WAIC 2026 世界模型「六小龙」巅峰论坛，求解物理 AI 从「理解」到「执行」开悟时刻

诺贝尔奖得主、国内世界模型第一梯队都来了

作者丨幸丽娟

编辑丨张 贤

一个模型能把“机器人端着水杯在运动”的画面生成得无比逼真，水纹丝不动，机器人动作平稳。

但模型并不理解——水，实际上应当从水杯中泼溅出来。画面美好，物理崩塌。

这也是世界模型赛道最核心的困局：生成不等于理解，理解不等于行动。

物理 AI 真正需要的，是从“知道世界长什么样”到“知道世界怎么运行”再到“知道该怎么行动”的完整能力链。

7月19日，由世界人工智能大会主办、大晓机器人承办的世界模型“六小龙”巅峰论坛，这道命题摆上了桌面。

从“理解”到“执行”这道鸿沟怎么填？本次论坛，用三个层面做出了回应——

一是理论底座和“行业共识”。诺贝尔经济学奖得主Thomas J.Sargent首次站在具身智能的舞台上，用理性预期理论为世界模型提供了跨学科的理论底座；

大晓机器人、蚂蚁灵波、自变量机器人、智元机器人、无界动力、极佳视界——国内世界模型第一梯队的“六小龙”首次同台论道。具身智能核心玩家，第一次坐在一起，碰撞共识。

二是系统性解法首次亮相。大晓董事长王晓刚提出“具身世界模型第一性原理”与“具身模型信息密度定律”两大支点；开悟世界模型 3.1、以人为中心的环境式数据采集方案2.0、三大垂直场景解决方案晓途、晓满、晓新悉数发布——从理论到技术再到产品，一套完整的方法论清晰呈现。

三是世界模型行业终于有了统一考场。Physical IQ物智正式发布，首个具身原生、面向多场景、多本体、多任务的物理智能评测基准平台，让“自说自话”成为过去。

三个层次的探讨，串起一条清晰的主线：这场论坛，在给物理AI“铺路”——铺一条从理论到标准、从技术到产业的完整路径。

01

王晓刚：1 个原理、1 个定律，

加速物理 AI “开悟”时刻的到来

大晓董事长王晓刚在《物理 AI 的开悟时刻》的主旨演讲中指出，数字世界模型失误仅影响图文生成，而物理场景下智能体预判偏差将产生不可逆真实损失。

他进一步给出“大晓”的解法——“具身世界模型第一性原理”和“具身模型信息密度定律”。

他认为，从具身世界模型第一性原理来看，唯有高密度地锚定控制状态，才能在不稳定的世界中最小化行动代价。

图注：具身第一性原理公式，机器人的行动代价与关键信息和控制充分状态正相关：机器人知道的关键信息（CID）越多，理解的控制充分状态（CSS）就越准确，执行的时候犯错就越少（Action Cost J 就越低）

而具身模型信息密度定律则强调，数据的价值不在数量堆叠，而在信息密度，会改变行动结果的信息，就是有价值的信息。

在此定律下，L1-L2级数据仅能支撑基础预训练，L3-L4级数据止步于已知任务的拟合；唯有当数据迈入L5，深度融入三维力触觉、失败恢复轨迹和开放场景变量时，世界模型才真正挣脱“描述”的桎梏，抵达泛化、反思与自进化的“开悟”之境。

这个判断的行业价值在于：它给出了一套可操作的数据分级标准，而不是空谈“数据是燃料”。

他进一步提出，只有当具身世界模型锚定第一性原理 ，依托多模态高密度信息萃取、控制充分状态锚定，在复杂不确定环境中最大限度降低机器人行动试错成本， 物理AI 的开悟时刻，才能加速到来。

诺贝尔经济学奖得主 Thomas J.Sargent 则在《理性预期、人工智能与世界模型》的演讲中，辩证剖析了现有人工智能体系在罕见、未知场景下的认知局限：AI 可以从反复发生的事情中学习，但对那些很少发生、从未见过或尚未被尝试的事情，它仍可能一无所知。

