世界模型站上风口，机器人距离“真正干活”还有多远？

文 | 财经思享汇，作者 | 王南舒，编辑 | 管东生

2026世界机器人大会上，机器人依然是最容易聚拢人群的展品：行走、搬运、抓取，各类动作被不断搬到展台前。但在这些直观的展示之外，关于机器人下一阶段竞争的讨论，已经开始从“身体”转向“大脑”。

大会期间，一场主题为“世界模型到服务人类的现实距离”的圆桌展开。之江实验室主任、阿里云创始人王坚开场便把问题抛向了世界模型本身：它与其他模型究竟有什么不同，又有哪些值得关注的技术路线？随后，讨论很快落到一个更现实的问题——如果世界模型最终要服务人类，它究竟需要具备什么能力，现在距离这一目标还有多远？

这也是当前机器人产业正在面对的一道分界线。

过去几年，机器人的运动能力快速提升。奥比中光创始人、董事长黄源浩在回答提问时把这种变化概括得更直接：机器人的移动能力已经做得不错，真正困难的是“操作”。从A点移动到B点，与拧开一个瓶盖、处理复杂物体，并不是同一类问题。在他看来，后者最终依赖“手、眼、脑”的协同——手需要灵巧和触觉，眼负责感知，脑则依赖模型与数据持续迭代。

当机器人从“会动”走向“干活”，产业竞争也开始从单纯的本体能力，进入对智能能力的争夺。世界模型正是在这样的背景下被推到前台。

从“会做”到“理解为什么这么做”

今天的机器人可以被训练完成越来越多任务，但“技能增加”并不天然等于“更智能”。

智澄AI创始人、CEO胡鲁辉在回答时将当前物理智能面对的问题拆成了几个层面：首先是泛化能力——环境或任务改变以后，机器人还能不能完成同一件事；其次是对物理规律的理解；进一步，则是机器人能否理解任务本身。在过去依靠规则、固定路径或者模仿学习的系统中，交互对象和任务边界相对确定。一旦环境稍有变化，甚至只是更换本体，原来的能力就可能失效。

圆桌上，无界动力创始人张玉峰也提到，VLA等以模仿学习为基础的范式，很大程度上依赖足够的数据量和数据分布形成类似“肌肉记忆”的能力，而对于物理世界底层逻辑的理解，以及由此产生的泛化，仍面临挑战。世界模型重新受到重视，一个重要原因正是行业希望突破这一限制。

胡鲁辉更看重的也是“理解”。他表示，世界模型真正需要解决的“不光是泛化性”，还包括对物理世界本身的理解，“就像人一样，人不是说我会做点事情，而是以理解的方式去做事情”。这一判断也对应着智澄AI自身选择的位置。胡鲁辉将世界模型视为物理智能的核心技术之一，并将机器人看作人工智能进入物理世界的重要闭环场景。

（图：智澄AI展会现场）

如果说过去机器人企业争夺的是一台机器能掌握多少动作，那么世界模型押注的，是另一种能力：机器人不仅知道“怎么做”，还要知道自己的动作会怎样改变环境，并据此决定下一步。这意味着，下一阶段的竞争未必只是技能数量的增加。一个只能在训练环境中完成固定任务的机器人，即使掌握更多动作，也不意味着它已经获得通用能力。

但问题也紧随起来，如果机器人真的要理解物理世界，它依靠什么学习？

从卖“眼睛”到争夺数据入口

黄源浩把这个问题指向了数据。

与大语言模型可以直接利用互联网积累的大量文本不同，具身智能的数据必须从真实物理交互中产生。机器人拧一个瓶盖，需要记录的可能不只是视频：手在三维空间中的位置、物体状态如何变化、接触时产生怎样的力，以及视觉和触觉能否在时间上准确对应，都会影响模型最终学到什么。

