中经记者 李静 北京报道

在人工智能向通用智能进阶的关键阶段，被李飞飞、杨立昆等学界大咖认定为“通向AGI真正路径”的世界模型，正成为产业界与投资界的焦点议题。

在2026中关村论坛年会上，金沙江创投主管合伙人朱啸虎与星连资本、耀途资本、奥迪中国、清华大学等机构的嘉宾，围绕世界模型的技术路线、场景落地与投资逻辑展开深度探讨。

《中国经营报》记者观察发现，业界如今已经普遍认为，世界模型虽距通用落地仍有距离，但技术探索已进入关键期，2026年自动驾驶与工业垂直场景将率先迎来商业化和资本化拐点，与此同时，具身智能、空间智能等细分领域也将诞生新的产业机会。

算力成新瓶颈

世界模型的火热，伴随而来的是定义的模糊化，这成为行业发展的首个待解问题。

流形空间创始人武伟直言，当前世界模型的定义正被不断扩大和模糊化，极易重蹈元宇宙发展初期的覆辙，“必须先明确要做的是哪一类世界模型”。

在武伟看来，世界模型可清晰划分为两大类别：一类面向数字世界，核心是构建实时交互界面，需迎合创作者偏好；另一类面向物理世界，目标是成为可预测的机器人大脑，要求完全复刻真实物理规则与机器人操作，而流形空间则坚定选择了后者。

清华大学副教授章明星也指出，目前业界对于世界模型的技术路线存在核心分歧，最关键的争议点在于“语言是否足以建模物理世界”。“部分路线基于语言模型能力向多模态迁移，而JEPA等技术则追求更优的空间表达，探索vector表达的浅空间语言，这种理论分歧直接导致了技术路径的差异化发展。”章明星解释道。

在大模型发展初期被反复提及的Scaling Law（缩放定律），也是世界模型技术突破的核心考量。

星连资本管理合伙人张鸣晨表示，世界模型要实现规模化发展，关键在于何时能出现类似大模型的Scaling Law，而这需要解决两大问题，一是数据墙的突破，二是技术体系对Scaling Law的支撑。“今年已经看到了相关迹象，预计很快能摸到发展轨迹。”

值得关注的是，大模型发展的瓶颈正从数据转向算力。章明星透露，此前业界曾对Scaling Law产生信心动摇，但如今已重新建立高度信任，原因在于Agent能力的差距核心仍在数据，且特殊场景下无须海量数据，“每个场景几个或几十个Case就足够”。

但随着对世界模型探索的深入，算力成为新的制约因素，无论是提升数据属性以实现同等数据下的更好效果，还是降低模型推理成本，都成为当前架构创新的核心驱动力。

数据采集与训练方式的创新，则成为世界模型落地物理世界的关键。

不同于自动驾驶拥有成熟的实车数据闭环，机器人领域面临着数据冷启动的难题。

武伟介绍，传统的真机遥操作数据采集方式虽质量高，但规模化速度慢，而采用第一人称视角数据做预训练，成为世界模型实现快速Scaling Law的重要特征。

破壳机器人创始人许华哲也表示，在家庭机器人的研发中，预训练同样依赖第一人称视频数据，但其核心原则是“先定义任务，再反向迭代系统”，避免无意义的数据采集，这一思路也成为物理世界类世界模型数据采集的重要共识。

汽车与机器人双赛道领跑

目前来看，世界模型的落地，正从概念走向具体场景，其中汽车领域的空间智能变革与机器人领域的具身智能落地，成为最具看点的方向。

奥迪中国研发副总裁Ivo Muth表示，空间智能对汽车行业的影响体现在汽车本身、企业组织、用户服务三大核心领域，而汽车正从代步工具向智能空间转型，高阶驾驶辅助系统与智能座舱的深度融合，成为车企的核心战略方向。

对于大模型进入汽车领域的挑战，Ivo Muth认为成本、实时性、数据安全均需应对，而数据隐私与安全是重中之重。“客户信任需要长期建立，一次安全事件就足以摧毁它，这也成为智能汽车领域落地AI技术的核心准则。未来汽车座舱的核心变革，将从功能划分转向‘情境感知下的舒适体验’，通过人工智能模型预判用户需求，实现安全保障与服务提供的双重升级。”

