世界模型站上風口，機器人距離“真正幹活”還有多遠？

財經思享匯2026.08.23 11:11 · 來自北京全文3262字00:00 / 09:13模型需要真實場景產生數據，但真實場景又需要足夠成熟的模型和能夠算得過來的成本，才願意大規模部署機器人。文 | 財經思享匯，作者 | 王南舒，編輯 | 管東生2026世界機器人大會上，機器人依然是最容易聚攏人群的展品：行走、搬運、抓取，各類動作被不斷搬到展臺前。但在這些直觀的展示之外，關於機器人下一階段競爭的討論，已經開始從“身體”轉向“大腦”。大會期間，一場主題為“世界模型到服務人類的現實距離”的圓桌展開。

之江實驗室主任、阿里雲創始人王堅開場便把問題拋向了世界模型本身：它與其他模型究竟有什麼不同，又有哪些值得關注的技術路線？隨後，討論很快落到一個更現實的問題——如果世界模型最終要服務人類，它究竟需要具備什麼能力，現在距離這一目標還有多遠？這也是當前機器人產業正在面對的一道分界線。過去幾年，機器人的運動能力快速提升。奧比中光創始人、董事長黃源浩在回答提問時把這種變化概括得更直接：機器人的移動能力已經做得不錯，真正困難的是“操作”。從A點移動到B點，與擰開一個瓶蓋、處理複雜物體，並不是同一類問題。在他看來，後者最終依賴“手、眼、腦”的協同——手需要靈巧和觸覺，眼負責感知，腦則依賴模型與數據持續迭代。

當機器人從“會動”走向“幹活”，產業競爭也開始從單純的本體能力，進入對智能能力的爭奪。世界模型正是在這樣的背景下被推到前臺。從“會做”到“理解為什麼這麼做”今天的機器人可以被訓練完成越來越多任務，但“技能增加”並不天然等於“更智能”。智澄AI創始人、CEO胡魯輝在回答時將當前物理智能面對的問題拆成了幾個層面：首先是泛化能力——環境或任務改變以後，機器人還能不能完成同一件事；其次是對物理規律的理解；進一步，則是機器人能否理解任務本身。在過去依靠規則、固定路徑或者模仿學習的系統中，交互對象和任務邊界相對確定。一旦環境稍有變化，甚至只是更換本體，原來的能力就可能失效。

圓桌上，無界動力創始人張玉峰也提到，VLA等以模仿學習為基礎的範式，很大程度上依賴足夠的數據量和數據分佈形成類似“肌肉記憶”的能力，而對於物理世界底層邏輯的理解，以及由此產生的泛化，仍面臨挑戰。世界模型重新受到重視，一個重要原因正是行業希望突破這一限制。胡魯輝更看重的也是“理解”。他表示，世界模型真正需要解決的“不光是泛化性”，還包括對物理世界本身的理解，“就像人一樣，人不是說我會做點事情，而是以理解的方式去做事情”。這一判斷也對應著智澄AI自身選擇的位置。胡魯輝將世界模型視為物理智能的核心技術之一，並將機器人看作人工智能進入物理世界的重要閉環場景。

（圖：智澄AI展會現場）如果說過去機器人企業爭奪的是一臺機器能掌握多少動作，那麼世界模型押注的，是另一種能力：機器人不僅知道“怎麼做”，還要知道自己的動作會怎樣改變環境，並據此決定下一步。這意味著，下一階段的競爭未必只是技能數量的增加。一個只能在訓練環境中完成固定任務的機器人，即使掌握更多動作，也不意味著它已經獲得通用能力。但問題也緊隨起來，如果機器人真的要理解物理世界，它依靠什麼學習？從賣“眼睛”到爭奪數據入口黃源浩把這個問題指向了數據。與大語言模型可以直接利用互聯網積累的大量文本不同，具身智能的數據必須從真實物理交互中產生。

