当世界模型成为“中介”

作者：高庆哲

编辑：吕鑫燚

出品：物理AI｜研习社

世界模型从一种“目的”，变成了一种“手段”。

这不是同一条路径上的自然延伸。在技术语境里，世界模型是目的，研究者争论路线、划分流派，最终指向的都是 “建模世界” 这一件事。而当它进入产业话语，世界模型就成了手段，它太大了，大到可以容纳一切叙事，于是所有故事都能往里面装。

世界模型不再回答 “怎么做”，而是替企业回答 “我还能到哪里”。

我们梳理了几十家公司，发现一个有意思的现象，大家都在谈世界模型，但走进这个概念的姿势，完全不同。有人是从自己已有的业务里 “长” 出来的，有人生下来就是干这个的，还有人是从别的赛道中“自然”延伸过来的。

第一种，是从现有业务里 “长” 出来的大厂。

他们不缺技术，也不缺用户，缺的是下一个增长故事。世界模型刚好给了他们一个把现有能力往更远地方讲的理由。

最典型的是字节跳动。9 月 16 日，彭博亿万富豪指数显示，43 岁的张一鸣身家超过 1050 亿美元，首度登上亚洲首富。就在字节的商业价值被重新估量之际，它的下一步技术布局也浮出水面，彭博援引知情人士消息称，张一鸣正亲自推动一款实时空间视频模型，最快 10 月推出。这项计划建立在视频生成模型Seedance之上，目标是把字节跳动今天已经有的视频生成能力，延伸到一个可供用户实时参与的虚拟世界。

对字节跳动来说，世界模型不是凭空长出来的第二曲线，而是它今天做的事情，视频生成再往前走一步的样子。

第二种，是从第一天起就 “就是” 世界模型的原生公司。

李飞飞创办的World Labs是最纯粹的样本。空间与环境建模，从公司成立第一天起就是它的立身之本，不需要借，也不需要包装，它本身就是世界模型。

这类公司的逻辑很简单，世界模型就是主业，我不需要用它来解释我是谁，我本来就是。

第三种，是从技术侧“自然延伸”过来的具身智能公司。

这是最多的一类人群，也是最能树立新概念的人群，他们在世界模型中间塞了很多动词或定语，成为世界XX模型、XX世界模型等等，出现在公司的技术发布和融资PPT里。

对它们来说，世界模型有两层作用，表层是用来增强机器人的感知和决策能力；里层是用“世界模型”给公司赋予了一个比“机器人公司”更大的身份。

三种姿势，同一个词。世界模型的产业热度，就是在这三种完全不同的诉求交汇里被一层层推高的。大厂用它讲延伸的故事，原生公司用它守住自己的赛道，具身智能企业用它抵达商业和技术的下一站。各方押注同一个概念，争取的却不是同一样东西，有人要用户，有人要订单，有人要在未来产业链里占一个有利位置。

世界模型因此有了超出技术本身的分量。它成了一块公共的跳板，有人从这边跳向更远的未来，有人站在上面证明自己一直就在这里，还有人借它跳到一个更大的叙事里。

大厂是世界模型争夺战中最“意料之内”的身影。

从CV到AIGC再到LLM和今天的世界模型，AI商业化的路径中主要添薪者一直是大厂。逻辑也非常水到渠成，AI是基础设施、更是下一个时代的强势手牌，不拿在手里就要被别人夺走。保持在牌桌上的位置，只能不断添加新牌。

只不过，AI的商业化始终伴随着极强的不确定性，这便天然限制了大厂入局的想象边界，在原有的基础上投入的ROI远高于在新领域上ALL IN。

以字节跳动为例，其对世界模型的设想，仍然围绕内容展开。

据彭博报道，这款模型计划服务于直播、短剧和游戏，并连接字节跳动的模型、云计算、内容平台与Pico硬件，用户使用Pico时发出的声音和动作，也可以成为虚拟环境变化的输入。

沿着这一产品设想来看，字节跳动有望拓展的是用户与内容互动的方式，模型提供视频生成能力，内容平台提供分发渠道，Pico提供空间交互入口。世界模型让这些原本分散的业务有机会形成新的产品组合。

而字节跳动更是能够借此，让内容形态的变化成为其牢牢掌握庞大用户群体的延伸手段。今天的平台，只是在安排、组织人们观看内容，而内容变成可以进入和参与的环境后，平台又将成为分配入场券和参与权的竞争新节点，世界模型，让这场竞争向前延伸了一步。

对于拥有游戏业务的腾讯，内容如何制作、生成结果能否进入开发流程，同样是值得投入世界模型的理由。

腾讯今年4月公布的HY-World 2.0，强调输出可编辑、可保存的三维资产。用户通过文字、图片或视频构建场景后，可以将结果导入Unity、Unreal Engine等游戏引擎，继续进行开发。模型交付的场景因此能够留在制作流程中，由开发者进一步修改和使用。

