您的位置：首页 > 新闻中心 > 社会 > 正文

城市猎人

WAIC观察｜都在谈世界模型，说的是一回事吗？_我的网站

A | 今年WAIC（世界人工智能大会）期间，许多人都在谈论世界模型，但说的未必是同一件事。 2026年8月20日，第五人格IVL夏季赛总决赛第一轮的比赛开始。 7月19日，在上海西岸国际会展中心，同一场论坛上，两种不同的声音先后登台。中国科学院院士、南京大学副校长周志华讲述了决策层世界模型依然面临的现实：推演误差和交互试错的高昂成本。在当天的比赛中，MRC以2胜3平0负的战绩（25:18）击败了成都GG，以下是本场比赛战报。他的团队最近有些许进展，但这仍是他口中“正在探索的方向”之一，而非已经解决的问题。昆仑万维董事长兼CEO（首席执行官）方汉则给出一种判断。“2026年是‘世界模型元年’。第一局比赛上半轮：MRC求生者对阵成都GG监管者MRC的求生者选择了气象学家、幸运儿、古董商、“逃脱大师”；成都GG的监管者YuM选择了“台球手”。AI不再只停留在生成内容，而是开始理解世界怎么运行，预判行动会带来什么结果。

B | （BAN守墓人、飞行家、弓箭手、教授）开局“台球手”选择追击幸运儿，并将其击倒送椅。守椅战中气象学家和“逃脱大师”轮流救下幸运儿，幸运儿被击倒淘汰，古董商牵制至密码机破译完毕。在开门战中“女王蜂”击倒“逃脱大师”，完成二抓。

C | ” 一个“探索中”，一个“元年”。第一局比赛上半轮双方以2:2的比分打平。第一局比赛下半轮：成都GG求生者对阵MRC监管者成都GG的求生者选择了“逃脱大师”、飞行家、古董商、魔术师；MRC的监管者Sprintzer选择了“女王蜂”。产业已经在抢跑，但世界模型的地基还没打完。（BAN守墓人、咒术师、调香师、气象学家）开局“女王蜂”选择追击古董商，并利用闪现将其击倒送椅。守椅战中魔术师和飞行家轮流救下古董商，紧接着古董商被击倒淘汰。同一个世界模型，公司各自“解题” 每家公司对世界模型的界定，几乎都精准卡在自己正在做的事情上。不久后求生者将密码机破译完毕。腾讯不做硬件本体，只承担具身大脑平台的角色。腾讯首席科学家、Robotics X实验室主任、福田实验室主任张正友认为，机器人行业就像iOS与安卓、Mac与Windows，也会分化出“全栈自研”和“平台+生态”两条路，腾讯选的是后者。开门战中“女王蜂”击倒“逃脱大师”，双方完成平局。第一局比赛下半轮双方以2:2的比分打平。在模型上，他认为VLA（视觉语言动作模型）短板明确，没有预测能力，而世界模型可以基于行动后果做预测。第二局比赛上半轮：成都GG求生者对阵MRC监管者成都GG的求生者选择了佣兵、园丁、咒术师、气象学家（BAN“跛脚羊”）；MRC的监管者Sprintzer选择了歌剧演员。（BAN医生、弓箭手、病患、斗牛士）开局歌剧演员选择追击气象学家，并将其快速击倒送椅。

