2026世界机器人大会期间，一场围绕“世界模型到服务人类的现实距离”的圆桌讨论，将机器人产业的竞争焦点从本体能力引向智能能力。之江实验室主任、阿里云创始人王坚在开场时直接追问世界模型与其他模型的本质差异及其技术路线，而讨论随后迅速落到一个更现实的问题：如果世界模型最终要服务人类，它需要具备什么能力，距离这一目标还有多远。
过去几年，机器人的运动能力已有显著提升。奥比中光创始人、董事长黄源浩在回答提问时指出，机器人的移动能力已做得不错，真正困难的是“操作”——从A点移动到B点与拧开一个瓶盖、处理复杂物体并非同一类问题。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，世界模型正是在这一背景下被推到前台。
智澄AI创始人、CEO胡鲁辉在圆桌上将物理智能面临的问题拆解为几个层面：泛化能力、对物理规律的理解，以及机器人能否理解任务本身。他指出，当前依赖规则、固定路径或模仿学习的系统，在环境或本体发生变化后，原有能力可能失效。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数据量形成类似“肌肉记忆”的能力，对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。胡鲁辉强调，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”。
数据问题成为具身智能发展的另一关键瓶颈。黄源浩指出，与大语言模型可直接利用互联网文本数据不同，具身智能数据必须从真实物理交互中产生，且不同机器人使用的相机视场角、帧率、触觉设备并不相同，导致数据难以跨本体迁移。他提出，应将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精确同步，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”。这一判断正推动奥比中光从3D视觉感知供应商向具身智能“数据基础设施”方向延伸，从视觉供应商进一步向数据采集硬件平台过渡。
资本市场的关注已提前升温。胡鲁辉表示，世界模型已获得学术界、工业界和资本市场的共同关注。黄源浩也观察到，具身智能领域从模型、仿真、数据采集到本体和行业落地，已聚集大量创业企业，部分年轻企业获得较高融资和估值。但他同时承认，目前不少机器人应用的ROI“还算不太过来”，直接使用人工在一些任务上仍然更加经济。最先可能跑通的场景将是危险、重复以及人不愿意长期从事的工作，机器人进入这些场景产生真实运行数据，数据回流推动模型迭代，能力提升后再进入更多场景，从而改善ROI。
这一循环构成了当前具身智能商业化最关键也最难打通的环节：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算得过来的成本才愿意大规模部署。行业已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。但最终决定世界模型能否从热门技术概念转化为产业价值的，仍然是模型、数据和真实场景何时形成持续的正向循环。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入数据基础设施，两家公司的路径选择折射出产业对下一阶段竞争的不同判断。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