这一设计对应着游戏生产中的具体需求。单独一个可供探索的场景，仍需完成角色、任务、规则和性能优化等工作，才能成为正式游戏。兼容现有工具，世界模型可以先承担部分场景构建工作，逐步进入生产流程，而不必等待“一句话生成完整游戏”成为现实。

腾讯由此押注的不是一种尚未成形的终端产品，而是世界模型进入三维内容产业后，仍能占据生产工具与开发流程的位置。对腾讯而言，这提供了一条与游戏业务衔接的路径：先改变内容的生产方式，再推进它带来新的产品形态。

阿里的HappyOyster也面向互动内容，但它向开发者提供能力的方式，又有所不同。

HappyOyster允许用户在场景运行过程中改变镜头、人物行为和剧情，也可以在虚拟环境中自由探索。阿里在发布时列出的用途包括实时影视制作、互动短剧和游戏概念原型，这些用途与字节设想中的内容市场存在一定交集。

而更能说明其商业选择的是后续开放方式。7月，HappyOyster 1.0面向企业和开发者开启灰测，提供Android、iOS和Web开发工具包以及服务端接口，开发者可以据此搭建互动剧情、虚拟陪伴等应用。阿里同时披露，Reactor已成为首批接入的合作伙伴之一。

与腾讯将三维资产交给制作人员相比，阿里希望把持续交互能力开放给应用开发者，让下游企业寻找具体场景。这符合云服务商的业务逻辑，即使互动短剧、虚拟陪伴最终会以何种产品形态成熟仍不确定，只要开发者开始围绕模型构建应用，阿里就有机会将世界模型转化为新的云服务和模型调用需求。

到了英伟达，世界模型需要连接的场景方与工作流程进一步变化。

Cosmos 3已经将环境理解、生成、模拟和动作纳入统一模型。围绕这些能力，英伟达还提供机器人仿真与训练工具：基于Omniverse构建的Isaac Sim可以搭建测试环境，并与Cosmos结合生成训练数据。世界模型被放进一套面向机器人研发的工具体系中。

这套体系还在向机器的执行端延伸。7月发布的Cosmos 3 Edge支持在Jetson等边缘计算平台上运行；同月，英伟达披露，软银正在基于Cosmos、Omniverse和Isaac Sim开发物理AI平台，富士通则与发那科、安川电机、川崎重工探索结合英伟达技术的协同控制平台。

这些合作体现出英伟达与内容平台不同的产业位置。它可以通过服务多家机器人和制造企业，把模型开发、仿真测试与硬件部署连接起来。它不必押注某一种机器人或终端产品，而是希望无论哪种物理AI应用成为市场主流，开发者都需要使用相应的模型、仿真软件、计算硬件和部署平台。

毕竟“卖铲人”依然是英伟达屡试不爽的经典套路，在世界模型领域更能吸引英伟达的产业位置，依然是让更多企业把物理AI研发继续留在英伟达的一整套技术体系中。

几家公司的产品选择，勾勒出大厂进入世界模型的不同路径。内容平台关注新的用户体验，游戏领域关注生产工具，云服务商向开发者开放能力，计算平台则希望占领更多的产业研发与部署流程。从这个角度看，世界模型既成为大厂延续下一轮竞争资格的手段，也被接入原有的用户、内容、开发者和产业平台，用来打开新的市场与增长叙事。

大厂的优势，在于新模型发布之前，它们已经拥有了最初的用户、工具和合作关系，世界模型可以借助这些积累进入市场，也有机会反过来扩大原有业务的边界。

不过，拿到新牌并不等于已经找到新的生意。世界模型可以帮助大厂构建下一轮增长叙事，但这种叙事最终仍要接受现实检验，用户是否愿意进入和参与，开发者能否做出有效产品，产业客户是否会将相关能力纳入日常研发。只有这些连接真正成立，世界模型才不只是留在牌桌上的资格，也会成为扩大现有市场的工具。

（本部分相关企业及其代表性模型、项目等见下表。）

大厂把世界模型接入已有业务，世界模型原生企业则没有这样的前史。对它们而言，世界模型不是为原有产品增加的一项能力，也不是帮助公司进入下一阶段的新牌，而是公司从成立之初就选择的方向。

这种“原生”身份省去了概念嫁接的困扰，却带来了另一重压力。大厂可以依靠现有用户、渠道和产业关系寻找落点，世界模型企业则需要从头摸索产品定义，建立工具和客户关系。它们不仅要证明模型能够理解和生成世界，还要证明这种能力可以成为一门独立的生意，从一个能够演示的模型，到一套被别人持续使用的底座，产品、工具和场景方，哪一项都可能成为门槛。