D | 世界模型下一个有价值的方向，在于模型同时传递语言和图像信息，能推理，也具备想象力。智象未来创始人兼CEO梅涛认为，一个真正的世界模型有三个要素：表达、推演、构造世界。守椅战中园丁救下气象学家，随后场上出现双倒局面，气象学家被再次击倒送椅。佣兵救下气象学家，下椅的气象学家被击倒淘汰。实现这些的关键在于，让模型真正建立起对物理世界统一的认知。这也就是智象未来坚持原生全模态大模型的初衷：不是做一个更大的拼接模型，而是在最底层把“世界的运行规律”刻进模型的DNA里，以统一的方式理解视觉、语言、动作和空间关系。中期歌剧演员将佣兵击倒送椅，随后园丁被击倒，最终歌剧演员击倒咒术师，完成四抓。第二局比赛上半轮MRC以5:0的比分领先。第二局比赛下半轮：MRC求生者对阵成都GG监管者MRC的求生者选择了飞行家、空军、弓箭手、佣兵（BAN“跛脚羊”）；成都GG的监管者YuM选择了歌剧演员。（BAN医生、病患、斗牛士、“心理学家”）开局歌剧演员选择追击飞行家，并利用闪现将其击倒送椅。梅涛认为，如果我们仅仅是把世界进行复现，本质上只是在做现有知识的压缩、拟合与复刻。在这样的范式下，人类五千年文明积累的信息量上限，就是AI的能力上限。守椅战中佣兵救下飞行家，下椅的飞行家被击倒送椅，歌剧演员成功击倒前来救援的空军，飞行家被淘汰。中期弓箭手极限卡半救下空军后被击倒，求生者无力救援，弓箭手被淘汰。但他也坦言，现在包括视频、多模态、具身、3D在内的各种世界模型，离真正的世界模型还比较遥远。

E | 双方经过一段时间的拉扯，歌剧演员最终击倒佣兵和空军，完成四抓。

F | 生数科技同样基于视频数据训练世界模型，强调对物理世界的理解。第二局比赛下半轮成都GG拿下5:0的比分，双方大局战平。生数科技CEO骆怡航认为，世界模型必须同时具备感知理解、预测想象、行动三个维度：“世界模型一定要刻画整个人与世界的交互规律，同时能驱动人与数字、物理世界打交道，这个定义应该具备很强的Foundation（基础）属性。

G | 第三局比赛上半轮：MRC求生者对阵成都GG监管者MRC的求生者选择了病患、“心理学家”、斗牛士、大副（BAN“跛脚羊”、“女王蜂”）；成都GG的监管者YuM选择了宿伞之魂。” 作为PhysX物理引擎奠基人之一的张立华，同时也是复旦大学长聘特聘教授、飞捷科思创始人、中国人工智能学会人机融合智能专委会主任，他的判断标准落在是否符合物理规律上。

H | 他认为，现有的主流世界模型基本还是数据驱动的视觉模型，难以把物理规律准确地嵌入模型里。“虽然你看了很多图像、视频等数据，形成了一定的物理直觉的能力，但这个能力也存在限制，就像人的物理直觉一样，虽然能够在某些条件下给出相对准确的趋势判断，但并不能保证所有情况下判断的准确性和真实性。虽然你看了很多，但不等于你抓住了这些表象背后的物理机制。（BAN先知、幻灯师、前锋、守墓人）开局宿伞之魂选择追击“心理学家”，并利用闪现将其击倒送椅。” 世界模型定义还存在争议，但不影响各大公司卡位。昆仑万维不再局限于视频（SkyReels）、音乐（ Mureka ）等AI生成内容的业务线，开始向世界模型、机器人模型等物理AI叙事框架转变。生数科技并不瞄准单一场景，而是希望做好通用能力，用同一个模型驱动不同本体去做不同的任务，半天到一天内就能适配部署。飞捷科思则发起“物理智能创新联合体”，联合32家单位，定位成国产世界模型的操作系统底座。谁能先抓住“世界模型”这顶帽子，谁就先占住了故事的入口。守椅战中大副和斗牛士轮流救下“心理学家”，下椅的“心理学家”被击倒淘汰。一位投资人曾透露，他年初见过一家具身智能公司，能讲出非常好的应用场景，时隔三个月后便开始讲世界模型的故事，“这是很现实的问题”。模型存短板，不能完全信任世界模型对物理世界的理解，还存在欠缺。中期斗牛士牵制一段时间后被击倒送椅，病患救下斗牛士，求生者将密码机破译完毕。破壳机器人创始人许华哲提到，即便现在的模型已经能做到不错的像素级预测，也不能完全信任它。在开门战中宿伞之魂击倒病患，完成平局。“只要是模型生成出来的东西，就一定带着模型自己的特性，如果在这样的仿真器里学策略，很容易拟合到模型的特性，而不是真实世界的特性。

