▶ 本报记者 罗晓燕
在8月21日举行的2026世界机器人大会主论坛上，一场主题为“世界模型到服务人类的现实距离”的圆桌对话举行，与会专家从技术能力、数据获取、标准建设等方面探讨了当前世界模型发展阶段与主要障碍。
世界模型有望
让机器人真正干活
“大语言模型让人们看见‘诗和远方’，世界模型则有望让机器人真正进入现实世界、脚踏实地、服务人类。”在奥比中光创始人、董事长兼CEO黄源浩看来，让机器人真正干活，才是世界模型的使命所在。
跨维智能创始人贾奎表示，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方面，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。而世界模型的能力上限高出很多，对数据的需求量十分庞大。他认为，理想的世界模型不仅能生成机器人末端的有效执行轨迹，还可以预测机器人及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。
飞渡科技联合创始人宋彬梳理了当前行业中的多条技术流派，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。他打了一个形象的比方——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。
大晓机器人董事长王晓刚将世界模型的应用划分为3个阶段：第一阶段是数据增强，通过世界模型生成多样化训练数据；第二阶段是模拟仿真，在虚拟环境中试错进化；第三阶段是直接部署到机器人终端，实时驱动本体。他表示，目前行业仍处于第一阶段向第二阶段过渡的进程中。
物理智能是当前最大短板
世界模型要真正服务人类，需要具备哪些核心能力？王晓刚将其拆解为“生成智能、物理智能、认知智能”3个方面。生成智能是对未来世界的推演与预测；认知智能负责长程复杂任务的分解与执行状态判断；物理智能是对空间物理规律、物理因果的理解，这恰恰是当前最大的短板。
“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。”王晓刚表示，目前许多训练数据来自电影特效，并非真实的物理交互。包含几何信息、相机位姿、物理属性、多视角摄像的第一视角交互数据，行业极度稀缺。
蚂蚁灵波科技首席科学家沈宇军从另一个角度发出警示：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难以真正指导机器人执行任务。
“世界模型主要有两大落地方向，即数字空间与物理世界。”智澄AI创始人胡鲁辉表示，在数字空间层面，世界模型可以实现三维空间认知、交互式问答，这将是对语言大模型、多模态大模型一次更深层次的能力升级。现有多模态模型仍然难以做到真正理解物理运行规律，而这恰恰是世界模型主攻的方向。在真实物理世界层面，世界模型与人形机器人相结合，机器人是人工智能实现闭环、完成落地的最好场景之一。
在胡鲁辉看来，“理解物理世界”可以拆解成3层：对物体本身物理属性的认知、对环境动态变化规律的认知、面向任务的行为规划能力。从这个角度看，世界模型是人形机器人必不可少的底层基础设施。机器人观测周边环境、输出下一步动作，需要依托物理规则和动态变化规律，依靠因果推理做出判断。世界模型有机会补齐强化学习等现有方案在人形机器人任务中难以攻克的短板。
数据与标准是落地前提
数据，成为整场对话中被提及频率最高的关键词。
“具身数据，尤其是真人操作的数据，历史上积累是零。”王晓刚直言。与大语言模型可以从互联网抓取海量文本不同，世界模型的数据必须来自真实物理环境——机器人在工厂里抓取物体的力反馈、在仓库里行走的视觉流、在装配线上操作的运动轨迹。这些具身数据采集成本高、标注难度大、隐私约束多。
无界动力创始人张玉峰认为，人类并不需要掌握物理世界的全部细节，也能依靠大致正确的世界模型完成复杂任务。具身智能同样不必追求像素级复刻，而应学习影响决策与行动的高维表征和因果关系。基于这一判断，无界动力选择“隐空间世界模型+强化学习”路线，通过隐空间提炼物理世界关键规律和因果关系，再利用强化学习进行试错与反馈，使机器人从理解世界进一步走向判断行动价值。
“世界模型真正的价值，不在于把未来‘画’出来，而在于推演行动将如何改变世界，并据此作出决策。”张玉峰表示，在真实场景落地方面，无界动力提出“用工业练技能、用商业练泛化”。通过工业场景锻炼柔性物体操作等能力，再通过商业环境中的动态变化提升世界模型泛化能力，形成场景牵引、数据回流和模型迭代的正向循环。
黄源浩呼吁，行业尽早建立一套可衡量、可复用的数据采集标准体系，包括不同传感器需要达到怎样的精度，不同模态之间需要实现怎样的同步，以及不同采集设备和采集人员获得的数据能否相互兼容。
“数据很重要，数据标准更重要。”黄源浩表示，标准建设不必等待所有技术条件完全成熟，可以从当前能够实现的部分开始，在采集、训练和应用中持续完善。他希望与模型厂商、机器人本体厂商、数据厂商及上下游企业协同，推动具身数据标准化，让数据可以流通，为更多企业提供服务。
