世界模型成焦点，机器人从“会动”到“能干活”还要跨越哪些坎？

在近期举办的世界机器人大会上，机器人依旧是全场焦点。展台上，它们自如地行走、搬运、抓取，吸引着观众的目光。不过，此次大会的讨论焦点已悄然转变，从机器人直观的“身体”动作，延伸到了更为关键的“大脑”智能。

一场以“世界模型到服务人类的现实距离”为主题的圆桌讨论引发关注。之江实验室主任、阿里云创始人王坚率先发问，探讨世界模型与其他模型的区别，以及值得关注的技术路线。随后，话题聚焦到更现实的问题：若世界模型要服务人类，需具备哪些能力，距离目标还有多远？这成为机器人产业面临的分水岭。

过去几年，机器人运动能力提升显著。奥比中光创始人、董事长黄源浩直言，机器人移动能力已不错，困难在于“操作”。从A点到B点的移动，与拧瓶盖、处理复杂物体，是不同性质的问题。后者依赖“手、眼、脑”协同，手要灵巧且有触觉，眼负责感知，脑则靠模型与数据迭代。

当机器人从“会动”迈向“干活”，产业竞争也从本体能力转向智能能力，世界模型由此被推到前台。

如今，机器人能完成的任务越来越多，但“技能增加”不等于“更智能”。智澄AI创始人、CEO胡鲁辉将物理智能问题拆解为多个层面：首先是泛化能力，环境或任务改变后，机器人能否完成同一件事；其次是对物理规律的理解；再者是能否理解任务本身。过去依赖规则、固定路径或模仿学习的系统，交互对象和任务边界相对确定，环境稍变或更换本体，能力就可能失效。

无界动力创始人张玉峰也提到，以模仿学习为基础的范式，如VLA，依赖大量数据和数据分布形成“肌肉记忆”能力，但对物理世界底层逻辑的理解和泛化仍面临挑战。世界模型重新受重视，正是行业希望突破这一限制。

胡鲁辉看重“理解”，他认为世界模型不仅要解决泛化性，还要理解物理世界，就像人以理解的方式做事。他将世界模型视为物理智能核心技术之一，机器人则是人工智能进入物理世界的重要闭环场景。

若机器人要理解物理世界，靠什么学习？黄源浩将答案指向数据。与大语言模型利用互联网文本不同，具身智能数据需从真实物理交互中产生。机器人拧瓶盖，记录的不仅是视频，还有手在三维空间的位置、物体状态变化、接触力，以及视觉和触觉在时间上的准确对应，这些都会影响模型学习。

不同本体让问题更复杂。黄源浩举例，不同机器人使用的相机视场角、帧率、触觉设备不同，A机器人采集的数据B机器人无法使用，每家公司都要重复采集和训练，数据规模扩大不一定降低成本。因此，具身智能缺的不仅是数据，还有标准化、可迁移的数据。他希望将3D空间、时间序列以及触觉、力等信息统一记录，实现精确同步，让部分数据跨本体、跨模型使用。

这一判断改变了奥比中光的商业定位。作为长期从事3D视觉感知的企业，奥比中光此次不再只谈“让机器人看见”。黄源浩强调3D视觉、手部姿态、物体状态以及与触觉设备同步的重要性，将公司定位为具身智能的“数据基础设施”，希望从视觉供应商向数据采集硬件平台延伸。

这反映出产业变化：当感知硬件成为机器人基础能力，产业链企业开始向数据入口延伸。卖传感器收入来自硬件，进入数据采集、接口和标准环节，企业则试图建立与模型、本体和训练体系的长期连接。黄源浩直言，硬件易被替代，进入数据层业务黏性会改变。世界模型的竞争，不只在模型公司之间，数据提供、格式定义和数据流通都影响模型训练效率。

这种对机器人“大脑”和数据入口的争夺，已引起资本市场关注。胡鲁辉称世界模型获学术界、工业界和资本市场共同关注。黄源浩也表示，具身智能领域从模型、仿真、数据采集、本体到行业落地，聚集大量创业企业，一些年轻企业获较高融资和估值。

然而，资本热度不等于商业模式验证。黄源浩承认，目前不少机器人应用的投资回报率（ROI）不理想，一些任务人工更经济。最先可能跑通的场景是危险、重复和人不愿意长期从事的工作。机器人先进入这些场景产生数据，数据回流推动模型迭代，能力提升后进入更多场景，改善ROI。

这构成了具身智能商业化的关键循环：模型需要真实场景数据，但真实场景需要成熟模型和合理成本才愿大规模部署机器人。资本市场可为未来定价，但世界模型能否从概念转化为产业价值，取决于这个闭环能否运转。

行业在讨论具身智能的“GPT时刻”，不同模型公司判断不一。但更值得观察的是，模型、数据和真实场景何时首次形成持续正向循环。

智澄AI押注机器人“大脑”能力提升，解决“机器人如何理解世界”；奥比中光从视觉硬件进入数据基础设施，解决“机器人靠什么学习世界”，两家公司处于具身智能产业链不同环节。资本热度之外，它们都要接受现实检验：机器人能否在真实场景中持续、稳定、经济地完成任务。从展台动作到真实环境长期完成任务，中间隔着模型、数据复用、成本下降和客户买单等问题。