I | 第三局比赛上半轮双方以2:2的比分打平。

J | ” 要补上这个缺口，模型需要两个方向：一是让模型本身更懂物理规律，二是让模型学习的环境足够真实。

K | 前一个方向，是视频生成厂商正在做的事，押注的是底层算法架构和高质量数据实现跃升后，模型自己能把物理规律“悟”出来。智象未来选择视频、全模态到世界模型这条路径，因为“互联网视频数据非常多，这些数据已经包含许多物理规律、因果关系在内”。并自研了UiT（Unified Transformer）架构，在数据端则涵盖了20万小时版权数据，覆盖超70%华语电影资源的行业多模态语料库。第三局比赛下半轮：成都GG求生者对阵MRC监管者成都GG的求生者选择了大副、“心理学家”、勘探员、幻灯师（BAN“跛脚羊”、梦之女巫）；MRC的监管者Sprintzer选择了蜡像师。生数科技则用MoT架构（可以理解为是一种稀疏、多模态Transformer架构）把理解、生成和行动整合在一起，而非“先理解、再规划、再动作”的分步路线。模型“悟”出规律，还得放到仿真环境里训练和验证。（BAN病患、前锋、冒险家、幸运儿）开局蜡像师选择追击幻灯师，并将其快速击倒送椅。如果仿真环境本身的物理规律不够真，模型学到的东西再像，也经不起真机上的检验。这就是飞捷科思在做的事，给模型提供可信的训练地基。

L | 一切源于张立华团队的踩坑经历。守椅战中“心理学家”和大副轮流救下幻灯师，紧接着幻灯师被击倒淘汰。

M | 中期蜡像师快速将“心理学家”击倒，双方经过一段时间的拉扯，“心理学家”被击倒淘汰。

N | 他的复旦实验室团队，早年也用过其他商用具身仿真平台做仿真训练，“仿真的时候机器人表现得非常完美，但我们把实机都造出来后，再一验证就发现不行”。后来团队排查发现，其底层的物理引擎动量并不守恒，仿真训练了很久，但因为模拟的物理规律并不符合现实世界的物理规律，导致训练好的算法不能在真机上复现。不久后求生者将密码机破译完毕。经历这一教训后，团队没有急于继续扩大模型训练，而是转向自研底层物理引擎和仿真训练平台，目的就是要提升物理引擎和仿真训练平台的精度和能力。进一步，他们做出了全新一代物理世界模型Fysiverse，其架构是创新的“显式物理模拟器+生成式渲染器”双驱动，让生成模型继续发挥视觉表达优势，用物理引擎补因果建模的短板。张立华认为，现在绝大部分模型还是以端到端为主，很少体现推理能力，但一个真正通用、有泛化性的模型，未来一定要具备推理能力。在开门战中大副被击倒送椅，勘探员通过地窖逃生，蜡像师完成三抓。第三局比赛下半轮MRC以3:1的比分领先。“遇到物体位置突然变化这类情况，机器人应该可以像人一样及时做出判断并调整策略，而不是只靠预训练学到的反应去执行。

o | ”而这种推理能力的训练，同样需要物理真实的仿真环境来支撑。

p | 第一人称视角数据缺失，补法却不一样模型要学好，除了要有对的架构和环境，还需要足够多的数据。

q | 具身智能下一步，需要大量第一人称视角的操作数据，也就是以人的视角拍到的、真实操作物体时的视频。视频生成厂商正在把自己的生成能力延伸向用于模型训练的数据供给。这背后是世界模型对高质量数据的渴求。梅涛提到，目前容易获取的数据基本已经被拿得差不多了，但真正高质量、有私域价值的数据反而越来越难拿到。梅涛谈到智象未来与一家机器人公司的合作：对方提供人类带着夹爪操作的仿真数据，每个关节点精度大概在毫米级；智象未来反过来生成一份不带夹爪的真人第一人称实操视频，和原始数据一一对齐。“用这样的视频可以做增广，一份高精度、带夹爪的视频，能生成出上百到上千份不同背景、肤色、形态的版本，同样保持高精度。