“底座”不是模型发布时就自动获得的身份，而是其他产品能在它之上站稳后，自然浮现的产业定位。

World Labs就在把这条路拆成具体的产品。Marble面向创作者生成三维世界，用户可以编辑、扩展、组合场景，也可以将结果导出，接入后续制作流程。它首先解决的是一项具体需求：降低三维空间的构建成本，让影视、游戏等内容生产者能够更快获得可使用可修改的场景。

9月1日公布的Atlas，则试图在这些具体用途之下建立更统一的能力。它将文字、图像、视频和三维信息纳入同一个模型，覆盖场景生成、空间重建和模拟。World Labs表示，Atlas将为后续版本的Marble及其他产品提供支持，目前开放早期访问申请。

这两层布局的关系很重要：Marble负责让创作者真正使用世界模型，Atlas则试图让同一套能力进入更多产品。面向影视和游戏，模型可以生成和重建可编辑场景；面向机器人，相似的能力又可以用于构造训练环境。World Labs在7月公布的研究中，已经将“从现实重建模拟环境，再将训练结果带回现实”作为机器人方向的切入路径。

从这一布局看，企业争取的不是某一种内容的生产权，而是不同应用在构造、理解和使用三维空间时，都可能调用的基础能力。这接近大语言模型企业曾经占据的位置：模型公司不必亲自做完所有终端产品，却可以让开发者在此之上搭建自己的应用。

不过，创作者所需的可编辑场景，与机器人需要的可靠训练环境，并不能仅凭“同一个模型”就自动打通。世界模型企业越想成为通用底座，越需要进入不同产业的实际流程，逐一证明模型的有效性。

极佳视界的研究，恰好把这个问题推到了更具体的环节，站在具身智能的视角来看，一个生成的世界，究竟怎样才算对机器人有用？

其GigaWorld-0被设计为训练数据引擎，通过视频生成与三维建模扩充机器人能够接触到的场景和交互数据。GigaWorld-1则将重点放在策略评估：让机器人控制模型在生成环境中运行，再考察虚拟测试能否反映真机表现。

这里的产品逻辑，在于研发人员需要的是更多可用的训练数据、更有效的策略筛选，以及更少更高效的真机试验。GigaWorld-1的研究也指出，决定评估质量的关键，不只是短时间内画面是否逼真，而是模型在连续推演中能否准确响应动作。

极佳视界的路径说明，世界模型企业并不一定要从一个覆盖所有行业的宏大平台起步。它也可以先抓住下游研发中的一个具体问题，用数据生成、策略评估等产品证明模型的价值，再从单一环节向更广的技术底座延伸。

继续向机器人控制深入，世界模型企业还可能直接参与动作生成。

生数科技的Motus2就把这一可能性放进了同一套模型，策略部分提出候选动作，模拟部分预测执行后的变化，评价部分判断结果，再将这些环节连接起来改进策略。

与主要为外部控制模型提供试验环境的做法相比，这种设计把世界预测与机器人如何行动绑得更紧。生数争取的技术空间，已经延伸到控制与学习本身。其官方项目已列出分阶段开放预训练权重、训练代码及相关工具的计划。

这也让世界模型企业与具身企业的边界变得流动了起来。前者一旦深入动作生成，就会接近机器人“大脑”公司的业务；后者为了训练和迭代自己的产品，也可能自主搭建世界模型。两类企业可能合作，也可能在部分环节相遇。区分它们，更有意义的依据是公司的出发点和主要交付的产品，而不是只看企业给自己贴了哪个标签。

不过，机器人只是世界模型企业寻找市场应用的路径之一。另一些布局更直接地指向跨行业的基础模型，用同一套底层能力，支撑游戏、教育、客服乃至医疗等更为多样的应用场景。

这种跨行业布局，在Runway身上更直观。其GWM-1系列同时面向可探索的虚拟世界、对话角色和机器人操作：生成环境可以服务游戏与沉浸式体验，交互角色可以进入教育、客服和娱乐，机器人分支则提供动作驱动的模拟能力。Runway提出的目标，是将不同领域与动作形式逐步统一到一个基础世界模型之中。

这背后的产业诉求，是让同一套基础研发积累支撑多种产品，而不把公司的市场锁定在某一类终端上。

医疗也开始出现在类似的合作版图中。AMI Labs与临床医疗AI公司Nabla建立合作，后者将优先接入包括世界模型在内的前沿研究，用于探索下一代医疗AI。当然，相关项目仍处在行业间合作与应用探索的阶段，但它已经呈现了一种分工趋势：模型公司研发基础能力，行业伙伴负责将其接入具体业务。