这句话精准戳中了具身智能的软肋——机器人真正的考验，恰恰来自物理世界中那些突发、不可预演的瞬间。

世界模型“六小龙”圆桌对话上，来自国内世界模型研发第一梯队的六位掌舵人同台论道，他们分别是：大晓机器人首席科学家陶大程、蚂蚁灵波首席科学家沈宇军、极佳视界首席科学家朱政、无界动力联合创始人兼CTO 夏中谱、智元机器人 AI 算法总监任广辉、自变量机器人CTO 王昊。

谈论中，陶大程抛出了一个直击行业痛点的问题：现在世界模型的榜单，很多仍在沿用视频生成时代的老标准——画质好不好、时长够不够、一致性高不高。

按照这套标尺，一个模型完全可以把“机器人端着水杯在运动”的画面生成得无比逼真，水纹丝不动，机器人动作平稳。但模型并不理解——水，实际上应当从水杯中泼溅出来。画面美好，物理崩塌。

那一个好的世界模型，到底该用什么来衡量？

嘉宾们的深度碰撞下，共识浮现——三个层次、九个核心维度：

▎生成智能——入场券。

核心是物理合理性，模型需了解常识物理与3D多视角一致性，知道铁比棉花掉得快。

▎认知智能——硬实力。

• 泛化性检验模型是否真正理解物理因果而非机械记忆；

• 反事实预测以当前状态加动作推演未来，且动作往往是反事实的，能否正确推演是理解世界因果的核心试金石；

• 长期表示能力考察模型能否提取世界公共表示并形成长程记忆；

• 预测精度则决定了对几何、运动、力学规律的掌握程度。

▎物理智能——终极标尺。

• 动作准确性衡量模型支持的动作种类及执行准确度；

• 时效性强调快速推理加即时反馈，这也是具身场景的刚性约束；

• 决策增益指向世界模型对最终决策策略的可量化提升；

• 真机验证则回归Fewshot背景下多任务真机成功率这一硬指标，是“做得成”的最直接证明。

这九条评价标准，其实也回应了本次圆桌的核心命题——物理AI从“理解”到“执行”究竟需要跨越哪些能力鸿沟。三层智能、九个维度，勾勒出的正是一条从“画得像”到“想得对”再到“做得成”的完整进化路径，为世界模型赛道指明了方向标尺。

值得一提的是，这三个层次的攻克方向，也与Karios 3.1在“生成-认知-物理”三位一体上的技术架构深度呼应。这不仅验证了大晓提出的具身世界模型第一性原理，更预示着一条以真实行动为锚点的技术路线，正从前沿探索走向行业共识。

02

世界模型、数采、场景落地，

系统破解物理世界的“交互方程式”

论坛现场，大晓还正式发布三大核心成果：开悟世界模型 3.1（Kairos 3.1）、环境式数据采集方案 2.0，以及覆盖三大垂直场景的成套解决方案，从“大脑”到“数据”再到“场景”，为物理 AI 规模化落地构建起完整技术底座。

▎大脑层：Kairos 3.1 ，锚定具身世界模型第一性原理

Kairos 3.1 的设计逻辑很明确：不追求对物理的“像素级”完美复刻，而是聚焦于“为行动而理解”。

这意味着模型不需要无所不知，只需从高维感知中筛出与物理因果强相关的关键变量，在每个时刻锚定足以驱动可靠决策的“控制充分状态”，忽略其余冗余干扰。

在架构层面，Kairos 3.1 依托混合 Transformer 与共享混合注意力机制，将视觉观测、语言指令、力触状态、策略轨迹等多维数据压缩进统一隐空间，形成高密度表征向量。

