实体AI公司RLWRLD正在开发专有机器人基础模型RLDX-1,近日被评选为世界经济论坛2026年技术先锋。
世界经济论坛技术先锋项目每年从全球遴选100家创新科技企业,这些企业须具备推动全球产业与社会长期范式转变的潜力。
根据世界经济论坛官方分析报告《认识技术先锋》,今年的评选重点聚焦于那些为大规模部署自主AI系统提供基础软件和核心基础设施的企业——这些系统能够直接感知、推理并在物理世界中采取行动,远超对话式聊天机器人和应用层软件的范畴。
在今年入选的实体AI企业中,RLWRLD是唯一被划归"AI卓越中心"而非"先进制造"类别的公司。这一定位肯定了RLWRLD作为"通用大脑"的价值——能够随时与世界一流的硬件及机器人制造商灵活集成,并为公司在全球范围内与多元化制造和物流机器人硬件平台共同成长奠定了生态基础。
与此同时,世界经济论坛官方网站还发布了一篇由RLWRLD领导层(CEO Junghee Ryu、CSO Jeeyun Ahn及技术战略顾问Junho Cho)撰写的实体AI文章,题为《手部灵巧性仍是自动化的瓶颈,通用基准或许是解决之道》。
文章指出,在全球劳动力短缺的背景下,人形机器人与实体AI的热潮持续加速,然而机器人的灵巧操控能力——即精准抓取和处理物体的能力——依然是工业自动化中最大的瓶颈,也是"最后一公里"的核心障碍。
作为具体解决方案,文章正式介绍了DexBench——一套面向全球的标准化框架,旨在基于制造、物流和服务环境的真实需求,对机器人操控性能进行客观衡量与验证,突破实验室测试的局限性。
文章同时强调,全球机器人领域需要建立标准化指标体系与共享数据基础设施,以推动机器人操控技术的整体进步。值得关注的是,文章直接点名了已开始支持并采用DexBench标准指标的重要生态合作伙伴,包括韩国的乐天、SK电信、CJ物流、晓星和HL万都,以及富士、全日空和三井化学等全球行业领军企业。
通过这一系列举措,RLWRLD不仅仅停留于获得技术认可,更主动引领全球实体AI领域的议题讨论,将机器人操控标准统一化的必要性带入公众视野,并汇聚了全球众多头部企业的广泛支持。
RLWRLD还被世界经济论坛报告直接引用为全球创新案例。在探讨连续创业者构建基础设施层技术的章节中,论坛特别指出:"Junghee Ryu曾创立计算机视觉公司Olaworks并成功将其出售给英特尔,如今携RLWRLD回归,致力于构建面向机器人领域的基础模型。"
这一殊荣是RLWRLD近期一系列重要里程碑的延续:公司近期在台湾Computex 2026的InnoVEX创业大赛中荣获大奖,并作为英伟达实体AI生态系统的核心合作伙伴,完成了一轮成功的全球路演。
未来两年,RLWRLD将作为正式成员参与世界经济论坛创新者社区,获邀参加达沃斯及其他重要全球论坛,与全球政策、技术和市场领袖建立国际网络。
RLWRLD首席执行官Junghee Ryu将于6月23日至25日出席在中国大连举行的世界经济论坛"夏季达沃斯"——新领军者年会,就下一代AI基础设施议题与全球领袖展开深入交流。
Junghee Ryu表示:"以'AI卓越中心'类别入选2026年技术先锋,是全球对RLWRLD技术价值的认可,证明我们的技术是能够将实体AI从概念变为真实工业部署的创新软件基础设施。我们将通过与英伟达、AWS、微软等全球科技领袖,以及世界一流机器人制造商和硬件合作伙伴的全面协作,共同确立实体AI技术的全球标准。"
Q&A
Q1:RLWRLD开发的机器人基础模型RLDX-1有什么核心能力?
A:RLDX-1是RLWRLD开发的专有机器人基础模型,定位为能够与各类硬件及机器人制造商灵活集成的"通用大脑"。其核心能力在于让机器人系统能够感知、推理并直接在物理世界中行动,超越传统对话式AI的范畴,主要面向制造、物流等工业场景的大规模自主部署。
Q2:DexBench是什么?它解决了机器人领域哪些问题?
A:DexBench是由RLWRLD提出的一套全球标准化框架,专门用于客观衡量和验证机器人的操控性能。它针对机器人灵巧操控能力不足这一工业自动化最大瓶颈,基于制造、物流和服务环境的真实需求制定评测标准,突破了以往只能在实验室环境下测试的局限。目前,乐天、SK电信、CJ物流、富士、全日空等多家企业已开始支持并采用该标准。
Q3:RLWRLD获得世界经济论坛技术先锋认定后,接下来有哪些计划?
A:RLWRLD将在未来两年作为正式成员参与世界经济论坛创新者社区,获邀出席达沃斯等重要全球论坛,拓展国际政策与商业网络。公司还计划与英伟达、AWS、微软等全球科技巨头,以及世界一流的机器人制造商和硬件合作伙伴深化合作,推动实体AI技术全球标准的建立。
好文章,需要你的鼓励
今天讲的出海案例是生产微型扬声器、受话器和音响产品的豪声电子,其计划投资2500万泰铢的泰国音响类电声工厂已经进入初步投产阶段。
马萨诸塞大学从数学角度证明,MaxSim评分策略在理论能力上超越传统单向量内积方法,并提出Signed MaxSim扩展,显著改善否定查询性能。
新加坡国立大学与英伟达联合提出Flex-Forcing框架,通过时间帧和去噪步骤两个维度的灵活分块,将双向扩散和自回归视频生成统一到单一模型中,实现质量与效率的自由权衡。