2026世界机器人大会｜破解世界模型落地的技术与数据难题

　　世界模型作为人工智能领域的前沿方向，是具备对物理世界因果理解与未来推演能力的智能系统，是机器人“看懂世界”和“改变世界”的关键技术底座。当大语言模型完成数字世界的认知跃迁，行业开始期待世界模型打通虚拟与现实的边界，让具身智能真正落地到生产生活中。

　　8月21日，在2026世界机器人大会主论坛，中国电子学会世界模型专家委员会正式成立，王坚院士受聘担任主任委员，并主持“世界模型到服务人类的现实距离”主题圆桌，八位来自产业一线的专委会委员共同剖析技术路线、产业痛点与落地路径。

　　本次圆桌汇聚大晓机器人王晓刚、奥比中光黄源浩、无界动力张玉峰、跨维智能贾奎、智澄AI胡鲁辉、飞渡科技宋彬、蚂蚁灵波科技沈宇军、极佳视界朱政，覆盖传感器硬件、机器人本体、空间数字孪生、AI基础模型等产业链关键环节。对话从技术路径切入，厘清世界模型与VLA、大语言模型的本质差异。

　　机器人是AI实现闭环落地的最好场景

　　在物理世界中，谈及人形机器人，就绕不开通用人工智能向物理世界赋能这一命题，“机器人，是人工智能实现闭环、完成落地的最佳场景之一。”智澄AI创始人胡鲁辉表示，通用人工智能实现闭环落地，其核心正是世界模型与机器人的深度结合。

　　大语言模型、多模态大模型大多停留在数字空间的信息处理与生成，输入输出均以文本、图像等数字媒介为主，难以和物理世界产生真实交互反馈；而机器人作为实体载体，打通了“感知—理解—决策—行动—环境反馈”的完整链路，让AI真正走出屏幕接入现实物理世界。

　　“相较于大语言模型、VLA模型，世界模型的能力上限高出很多，当然，它对数据的需求也十分庞大。”跨维智能创始人贾奎认为，理想的世界模型不仅能生成机器人末端的有效执行轨迹，还可以预测机器人、其他物理智能体作用于环境之后，环境会发生怎样真实的动态改变。

　　现场专家普遍认为，世界模型集理解、生成、预测能力于一体，可以在执行动作前推演多种行为带来的未来状态。当前行业已经形成多条并行技术路线：有的企业走“空间世界模型+强化学习”，在高维隐空间做时空推理，不追求复刻原子级物理细节，效仿人类依靠“大致正确”的认知完成任务；有的企业则聚焦构建三维几何物理正确的可交互环境，将世界模型视作生成式AI“皇冠上的明珠”。

　　飞渡科技联合创始人宋彬梳理了当前行业中的技术流派，并归纳出世界模型的四大核心能力：理解生成世界、模拟仿真推演、因果推理、任务规划执行。他打比方称，世界模型底座如同九年义务教育，先搭建通用能力，再面向垂直场景做专项训练。

　　世界模型距离落地还有多远？

　　从产业视角来看，世界模型正迎来发展拐点。极佳视界朱政分享了当前行业的冷暖变化，三年前资本市场尚难以理解世界模型的价值，如今行业热度快速提升，公司在12个月内估值增长了50倍。但热度之下更需要理性，蚂蚁灵波科技沈宇军提醒，单纯追求逼真的视频生成没有意义，世界模型的价值最终必须落地于机器人真实作业能力，脱离物理实操的时序建模终究是空中楼阁。

　　此外，与会专家们还进一步抛出核心命题：若要真正服务人类，世界模型还需要补齐哪些能力，距离大规模落地还有多远？

　　大晓机器人董事长王晓刚将具身世界模型拆解为“生成智能、物理智能、认知智能”三大支柱，其中物理智能是当前最大短板。模型可以生成画面优美的视频，却未必掌握真实世界的物理规则，当前行业极度稀缺包含几何、相机位置姿势等第一视角的交互数据。

　　世界模型的落地是一套围绕模型、数据、传感器硬件、机器人本体、安全体系建设的系统性工程。无界动力创始人张玉峰提出务实落地思路，“工业场景练技能、商业场景练泛化”，优先在工业、连锁商业等可控场景跑通商业价值，依靠真机部署形成数据闭环迭代，再逐步挑战家庭这种高复杂度场景。同时人机共生场景下，不能完全依赖模型保障安全，必须配套独立的安全冗余与熔断机制。

　　工程层面的矛盾同样突出。沈宇军指出机器人独特的现实约束：机器人无法像车辆一样边运行边发电，高算力带来的功耗压力，成为智能能力向终端迁移的一道硬门槛。宋彬则表示，工业场景追求长时序、高确定性输出，多物理场耦合推演仍是巨大难题，乐观估计仍需要3-5年持续攻坚。胡鲁辉补充道，人形机器人进入家庭，除技术难题外，隐私、伦理同样需要用技术手段去应对解决。

　　此外，高质量数据供给不足，是当前行业面临瓶颈的原因之一。与互联网唾手可得的海量文本语料不同，具身智能真实交互数据积累几乎从零开始。实验室剧本化采集的数据效果有限，高价值数据需要来自真实生产场景，既要采集成功样本，失败案例同样具备极高训练价值。黄源浩呼吁行业建立统一的数据标准，实现多传感器毫秒级时间同步，推动数据跨本体、跨模型复用。

　　面对高昂的数据采集成本，行业探索多元破局路径：一方面深度联动制造业、服务业，从真实作业过程中沉淀真实数据；另一方面依靠世界模型自身的仿真生成能力，合成现实中罕见的极端样本，降低对真机采集的依赖。贾奎提出了Physicaltoken经济学理念，采用“人类真实经验预训练+生成仿真合成数据后训练”的组合路线。宋彬则呼吁政府、行业联盟应当共建开放基础数据集，推动数据要素市场化流转。沈宇军则提出，不能盲目追求数据规模，厘清任务所需精度下限、优化数据分布，远比堆砌数量更加关键。

　　王坚院士在总结时表示，世界模型赛道汇聚一批全新的创新力量，既要怀抱理想，也要直面产业现实。本次圆桌完整呈现国内世界模型产业的机遇、分歧与现实挑战，为我国世界模型与具身智能产业发展提供重要参考。（曹玥）

来源：新华网