世界模型“六小龙”在WAIC吵起来了！行业红利就在非共识里

世界模型“六小龙”在WAIC吵起来了！行业红利就在非共识里

林方舟 发自 凹非寺

量子位 | 公众号 QbitAI

世界模型，是当前AI圈最火、也最没有共识的领域之一。

它的概念没有收敛、技术路线没有收敛、训练方式没有收敛、数据标准没有收敛、评测尺度没有收敛……

7月19日，在WAIC“世界模型六小龙”论坛上，一场信息密度极高的圆桌讨论，凑齐了六家公司的世界模型技术负责人。他们是：

- 大晓机器人首席科学家陶大程（主持人）

- 蚂蚁灵波首席科学家沈宇军

- 极佳视界联合创始人&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

这些嘉宾的观点，代表了行业对世界模型最前沿的思考，值得一听。

什么能力重要？

共识不多讲了，嘉宾们的分歧才是最有趣的部分。

先来看世界模型的技术路线之争。

这六家公司目前押注的技术路线，按照“模型在什么空间里推演世界”的尺子，可大致归类为三派：

- 像素生成派：代表公司是极佳视界

- 隐空间（JEPA）派：代表公司是无界动力

- 融合派：代表公司是大晓机器人（理解生成预测一体化）、蚂蚁灵波（推出了多条路线的世界模型全家桶）、自变量机器人、智元机器人

由于走的技术路线不同，各家公司自然对许多焦点问题有不一样的看法。

比如：世界模型究竟该对物理世界有多大程度的理解？

一边希望它尽可能接近物理模拟器。

无界动力的夏中谱提出，评价世界模型要看它对几何、运动、力等状态的预测精度。

另一边则认为，机器人没必要先成为物理学家。

蚂蚁灵波的沈宇军认为“物理合理性”比“物理精度”更重要。机器人只需要明白同样重量的铁比棉花掉的快，但到底快多少，不需要知道，只需要观察。

他说，机器人不必算清每一条轨迹、复现每一个物理参数，只要知道哪些差异会影响眼前的动作，就够了。

对模型能力评价的标准，嘉宾们也存在分歧。

智元的任广辉认为，推理的长时物理一致性，是评价是世界模型能力必不可少的指标之一。

而自变量的王昊却直言：长程推演是“伪需求”，比起这个能力，他更看重推理的时效性。如果推理慢到错过决策窗口，再完整的理解也没有用。

在观点碰撞背后，各个嘉宾捍卫的是自家模型擅长的能力。

模型对于物理世界的理解，隐空间里可以直接回归物理量，所以敢要求物理精度；像素生成学到的天然是“看起来合理”，所以只承诺物理合理性。

而关于长时一致性，智元的世界模型，有一大用途是当仿真器，长程推演正是仿真器的生命线；自变量把世界模型与VLA整合进同一个端到端框架，预测是动作生成的前置步骤，预测铺得越长，推理就越慢，占掉的决策时间就越多。

什么将率先收敛？

除了技术路线之争，世界模型在下一阶段最可能先收敛的是什么？

大家的判断也不尽相同。

任广辉和夏中谱认为是统一表征。语言模型找到了token，具身智能还没找到自己的“token”，视觉、语言、动作这些模态得对齐进同一个表征。

王昊押的是融合，视频生成贡献未来预测、隐空间贡献推理、3D显式建模当空间记忆，各取所长拼出新架构，这在大语言模型历史上发生过一遍。

沈宇军的押注则落在触觉上。他笃定，下一阶段行业会率先形成共识：触觉将成为机器人不可或缺的模态。触觉数据一旦突破，物理世界和数字世界的世界模型，将分道扬镳。

如今许多机器人的世界模型，从数字世界的视频生成模型迁移而来；蚂蚁灵波则在开发具身原生的世界模型，从控制执行的需求出发、基于自回归架构从头预训练，让模型为“边预测、边行动”、而非为生成好看的画面而设计。