世界模型“六小龙”在WAIC吵起来了！行业红利就在非共识里
内容提要
世界模型领域存在技术路线分歧，包括追求物理精度、物理合理性、长时推演和推理时效等不同方向。各公司押注统一表征、多模态融合或触觉发展等不同技术。共识是最终评价标准为能否稳定完成真实任务，规模化部署比Demo更难，需兼顾成本、可靠性和及时性。
延伸解读
技术路线之争：物理精度 vs 物理合理性
世界模型领域存在显著的技术路线分歧。无界动力追求对几何、运动、力等状态的预测精度，希望模型接近物理模拟器；而蚂蚁灵波则认为“物理合理性”比“物理精度”更重要，机器人只需理解影响动作的关键差异，无需精确复现物理参数。这种分歧源于各自技术路径的差异：隐空间回归物理量可追求精度，像素生成则天然呈现“看起来合理”。
长时推演与推理时效的权衡
关于模型能力评价，智元认为长时物理一致性是必要指标，其世界模型用作仿真器，长程推演是生命线；自变量则直言长程推演是“伪需求”，更看重推理时效性，因为推理过慢会错过决策窗口。这反映了不同应用场景对预测长度与实时性的不同需求，也提示读者在评估世界模型时需结合具体任务权衡。
规模化部署：从Demo到现实的鸿沟
嘉宾们指出，Demo展示的是能力上限，部署考验的是能力下限。模型能力从90%提升到99.9%的成本非线性增长，微小错误率在真实场景中可能引发频繁人工接管。此外，机器人需应对随机突发情况（如顾客乱放商品），且端侧推理时间仅几十到几百毫秒，网络不可依赖。因此，让模型变得“便宜、可靠、及时”比单纯提升智能更难。
行业共识与红利：分歧中的机会
尽管技术路线各异，但最终评价标准趋于一致：能否稳定完成任务。陶大程认为，分歧是论文素材，重叠是产业基底，分歧本身是行业红利。他还类比ImageNet，指出统一评测基准（如大晓机器人发布的PHYSICAL IQ）可能推动收敛。蚂蚁灵波则押注触觉将成为共识模态，并开发具身原生模型，从控制需求出发设计。
Q&A
世界模型领域目前存在哪些主要的技术路线分歧？
世界模型领域的技术路线分歧主要体现在模型在什么空间里推演世界，大致分为三派：一派追求物理精度，希望模型尽可能接近物理模拟器；一派强调物理合理性，认为机器人只需理解影响动作的差异；还有一派注重长时推演和推理时效。此外，在统一表征、多模态融合、触觉发展等方向也有不同押注。
关于世界模型对物理世界的理解程度，有哪些不同观点？
无界动力的夏中谱认为评价世界模型要看对几何、运动、力等状态的预测精度，希望它尽可能接近物理模拟器；蚂蚁灵波的沈宇军则认为物理合理性比物理精度更重要，机器人不需要成为物理学家，只需知道哪些差异会影响眼前的动作。
世界模型能力评价标准有哪些分歧？
智元的任广辉认为长时物理一致性是评价世界模型能力必不可少的指标；自变量的王昊则认为长程推演是伪需求，更看重推理的时效性，如果推理慢到错过决策窗口，再完整的理解也没用。
世界模型下一阶段最可能先收敛的是什么？
嘉宾们看法不同：任广辉和夏中谱认为是统一表征，即找到具身智能的token，对齐视觉、语言、动作等模态；王昊押注融合，结合视频生成、隐空间推理和3D显式建模；沈宇军认为触觉将成为机器人不可或缺的模态，触觉数据突破后物理和数字世界模型将分道扬镳；陶大程则认为收敛会发生在横向的评测标尺上，如大晓机器人发布的PHYSICAL IQ基准。
世界模型最终的评价标准是什么？
最终评价标准很朴素：能否稳定完成任务。具体表述有决策有效性、为policy提升多少指标、多任务真机成功率等，但目标一致。Demo展示能力上限，部署考验能力下限，规模化部署比Demo更难，需兼顾成本、可靠性和及时性。
世界模型规模化部署面临哪些挑战？
挑战包括：模型能力从90%提升到99%再到99.9%的成本非线性增长，微小错误率在部署现场可能变成人工接管和返工；对随机和突发情况的应对能力不足，如顾客把蔬菜放到牛奶柜；端侧能力重要，因为机器人判断时间只有几十毫秒到几百毫秒，网络不能总在线。
两年后回看，世界模型领域哪些做法可能被证明是对的？
沈宇军认为为模型架构能力做的工作和所有为数据链路做的准备都做对了，但过于追求模型展现出来的能力和当下积累的数据是否最终被用不好说；朱政认为在基模未收敛时探索商业化场景大概率不会成功；任广辉认为世界模型会走向更具身原生，需要更大规模的具身原生数据和原生架构。
