中国工业报王珊珊

2026年8月21日下午，北人亦创国际会展中心，一场关于“世界模型到服务人类的现实距离”的对话，成为当届世界机器人大会最受瞩目的思想交锋点。

就在这场对话开始前，中国电子学会世界模型专家委员会正式宣告成立，之江实验室主任、阿里云创始人王坚受聘为主任委员。他随即主持了这场汇聚八位委员的圆桌讨论——大晓机器人董事长、商汤科技联合创始人王晓刚，奥比中光创始人黄源浩，无界动力CEO张玉峰，跨维智能创始人贾奎，智澄AI创始人胡鲁辉，飞渡科技联合创始人宋彬，蚂蚁灵波科技首席科学家沈宇军，极佳视界联合创始人朱政。

从“诗和远方”到“脏活累活”

“大语言模型只能解决诗和远方，世界模型是能让机器人真正干活的。”黄源浩的开场白直击本质。在他看来，GPT让人机对话成为现实，但世界模型要解决的是80亿人的劳动力问题——让人从重复劳动中解放出来，去“风花雪月”。

这一判断获得了在场嘉宾的广泛共鸣。胡鲁辉从更根本的层面指出，世界模型要解决的是人工智能最核心的命题——“理解物理世界”。如果说多模态大模型停留在感知层面，世界模型则要迈入因果推理与决策的深水区。

贾奎的表述更具野心：世界模型是“生成式AI皇冠上的明珠”，也是“AI大一统的终局”。它不仅能驱动机器人干活，还能生成三维物理几何绝对正确的内容——前者解放体力，后者满足人类对情绪价值的需求。

但理想与现实之间的鸿沟，远比想象中宽阔。

VLA的瓶颈与世界模型的破局

王晓刚回顾了世界模型的演进路径：最初用于数据增强“举一反三”，随后发展为模拟仿真器，如今正走向直接部署在机器人终端、实时驱动本体的第三阶段。在他看来，此前的VLA（视觉-语言-动作）模型本质上属于模仿学习，擅长处理静态场景，但当环境在交互中持续演化时便力不从心。

“世界模型需要对未来状态进行生成和预测，并在一套模型里同时具备理解、生成、预测三种能力。”王晓刚说。

张玉峰补充道：他的联合创始人2011年在中科院读博时就在研究基于模型的强化学习，彼时比AlphaGo击败李世石还早了五年。“那时候同学们还在愁强化学习怎么找工作。”如今，这一方向成了最炙手可热的赛道。

但他同时指出，VLA范式的根本局限在于追求“数据量足够大的概率分布和肌肉记忆”，却始终未能产生真正的“涌现”——模型并未真正理解物理世界的底层逻辑。这正是世界模型被寄予厚望的原因。

物理智能：最急缺的那块拼图

当王坚问及“世界模型要服务人类还缺什么”时，嘉宾们的回答出奇一致：物理智能。

王晓刚将其拆解为三大能力——生成智能（推演与预测）、物理智能（空间认知与物理规律）和认知智能（长程任务分解与状态判断）。“当前最急缺的是物理智能。漂亮的视频生成不等于学到了物理规律，我们真正需要的是第一视角交互视频、相机位姿、几何信息、物理属性、多视角数据的综合。”

黄源浩判断：“数据、模型、本体执行，三者都得到位。可以先从人类最不愿意干的场景落地，再逐步渗透。”

张玉峰则提出了“用工业练技能、商业练泛化、家庭是终极挑战”的分层落地策略。他特别强调，在“人机共生”成为大会主旋律的背景下，安全性绝非锦上添花——“仅靠大模型而没有额外的安全冗余机制，远远不够。”

数据的困境：比想象中更严峻

高质量数据从何而来？会不会成为创新企业“不可逾越的成本障碍”？

王晓刚坦言，具身数据与大语言模型数据有本质差异——后者可从互联网公开获取，前者“历史上积累是零”。更关键的是，实验室里雇人按剧本采集的数据“训练效果非常有限”，真正需要的是“inthewild”的真实场景数据。他观察到，随着真实数据规模的增长，ScalingLaw正在显现——基模型越来越强，对真机数据的依赖反而在减小。

黄源浩则直指行业“标准缺失”的痛点。他举例说，触觉手套采集的数据与视觉数据相差15毫秒就无法复用，“数据很重要，数据标准更重要”。他当场向王坚喊话，希望专家委员会能牵头制定数据标准。

贾奎认为，以通用物理AI为目标，任务无穷无尽，真机采集的效率与成本根本无法支撑规模化。“一个人一天只能采500到1000条数据，这远远不够。”他的解决方案是：预训练阶段用裸手Ego方式以最低成本获取人类经验，后训练阶段用生成式仿真合成数据来解决物理泛化问题。“如果靠大量采数据才能让机器人工作，那一定是亏钱的——第一性原理决定了我们必须追求最高效的数据方式。”

宋彬补充道，面向物理AI的数据采集应以“物理常识导向”和“空间约束导向”来治理，并将相关性转化为因果性。他透露，飞渡科技参与的“十四五”课题将于年底开放一批城市级科学数据集。

朱政则提醒：按当前训练成本推算，如果数据量增长到千万甚至上亿小时，模型参数量再增长十倍百倍，训练成本可能高达上千亿。他呼吁在扩大数据规模的同时必须同步提升样本利用效率，“否则从商业角度看，这条路走不通”。

三到五年，还是遥遥无期？

对于“距离目标还有多远”这个问题，黄源浩认为“具身智能的GPT时刻可能很快到来”；朱政以自身公司估值为例——一年涨了50倍——折射出资本对世界模型的强烈预期。

宋彬则表示，工业级客户要的是“可确定性、可靠性、准确率、长时序稳定性”，而当前世界模型在开放环境下的表现仍有较大距离。“昨天看到一个机器人跑直线撞墙了——说明对空间结构和时空拓扑的理解能力依然不足。”但他也指出，AI带来的效率提升是指数级的，“过去一个问题要3年，现在有可能倍增，三到五年有望突破”。

沈宇军表示，机器人不能像车一样边跑边发电，“一边追求智能上限，一边保持低功耗，这是根本性的矛盾”。胡鲁辉认为，当世界模型真正走向“理解”层面，对数据的依赖反而可能下降——“人学东西通过理解，不需要海量数据”。

世界模型到服务人类的距离，或许正比任何人想象的都要近，也比任何人想象的都要远。唯一确定的是，这场比赛已经鸣枪。