深圳元象信息科技 A 轮

深圳元象信息科技(元象科技 XVERSE)深度调研:认知与感知双轮驱动的仿真世界路径,XVERSE 大模型、端云协同 3D 引擎与物理驱动动作生成模型 MotionGen

元象科技(XVERSE)以「认知+感知」双轮切入物理 AI:XVERSE 系列 70 亿–2550 亿参数大模型、端云协同 3D 引擎与 MotionGen 动作生成,VR 大空间一年落地超 150 家体验店。

执行摘要

元象(XVERSE,深圳元象信息科技有限公司)是一家「认知 + 感知」双轮驱动的公司:认知线是 XVERSE 系列大模型(7B 到 2550 亿参数、含当时国内最大开源 MoE),感知线是端云协同 3D 引擎与 3DGS 场景重建,行为线是 2024 年 8 月发布的文本生成动作模型 MotionGen。商业化上,VR 大空间品牌「VISION WALK 幻旅之门」自 2024 年 7 月起已落地超 500 家体验店、覆盖 140 余个城市(旧口径曾称一年 150 家),AI 角色扮演应用 Saylo 累计注册用户超 2,000 万(旧口径 300 万)。公司 2021 年初成立,累计融资超 2 亿美元,投资方含腾讯、高榕、五源、高瓴、红杉、淡马锡与 CPE,媒体口径估值超百亿元。

需要说明的是,本报告依据公开报道与公司口径。公司未上市、未公开收入与毛利率,门店数、用户数、训练效率等关键数字均为公司或媒体转述,本报告逐项标注了来源等级。

元象在物理 AI 版图里的位置比较特殊:它不做求解器、不做代理模型、也不做机器人本体,而是从「重建世界(3D)+ 驱动行为(动作生成)+ 理解意图(大模型)」三个方向切入。这三块恰好是具身智能与仿真世界的上游能力——3DGS 场景重建可为具身训练提供合成场景,物理驱动的动作生成是机器人行为克隆与 RL 训练的数据来源,大模型负责任务编排。判断要点:这是一家「技术资产真实、物理 AI 定位尚在叙事层面、商业落地集中在娱乐与文旅」的公司。

公司概览

元象 2021 年初成立于深圳,创始人姚星为前腾讯副总裁、腾讯 AI Lab 与 Robotics X 实验室负责人,在腾讯期间带队做过围棋 AI「绝艺」与游戏 AI「绝悟」,现为中国科技部人工智能战略咨询委员会委员。联合创始人、CTO 肖志立曾任腾讯基础架构部总经理,是云存储与富媒体传输技术专家。团队约 200–300 人,产研人员占比超过 75%,成员来自腾讯、百度、IBM、麦肯锡等。

公司起点是强化学习:「智能需要一个能不断试错的环境,所以先要搭出数字世界」——这是「仿真世界」路线的底层逻辑,也解释了为什么一家大模型公司会把 3D 引擎当作另一半主业。

公司自我定位里有一条值得记录的表述:副总裁孔博在接受经济参考报采访时,把技术路线概括为「强化学习的核心是 AI 需要一个能不断试错的环境,想要实现通用人工智能,首先要搭建出可供 AI 学习成长的数字世界」。这解释了元象的产品排序——3D 场景重建与端云协同解决「世界如何被高效生成」,厘米级无手柄手势交互解决「人在世界中如何被理解、如何行动」,两条线在物理 AI 语境里分别对应「环境的合成」与「人的行为感知」。

发展时间线上有三个关键节点:2023 年起密集开源 XVERSE 系列模型建立技术声誉;2024 年 7 月起 VISION WALK 线下门店规模化落地,解决了「头显未普及前如何触达用户」的商业化问题;2024 年 8 月发布 MotionGen,把动作生成纳入产品线。

技术分析

认知线:XVERSE 系列大模型

模型时间线密集:2023 年 8 月发布 70 亿参数模型,9 月 130 亿,11 月 650 亿(XVERSE-65B),12 月一次性开源 30 款量化模型;2024 年 1 月发布 XVERSE-Long-256K,为当时世界开源模型中最长上下文(256K,支持约 60 万字输入);3–4 月发布视觉多模态模型 XVERSE-V;9 月发布 2550 亿参数的 XVERSE-MoE,为当时国内最大开源 MoE 模型;11 月推出泛娱乐领域 MoE 底座。XVERSE-65B 官方参数:2.6 万亿 token 预训练、40+ 语言、16K 上下文。