不同本体又让问题更加复杂。

黄源浩举例称，不同机器人使用的相机视场角、帧率、触觉设备并不相同。如果A机器人采集的数据不能被B机器人使用，每家公司都必须围绕自己的设备重复采集和训练，数据规模扩大并不必然带来成本下降。因此，在他的判断中，具身智能当前缺的不只是更多数据，还有标准化、可迁移的数据。

黄源浩提出，希望将3D空间、时间序列以及触觉、力等信息以统一方式记录，并实现足够精确的同步，让部分数据能够跨本体、跨模型使用，“不然每家的数据成本都非常高”。

这一判断也正在改变奥比中光对自身商业位置的设想。作为一家长期以3D视觉感知为主要业务的企业，奥比中光此次谈论的不再只是“让机器人看见”。在谈到此次发布的相关相机产品时，黄源浩反复强调3D视觉、手部姿态、物体状态以及与触觉设备同步的重要性，并将公司希望进入的位置称为具身智能的“数据基础设施”。他的设想是，从视觉供应商进一步向数据采集硬件平台延伸。

（图：奥比中光展会现场）

这背后是一种更值得关注的产业变化：当感知硬件本身逐渐成为机器人基础能力，产业链上的企业开始向数据入口延伸。卖一颗传感器，收入来自硬件；如果进一步进入数据采集、接口和标准环节，企业试图建立的则是与模型、本体和训练体系之间更长期的连接。黄源浩也直言，如果只是硬件，产品更容易被替代，而一旦进入数据层，业务黏性可能发生变化。世界模型的竞争，因此并不只发生在模型公司之间。谁能提供数据、谁能定义数据格式、数据能否在不同机器人之间流通，都可能影响模型训练的效率。

资本已经升温， 商业账还没有完全算过来

这种对未来机器人“大脑”和数据入口的争夺，也正在被资本市场提前关注。胡鲁辉在采访中将世界模型描述为一个已经获得学术界、工业界和资本市场共同关注的方向。黄源浩则从自己的产业观察出发提到，当前具身智能领域从模型、仿真、数据采集、本体到行业落地，已经聚集了大量创业企业，一些年轻企业也获得了较高融资和估值。

但资本热度并不等同于商业模式已经得到验证。

黄源浩同时承认，目前不少机器人应用的ROI“还算不太过来”。换句话说，在一些任务上，直接使用人工仍然更加经济。最先可能跑通的，因而不是所有场景，而是危险、重复以及人不愿意长期从事的工作。按照他的逻辑，机器人先进入这些场景，产生真实运行数据；数据回流推动模型继续迭代、泛化能力提升；能力提升后，机器人才能进入更多场景，并进一步改善ROI。

这里构成了当前具身智能商业化最关键、也最难打通的循环：模型需要真实场景产生数据，但真实场景又需要足够成熟的模型和能够算得过来的成本，才愿意大规模部署机器人。

资本市场可以提前为未来定价，但最终决定世界模型能否从一个热门技术概念转化为产业价值的，仍然是这个闭环能不能运转起来。

行业已经开始讨论属于具身智能的“GPT时刻”。黄源浩提到，不同模型公司对此有从较为乐观到数年的不同判断。但与其寻找一个确定的年份，更值得观察的或许是：模型、数据和真实场景什么时候第一次形成持续的正向循环。

从两家公司的位置看，智澄AI押注的是机器人“大脑”能力的提升，奥比中光则试图从视觉硬件进一步进入数据基础设施。前者解决“机器人如何理解世界”，后者解决“机器人靠什么学习世界”，两家公司实际上处在具身智能产业链的不同环节。

而在资本热度之外，这两条路径最终仍要接受同一个现实检验：机器人能否在真实场景中持续、稳定、经济地完成任务。从展台上完成一次漂亮的动作，到换一个环境、面对变化、长时间把事情做好，中间隔着的不只是一个更强的模型，也包括数据能否复用、成本能否下降，以及真实客户是否愿意为它买单。

这或许才是世界模型距离“真正干活”最现实的距离。