“世界模型或許不是通往物理智能唯一的門票，但它絕對是目前人類賦予機器空間想像力、常識推演與行動預測最具希望的核心基建。”香港大學計算與資料科學學院副院長、副教授羅平在外灘大會上這樣表示。
作為連線字空間與物理世界的一把鑰匙，世界模型被寄予厚望的同時，也存在著頗多爭議。世界模型究竟是什麼定義、訓模型什麼資料有用、資料多少才夠、模型架構如何搭建，甚至最近業內關於“數采工廠與機器人公司營收可持續性”、“資料採集關聯交易”話題，都是業內爭議不斷的待解命題。
在2026 Inclusion·外灘大會上，無論是主論壇、圓桌論壇《物理智能——分歧與抉擇》，還是《世界模型是AI走向物理世界的新大陸嗎》見解論壇，都圍繞“世界模型”這一熱點話題展開了探討。今年，也被業內定義為“世界模型”元年。
“如果展望5年，我對世界模型最大的風險或者擔心，就是商業化閉環究竟能不能走通。不管是創業公司還是大廠，在商業化和技術前沿的模型中投入之前，能不能取得一個平衡，能不能形成良好的正向循環，能不能找到像AI視訊和AI Coding這樣的場景。”極佳視界聯合創始人、首席科學家朱政表示。
“2018年講世界模型的時候，更多的是從強化學習角度描述。之後有一些3D重建、3D生成也會以世界模型來叫。一直到近期從視訊生成開始新的範式。每隔幾年肯定都會有不斷的推陳出新。”瞬適科技創始人、YesAI實驗室負責人石野認為，未來世界模型的內涵和技術範式還會持續演變，當前範式和定義還未收斂。
資料之爭：模擬有效還是真實資料有效？
世界模型的一大分歧來自資料。資料多少夠用？現在采的資料多少有用？資料積累到什麼量，能迎來質變？
對於資料量，破殼機器人創始人許華哲提醒，當前行業對資料量本身存在一定程度的高估。“一百萬小時、幾百萬小時並不天然意味著更好的模型。”資料規模之外，質量、分佈和訓練方式可能更加重要。
資料採集上，有人押注真機，有人押注模擬。蘇度科技聯合創始人、CEO韓錚的態度是：“光靠真實資料的收集效率比較慢，質量有的時候也比較受限，所以模擬是繞不過去的。當然，堅信使用模擬，但是同時後面還有一句話，真實世界的資料也是非常有用的，並不是純粹用模擬。”
韓錚認為，真實世界的資料採集效率有限、質量也不總是穩定，模擬因此是繞不過去的一環。模擬與真實資料並非非此即彼，最終更可能形成分層和組合。“光靠真實資料的收集，效率比較慢，質量有時也比較受限，所以模擬是繞不過去的。”
對於模擬資料和真實資料的路線選擇，螞蟻靈波科技首席科學家沈宇軍說：“我們從來不覺得說那一種資料一定要選，或者一定不要選的。可能不同的資料在不同的階段能起到不同的作用”。在預訓練階段，比如網際網路的資料，以及真實的物理世界採集的資料可能作用更大一點。如果回歸到某一個具體任務，模擬資料也是有價值的。
“未來真正有價值的資料競爭，可能不是簡單比誰擁有更多小時的資料，而是誰能夠獲得並組織那些真正包含‘物理智能’的經驗。”
“現階段，大家需要更多做的還是首先肯定要解決的是scaling的問題，但是scaling是比較複雜的問題，包括一些具身的基模。”極佳視界聯合創始人、首席科學家朱政認為，世界模型雖然受到廣泛關注，但距離通用可用仍有差距。資料和模型規模的擴展必須同時考慮算力開支與商業可行性，尤其是訓練成本問題。
他以具身基模為例算了一筆帳：幾十萬小時資料規模下，每年GPU支出成本在1億左右。若資料真正來到千萬小時甚至上億小時，模型參數達到千億或兆，“有可能需要花幾千億才能訓一個真正通用場景的世界模型。”這對創業公司，那怕是大廠，都是很大的資金壓力。
“圍繞單一任務反覆採集真機資料、訓練模型的方式，難以經濟地覆蓋真實世界中不斷變化的需求。”大曉機器人董事長、商湯科技聯合創始人兼執行董事王曉剛表示，具身智能要從特定任務走向更廣泛的應用，需要同時突破資料與模型兩方面的限制。
源策未來聯合創始人兼CEO李天羽說，現在大家做世界模型，主要是在傳統動作模仿學習上疊加各種表徵學習能力。但所有表徵都是有成本的，當前視訊是便宜的，3D、深度、觸覺等包含更多物理資訊的表徵，但標籤更難、更貴。而恰恰是這些最富含物理資訊的表徵，“可能沒法被訓練出來，也沒法被訓練到我們的世界模型裡，所以這是未來5年裡風險最大的部分。”
