世界模型是2026年AI领域最热门的赛道之一。热潮之下，围绕世界模型评测标准、技术路线与落地路径，行业正经历一场从“生成像不像”到“执行可靠不可靠”的深层讨论——这关乎物理AI究竟该以何种方式走出屏幕、走进现实。

“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。”在近日举行的世界模型“六小龙”巅峰论坛上，大晓机器人董事长王晓刚直击具身智能行业痛点。他提出，要遵循具身世界模型第一性原理，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，加速物理AI的“开悟”时刻到来。

该公司首席科学家、澳大利亚科学院院士陶大程举例道，机器人端着水杯，画面很稳，但动作不平稳——模型不理解水可能会泼溅出来。“这是画面满分、物理零分。”他表示，做具身世界模型不是为了复刻像素，而是为了控制相关的行动。像素复刻是给人看的，物理推演是给机器人用的，这是两件事，不太一样。 

当日，大晓机器人发布首个端侧驱动本体的世界模型开悟 3.1（Kairos 3.1），打通理解、生成、预测技术壁垒，构建 “理解-推演-执行-反思”全链路自进化智能闭环，具身世界模型正从单一能力突破迈向产业落地的完整闭环。

在圆桌讨论期间，陶大程与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、自变量机器人联合创始人兼CTO王昊形成了同一个判断：世界模型不能再用“视频生成”的标尺来量。过去这一年，行业最热闹的是画面逼不逼真、时长够不够长、一致性好不好。但对机器人来说，“推开这扇门需要多大的力”“拿起杯子会不会碰到旁边的人”“动作执行下去会不会带来不好的影响”，这些才是更重要的问题。

几位嘉宾的技术路线各不相同——有人做动作世界模型，有人做隐空间表征，有人做端到端世界统一模型——但大家的共识是：下一代世界模型需要从“生成得像不像”走向“执行得可靠不可靠”。

王昊认为，世界模型的核心在于对世界的真正理解，而评判这一理解的关键指标有三：第一是反事实推理能力，即模型能否基于当前状态与给定动作预测未来状态，而非简单外推；第二是恒常性表示能力，类比人类大脑即使物体被移动或遮挡仍能识别其为同一物体，考验模型能否提取关于世界的稳定表征；第三是推理时效性，他强调不必追求长程预测，快速获得反馈并即时响应对于具身智能至关重要。

陶大程提出，当前世界模型常跑在云端，但机器人在产线上决策仅有几十到一百多毫秒，无法依赖远程网络。因此，大脑无需装下整个世界，任务导向的紧凑世界模型若能跑在端侧直驱本体，其产业价值可能远超云端大脑。他坦言，最难的不是让模型变聪明，而是让聪明变得便宜、高效、可靠——“产业不会为聪明买单，只会为稳定的聪明买单。”

在另一场主题为“从虚拟到现实：世界模型如何驱动具身智能？”的圆桌论坛中，亮源新创创始人兼CEO姜旭提出，过去几年，大模型的发展本质上是一个不断模仿人、最终超越人的过程。而人在物理世界中完成各种动作时，并不会像视频生成模型“预测下一帧”那样不断预测世界的下一个状态，而是在充分观察环境、获得视觉信息之后，自然而然地做出动作。

基于此，姜旭认为，状态应该被感知，动作应该被预测，世界模型真正需要突破的是建立大规模的“状态—动作”映射。“希望通过架构创新和数据创新，更好地统一状态理解和动作预测两项能力。”姜旭预测，具身智能最先发生能力跃迁的领域，一定是互联网已经积累了大量数据的领域。