WRC 2026：8位AI创业者探讨世界模型，指出生成能力之外亟需物理常识与理解力

事件概述

2026年8月31日，在世界机器人大会（WRC）最后一天举行的“世界模型到服务人类的现实距离”论坛上，由之江实验室主任王坚主持，八位AI领域创业者就世界模型的技术路线、落地路径及数据瓶颈进行了深入探讨。与会者包括大晓机器人王晓刚、奥比中光黄源浩、无界动力张玉峰、跨维智能贾奎、智澄AI胡鲁辉、飞渡科技宋彬、蚂蚁灵波沈宇军及极佳视界朱政。

核心观点提炼

1. 世界模型的本质：从“生成”到“理解”的跨越

与会专家指出，世界模型被视为生成式AI的“皇冠上的明珠”，其核心价值在于超越传统的模仿学习（如VLA模型），实现对物理世界底层逻辑的理解。

• 能力演进：大晓机器人王晓刚将应用分为三阶段：数据增强、模拟仿真器，以及最终的World Action Model（直接驱动机器人本体）。世界模型需具备理解、生成、预测一体化能力，能在交互中推理未来状态。
• 物理常识缺失：多位嘉宾强调，当前模型擅长静态场景或像素级生成，但缺乏对空间结构、时空拓扑及因果关系的深层理解。无界动力张玉峰提出“隐空间世界模型”路线，旨在通过高维表征而非像素计算来高效推理时空因果。
• 技术流派：飞渡科技宋彬总结出现有流派包括基于像素/视频生成、物理AI、JEPA、因果及循环因果方法，共性在于需具备快速理解、模拟推演及规划执行能力。

2. 落地路径：工业先行，逐步泛化

关于如何服务人类，嘉宾们达成“分步走”的战略共识，反对一步跨入家庭场景。

• 三步走策略：无界动力张玉峰提出，先在工业场景（如柔性物体操作）中训练技能，再在商业场景（如咖啡店）中练习环境泛化，最后才尝试进入复杂的家庭场景。
• 核心能力缺口：大晓机器人王晓刚指出，具身世界模型急需补齐“物理智能”（空间记忆、物理属性）和“认知智能”（长程任务分解），目前仅靠漂亮视频无法实现真正的物理交互。
• 商业化前景：极佳视界朱政提到，行业关注度显著提升，公司估值在一年内增长50倍，显示出资本对世界模型潜力的认可。

3. 关键挑战：数据、算力与安全

尽管前景广阔，但工程化落地面临三大硬性约束。

• 数据瓶颈：具身智能缺乏互联网式的海量文本数据，且电影特效等虚假数据会误导模型。大晓机器人王晓刚强调需采集“In the wild”的真实自然操作数据，这依赖于与制造业、零售业等场景方的深度合作以积累规模化数据。
• 边缘算力与功耗：蚂蚁灵波沈宇军指出，机器人作为边缘设备，必须在低功耗限制下平衡智能上限。现有大参数模型推理资源消耗过大，难以直接部署，需探索更高效的计算方式。
• 安全与伦理：
  • 安全机制：飞渡科技宋彬和智澄AI胡鲁辉均强调，落地必须包含隔离层和熔断机制，特别是在涉及隐私（如家庭场景）和安全（如工业控制）时。
  • 可靠性：宋彬提醒，开放式环境中机器人可能出现不可预知的错误（如撞墙），需攻克多场物理耦合求解及长时序稳定性难题。

值得关注

• 范式转变：行业正从单纯追求数据规模的“肌肉记忆”式模仿，转向追求物理规律理解的“涌现”式智能。
• 数据价值重估：高质量、第一视角、带几何与物理属性的真实交互数据将成为稀缺资源，数据治理与采集合作模式将成为竞争壁垒。
• 终局判断：世界模型有望成为AI大一统终局，既能生成内容提供情绪价值，又能驱动机器人解放劳动力，但其实现仍需跨越从“像真”到“真懂”的工程鸿沟。