
【导语:进入2026年,机器人行业焦点从本体转向“大脑”,世界模型迅速升温。但在技术路线上,VLA和世界模型各有争议,且世界模型缺乏统一定义,商业落地也面临诸多问题,不过资本已提前下注。】

具身智能领域关于大脑的讨论主要围绕VLA和世界模型两类技术思路。VLA将视觉、语言等输入与机器人动作连接,通过机器人示范数据学习生成动作;世界模型则通过海量数据学习世界的统计表征,从观测中预测未来变化。
早在2025世界机器人大会上,宇树科技创始人王兴兴就质疑VLA路线,认为人形机器人大规模应用的卡点在AI模型架构。如今,光象实验室首席科学家吕尧也认为VLA已触碰到天花板,语言token映射到动作空间存在模态鸿沟,靠超大规模数据训练VLA生成通用策略不现实。

世界模型虽明显升温,但概念缺乏统一定义。李飞飞与World Labs团队将其按功能分为渲染器、模拟器和规划器三类,且World Labs把VLA归入规划器一类,这表明二者关系并非非此即彼。
除定义分歧,还有现实问题。一些视频生成结果对物理属性表达不足,相关数据需企业自行采集,成本高。而且行业连机器人能力分级标准都未形成,机器人完成开放任务仍有较大差距。

光象科技联合清华大学课题组发布第一代物理原生世界模型Phi - WM 1.0 ActEffect,核心是将世界模型转变为“训练时反馈器”,让机器人学会“动作会带来什么后果”。
ActEffect能一次性生成三个精细程度不同的动作方案,预测结果并筛选最优方案。训练完成后,世界模型被移出推理链路,降低部署阶段的推理负担。

世界模型能否减少机器人的数据需求尚无统一答案。吕尧认为纯视频预测型世界模型不能天然降低数据需求,但如果能提炼出底层物理规律,则可能降低对跨场景、跨本体数据的需求。光象科技的思路是把更多试错放在仿真环境中,减少真机数据需求。
在商业落地阶段,技术路线之争会变成ROI之争。IDC研究显示,超80%的制造企业希望工业具身智能机器人项目两年内回本,所以快速部署、稳定运行并回本才是关键。

尽管技术路线未收敛,但资本快速涌入。世界模型相关投资额从2024年的14亿美元增至2025年的69亿美元。2026年,World Labs和AMI Labs分别完成10亿和10.3亿美元融资。
不过,机器人进入现实场景速度较慢。吕尧判断具身智能行业可能像当年的自动驾驶一样经历大洗牌,缺乏核心技术和交付能力的企业将出局。张涛认为若行业维持现状,一到两年内可能迎来寒冬,而首个被市场验证的具身智能应用是关键变量。
编辑观点:机器人“大脑”技术发展迅速但路线不明,世界模型虽有潜力但问题不少。资本热背后需回归理性,行业洗牌或加速技术成熟,首个成功应用将重塑行业格局。



被折叠的 条评论
为什么被折叠?