r | 第四局比赛上半轮：MRC求生者对阵成都GG监管者MRC的求生者选择了入殓师、机械师、火灾调查员、守墓人（BAN“跛脚羊”、“女王蜂”）；成都GG的监管者YuM选择了时空之影。（BAN先知、祭司、幻灯师、“法罗女士”）开局时空之影击伤守墓人后选择追击火灾调查员，并将其击倒送至地下室。” C端的数据采集，目前还停留在比较原始的阶段。许华哲提到，现在主要是靠58同城、猎聘这类公司，派人带着采集设备上门去拍；下一步可能是把采集设备直接寄到普通人家里，让人边带娃或边做自媒体，边采数据赚点钱。守椅战中守墓人卡满救下火灾调查员，火灾调查员牵制一段时间后被击倒送椅。

s | 中期时空之影利用闪现将入殓师击倒送椅，守墓人救下入殓师，求生者将密码机破译完毕。在开门战中时空之影击倒入殓师，完成平局。究竟需要多少量级的数据，行业还在探索。启明创投给出一个参照：头部机器人公司的有效数据，会从2025年的“万小时级”，跃升到2027年的“百万小时级”，其中人类第一视角数据将占绝对主导。第四局比赛上半轮双方以2:2的比分打平。而数据恰恰是行业难以共享的东西。许华哲提到，数据是具身智能里最核心的资产，几乎没人会真正把它开源出来，网上很多号称开源一万小时的数据集，点开可能只有五十小时。第四局比赛下半轮：成都GG求生者对阵MRC监管者成都GG的求生者选择了病患、幸运儿、先知、弓箭手（BAN“跛脚羊”、梦之女巫）；MRC的监管者Sprintzer选择了杂货商。（BAN前锋、祭司、斗牛士、守墓人）开局杂货商选择追击病患，病患牵制至三台密码机破译完毕后被击倒送椅。守椅战中幸运儿和弓箭手轮流救下病患，紧接着病患被击倒淘汰。

t | 当行业有人喊出“元年”时，学界在解理论“死结”，厂商在用同一个词争不同的定义。模型在往前跑，地基在往下打，中间还缺数据。世界模型在还没被讲清楚前，就已经被相信了。随后求生者将密码机破译完毕。在开门战中杂货商击倒幸运儿，完成二抓。

u | 新京报贝壳财经记者韦英姿编辑王进雨校对穆祥桐。第四局比赛下半轮双方以2:2的比分打平。第五局比赛上半轮：MRC求生者对阵成都GG监管者MRC的求生者选择了教授、冒险家、前锋、园丁（BAN“跛脚羊”、“女王蜂”）；成都GG的监管者YuM选择了“喧嚣”。（BAN幻灯师、“法罗女士”、先知、拉拉队员）开局“喧嚣”选择追击园丁，并将其快速击倒送椅。守椅战中前锋两波救下园丁，紧接着园丁被击倒淘汰。中期“喧嚣”打出冒险家的恐惧震慑，并将其击倒送椅，教授救下冒险家，求生者将密码机破译完毕。开门战中前锋为队友拖出逃生时间后被击倒，双方完成平局。第五局比赛上半轮双方以2:2的比分打平。

v | 第五局比赛下半轮：成都GG求生者对阵MRC监管者成都GG的求生者选择了火灾调查员、冒险家、邮差、前锋（BAN“跛脚羊”、梦之女巫）；MRC的监管者Sprintzer选择了时空之影。

w | （BAN“法罗女士”、医生、拉拉队员、空军）开局时空之影选择追击邮差，并利用闪现将其击倒送椅。

x | 守椅战中前锋和火灾调查员轮流救下邮差，下椅的邮差被击倒淘汰。中期时空之影将前锋击倒送至地下室，冒险家救下前锋，随后火灾调查员被击倒送椅。前锋救下火灾调查员，求生者将密码机破译完毕。开门战中时空之影利用闪现淘汰火灾调查员，最终时空之影将求生者逐个击破，拿下四抓。第五局比赛下半轮MRC以5:0的比分获胜。最终，MRC以2胜3平0负（25:18）的比分击败成都GG，获得本场比赛的胜利。