世界模型进军物理世界：专家解析具身智能落地路径

当人工智能从屏幕内的对话与编程，迈向真实世界的感知、决策与执行，自动驾驶与机器人等物理 AI 面临着更严苛的考验：模型不仅要理解空间关系，还要在行动前推演未来后果，并根据反馈实时修正。

近期举行的外滩大会上，香港大学计算与数据科学学院主办了“世界模型是 AI 走向物理世界的新大陆吗”见解论坛，来自高校与业界的专家围绕世界模型的技术边界、具身智能路径与商业化挑战进行了深入交流。

马毅：从空间建模走向物理交互

香港大学计算与数据科学学院创始院长马毅指出，AI 的飞速发展正打破教学、科研与产业转化的边界，需要更紧密的产学研协同。

马毅认为，传统计算机视觉主要解决三维重建与物体识别，而今天的世界模型已延伸至机器人在开放环境中的认知、学习与交互。这一演进为前沿研究走向产业落地开辟了新空间。

王晓刚：打破单一任务限制的“开悟时刻”

大晓机器人董事长、商汤科技联合创始人王晓刚提出，具身智能要走向通用，必须突破数据与模型的双重瓶颈。单一任务反复采集真机数据的成本难以持续，大晓推出的 ACE 研发范式通过穿戴式设备采集人类行为数据并与真机融合，显著降低了新任务的适配门槛。

在模型设计上，王晓刚介绍了“理解、生成、预测”一体化架构：理解任务状态，生成推演后果，预测指导控制。这三项能力共享特征并形成闭环，使机器人能够自主应对如洗衣等长程复杂任务。大晓正以“一脑多形”方案适配不同机器人本体，在即时零售与酒店运营等场景推进落地。

骆怡航：发布面向灵巧操作的 Motus2

生数科技联合创始人兼 CEO 骆怡航表示，通用世界模型必须具备“理解-预测-行动”闭环，单独的视频生成或策略控制都只是局部能力。

生数科技提出了涵盖模拟生成、实时交互、物理行动、自主规划及多智能体协同的五级路线，并在现场发布了面向灵巧操作的通用世界模型 Motus2。该模型将触觉信息纳入统一建模，通过动作采样、后果推演与价值评估形成闭环，并引入记忆机制以应对遮挡与连续操作挑战。骆怡航坦言，长期记忆与高效部署仍是通向自主智能体需克服的核心难题。

圆桌交锋：世界模型的现实边界与挑战

圆桌讨论环节由香港大学副教授罗平主持，杨言超（忆生科技/港大）、石野（瞬适科技/上科大）、朱政（极佳视界）与李天羽（源策未来）共同探讨了世界模型的技术本质与落地难点。

定义与能力门槛：专家们认为，具身世界模型区别于视频生成的关键，在于与真实物理环境的双向交互及持续记忆进化。传统物理仿真包含确定性规律，而数据驱动模型则能吸收更多未知变化，两者具备互补性。

驱动因素与高估风险：李天羽强调，物理 AI 容错率极低，部署必须保证高可靠性。杨言超提醒，“生成逼真”绝不等于“理解正确”，机器人交互的关键在于学到对行动有效的结构。朱政则指出，模型规模扩展必须算清算力账与商业回报账。

应用场景取舍：世界模型并非所有场景的必需品。杨言超与石野认为，在现实试错成本高昂、环境重置繁琐的环节，事前推演极具价值；而对于变数较少的简单任务，现有 VLA 模型已足以应对。

从生成虚拟画面到可靠操控实体硬件，世界模型的价值最终需要在开放场景中验证。降低适配成本、实现从失败中持续学习，将是该路线走向商业成功的必经之路。