世界模型“六小龍”在WAIC吵起來了，行業紅利就在非共識裡

在世界人工智慧大會（WAIC）的一場圓桌論壇上，被業界稱為「世界模型六小龍」的六家新創企業代表，罕見地進行了一場火藥味十足的辯論。與過去人工智慧領域大會上業者力求統一口徑、避免爭議的氛圍截然不同，這場討論不僅沒有迴避分歧，反而將各家在技術路線、應用場景與商業化路徑上的根本差異攤在陽光下。現場與會者觀察到，當一方極力主張端到端學習才是通往通用世界的捷徑時，另一方則堅持以物理引擎驅動的模擬才是可信賴的基礎。雙方你來我往，互不相讓，一度讓主持人難以插話。這種激烈的交鋒，在以往的國產AI論壇上實屬罕見，也讓在場觀眾看到了世界模型領域最真實的產業樣貌。

所謂「世界模型六小龍」，並非官方稱號，而是業界對當前專注於世界模型賽道的幾家代表性新創企業的統稱。這些企業創辦人多有頂尖學術機構或一線科技大廠的背景，各自選擇了不同的技術切入點。有的團隊專注於為自動駕駛打造可預測行人意圖的環境模型，有的則試圖為機器人建立一套可在虛擬中無限試錯的物理常識系統，還有公司將目光投向影視內容生成，希望模型能真正理解鏡頭中的因果關係，而非僅僅停留在像素拼貼。它們的共通點在於，都不滿足於讓AI僅僅當一個模式識別器，而是希望賦予機器對世界運作規律的理解與推理能力。然而，對於「理解」二字如何落地，六家企業卻給出了截然不同的解答。技術路線的分歧，首先體現在表徵方式上。

一派堅持採用隱式神經網絡，讓模型從海量影片中自發湧現出對空間和時間的壓縮表徵；另一派則主張顯式地引入幾何結構與物理約束，認為純粹依賴數據統計會讓模型在邏輯與因果推斷上出現「幻覺」。這種根本性的差異，直接導致了兩派在數據需求上的對立：隱式派相信「數據越大越好」，認為只要餵入足夠多的高質量視頻，模型終將領悟物理定律；顯式派則質疑這種方法的效率與可解釋性，強調在有限的、高質量的交互數據中學習結構化知識，才是可商業化且安全的路徑。雙方的辯論從技術細節一路延伸至世界模型的定義本身——究竟一個能生成流暢畫面的擴散模型算不算世界模型？還是必須具備在行動干預下進行反事實推理的能力才算真正的理解？

耐人尋味的是，這場看似混亂的爭論，並未如部分悲觀者預期的那樣阻礙產業進步，反而在學術界引發了強烈反響。多位與會的人工智慧學者表示，這些創業公司公開且坦誠地展示自己的技術路線與失敗經驗，讓理論研究者獲得了過去只能在論文附錄中想像的真實對照組。每一場針鋒相對的辯論，都成為了學術論文最鮮活的素材，也讓實驗室裡的一些假設有了來自產業端的驗證或挑戰。一位來自國內頂尖高校的教授在會後指出：「以前我們只能透過公開數據集比賽來比較模型，現在這些創辦人直接告訴你，為什麼他們認為某條路走不通，具體在哪些場景出了問題。這種工業界的回饋，對學術研究的啟發遠超一篇純理論的論文。」

在分歧之外，一個容易被忽略的事實是，六家企業之間仍然存在不少重疊的基礎認知。首先，各方都承認，世界模型的核心能力不應僅止於感知與生成，而必須包含對未來狀態的預測以及對因果關係的建模。其次，無論是隱式還是顯式路線，所有人都肯定數據驅動的價值——差異只在於需要什麼樣的數據以及如何獲取。這些共識看似簡單，卻正是整個產業能夠站穩腳跟的基底。它們構成了學術界與工業界對話的共同語言，也為投資人評估不同路線提供了可比較的框架。換句話說，分歧為理論創新開闢了空間，而重疊的共識則為規模化商業化鋪設了一條共同的跑道。與會的多位業內人士在會後交流時指出，真正的行業紅利往往就藏在這些非共識之中。

當大多數團隊還在追隨主流觀點、迷信「標準答案」時，少數願意深入理解爭論本質，並從爭論裡挖掘機會的團隊，反而能搶佔先機。舉例而言，當所有人都在討論如何用更大算力壓榨出更高精度時，一家堅持小模型、高效率的路線的初創公司，雖然在公開評測中暫居下風，卻已經率先在邊緣設備上跑通了即時的交互式世界模型，獲得了來自機器人與物聯網領域的批量訂單。這家公司的創辦人在辯論中直言：「共識是產業的錨，但錨的作用是讓船不漂走，而不是讓船前進。真正讓我們前進的，是那些沒有人同意的判斷。」

WAIC 上的這場「吵鬧」，或許正是世界模型領域從實驗室走向規模化應用的關鍵信號。過去幾年間，人工智慧領域經歷了從大語言模型到多模態模型的快速迭代，每一次技術轉折點到來之前，都伴隨著激烈的路線之爭。從電腦視覺的捲積與Transformer之爭，到自然語言處理的編碼器與解碼器之辯，歷史反覆證明，能夠容忍並鼓勵這種非共識的氛圍，往往是產業即將迎來爆發的前兆。世界模型作為被許多人視為「下一代AI核心能力」的方向，如今在中國初創圈內出現如此高密度的路線碰撞，說明了這項技術已經從少數研究機構的理論探索，進入到了需要透過市場檢驗來篩選路徑的階段。

大會閉幕當天，一位不願具名的資深投資人向記者表示：「從前年大家還在問『什麼是世界模型』，到去年開始出現Demo，再到今年直接在台上吵起來，這個進度比我想像中快了很多。投資最怕的不是分歧，而是無聲無息的共識，因為那通常代表所有人都看到了同樣的東西，機會已經被攤平了。」他認為，在非共識最密集的領域，往往隱藏著超額回報的可能。只要這些爭論是基於實證與邏輯，而不是基於意氣與立場，那麼每一場公開的辯論都是在為整個生態降低資訊不對稱，也為後續的資源配置提供了方向。值得注意的是，雖然六家企業在台上互不相讓，但在場下卻保持著開放的交流姿態。

有與會者看到，在論壇結束後，兩位剛才還在激烈爭辯的創辦人迅速湊在一起，交換起了最新的實驗數據與失敗教訓。這種「台上爭觀點，台下換數據」的現象，正是中國人工智慧產業走向成熟的一個縮影。當企業認知到，世界模型這塊蛋糕大到遠非單一路線能夠壟斷時，非共識就不再是需要消滅的敵人，而是共同把蛋糕做大的催化劑。展望未來，世界模型「六小龍」的爭論或許會持續升級，也或許會隨著市場的選擇而逐漸收斂。但至少從這個夏天在上海舉辦的這場大會來看，中國的AI創業者已經不再滿足於跟在海外路線後面做應用層的微調，而是敢於在核心的模型範式、數據策略與商業模式上公開亮出旗幟。

對於整個行業而言，這遠比一場和諧的共識更能帶來長期的紅利。那些在爭吵中被反覆錘煉的想法，那些被主流暫時擱置卻在角落裡悄悄生長的異議，往往正是下一波浪潮的種子。當我們不再害怕世界上存在多種不同的聲音，我們才真正準備好了去理解這個世界。