统一空间为三大智能的融合提供了底层基础：生成智能构建物理世界的内在表征，物理智能掌握因果推演与平行世界模拟，认知智能则负责复杂推理与长程任务分解。

三者不再是各自独立的能力模块，而是在同一架构下深度耦合，让机器人从“生成虚拟未来”转向“预判行动对世界的真实影响”，真正理解行动后果。

在运行机制上，模型先通过世界理解完成长程任务拆解与环境评估，再在平行空间开展物理因果推演与多策略演算，筛选输出最优动作预测，同步完成过程分析与结果评估并将状态反馈模型，进一步实现完整的自进化闭环。

空间理解方面，空间理解核心底座 ACE-BRAIN-0.5 在空间理解、导航决策、机器人操作与自我评估等评测基准上斩获十二项全球 SOTA，模型真正拥有了“懂物理”的能力。

物理生成与推演方面，Kairos-HomeWorld 为模型提供了一套“物理因果的验证场”——首次实现全屋生成与物体全交互，内置 30 万套中国住宅平面图、5000 个全屋仿真场景与 8700 个覆盖六大物理属性的 3D 资产，高度还原中国家庭居住特征，让模型在平行空间中同步推演多条动作轨迹，从失败方案中筛选最优路径输出真机。

性能层面， 在 NVIDIA Jetson Thor 平台 BF16 精度下，Kairos 3.1 8B 模型推理延迟仅 125 毫秒，依托自研 KairosRT 高性能计算引擎，在保持世界模型高智能上限的同时实现端侧实时推理。此外，Kairos 3.1 已在生成预测权威榜单刷新 SOTA。

Kairos 3.1 构建起完整技术闭环，推动机器人真正实现理解世界、推演未来、自主行动并持续成长，为具身智能规模化落地奠定了核心大脑底座。

▎数据侧：基于“信息密度定律”，发布环境式数据采集方案2.0

大脑决定了智能的上限，但大脑靠什么训练？

大晓同步发布以人为中心的环境式数据采集方案2.0——全维感知“采得全”、深层解构“标得细”、统合映射“用得妙”。

采得全——ACE Ego Kit。 “头—手—胸”三位一体分体轻量化无线套件，行业首款集成三维力触与动捕信息的 ACE Sense Glove 采集手套，可实现 0.01N 力触觉灵敏度、小于 2° 关节角误差，20 余种异构传感器同步误差严控 1 毫秒内，精准录入含物理因果律的真实交互数据。

标得细——ACE Data Engine。 全自动化生产平台，内置全球首创生成式 4D 手部动捕范式 ACE-ViDiHand，面向长程任务斩获三项全球第一，攻克遮挡与快速移动难题，以 0.997 的帧级准确率让动作平滑度跃升 4.8 倍。

用得妙——ACE Ego Matrix。开源具身数据标准底座，实现空间坐标、本体结构、动作时序与数据质量“四大统一”，打破硬件壁垒，让不同采集人员、不同控制频率的异构机器人“说同一种语言”。目前，其已在 RoboCase 与 RoboTwin 双榜斩获行业冠军。

与此同时，大晓正式向全行业开源L5 级家居复杂任务数据集ACE-Data-0，以真实物理交互与高精度标注，为全球具身模型训练注入高质量“燃料”，推动机器人在物理世界对齐中完成真正的智能涌现。

▎场景落地：三大场景解决方案，平行求解产业方程

大脑与数据，终须回归真实场景接受检验。

依托以人为中心的环境式数采底座，叠加开悟世界模型的强大泛化能力，大晓推出三套标准化行业方案——即时零售“晓满”、酒店服务“晓新”、开放场景自主作业“晓途”，以同一套技术底座，平行求解三个不同产业的效率方程。

“晓满”：解即时零售的“极限履约”方程。 多 SKU、窄过道、全天候订单波峰——这是即时零售的行业痼疾。

大晓推出配备履约机器人 W1 的“晓满”方案，在仅 75 厘米的极限过道中，W1 以小于 2 的自重负载比与 ≤1N 的极致力控，打通“机械控制—世界模型—订单仓储”全链路，实现一体化闭环履约，支持天级轻量化部署，已在闪购仓、便利店等业态上线运行。

