Nature Will 推出 Natura-1，面向物理世界的基础模型
TREE NEWS 报道， Nature Will 正式发布其首个面向物理世界的基础模型 Natura-1。该模型为 50B 参数的 MoE（混合专家）架构，训练数据为 100 万小时人类处理不同场景与物体的第一视角视频，能够处理从未见过的物体和任务。
官方信息显示，Natura-1 支持指定物体最终位置和朝向的细粒度指令，能在抓取方式中途变化时保持控制，可双手执行不同任务，并能在长任务中跟踪已移动或打开的物体以确定下一步动作。
为什么物理世界基础模型值得关注
过去几年，基础模型的进展主要集中在文本、图像和代码领域。Natura-1 聚焦具身操作（embodied manipulation），属于一个规模较小但战略意义重大的类别：模型必须实时理解物理规律、接触力学和空间关系。
100 万小时的第一视角视频是核心资产。与第三人称观察相比，第一视角素材更能捕捉操作行为的因果结构——手部如何移动、物体如何产生阻力、抓取失败时会发生什么。这一数据优势，很可能是 Nature Will 宣称模型可泛化到未见物体与任务、而非仅停留在特定基准测试上的原因。
指向通用机器人的关键能力
- 细粒度目标指定：指令可规定物体的最终位置与朝向，而不仅是“拿起杯子”。
- 任务中途自适应：抓取策略变化时模型仍能保持控制，这是脚本化策略常见的失败点。
- 双手协同：两只手可同时执行不同任务。
- 长程记忆：模型能跟踪被移动或打开的物体，据此规划后续动作。
这些能力共同瞄准的，是“演示惊艳”与“仓库、实验室、厨房、工厂可靠部署”之间的鸿沟。
加密与去中心化 AI 的视角
Natura-1 并非加密原生项目，但其发布正值去中心化算力网络、数据市场和链上 AI 智能体争夺市场相关性之际。一个基于专有百万小时视频语料训练的模型，再次抛出熟悉的问题：具身数据归谁所有、如何授权、能否验证？这正是去中心化数据与算力协议试图切入的缺口。
如果物理世界模型成为下一个规模化前沿，视频数据采集、标注与 GPU 推理的需求将急剧上升。能够协调这一供给、并在链上证明来源的加密网络，可能找到超越投机叙事的真实产品市场契合点。
前瞻
Natura-1 的真正考验不是演示视频，而是在分布偏移下的可靠性：新物体、新光照、新任务序列。50B MoE 架构表明，Nature Will 押注“规模 + 多样化第一视角数据”优于手工设计的机器人流水线。若这一押注成立，机器人技术栈可能围绕少数物理世界基础模型收敛，而其下的数据层与算力层，将成为价值链上争夺最激烈的环节。