训练效率是公司强调的工程能力:自建集群峰值算力利用率 58.5%、有效训练率 98.6%,采用 FlashAttention2、3D 并行、虚拟流水线与「4D 拓扑架构、计算重叠」等机制,称训练时间减少 30%。这些数字没有第三方基准,但作为工程叙述是具体、可检验口径的(大量公司只讲模型不讲集群)。

感知线:端云协同 3D 引擎与 3DGS

3D 引擎的差异化在「端云协同」:轻量渲染在端侧、重度渲染在云端,官网称云端并发 200 万级 co-server 用户、百万级在线。对多人同时在线、低延迟的线下场景(多人同场走动)这是刚需;对轻端设备(手机、一体机)这也是「头显未普及」阶段的现实选择。

场景重建侧,元象在 3DGS(3D 高斯泼溅)论文发布约 3 个月后即引入,并发布免费插件 XScene-UE Plugin,打通「手机拍摄 → 生成 3DGS → UE5 内编辑 → 交互开发」的一站式流程。针对 Apple Vision Pro 的看房项目给出具体指标:支持最大 10 万平方米空间、8K 分辨率(称行业常规为 4K)、6DOF 自由移动。这条线的物理 AI 价值在于:3DGS 重建的真实场景是具身智能合成数据与仿真测试的素材来源。

行为线:MotionGen 与物理驱动动作生成

MotionGen 于 2024 年 8 月发布,公司称国内首个 3D AIGC 动作生成模型:输入简单文本指令即可生成「逼真、流畅且复杂」的 3D 动作,覆盖从基础行走到复杂肢体运动。动作生成的主流方法有三类——关键帧(人工,质量高成本高)、动捕重定向(真实但受采集限制)、生成式(灵活但容易「脚穿地」「滑步」)。物理驱动的含义是生成动作需满足重心、接触、摩擦、关节限位等约束,业界常见做法是把物理仿真器(MuJoCo、Isaac)作为约束项或后处理。

MotionGen 的具体实现(是否有物理仿真参与、物理合理性指标、生成速度)未公开。它与具身智能的关系是间接的:动作数据可用于机器人行为训练,但公司未披露任何机器人方向的落地或合作。

技术短板

第一,三条线的协同未验证:大模型、3D 引擎、MotionGen 是否共享表示、是否互相增强,公开信息没有说明。公司描述的愿景(大模型实时生成虚拟角色的动作、表情、口型)尚停留在展望层面。

第二,MotionGen 无性能指标、无公开演示基准;「国内首个」是公司口径。

第三,大模型在物理 AI 中的角色是接口层(理解意图、编排工具),语言模型本身不做物理计算;公司叙事里「认知 + 感知」的双轮框架没有说明两者在技术上如何耦合。

产品与商业化

三条业务线与收入结构

VISION WALK 幻旅之门是现金流主力:2024 年 7 月起落地,已在国内外开出超 500 家门店、覆盖 140 余个城市(旧口径曾称一年 150 家),海外持续拓展。内容库覆盖「登月奇旅」「海底两万里」「永远的盛唐」「探索地心」等主题,并与博物馆、文化地标合作(文旅数字化是明确方向)。竞争要素是内容、点位与运营,收入按次或按时收取。

3D 互动内容制作为 B 端项目:官方披露客户包括央视、腾讯音乐、一汽大众、阿迪达斯、邮储银行、中国科学院,场景覆盖虚拟看房、文旅导览、营销推广。

大模型与 Saylo 是技术与用户资产:开源模型建立声誉,Saylo(AI 角色扮演互动网文)承担 C 端变现——2024 年 6 月上线港澳台(最高繁中娱乐榜第一)、10 月上线美国(Google Play 娱乐人气榜第三)、2025 年 1 月上线日本;截至 2025 年 7 月累计用户超 300 万、月活超 100 万、平均留存率 65% 以上、活跃用户日均使用 110 分钟。这些数字均为公司口径,但留存与时长两个指标若属实,明显高于同类产品。

2026 年 6 月,元象推出 CastLoop AI 互动影游平台,将文本/语音驱动的互动叙事与 3D 场景结合,扩展「AI 生成 3D 内容」的产品形态;该平台属互动内容新线,收入与用户规模尚未披露,本报告将其列入产品矩阵但未计入商业化评分。

收入结构

各业务线收入占比未披露。从结构与人力分布推断,VR 大空间与 B 端项目贡献了主要收入,Saylo 提供海外 C 端收入,大模型本身(API/企业服务)大概率未形成规模化收入——国内开源大模型公司普遍如此。

