当下AI行业陷入一个鲜明的发展悖论：视频生成模型的画面质感愈发逼真、光影细节近乎写实，却始终无法适配机器人的物理作业需求。AI擅长复刻数字世界的视觉表象，却缺失了真实世界的物理推演、因果判断与实操能力，这成为制约具身智能从演示走向落地的核心瓶颈。
2026年7月19日，世界人工智能大会（WAIC）重磅开启世界模型「六小龙」巅峰论坛。本次论坛由大会主办、大晓机器人承办，汇聚国内世界模型赛道六大头部玩家核心技术负责人，覆盖当前行业全部主流技术路线。六位行业大咖直面行业分歧、拆解技术误区、预判产业趋势，最终形成统一产业共识：世界模型的终极价值不是“看得像”，而是“做得成”，物理原生、因果驱动、落地可控将是未来两年物理AI的核心演进方向。
一、六龙同台：六大差异化技术路线全覆盖
本次圆桌对话由澳大利亚科学院院士、大晓机器人首席科学家陶大程主持，参会嘉宾集齐国内世界模型六大核心技术流派，路线各异、各有侧重，完整勾勒出当前国内物理AI的技术版图。六家企业差异化布局，打破了行业单一发展的局限，也精准暴露了赛道当前的探索性与分歧性。
六大核心技术路线及核心主张清晰分化：
- 蚂蚁灵波（沈宇军）：任务导向统一模型派。核心聚焦模型架构、推理效率、可交互性与数据链路的长期底层积累，主张世界模型应服务于可靠行动输出，反对过度追求画面观感等表层展现能力。
- 极佳视界（朱政）：物理原生预训练派。指出当前多模态、视频生成基模均为数字世界设计，且逐步闭源，坚持从头训练物理世界基础模型，深耕贴近真实场景的真机评测体系。
- 无界动力（夏中谱）：因果规律推演派。提出视频生成仅是技术表象，掌握物理因果规律、实现未来状态推演与泛化决策，才是世界模型的核心本质，主打因果建模的底层架构。
- 智元机器人（任广辉）：数据与架构原生派。摒弃娱乐化、数字化的视频训练数据，主张构建适配物理世界的原生数据、原生预训练任务与统一架构，坚守物理规律与因果一致性底线。
- 自变量机器人（王昊）：隐空间预测推理派。核心依托未来状态预测完成世界结构的压缩与理解，重点攻坚隐空间推理、反事实预测与模型记忆能力，直言纯视频训练路线存在致命短板。
- 大晓机器人（陶大程）：行动落地导向派。作为论坛主持与行业总结者，核心观点为AI进化的关键是从数字世界旁观者，转型为物理世界的实操参与者，一切技术迭代最终服务于落地行动。
二、直面分歧：行业现存核心误区与技术争议
本次论坛最大的价值，在于行业头部玩家不再回避技术分歧，而是公开拆解当下世界模型研发的核心误区，精准点破行业“重表象、轻本质”的发展乱象，为赛道去泡沫、纠偏发展方向。
嘉宾们一致认为，当前行业最普遍的问题是混淆模型架构能力与模型展现能力。沈宇军明确指出，行业长期陷入“画面内卷”，大量算力、研发资源被投入画质优化、视觉特效等表层能力，但真正决定机器人落地价值的推理效率、交互稳定性、数据链路架构等核心底层能力，却被忽视。过度追求“视觉逼真度”，让模型陷入“画面满分、物理零分”的尴尬困境。
王昊给出全场最高置信度的行业判断：仅依靠纯视频数据构建物理世界理解，存在极大缺陷，该判断置信度达90%。他解释，视频数据多为人工创作、剪辑优化，违背真实物理随机规律，无法复刻力觉、触觉、空间交互等物理核心信息，以此训练的模型，看似画面流畅，实则不具备真实场景的适配能力。