未来一年内，大晓机器人将完成1000家零售场景规模化落地，未来两年拓展铺设1万家量级的零售店。

“晓新”：解酒店服务的“人力成本”方程。 夜间洗衣需求占全天 80%，夜班招工难、人力成本高企。

大晓打造灵活适配各星级非标洗衣房的“晓新”方案，机器人自主完成衣物“收、放、洗、叠”及熨烫全流程，将高度依赖人工的环节转化为连续闭环作业，大幅削减夜班人力投入，从容化解节假日订单积压，破解酒店运营结构性难题。

“晓途”：解开场景的“复杂环境”方程。面对户外多变环境，大晓推出“晓途”四足全域作业方案，依托通用智能大脑适配多形态四足机器人，实现室内外无缝切换、动静态避障与多机协同调度，全程无人干预完成安防巡检、城市治理、文旅导览等任务。

目前方案已在漕河泾、上海滨江、天津海棠花节常态化运行，开启公共空间7×24小时自主运营新模式。

三套方案，三个行业，同一套数采、模型与部署底座。其落地轨迹清晰指向一个趋势：具身智能正从单一场景的专用工具，迈向可跨行业复用的通用能力。

这也正是大晓推动物理 AI 规模化商用的核心逻辑——不是做一个个孤立的“项目”，而是构建可复制、可进化的“底座”，让机器人在真实世界中持续求解产业方程。

03

PHYSICAL IQ 物智：

世界模型行业统一“考场”

针对世界模型厂商“自己当运动员、又当裁判”的行业困局，本次论坛，大晓也牵头带来了解法——Physical IQ 物智。

这是首个具身原生，面向多场景、多本体、多任务的物理智能评测基准平台，由上海人工智能行业协会、河套学院、中国信通院华东分院联合发起，20余家高校与产业机构共建。

其中学术界包括上海交大、南洋理工、港中文、港大等一流学府；产业界汇聚宇树、汇川技术、傅利叶、国地中心、钛虎、灵心巧手、大晓、自变量、极佳、无界动力、影溯、百度云、辉羲等相关主流厂商。

据介绍，Physical IQ 物智能够以统一协议贯通零售、工业、家居等真实场景，公平量化不同机器人本体与世界模型的物理智能水平，让行业告别“自说自话”，从此有标可依、有据可比。

大晓同步推进的，还有从云端算力到商业场景的链路闭环。

算力侧，大晓发起“世界模型云生态共建”，百度智能云、阿里云、华为云、腾讯云、华山云、商汤大装置悉数加入。

数据底座上，与漕河泾开发区共建“具身智能产业创新平台”；商业落地上，则携手中石油、快客达、商汤善惠、新奥集团，布局无人仓店、前置仓、智能巡检等场景。

从物理考场到数据底座，从场景部署到算力生态——大晓的布局逻辑清晰：把底座做扎实，把标准立清楚，把世界模型的“朋友圈”建起来。

04

结语

这场论坛，嘉宾够重磅，技术发布够硬核，更为关键的是——它系统地回答了世界模型从“理解”走向“执行”的三个核心问题：

• 怎么理解世界？具身第一性原理给出了边界和共识——机器人不需要装下整个世界，只需锚定“为行动而理解”的控制充分状态。

• 拿什么训练？信息密度定律重新定义了数据的价值刻度，环境式数据采集方案2.0提供了从采集、标注到使用的完整工具链。

• 怎么比好坏？ Physical IQ 统一了考场，让自说自话成为过去，有标可依、有据可比成为现实。

从Kairos 3.1的自进化闭环，到数据方案的标准化输出，再到晓满、晓新、晓途的场景验证，最后以Physical IQ为行业立标——大晓推动实现的，是用一套系统性的方法论，把物理AI从一个抽象的“技术问题”拆解为可工程化、可度量、可复制的产业问题。

世界模型不在于让机器“更像人”，更是为了让机器在物理世界里“更可靠”。这或许才是物理AI真正的“开悟时刻”。

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。