《科创板日报》9月11日讯（记者 王耐）“世界模型或许不是通往物理智能唯一的门票，但它绝对是目前人类赋予机器空间想象力、常识推演与行动预测最具希望的核心基建。”香港大学计算与数据科学学院副院长、副教授罗平在外滩大会上这样表示。

作为连接数字空间与物理世界的一把钥匙，世界模型被寄予厚望的同时，也存在着颇多争议。世界模型究竟是什么定义、训模型什么数据有用、数据多少才够、模型架构如何搭建，甚至最近业内关于“数采工厂与机器人公司营收可持续性”、“数据采集关联交易”话题，都是业内争议不断的待解命题。

在2026 Inclusion·外滩大会上，无论是主论坛、圆桌论坛《物理智能——分歧与抉择》，还是《世界模型是AI走向物理世界的新大陆吗》见解论坛，都围绕“世界模型”这一热点话题展开了探讨。今年，也被业内定义为“世界模型”元年。

“如果展望5年，我对世界模型最大的风险或者担心，就是商业化闭环究竟能不能走通。不管是创业公司还是大厂，在商业化和技术前沿的模型中投入之前，能不能取得一个平衡，能不能形成良好的正向循环，能不能找到像AI视频和AI Coding这样的场景。”极佳视界联合创始人、首席科学家朱政表示。

图说：2026 Inclusion·外滩大会主论坛物理智能圆桌

“2018年讲世界模型的时候，更多的是从强化学习角度描述。之后有一些3D重建、3D生成也会以世界模型来叫。一直到近期从视频生成开始新的范式。每隔几年肯定都会有不断的推陈出新。”瞬适科技创始人、YesAI实验室负责人石野认为，未来世界模型的内涵和技术范式还会持续演变，当前范式和定义还未收敛。

数据之争：仿真有效还是真实数据有效？

世界模型的一大分歧来自数据。数据多少够用？现在采的数据多少有用？数据积累到什么量，能迎来质变？

图说：破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲

对于数据量，破壳机器人创始人许华哲提醒，当前行业对数据量本身存在一定程度的高估。“一百万小时、几百万小时并不天然意味着更好的模型。”数据规模之外，质量、分布和训练方式可能更加重要。

图说：苏度科技联合创始人、CEO韩铮

数据采集上，有人押注真机，有人押注仿真。苏度科技联合创始人、CEO韩铮的态度是：“光靠真实数据的收集效率比较慢，质量有的时候也比较受限，所以仿真是绕不过去的。当然，坚信使用仿真，但是同时后面还有一句话，真实世界的数据也是非常有用的，并不是纯粹用仿真。”

韩铮认为，真实世界的数据采集效率有限、质量也不总是稳定，仿真因此是绕不过去的一环。仿真与真实数据并非非此即彼，最终更可能形成分层和组合。“光靠真实数据的收集，效率比较慢，质量有时也比较受限，所以仿真是绕不过去的。”

图说：蚂蚁灵波科技首席科学家沈宇军

对于仿真数据和真实数据的路线选择，蚂蚁灵波科技首席科学家沈宇军说：“我们从来不觉得说哪一种数据一定要选，或者一定不要选的。可能不同的数据在不同的阶段能起到不同的作用”。在预训练阶段，比如互联网的数据，以及真实的物理世界采集的数据可能作用更大一点。如果回归到某一个具体任务，仿真数据也是有价值的。

“未来真正有价值的数据竞争，可能不是简单比谁拥有更多小时的数据，而是谁能够获得并组织那些真正包含‘物理智能’的经验。”

“现阶段，大家需要更多做的还是首先肯定要解决的是scaling的问题，但是scaling是比较复杂的问题，包括一些具身的基模。”极佳视界联合创始人、首席科学家朱政认为，世界模型虽然受到广泛关注，但距离通用可用仍有差距。数据和模型规模的扩展必须同时考虑算力开支与商业可行性，尤其是训练成本问题。

他以具身基模为例算了一笔账：几十万小时数据规模下，每年GPU支出成本在1亿左右。若数据真正来到千万小时甚至上亿小时，模型参数达到千亿或万亿，“有可能需要花几千亿才能训一个真正通用场景的世界模型。”这对创业公司，哪怕是大厂，都是很大的资金压力。

“围绕单一任务反复采集真机数据、训练模型的方式，难以经济地覆盖真实世界中不断变化的需求。”大晓机器人董事长、商汤科技联合创始人兼执行董事王晓刚表示，具身智能要从特定任务走向更广泛的应用，需要同时突破数据与模型两方面的限制。