陶大程总结行业核心痛点，精准点破底层逻辑偏差：当下行业最大的失误，是用“给人观赏”的标尺，衡量“给机器人使用”的技术。大量算力用于让世界“看起来真实”，却极少投入到让机器人行动“落地可行”，最终导致Demo效果惊艳、真机落地拉胯的普遍现状。
除此之外，行业还存在两大核心争议与待解问题：一是世界模型领域尚未出现对标大语言模型Codex的标志性产品，技术路线尚未收敛，商业化探索过早分散研发精力；二是物理数据模态缺失、行业无统一数据标准，力觉、触觉等核心物理信号未被有效利用，制约模型物理认知能力升级。
三、行业共识：未来两年物理AI的正确进化方向
尽管六大技术路线各有侧重，但嘉宾们围绕“未来两年行业何为对、何为错”达成高度统一共识，明确了物理AI的核心迭代路径，为全行业划定技术发力重点。
1. 核心正确方向：锚定物理原生与底层能力沉淀
全员认可，从零训练物理世界原生基础模型是未来两年最具价值的技术布局。过往基于数字视频、娱乐化多模态数据训练的模型，本质适配数字创作场景，无法满足具身智能的物理交互需求。行业必须摒弃“数字模型复用改造”的捷径，搭建适配物理世界的原生数据体系、原生预训练任务与统一架构。
同时，长期深耕模型架构优化、推理效率升级、数据链路搭建、因果规律建模等底层能力，是能够穿越技术周期的核心积累。任广辉强调，具身智能必须摆脱视频创作数据的桎梏，构建符合真实物理规律、高信噪比、高一致性的原生数据集；夏中谱补充，世界模型需突破单一视觉、语言模态，融合力觉、触觉等多元物理信号，从低密度物理信息中提炼有效表征，实现精准的未来推演与智能决策。
2. 核心错误方向：追逐表层效果、脱离物理本质
全员达成共识，过度追逐画面质感、外显视觉效果，是当前行业最大的无效内卷。未来两年，这类重表象、轻内核的研发方向，终将被技术迭代淘汰。同时，在模型技术尚未收敛、底层能力尚未成熟的阶段，盲目铺开大量商业化场景探索，只会分散研发资源，延缓技术突破，重蹈早期大模型无序探索的覆辙。
四、重构评测：告别视觉打分，建立物理落地新标准
针对行业“画面满分、物理零分”的评测乱象，嘉宾们共同重构世界模型评测体系，摒弃单一视觉指标，聚焦物理能力、决策价值、落地效果，确立三大核心评测维度，彻底扭转行业评价导向。
各位嘉宾分别给出精简核心评测指标，最终形成分层评测框架：
- 基础层（生成智能）：保障视觉、场景的基础连贯性，是具身智能的入门门槛，重点关注三维多视角一致性、常识物理一致性。
- 核心层（认知智能）：衡量模型对物理世界的真实理解能力，核心指标包括因果一致性、反事实预测能力、空间记忆恒常性、未来预测精度。
- 落地层（物理智能）：聚焦模型的实操价值，核心维度为场景泛化性、决策有效性、推理时效性、少样本多任务真机成功率，最终落地为机器人稳定、可靠的行动能力。
沈宇军特别强调，评测应重物理合理性而非绝对物理精度。模型无需精准计算重力加速度等物理参数，只需掌握基础物理逻辑、规避常识性物理错误，同时保障动作输出精准、推理响应高效，才能适配真实落地场景。朱政则提出，行业亟需统一真机Benchmark标准，摆脱仿真测试的局限性，以真实场景成功率作为核心考核依据。
五、落地深坑：从Demo到部署，不止是技术问题
论坛嘉宾结合实战经验，深度拆解了世界模型从实验室Demo走向产业落地的核心痛点，明确产业落地的难点从不在于“模型能不能做聪明”，而在于“聪明能不能落地、能不能量产、能不能盈利”。
