2026世界机器人大会上，机器人的展示吸引了大量观众。除了直观的行走、搬运和抓取动作外，关于机器人下一阶段的竞争焦点已从“身体”转向“大脑”。大会期间元股股票配资，一场主题为“世界模型到服务人类的现实距离”的圆桌讨论展开。之江实验室主任、阿里云创始人王坚提出问题：世界模型与其他模型有何不同，有哪些值得关注的技术路线？讨论很快转向更现实的问题——如果世界模型要服务人类，需要具备什么能力，现在离这一目标还有多远？
当前机器人产业正面临这一分界线。过去几年，机器人的运动能力显著提升。奥比中光创始人黄源浩指出，机器人的移动能力已经不错，真正困难的是操作。从A点移动到B点与拧开瓶盖或处理复杂物体不是同一类问题。后者依赖于手、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迭代。
随着机器人从“会动”走向“干活”，产业竞争也从单纯的本体能力转向智能能力。世界模型在此背景下受到重视。今天的机器人可以被训练完成越来越多任务，但技能增加并不等同于更智能。智澄AI创始人胡鲁辉认为，物理智能面对的主要问题是泛化能力、对物理规律的理解以及对任务本身的理解。在过去的系统中，交互对象和任务边界相对确定，一旦环境变化，原来的能力可能失效。
元股证券:ygzq.hk无界动力创始人张玉峰提到，模仿学习范式依赖大量数据形成类似“肌肉记忆”的能力，但对于物理世界的底层逻辑理解仍有挑战。胡鲁辉强调，世界模型不仅需要解决泛化性，还包括对物理世界的理解。他认为，机器人应以理解的方式做事，而不仅仅是完成任务。
过去机器人企业争夺的是掌握多少动作，而现在世界模型关注的是另一种能力：机器人不仅要知道怎么做，还要理解自己的动作如何改变环境，并据此决定下一步。这意味着，下一阶段的竞争不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，也不意味着具备通用能力。
黄源浩指出，具身智能的数据必须从真实物理交互中产生。不同机器人使用的传感器和设备差异导致数据难以跨平台使用。因此，他希望将3D空间、时间序列以及触觉、力等信息以统一方式记录，实现精确同步，使部分数据能够跨本体、跨模型使用。奥比中光正在从视觉供应商向数据采集硬件平台延伸，试图成为具身智能的“数据基础设施”。
这种对未来机器人“大脑”和数据入口的争夺受到资本市场的关注。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。黄源浩提到，当前具身智能领域聚集了大量创业企业，一些年轻企业获得了较高融资和估值。然而，资本热度并不等同于商业模式已经得到验证。目前许多机器人应用的ROI还不太理想，在某些任务上，直接使用人工仍然更加经济。机器人先进入危险、重复以及人不愿意长期从事的工作，产生真实运行数据，推动模型迭代，提升泛化能力，进而进入更多场景。
最终决定世界模型能否转化为产业价值的关键是这个闭环能否运转起来。行业开始讨论具身智能的“GPT时刻”。黄源浩提到，不同模型公司对此有不同的判断。与其寻找一个确定的年份，更值得观察的是模型、数据和真实场景何时第一次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”。这两条路径最终仍需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，中间隔着的不仅是更强的模型元股股票配资，还包括数据复用、成本下降以及真实客户是否愿意买单。这才是世界模型距离“真正干活”最现实的距离。
合规证券杠杆网提示：本文来自互联网，不代表本网站观点。
