昆仑万维方汉：异构数据是具身智能成本破局关键，世界模型走向端到端
2026/07/27 16:32阅读量 2
昆仑万维CEO方汉在WAIC 2026上指出，具身智能路线将统一至端到端世界模型，Scaling Law下数据成本是核心挑战。目前真机数据采集成本高达千元/小时，百万小时需数十亿；采用手机等异构数据可降至10元/小时，千百万小时仅需亿元，成为现实路径。中国在硬件供应链和场景多样性上拥有不可复制优势。
事件概述
昆仑万维董事长兼CEO方汉在WAIC 2026期间接受专访，就世界模型、具身智能数据路线、成本和商业化发表观点。他认为2026年是“世界模型元年”，技术底层走向收敛，真正的壁垒在于数据清洗、算法迭代和资金硬件筹措能力。
核心信息
- 路线统一：具身智能将像自动驾驶一样收敛至端到端架构，以支持真正规模扩展（Scaling Up）。视频生成模型在训练规模达20亿个15秒切片时迎来质变，当前头部厂商通用10-20万小时，预计年底可达百万小时，明年底头部可能突破千万小时。
- 数据成本账：真机数据（UMI/真机）每小时成本500-2000元。若需1000万小时数据，最低需50亿元；1亿小时则需500亿元，商业上不可行。异构数据（手机、胸挂摄像头等）目前成本约50元/小时，有望降至10元/小时。1000万小时数据仅需1亿元，成为可负担的Scaling路径。异构数据还能在泛化和具体操作（如叠衣服）上带来提升。
- 中国优势：全球硬件主产地（如低成本双目摄像头），且拥有最全工业门类与发达服务业，可构造丰富操作数据，构成不可复制壁垒。
- 应用层陷阱：方汉不认同“模型格局已定，重心转向应用”的观点。他认为大模型会内化Skills，创业者应基于真实需求倒推产品，而非“拿着锤子找钉子”。
- 泛娱乐落地：视频生成API消耗量最大，某大厂视频生成收入占总收入一半以上。AI电影爆款只是时间问题，但原生AI游戏受推理成本限制，真正落地还需3-5年。