第一，成本边际递增，商业化性价比失衡。王昊指出落地核心经济规律：模型成功率从0%提升至90%难度较低、成本可控，但从90%提升至99%、99.9%，每提升一个数量级的稳定性，所需成本会成倍激增。多数Demo的优秀表现依赖最优场景调试，而真实量产需要覆盖极端场景，成本压力远超预期，是多数项目落地夭折的核心原因。
第二，真实环境随机性强，模型鲁棒性不足。沈宇军表示，实验室数据都是标准化、规范化场景，而真实生活、工业场景充满突发、随机情况，物品错位、场景异变、非常规指令等常态化突发问题，是当前模型无法稳定应对的核心短板，也是Demo无法复刻真实部署的关键差异。
第三，模型能力上限不足，无法支撑场景落地。朱政坦言，当前行业落地受限的根本原因，并非场景需求不足，而是模型底层能力存在瓶颈，物理一致性、规划能力、泛化能力尚未达标，导致多数商业化探索无法形成正向ROI，进而引发市场悲观情绪。
第四，系统能力缺失，单次演示无法支撑持续落地。夏中谱、任广辉分别从消费场景与工业场景补充痛点：Demo仅能展示单次最优能力，而产业落地需要系统性解决方案，涵盖异常处理、快速部署、批量复制、长期稳定运行等全维度能力。工业产线不间断运行的需求、客户对部署速度与稳定性的要求，对模型、数据、硬件、运维的全栈能力提出了极高要求。
陶大程补充关键落地短板：云端大模型的高延时、高依赖问题，无法适配机器人端侧毫秒级决策需求。未来具备产业价值的世界模型，必然是轻量化、可端侧部署、低延时、高可靠的模型，而非仅能在云端运行的大型演示模型。
六、技术收敛：下一阶段行业核心竞争方向
针对物理AI下一阶段的技术收敛点，六位嘉宾虽各有侧重，但整体形成“短期多元探索、长期融合统一”的趋势判断，明确了赛道未来的核心攻坚方向。
- 统一表征+环境闭环（任广辉、夏中谱）：具身智能尚未形成专属统一表征体系，未来需打通视频、语言、动作、力觉、触觉等多模态数据，构建适配物理决策的统一表征。同时依托物理环境闭环交互，实现模型持续迭代，复刻人类通过实践认知世界的学习逻辑。
- 多路线架构融合（王昊）：未来行业将完成技术整合，剥离视频生成路线的像素渲染冗余能力，保留其未来预测优势；融合隐空间推理、物理建模、3D空间记忆的核心能力，整合各路线优势形成全新通用架构。
- 触觉模态突破（沈宇军）：触觉是区分数字模型与物理模型的核心分水岭。未来触觉模态的技术突破，将让世界模型彻底摆脱视频生成模型的局限，成为物理AI的核心专属能力。
- 标准化评测体系（朱政）：技术收敛的前提是标准统一，与时俱进的真机评测标准、统一的Benchmark体系，将成为行业技术迭代的核心指引，推动无序探索走向有序进化。
七、结语：物理AI的终极逻辑，是可靠的实用主义
陶大程在论坛总结中，精准概括了当前世界模型产业的核心变革逻辑：Demo衡量的是模型“最好的一次有多好”，产业部署衡量的是模型“最差的一次有多差”。
未来的世界模型，需要承担四大核心角色：训练阶段成为高效的数据引擎，评估阶段成为严苛的能力考官，规划阶段成为精准的物理沙盘，部署阶段成为稳定的行为本能。行业终将告别“唯炫酷、唯画质”的技术内卷，摒弃数字世界的虚拟智能，全面走向物理世界的实用智能。
物理AI产业的终极规则已然清晰：市场不会为“极致聪明”买单，只会为稳定、可靠、高效、可量产的落地能力买单。六条技术路线的分歧与探索，最终都会收敛于同一个核心——让AI真正看懂物理规律、做出精准决策、完成可靠行动，从数字世界的旁观者，真正进化为物理世界的生产力。