通用大模型是不是對具身模型的“降維打擊”？
近期GPT-6 Astra在機器人控制上的表現，讓行業重新討論一個問題：通用大模型是否會直接進入機器人，甚至“降維打擊”具身智能公司？
自變數機器人創始人、CEO王潛並不認同這一判斷。他的核心觀點是：“智能的本體存在於資料裡。”模型更像訓練階段的蒸餾器和部署階段的容器。
“Coding之所以率先快速進步，並不是因為語言模型自然獲得了程式設計能力，而是因為程式碼資料更容易生成、驗證和反饋。同樣，如果通用模型要真正進入具身智能，它依然必須面對機器人資料、現實世界評測、硬體、模擬和部署等基礎設施問題。”
破殼機器人創始人許華哲對Astra進行了測試。他觀察到，Astra在語義理解和三維空間能力上表現突出，能夠識別物體、抓取筷子，甚至完成一定程度的遞送操作；但到了疊衣服、複雜接觸等“Contact-rich”任務，物理互動能力依然存在明顯不足。
“我們給Astra一個prompt，它全認識；讓它抓筷子，它也能抓起來。但讓它做帶物理接觸的複雜任務，比如用筷子挑開一個什麼東西，這個時候它就開始不太行了。”因此，更可能出現的未來不是誰取代誰，而是分層：上層大模型負責語義、推理、規劃和任務拆解，底層具身模型負責即時感知、連續控制和高可靠執行。
沈宇軍認為，機器人必須在行動過程中持續接收感測器輸入，並根據環境即時改變決策，不能像今天的聊天模型一樣“一問一答”。“具身可能會走跟數字世界相同的模式，但一定不會走相同的技術路線。”
不過，朱政也指出，“單純留給純粹的世界模型公司或者具身智能的公司，時間窗口不是很長，必須在短暫的1—2年之內兌現大眾對它的期望。因為相當於對語言模型公司而言的話，人才，包括各方面的資源，其實我認為他們做具身或者做世界模型是沒有太大的Gap或者沒有太大的成本的。”
場景之爭：從Demo到產業，不只是模型問題
如果說資料和模型決定技術上限，那麼商業化決定行業能不能真正穿越周期。對於什麼才算真正進入產業階段，四位主論壇嘉賓給出了不同的衡量尺度，但最終都指向同一個問題：機器人能否穩定、規模化地創造真實價值。
蘇度科技聯合創始人、CEO韓錚首先強調的是成功率和泛化性。在真實商業場景裡，大量工業任務第一次執行就必須接近100%的成功率，同時還要能夠適應不同物體和環境，不能每進入一個新場景都依靠大量後訓練重新“過擬合”一次。
螞蟻靈波科技首席科學家沈宇軍則認為，行業容易陷入另一個誤區：把商業化幾乎全部歸因於模型性能。“客戶最終購買的不是一個模型指標，而是一套能夠工作的系統。”
“具身是一個複雜的系統工程。模型只是其中一環。真正落地，要綜合考慮硬體、模型、系統魯棒性、部署方式和最終ROI。”沈宇軍認為。
自變數機器人創始人、CEO王潛認為，本代機器人真正的商業價值，不應該只是複製上一代自動化，而應該解決過去解決不了的問題，並在真實場景裡形成比人工或傳統自動化更好的ROI。
那些場景更需要世界模型？
世界模型是否是所有任務的必選項？憶生科技聯合創始人兼CTO、香港大學計算與資料科學學院助理教授楊言超提出，應重點考察試錯代價和訓練資料獲取成本。當現實試錯昂貴、資料難以獲得時，在執行前預測行動後果更有價值；而對於成本較低的簡單任務，未必需要每次決策都呼叫世界模型。
“一些工業任務不僅採集資料昂貴，重設環境也需要較高成本，世界模型可以在這些環節發揮作用。同時，它也有望支援機器人部署後的反饋學習與持續迭代。”瞬適科技創始人石野補充。
極佳視界聯合創始人朱政認為，家庭任務和操作對象變化較多，更需要模型通過少量演示快速適應；對於短期內相對固定的工業或零售任務，VLA結合預訓練與後訓練已有一定解決能力，世界模型的必要性需要具體判斷。
源策未來聯合創始人李天羽則指出，視覺世界模型在簡單、干擾較少的環境中更容易發揮優勢，複雜背景下的可靠性仍需提升。“在背景相對幹淨、以視覺為主的任務中，世界模型上限比VLA高很多；但當背景大幅擾動，世界模型是比較受限的。” (科創日報)