機器人擰一個瓶蓋，需要記錄的可能不只是視頻：手在三維空間中的位置、物體狀態如何變化、接觸時產生怎樣的力，以及視覺和觸覺能否在時間上準確對應，都會影響模型最終學到什麼。不同本體又讓問題更加複雜。黃源浩舉例稱，不同機器人使用的相機視場角、幀率、觸覺設備並不相同。如果A機器人採集的數據不能被B機器人使用，每家公司都必須圍繞自己的設備重複採集和訓練，數據規模擴大並不必然帶來成本下降。因此，在他的判斷中，具身智能當前缺的不只是更多數據，還有標準化、可遷移的數據。

黃源浩提出，希望將3D空間、時間序列以及觸覺、力等信息以統一方式記錄，並實現足夠精確的同步，讓部分數據能夠跨本體、跨模型使用，“不然每家的數據成本都非常高”。這一判斷也正在改變奧比中光對自身商業位置的設想。作為一家長期以3D視覺感知為主要業務的企業，奧比中光此次談論的不再只是“讓機器人看見”。在談到此次發佈的相關相機產品時，黃源浩反覆強調3D視覺、手部姿態、物體狀態以及與觸覺設備同步的重要性，並將公司希望進入的位置稱為具身智能的“數據基礎設施”。他的設想是，從視覺供應商進一步向數據採集硬件平臺延伸。

（圖：奧比中光展會現場）這背後是一種更值得關注的產業變化：當感知硬件本身逐漸成為機器人基礎能力，產業鏈上的企業開始向數據入口延伸。賣一顆傳感器，收入來自硬件；如果進一步進入數據採集、接口和標準環節，企業試圖建立的則是與模型、本體和訓練體系之間更長期的連接。黃源浩也直言，如果只是硬件，產品更容易被替代，而一旦進入數據層，業務黏性可能發生變化。世界模型的競爭，因此並不只發生在模型公司之間。誰能提供數據、誰能定義數據格式、數據能否在不同機器人之間流通，都可能影響模型訓練的效率。資本已經升溫，商業賬還沒有完全算過來這種對未來機器人“大腦”和數據入口的爭奪，也正在被資本市場提前關注。

胡魯輝在採訪中將世界模型描述為一個已經獲得學術界、工業界和資本市場共同關注的方向。黃源浩則從自己的產業觀察出發提到，當前具身智能領域從模型、仿真、數據採集、本體到行業落地，已經聚集了大量創業企業，一些年輕企業也獲得了較高融資和估值。但資本熱度並不等同於商業模式已經得到驗證。黃源浩同時承認，目前不少機器人應用的ROI“還算不太過來”。換句話說，在一些任務上，直接使用人工仍然更加經濟。最先可能跑通的，因而不是所有場景，而是危險、重複以及人不願意長期從事的工作。

按照他的邏輯，機器人先進入這些場景，產生真實運行數據；數據迴流推動模型繼續迭代、泛化能力提升；能力提升後，機器人才能進入更多場景，並進一步改善ROI。這裡構成了當前具身智能商業化最關鍵、也最難打通的循環：模型需要真實場景產生數據，但真實場景又需要足夠成熟的模型和能夠算得過來的成本，才願意大規模部署機器人。資本市場可以提前為未來定價，但最終決定世界模型能否從一個熱門技術概念轉化為產業價值的，仍然是這個閉環能不能運轉起來。行業已經開始討論屬於具身智能的“GPT時刻”。黃源浩提到，不同模型公司對此有從較為樂觀到數年的不同判斷。

但與其尋找一個確定的年份，更值得觀察的或許是：模型、數據和真實場景什麼時候第一次形成持續的正向循環。從兩家公司的位置看，智澄AI押注的是機器人“大腦”能力的提升，奧比中光則試圖從視覺硬件進一步進入數據基礎設施。前者解決“機器人如何理解世界”，後者解決“機器人靠什麼學習世界”，兩家公司實際上處在具身智能產業鏈的不同環節。而在資本熱度之外，這兩條路徑最終仍要接受同一個現實檢驗：機器人能否在真實場景中持續、穩定、經濟地完成任務。從展臺上完成一次漂亮的動作，到換一個環境、面對變化、長時間把事情做好，中間隔著的不只是一個更強的模型，也包括數據能否複用、成本能否下降，以及真實客戶是否願意為它買單。

這或許才是世界模型距離“真正幹活”最現實的距離。