商业模式的风险

线下 VR 在疫情后经历过洗牌,天花板受点位、客单价、复购率约束;元象能一年开出 150 家店说明运营与内容有竞争力,但该业务的本质是线下娱乐零售。AI 应用(Saylo)面临大厂同类产品的竞争。公司实质上是「线下娱乐 + 海外 AI 应用 + 技术储备」的组合。

竞争格局

分赛道看:VR 大空间对标线下娱乐品牌(当红齐天等)与主题乐园运营商;3D 引擎对标 Unity、Unreal 与国内的 Cocos;大模型对标头部大厂与创业公司;动作生成对标动捕服务商与生成式动画公司。

元象的差异化在于「同时布局 AI 与 3D」:高榕稿称其为国内唯一同时深度布局两者的企业。这个「唯一」的实质价值取决于三条线的协同是否成立——若成立,公司在「AI 生成 3D 内容」上有端到端成本优势(理解意图 → 生成场景 → 驱动角色);若不成立,就是三家小公司叠加。从现有公开信息看,协同仍属叙事。

值得单独记录的是 Saylo 背后的泛娱乐 MoE 底座:公司以自研 Dense 模型嫁接 MoE 框架做后训练,以压缩参数规模、降低训练成本并优化推理能力,再把强化学习与用户反馈结合做后训练对齐。这条「小成本领域底座」路线与动辄千亿参数的通用模型路线形成对照——前者以留存与时长换收入,后者以技术声誉换融资。两条路线在同一公司内并行,是元象区别于单一底座模型公司的结构特征。

与物理 AI 直接相关的公司(如 World Labs 的空间智能、AMI Labs 的世界模型)走的是模型路线;元象的 3DGS + MotionGen 更接近「内容生产工具」,两者在「重建与驱动世界」上有交集,但元象缺少物理仿真内核,这限制了它在工程仿真意义上的物理 AI 属性。

融资与资本结构

累计融资超 2 亿美元(爱企查口径),投资方包括腾讯、高榕资本(天使轮联合领投并后续跟投)、五源资本、高瓴、红杉中国、淡马锡、CPE。媒体口径估值超百亿元,连续四年入选胡润全球独角兽榜。具体各轮金额与最新估值未完整披露。

资金用途上,大模型训练(算力)与门店扩张(设备、内容、点位)同时消耗资本;Saylo 的海外买量也是消耗项。若 2026 年继续维持三条线,融资节奏与商业化增速需要匹配。

DISCREPANCIES

1. 门店数量的三个口径。 原始报道与公司披露称 VR 大空间落地「140 余个城市、500 余家门店」;高榕稿称 VISION WALK 一年内在国内落地超 150 家体验店;爱企查称落地国内外超 150 家。三者可能对应不同时点(150 家为 2025 年中口径,500 家或为 2026 年口径),但无公开数据可交叉验证增长曲线。本报告以「超 150 家(2025 年中,两来源一致)」为主口径,「500 余家」标注为公司口径。来源等级:MEDIA(两处)与 OFFICIAL(一处)冲突。

2. MotionGen「国内首个」的排他性表述。 「国内首个 3D AIGC 动作生成模型」为公司口径,未说明比较范围(是否含动捕重定向产品、学术模型)。来源等级:OFFICIAL(公司声明)。

3. 累计融资与估值。 「超 2 亿美元」来自爱企查,为汇总口径;「估值超百亿元」来自经济参考报报道;各轮金额与最新估值无官方披露。来源等级:DB 与 MEDIA。

4. 训练效率数字无第三方验证。 峰值算力利用率 58.5%、有效训练率 98.6%、训练时间减少 30% 均为公司口径,无基准定义(分母、统计周期)。来源等级:OFFICIAL。

5. 模型里程碑的时点性表述。 「当时世界开源最长上下文」「当时国内最大开源 MoE」均为发布时点的相对表述,2026 年已被后续模型超越;2550 亿参数为 MoE 总参数,激活参数未披露。来源等级:OFFICIAL(时点限定)。

6. Saylo 用户数据。 300 万累计用户、65% 留存、110 分钟日均时长均为公司口径,无第三方流量平台交叉验证;「平均留存率」的统计定义(次日/7 日/30 日)未说明。来源等级:OFFICIAL。

7. 「全链条自研」的边界。 训练框架是否基于开源生态、预训练数据构成未披露;「全链条」指模型从预训练到部署的自主性,不包括数据来源与硬件供应链。来源等级:OFFICIAL(表述)与缺失(细节)。

