigation von vierbeinigen Robotern und industriellem Transport.

Das beweist, dass Marble von Anfang an nicht nur der Inhaltserstellung dient.

Aber die damaligen Experimente zeigten auch seine Fähigkeitsgrenzen. Marble ist hauptsächlich für die Generierung von statischen Räumen, visuellen Hintergründen und Kollisionsnetzen verantwortlich. Objekte wie Töpfe, Kisten, Förderbänder und Mikrowellen, die tatsächlich von Robotern bedient werden müssen, müssen weiterhin aus anderen Tools importiert werden; komplexe Kontakte von Robotern, Veränderungen von flexiblen Objekten und Strategiebewertungen müssen ebenfalls von externen Simulationssystemen durchgeführt werden.

Mit anderen Worten: World Labs kann schnell Robotiktrainingsplätze aufbauen, beherrscht aber noch nicht vollständig die physikalischen Gesetze in diesen Trainingsplätzen.

Für die gewöhnliche 3D-Generierung ist ein ausreichend realistisches Bild in der Regel die Hauptaufgabe. Aber für Roboter ist visuelle Realismus nur die unterste Schwelle.

Egal wie realistisch ein Becher aussieht: Wenn er sich aus dem Nichts bewegt, ohne dass der Roboterarm ihn berührt; oder wenn der Roboter das Seil eindeutig greift, das Seil im nachfolgenden Bild aber durch die Greifbacken hindurchgeht, hat diese Welt keinen Trainingswert.

Denn Roboter lernen nicht nur, wie Objekte aussehen, sondern die kausale Beziehung zwischen Aktionen und Konsequenzen.

Im Juni dieses Jahres veröffentlichten Li Feifei und das Team von World Labs einen langen Artikel, in dem sie die Systeme, die heute allgemein als "Weltmodelle" bezeichnet werden, in drei Funktionen unterteilen: Renderer, Simulator und Planer.

• Der Renderer gibt Bilder aus, die das menschliche Auge sehen kann, sein Kernindikator ist visuelle Realismus;
• Der Simulator gibt geometrische, physikalische und dynamische Zustände aus, erfordert dass die Weltstruktur und die Aktionsfolgen ausreichend glaubwürdig sind;
• Der Planer entscheidet anhand von Beobachtungen und Zielen, welche Aktion der Agent als nächstes ausführt.

Von den dreien ist das Rendern am ausgereiften, die Planung am meisten beachtet, aber die Simulation wird oft unterschätzt.

Li Feifei gesteht in diesem Artikel offen ein, dass Marble nur der erste Schritt des Unternehmens in den Simulationsbereich ist. Es kann gleichzeitig Gaußsche Punktwolken für die visuelle Darstellung und Kollisionsnetze für die Berechnung durch die Physik-Engine erzeugen, aber es ist noch ein langer Weg bis zu einem Weltmodell, das Geometrie, Materialien, Dynamik und Aktionsplanung einheitlich verarbeiten kann.

Genau diese Lücke schließt SceniX.

Die öffentliche Positionierung dieses Unternehmens ist "Hybride Simulation". Es versucht, traditionelle physikalische Modelle mit lernbasierten Modellen zu kombinieren:

• Die Physik-Engine liefert erklärbare geometrische, mechanische und kausale Einschränkungen,
• Neuronale Netze lernen Veränderungen bei flexiblen Objekten, komplexer Reibung und dichten Kontakten, die sich kaum vollständig mit festen Gleichungen beschreiben lassen.

Der Hintergrund des Teams ist stark auf diese Linie ausgerichtet.

Laut LinkedIn wurde dieses Unternehmen erst vor einem Jahr und 9 Monaten gegründet. Auf der offiziellen Website des Unternehmens gibt es außer Fotos der drei Mitbegründer keine weiteren Einführungen.

Yunzhu Li (Li Yunzhu), Mitbegründer von SceniX, absolvierte seinen Bachelor an der Peking-Universität und promovierte anschließend bei Antonio Torralba und Russ Tedrake am MIT. Während seiner Postdoc-Forschung am Stanford Laboratory for Vision and Learning arbeitete er mit Li Feifei und Wu Jiajun zusammen. Derzeit ist er Assistenzprofessor für Informatik an der Columbia University und erforscht hauptsächlich Robotiklernen, strukturierte Weltmodelle, verformbare Objekte und multimodale Wahrnehmung.

Ein weiterer Mitbegründer, Changxi Zheng, ist außerordentlicher Professor für Informatik an der Columbia University, hat einen Doktortitel von der Cornell University und forscht seit langem zu Computergrafik, wissenschaftlichem Rechnen und physikalischer Simulation, einschließlich komplexer physikalischer Phänomene wie Flüssigkeiten, Blasen, dünnen Stäben, Kollisionen und Akustik.

Sonny Hu arbeitete zuvor bei Tencent und Amazon und leitete Projekte wie die Bildgenerierung.

In der Arbeitsteilung ist Yunzhu Li für Robotiklernen und Weltmodelle verantwortlich, Changxi Zheng liefert die Grundlagen für Computergrafik und physikalische Simulation, und Mitglieder wie Sonny Hu treiben die technische Umsetzung voran.

Überbrückung der Lücke zwischen Realität und Simulation

Konkret zielt SceniX auf das langjährige "Real-to-Sim"-Problem der Robotikbranche ab, also die Lücke zwischen der realen Welt und der Simulation.

Derzeit entwickelt sich die Hardware humanoider Roboter schnell weiter, aber die Evolution ihrer intelligenten Fähigkeiten ist immer noch durch physische Tests eingeschränkt. Die Fehlers