机器人领域的落地则遵循“有限泛化”原则，家庭机器人与工业机器人各有侧重。

许华哲表示，真正意义上的完全泛化在短期内无法实现，家庭机器人的落地关键在于定义好产品边界。“把10件事做到极致并实现全场景泛化，其余功能等待升级。”基于这一思路，破壳机器人今年将聚焦家内物体传递、收纳等低难度、高需求场景，避开做饭、老人小孩护理等复杂或高风险领域，同时选择自主研发本体，实现软硬件的协同迭代。

工业机器人则被认为是落地速度更快的领域。耀途资本创始合伙人白宗义指出：“工业垂直场景的机器人应用，核心是让用户的投入产出比（ROI）可计算，其投资的知来具身已实现汽车零部件领域3D飞拍检测、打磨等场景的落地。”

2026年也被认为是自动驾驶与工业场景的关键拐点。

白宗义表示，自动驾驶与偏工业的垂直场景将在2026年迎来商业化和资本化的双重拐点，这也是其布局的核心方向，其早期投资的元戎启行（高速载人）、新石器无人车（低速载物）均已进入规模化发展阶段。

而在自动驾驶领域，世界模型的价值已得到验证，超过80%的自动驾驶算法已采用世界模型辅助训练，其成为突破L4级自动驾驶规模化部署瓶颈的关键。

除了核心场景，末梢物流、空中具身智能等细分领域也成为新的机会点，新石器无人车覆盖的社区货运接驳、空中具身智能在电力线巡检、探矿等场景的应用，因对模型泛化能力要求可控，成为商业化落地的优选。

投资逻辑聚焦垂直领域

世界模型的投资热潮，催生了“不讲世界模型融资难”的行业现象，但资本正逐渐回归理性。

白宗义直言，当下市场中，世界模型相关项目估值动辄几亿美元起，但从产业实际发展来看，通用世界模型的落地仍面临巨大挑战。“中短期必须在模型、数据等方面做出妥协，商业化只能打特定场景，解决特定问题。”

相较于追求通用世界模型的宏大叙事，聚焦垂直场景、做透细分领域，成为更具可行性的选择。

从投资赛道来看，具身智能相关领域成为布局重点，且资金门槛低于大语言模型、GPU等赛道。

“世界模型与通用人工智能赛道，虽然头部公司已获得大额融资并形成一定先发优势，但整体仍处于技术收敛的摸索阶段，且所需资金投入门槛远低于大语言基础模型等赛道。”白宗义表示，“优秀的早期团队依然有很好的投资机会和价值。”

在具体布局上，投资机构采取“核心场景+上下游供应链”的策略，在布局自动驾驶、工业机器人等核心场景后，同步关注处理芯片、算法等上下游企业的机会，实现产业链的协同布局。

不过，对于通用具身智能赛道，资本则保持谨慎观察态度。白宗义认为，通用具身智能的长期终局与当下可落地的商业化场景之间存在巨大鸿沟，且行业算法模型尚未收敛，“先观察，再对优质团队重仓布局”成为理性选择。

对于2026年世界模型的技术突破方向，武伟认为，世界模型今年需重点突破两大技术，一是将操作的交互能力在世界模型中实现实时化，二是做好世界模型的RL（强化学习）后训练，实现端到端的闭环反馈。

许华哲聚焦在具身智能领域的规模化强化学习与在线学习方面，探索让强化学习在多台机器人上实现无成功率损失的规模化应用，以及部署后快速学习新任务的在线学习方式。

张鸣晨更关注具身模型参数的提升，期待今年有企业能将具身模型参数推至5倍或10倍以上，探索其预运用和扩展规律。

章明星则看好Genie类动态生成世界模型（Google DeepMind开发的一系列‌基础世界模型）的发展，认为其若实现突破，将大幅提升世界模型的公众普及度。

（编辑：张靖超 审核：李正豪 校对：颜京宁）