8. Apple Vision Pro 项目的 8K 对比口径。 「支持 8K 分辨率、行业常规 4K」的对比对象未指明(流媒体分辨率?头显显示分辨率?渲染输出?)。来源等级:OFFICIAL。

9. 门店与城市覆盖的最新口径。 2026 年公开信息显示 VISION WALK 已落地「500 余家门店、覆盖 140 余个城市」,较正文沿用的一年 150 家口径显著上修;本报告的「150 家(2025 年中)」属旧时点口径,更新后应以 500+/140+ 为准并标注时点。来源等级:OFFICIAL(公司/招商材料)与 MEDIA。

10. Saylo 用户规模的新口径。 2026 年公开口径称 Saylo 累计注册用户超 2,000 万(旧口径为 300 万累计用户、月活超 100 万),用户量级上修约 6 倍;本报告正文沿用 300 万口径,更新时应以 2,000 万+ 注册用户为准并保留旧口径标注。来源等级:OFFICIAL(公司)与 MEDIA。

11. CastLoop 互动影游与胡润四年独角兽。 2026-06 元象推出 CastLoop AI 互动影游平台,扩展互动内容形态;另据最新胡润榜,公司已连续四年(而非此前「连续三年」)入选全球独角兽,独角兽年限口径需同步更新。来源等级:OFFICIAL(公司)与 MEDIA。

风险与尽调缺口

其一,主业与物理 AI 叙事的错位。 收入主力是线下 VR 娱乐与 B 端内容项目,物理 AI(动作生成、场景重建)目前是技术能力,尚未成为收入来源。投资者需要判断这是一家「用娱乐现金流养技术」的公司,还是一家「用 AI 叙事提升线下业务估值」的公司。

其二,大模型投入的持续性。 2550 亿参数模型的训练与推理成本高企,开源模型难以直接变现;若无明确的企业服务收入,大模型更接近技术品牌支出。

其三,协同性缺乏证据。 三条线是否共享技术栈、MotionGen 是否用了大模型的语义理解、3DGS 是否进入 MotionGen 的训练数据,全部没有公开证据。

其四,线下业务天花板。 门店模式受点位、客单价、复购率约束,规模化有上限;海外扩张面临本地化运营成本。

其五,Saylo 的监管与竞争风险。 海外 AI 陪伴类应用面临年龄合规(未成年人保护)与内容安全审查;同类产品(Character.AI、星野等)竞争激烈,留存指标能否维持待验证。

其六,关键人物依赖。 技术叙事高度绑定创始人姚星的腾讯背景;若核心团队变动,融资与客户信任会受影响。

其七,尽调缺口清单。 各业务线收入与毛利、门店单店模型(投入、回本周期)、MotionGen 技术细节与基准、大模型训练成本、最新融资轮次与估值——均需在尽调中优先补齐。

综合评分

技术维度给 6.5 分。大模型(从 7B 到 2550 亿 MoE、256K 长上下文)、端云协同 3D 引擎(10 万㎡/8K/6DOF 的具体指标)、3DGS 快速工程化(论文后 3 个月出插件)、MotionGen(文本生成动作)都有真实技术含量,覆盖「认知—感知—行为」。扣分项:三线协同无证据、MotionGen 无指标、训练效率数字无第三方验证。

商业维度给 7 分。一年 150 家门店的落地速度、Saylo 的海外用户数据(留存 65%、日均 110 分钟)、央视等标杆客户,都是可核验的商业事实。扣分项:收入结构未披露、线下模式天花板、Saylo 依赖买量与监管环境。

财务维度给 7 分。累计融资超 2 亿美元、腾讯/高瓴/红杉/淡马锡等一线机构背书、独角兽估值,资金充裕度好于同类创业公司。扣分项:三线同时消耗资本、最新轮次与估值不透明。

产品维度给 6.5 分。产品矩阵完整(从模型到门店到 C 端应用),VISION WALK 的内容库与 Saylo 的运营数据说明产品执行力强。扣分项:产品线分散、大模型产品化程度低。

市场维度给 6.5 分。3D 内容生产、AI 陪伴、线下沉浸式娱乐三个市场都有真实需求,文旅数字化是政策顺风方向。扣分项:每个赛道都有更强的专业对手,物理 AI 属性间接。

综合 6.7 分。元象是本轮里「商业落地最具体、物理 AI 定位最间接」的一家:它的 3DGS 场景重建与 MotionGen 动作生成是具身智能产业链的真实上游能力,VISION WALK 与 Saylo 证明团队有把技术变成收入的能力;但它没有仿真内核,不直接面向工程仿真市场。对物理 AI 的判断是:元象更像「仿真世界的消费端与内容端」,与做求解器、代理模型的工程端物理 AI 公司处在同一条价值链的不同段位;若未来把 MotionGen 的物理约束做实并向机器人动作数据开放,其物理 AI 属性会显著增强。

