WAIC圆桌实录：世界模型“六小龙”激辩技术路线，行业红利藏于非共识

事件概述

2026年7月19日，WAIC“世界模型六小龙”论坛举办了一场圆桌讨论，参与方包括大晓机器人首席科学家陶大程（主持人）、蚂蚁灵波首席科学家沈宇军、极佳视界联合创始人兼首席科学家朱政、无界动力联合创始人兼CTO夏中谱、智元机器人AI算法总监任广辉、自变量机器人联合创始人兼CTO王昊。六位嘉宾围绕世界模型的概念、技术路线、评价标准与落地挑战进行了深度交锋。

核心分歧：三大技术路线与两大争议点

技术路线分类

根据模型在什么空间推演世界，可分为三派：

• 像素生成派（代表：极佳视界）：直接生成视频帧。
• 隐空间（JEPA）派（代表：无界动力）：在抽象特征空间预测物理量。
• 融合派（代表：大晓机器人、蚂蚁灵波、自变量机器人、智元机器人）：结合多种方法。

争议一：世界模型需要多深度的物理理解？

• 无界动力夏中谱主张评估模型对几何、运动、力的预测精度，要求接近物理模拟器。
• 蚂蚁灵波沈宇军则认为“物理合理性”比“物理精度”更重要，机器人只需明白“重物下坠更快”的定性关系，无需精确计算。他认为机器人不必成为物理学家。

争议二：长时一致性是否必要？

• 智元任广辉强调“长时物理一致性”是评价世界模型能力的关键指标。
• 自变量王昊则直言长程推演是“伪需求”，更看重推理的时效性，过慢的推理会错失决策窗口。分歧背后是各自模型用途不同：智元将世界模型用作仿真器（依赖长程推演），自变量则将世界模型与VLA整合进端到端框架（推理速度直接约束决策时间）。

未来收敛方向：四位嘉宾的预测

• 统一表征（任广辉、夏中谱）：语言模型找到了token，具身智能尚未建立统一模态的token。
• 融合（王昊）：视频生成贡献预测、隐空间贡献推理、3D显式建模提供空间记忆，类似大语言模型的发展史。
• 触觉（沈宇军）：触觉数据一旦突破，物理世界与数字世界的世界模型将分道扬镳。蚂蚁灵波正在开发具身原生的自回归世界模型，从控制需求出发而非视频生成。
• 评测标尺（陶大程）：横向的评测基准可能率先收敛，如同ImageNet统一了深度学习评价。大晓机器人在论坛发布了PHYSICAL IQ，定位为首个具身原生、面向多场景多本体的物理智能评测基准。

从Demo到Deployment：规模化部署的挑战

• 模型能力从90%到99%再到99.9%的成本呈指数级增长。实验中微小的错误率，在部署现场会导致频繁的人工接管与返工。
• 蚂蚁灵波沈宇军举例：机器人找蔬菜时，顾客可能把蔬菜放进牛奶柜，这类随机情况是日常挑战。
• 大晓机器人陶大程强调端侧能力：机器人留给自己做判断的时间仅几十到几百毫秒，网络不能永远在线。最难的不是让模型变聪明，而是让聪明变得便宜、可靠、及时。

两年后的回看：什么做对？什么做错？

• 沈宇军：为模型架构能力与数据链路所做的准备大概率正确；但过度追求生成效果等外在呈现可能走偏；当前积累的数据未来是否被用到尚不确定。
• 朱政：当前在基模未收敛时过早探索商业化场景，大概率不会成功。
• 任广辉：世界模型将走向“具身原生”，需要更大规模的具身原生数据与原生架构。
• 陶大程总结：分歧是论文的素材，重叠是产业的基底。对行业而言，非共识本身就是当前的机遇与红利。