硬氪專訪 | 智源研究院院長王仲遠：VLA不會死，但世界模型是未來
重點摘要
智源研究院院長王仲遠表示，VLA（視覺語言行動模型）不會消失，但世界模型才是未來發展的核心。他將世界模型與具身智能的關係比喻為「大腦」與「身體」，強調前者是驅動智能的關鍵。
### 硬氪專訪整理｜王仲遠：VLA 不會死，但世界模型才是未來
在本週的硬氪專訪中，智源研究院院長王仲遠針對當前人工智慧領域兩大熱門技術路線——VLA（視覺-語言-行動模型）與世界模型——發表了看法。他明確指出，儘管近期學界與業界對 VLA 的質疑聲浪升高，但該技術並不會因此而消失；相對地，世界模型才是真正值得長期投入的方向。這番觀點為當前具身智慧（Embodied AI）的發展路徑提供了清晰的比較框架。
王仲遠強調，VLA 模型的核心在於將視覺、語言與行動三者直接對齊，讓機器人能根據文字指令或視覺輸入產生對應的動作。這條路線短期內已在工業場景、服務機器人等領域展現出實用價值，例如簡單的抓取、搬運任務。因此他認為 VLA 不會「死」，反而會持續在特定場景中扮演關鍵角色。不過，他也點出 VLA 的侷限：這類模型缺乏對物理世界因果關係的深層理解，僅能模仿既有的行動模式，無法真正應對未曾見過的複雜情境。
轉向世界模型，王仲遠將其定位為未來智慧系統的「大腦」。他比喻，世界模型與具身智慧的關係，本質上就是「大腦」與「身體」的關係。世界模型並非單純的輸入輸出映射，而是一個能夠在內部模擬物理規則、預測行動後果的動態表徵系統。例如，當機器人面對一個傾斜的桌面，世界模型可以預判物體滾動的路徑，從而規劃出更穩妥的抓取策略。這種因果推理能力，正是 VLA 目前最欠缺的。
從研究背景來看，智源研究院長期投入多模態與通用人工智慧，王仲遠的發言反映了學界對於「從感知到認知」轉型的共識。過去幾年，業界過度追捧端到端學習（如 VLA），卻忽略了學習內容的品質；世界模型則強調先建立對世界的內在理解，再將理解轉化為行動。他認為，唯有當機器人擁有類似人類的常識推理能力，才能真正實現通用具身智慧。
這番觀點可能對 AI 產業鏈產生深遠影響。短期內，開發 VLA 的企業與研究團隊仍需持續優化模型效率，但長期投資方向可能會逐步轉向世界模型的基礎研究，包括物理模擬引擎、因果推論架構等。對於機器人製造商而言，未來勝出的關鍵或許不再只是硬體精度，而是讓機器人「懂得」環境的智慧核心。
讀者可以關注以下幾個後續發展：首先是智源研究院是否會推出具體的世界模型開源專案或基準測試；其次是各家機器人新創公司是否開始將世界模型納入產品路線圖；最後是學術界對於「世界模型需要多大規模的訓練資料」這一爭論的後續討論。王仲遠的專訪為這個領域畫出了一條明確的分界線——VLA 是現在，世界模型才是真正值得期待的明日之星。
Related
相關文章
GPT發AI原創新成果了
這篇消息聚焦「GPT發AI原創新成果了」。原始導語提到：AI實現藥物全自動研發，還遠嗎？ 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
AI越強，越要“殺死”過去的自己
這篇消息聚焦「AI越強，越要“殺死”過去的自己」。原始導語提到：人類需要實現思維模式的轉變。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
Salesforce CodeGen Tutorial: Generate, Validate, and Rerank Python Functions With Unit Tests and Safety Checks
In this tutorial, we implement an end-to-end workflow for Salesforce CodeGen. We load a CodeGen model from Hugging Face, prepare it for code generation, and use it to generate Python functions from natural-language prompts. We then move beyond basic inference by adding function extraction, syntax checking, static safety checks, unit-test-based validation, best-of-N candidate reranking, multi-step program synthesis, prompt-style experimentation, benchmark visualization, and artifact export. Through this workflow, we learn how CodeGen can be used not only as a code completion model but also as part of a structured code-generation pipeline that evaluates, filters, and organizes generated solutions. Loading the Salesforce CodeGen Model from Hugging Face Copy CodeCopiedUse a different Browserim
Transformer之父離開谷歌，奧特曼等了他十年
這篇消息聚焦「Transformer之父離開谷歌，奧特曼等了他十年」。原始導語提到：27億美元也沒能留住，Noam Shazeer追尋下一代架構。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
Dario訪談首曝：Mythos被稱為“超級武器”
這篇消息聚焦「Dario訪談首曝：Mythos被稱為“超級武器”」。原始導語提到：在這場69分鐘完整訪談裡，Dario Amodei 說人類真正面對的不是某個突然降臨的奇點，而是一條已經開始垂直起飛的指數曲線。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
用結構替代數據，因果世界模型如何重塑具身智能大腦
這篇消息聚焦「用結構替代數據，因果世界模型如何重塑具身智能大腦」。原始導語提到：因果世界模型需要一個標誌性的時刻來證明自己。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。