参考资料

  1. 元象官网(xverse.cn,2026 访问):XVERSE-65B 参数(2.6T token、40+ 语言、16K 上下文);训练集群峰值算力利用率 58.5%、有效训练率 98.6%;端云协同渲染(200 万级 co-server 用户、百万级在线);Apple Vision Pro 看房(10 万㎡、8K、6DOF)

  2. 高榕创投(微信公众号,2025):姚星为前腾讯副总裁、腾讯 AI Lab 与 Robotics X 负责人,带团队打造围棋 AI「绝艺」与游戏 AI「绝悟」;肖志立为联合创始人、CTO,前腾讯基础架构部总经理;MotionGen 2024 年 8 月发布、公司称国内首个 3D AIGC 动作生成模型;XScene-UE Plugin 与 3DGS(论文后 3 个月引入);VISION WALK 一年国内落地超 150 家体验店

  3. 经济参考报(新浪财经转载,2025):元象为估值超百亿元的独角兽企业;XVERSE 系列 70 亿–2550 亿参数;VP 孔博谈「认知与感知双轮驱动」技术路线与厘米级无手柄手势交互

  4. 爱企查(2026 访问):累计融资超 2 亿美元,投资方含腾讯、高榕、红杉中国等;团队约 200–300 人、产研占比 70–75%;「元象 XVERSE 大模型算法」2024 年通过国家网信办备案;开源 XVERSE-MoE-A36B;Saylo 登顶中国港澳台娱乐榜、累计用户超 300 万;VISION WALK 落地国内外超 150 家体验店;客户含央视、一汽大众、邮储银行、中科院

  5. 高榕创投稿内时间线图(2025):2023-08 70 亿参数模型 → 2023-09 130 亿 → 2023-11 650 亿(XVERSE-65B)→ 2023-12 30 款量化模型 → 2024-01 XVERSE-Long(世界开源最长上下文)→ 2024-03/04 XVERSE-V 视觉多模态 → 2024-09 XVERSE-MoE 2550 亿(当时国内最大开源 MoE)→ 2024-11 泛娱乐 MoE 底座

  6. 官网新闻条目(2026 访问):XVERSE-Long-256K 为首个 256K 上下文开源模型、支持 60 万字输入;免费 3DGS 本地训练插件(手机拍摄、生成、UE5 交互编辑一站式)

  7. Saylo 运营数据(高榕稿,2025-07):累计用户超 300 万、月活超 100 万、平均留存率 65% 以上、活跃用户日均 110 分钟;港澳台繁中娱乐榜第一(2024-06)、美国 Google Play 娱乐人气榜第三(2024-10)、日本娱乐榜前十(2025-01)

  8. 技术背景(公开资料):动作生成三类方法——关键帧(人工)、动捕重定向(真实但受采集限制)、生成式(灵活但需物理约束);物理驱动指满足重心、接触、摩擦、关节限位约束,常以 MuJoCo/Isaac 等仿真器作约束或后处理

  9. 技术背景(公开资料):3DGS(3D 高斯泼溅)以 2D 图片生成高质量 3D 场景,兼顾渲染质量与效率;真实场景重建是具身智能合成数据与仿真测试的素材来源

  10. 行业背景(公开资料):线下 VR 大空间的竞争要素为内容、点位、运营;疫情后行业洗牌;AI 陪伴类应用面临未成年人保护与内容合规要求

  11. 竞争背景(公开资料):3D 引擎市场以 Unity、Unreal、Cocos 为主;国内开源大模型公司普遍面临「开源模型难以直接变现」的商业模式问题

  12. 融资背景(公开资料):高榕为天使轮联合领投方并持续跟投;连续四年入选胡润全球独角兽榜;各轮金额与最新估值未完整披露

  13. 元象 CastLoop(2026-06):推出 AI 互动影游平台 CastLoop,将互动叙事与 3D 场景结合,扩展互动内容形态。

  14. 2026 公开信息(门店/城市):VISION WALK 已落地超 500 家门店、覆盖 140 余城市,较此前一年 150 家口径上修。

  15. 2026 公开口径(Saylo/胡润):Saylo 累计注册用户超 2,000 万(旧 300 万);公司连续四年入选胡润全球独角兽榜(旧三年)。

本报告依据公开资料整理,不构成投资建议。公司未上市,收入、毛利率与各业务线占比未披露;门店数量、用户数据、训练效率等均为公司或媒体口径,未经第三方审计,相关判断已标注不确定性。

相关报告66

本报告基于公开信息整理,仅供参考,不构成任何投资建议。数据截至报告发布日,请以公司公告与定期报告为准。