源策未来联合创始人兼CEO李天羽说，现在大家做世界模型，主要是在传统动作模仿学习上叠加各种表征学习能力。但所有表征都是有成本的，当前视频是便宜的，3D、深度、触觉等包含更多物理信息的表征，但标签更难、更贵。而恰恰是这些最富含物理信息的表征，“可能没法被训练出来，也没法被训练到我们的世界模型里，所以这是未来5年里风险最大的部分。”

通用大模型是不是对具身模型的“降维打击”？

近期GPT-6 Astra在机器人控制上的表现，让行业重新讨论一个问题：通用大模型是否会直接进入机器人，甚至“降维打击”具身智能公司？

图说：自变量机器人创始人、CEO王潜

自变量机器人创始人、CEO王潜并不认同这一判断。他的核心观点是：“智能的本体存在于数据里。”模型更像训练阶段的蒸馏器和部署阶段的容器。

“Coding之所以率先快速进步，并不是因为语言模型自然获得了编程能力，而是因为代码数据更容易生成、验证和反馈。同样，如果通用模型要真正进入具身智能，它依然必须面对机器人数据、现实世界评测、硬件、仿真和部署等基础设施问题。”

破壳机器人创始人许华哲对Astra进行了测试。他观察到，Astra在语义理解和三维空间能力上表现突出，能够识别物体、抓取筷子，甚至完成一定程度的递送操作；但到了叠衣服、复杂接触等“Contact-rich”任务，物理交互能力依然存在明显不足。

“我们给Astra一个prompt，它全认识；让它抓筷子，它也能抓起来。但让它做带物理接触的复杂任务，比如用筷子挑开一个什么东西，这个时候它就开始不太行了。”因此，更可能出现的未来不是谁取代谁，而是分层：上层大模型负责语义、推理、规划和任务拆解，底层具身模型负责实时感知、连续控制和高可靠执行。

沈宇军认为，机器人必须在行动过程中持续接收传感器输入，并根据环境实时改变决策，不能像今天的聊天模型一样“一问一答”。“具身可能会走跟数字世界相同的模式，但一定不会走相同的技术路线。”

不过，朱政也指出，“单纯留给纯粹的世界模型公司或者具身智能的公司，时间窗口不是很长，必须在短暂的1—2年之内兑现大众对它的期望。因为相当于对语言模型公司而言的话，人才，包括各方面的资源，其实我认为他们做具身或者做世界模型是没有太大的Gap或者没有太大的成本的。”

场景之争：从Demo到产业，不只是模型问题

如果说数据和模型决定技术上限，那么商业化决定行业能不能真正穿越周期。对于什么才算真正进入产业阶段，四位主论坛嘉宾给出了不同的衡量尺度，但最终都指向同一个问题：机器人能否稳定、规模化地创造真实价值。

苏度科技联合创始人、CEO韩铮首先强调的是成功率和泛化性。在真实商业场景里，大量工业任务第一次执行就必须接近100%的成功率，同时还要能够适应不同物体和环境，不能每进入一个新场景都依靠大量后训练重新“过拟合”一次。

蚂蚁灵波科技首席科学家沈宇军则认为，行业容易陷入另一个误区：把商业化几乎全部归因于模型性能。“客户最终购买的不是一个模型指标，而是一套能够工作的系统。”

“具身是一个复杂的系统工程。模型只是其中一环。真正落地，要综合考虑硬件、模型、系统鲁棒性、部署方式和最终ROI。”沈宇军认为。

自变量机器人创始人、CEO王潜认为，本代机器人真正的商业价值，不应该只是复制上一代自动化，而应该解决过去解决不了的问题，并在真实场景里形成比人工或传统自动化更好的ROI。

哪些场景更需要世界模型？

世界模型是否是所有任务的必选项？忆生科技联合创始人兼CTO、香港大学计算与数据科学学院助理教授杨言超提出，应重点考察试错代价和训练数据获取成本。当现实试错昂贵、数据难以获得时，在执行前预测行动后果更有价值；而对于成本较低的简单任务，未必需要每次决策都调用世界模型。

“一些工业任务不仅采集数据昂贵，重置环境也需要较高成本，世界模型可以在这些环节发挥作用。同时，它也有望支持机器人部署后的反馈学习与持续迭代。”瞬适科技创始人石野补充。

极佳视界联合创始人朱政认为，家庭任务和操作对象变化较多，更需要模型通过少量演示快速适应；对于短期内相对固定的工业或零售任务，VLA结合预训练与后训练已有一定解决能力，世界模型的必要性需要具体判断。

源策未来联合创始人李天羽则指出，视觉世界模型在简单、干扰较少的环境中更容易发挥优势，复杂背景下的可靠性仍需提升。“在背景相对干净、以视觉为主的任务中，世界模型上限比VLA高很多；但当背景大幅扰动，世界模型是比较受限的。”