从三维创作、机器人研发，到交互娱乐和医疗合作，这些企业不需要借世界模型重新解释自己是谁，因为世界模型本来就是公司的主业；但它们必须回答一个更现实的问题：其他企业为什么愿意让它的模型，成为连接业务的基础？

毕竟“原生”只能说明公司的出发点，世界模型企业需要一边扩展模型能力，证明它能够服务不同场景；一边在至少一个场景里形成足够具体、不可轻易替代的产品价值。覆盖行业越多，通用底座的想象空间越大；进入实际流程越深，模型成为生意的可能性才越高。

（本部分相关企业及其代表性模型、项目等见下表。）

今年1月，自动驾驶公司Waabi宣布与Uber合作，计划将业务从无人卡车扩展至Robotaxi，并提出由同一个AI模型服务两种应用场景。合作目标包括未来在Uber平台上部署至少2.5万辆搭载Waabi Driver的Robotaxi，Uber承诺追加投资，但其需要Waabi达到双方约定的阶段性目标，才会按约投入。

支撑这一计划的技术体系，由公司的驾驶模型和神经模拟器共同构成。Waabi World根据车辆的转向、加减速等决策更新模拟环境，让驾驶系统在虚拟道路上持续作出判断。公司还通过配对测试，比较同一驾驶系统在真实场景及其数字副本中的表现，检验模拟结果是否具有参考价值。

世界模型由此成为诸如Waabi之类的具身企业，在技术前景与发展叙事上最方便好用的“中介”与注脚。技术上，世界模型为新的车辆和道路场景提供更多训练与验证条件。公司叙事上，它又支撑Waabi从“无人卡车公司”走向能够覆盖多种运输业务的自动驾驶技术提供者。

到了机器人领域，世界模型这个“中介”又落回到具体操作与现场条件上。进入下一家工厂或门店时，面对物体、工具、操作方式乃至任务本身的变化，企业同样需要借世界模型适应已有能力与新的任务要求。

智元参与研发的GE-Sim 2.0，尝试让机器人先在虚拟环境里练习，再把改进后的策略放回真机检验。控制模型每输出一组动作，模拟器就推演相应的场景变化，同时预测机器人自身状态并评价任务结果；控制模型根据这些反馈继续行动，完成一次连续的任务尝试。研究团队还利用模拟过程中的数据和反馈改进策略，并在真机实验中检验效果。

这与Waabi的思路形成了呼应。世界模型即使不直接承担最终控制，也可以改变企业迭代控制能力的方式：让需要反复尝试、筛选和改进策略的工作搬进虚拟环境，减少对真实设备和人工配合的过度依赖。对拥有本体与部署业务的企业而言，现场积累的数据由此有机会服务于后续研发，成为下一次交付的技术资产。

还有具身智能企业选择将整机制造与模型能力相结合。为模型研发适配的机器人本体，并将数据采集、模型、零部件与硬件纳入其全栈布局。这类型的企业既交付具体设备，也希望把核心价值建立在能够持续复用的世界模型之上，让模型本身成为组织数据、知识与动作能力的中枢、让模型的发展在一定程度上反哺并有效组织本体设备等产品研发。

这些路径集中反映出的是，世界模型正同时进入具身企业的研发体系与增长叙事。企业希望借它提高现有设备的能力，也希望证明，公司的价值不只在于已经交付了多少产品，还体现在包括模型能力增长等在内的未来成就上，已经构建起更诱人的技术愿景。

也就是说，对具身企业而言，世界模型既是能力的延伸，也是公司身份的延伸。它帮助企业走向“我的体系还能做什么”。但真正决定这一步能否成立的，不是模型名称变得多大，而是已经积累的能力，能否一次次越过本体、任务和场景的边界。只有这样，模型的进步才真正扩大了企业的业务边界。

（本部分相关企业及其代表性模型、项目等见下表。）

企业需要增长，需要叙事，需要跳板。

所以世界模型被放在这里。大厂、世界模型企业、具身智能企业……借着“世界模型”这四个字，既连接了公司现有的能力与未来的目标，也寻找着新的应用入口与产业位置，更在技术发展的必然之中，竞逐盈利、扩张乃至AGI的未来。

这场热潮由技术进展推动，也将由企业各自的选择塑造；概念打开了新的可能，具体的路仍要由企业自己开出来。

接下来要问的，恐怕是模型是否进入了实际应用、生产流程？是否真的降低了训练、开发或交付的成本？是否形成了通用性，让下一项业务不必重新从头开始？……只有当这些连接真正成立，世界模型才会从企业描绘未来的技术语言，变成一种新的产业分工。

毕竟，技术发达、能力强悍、用途广泛……是一种潜力，被持续采用，才是一门生意。