北京银河通用机器人股份有限公司

从VLA到WAM，一场被高估的革命和被低估的进化。 过去半年，具身智能领域有两场最热闹的舆论狂欢。一场属于屏幕：从Sora到各类视频生成模型接连秀出肌肉，一杯水倾倒漫开的细节、连续空间里的人物运动，让 “AI再造现实” 的叙事冲上顶峰，“世界模型来了” 的惊呼此起彼伏。另一场属于墓碑：英伟达首席研究科学家 Jim Fan用一张WAM（World Action Model）站在VLA（视觉 - 语言 - 动作模型）墓碑前的 meme图，宣告 “VLA已死，世界模型万岁”，直接将路线之争推到台前。（本文仅讨论具身智能的世界模型） 两场狂欢共享同一个核心词：世界模型。 但吊诡的是，在具身智能领域越多人谈论它，它的面目就越模糊，有人把生成逼真视频叫世界模型，有人把机器人动作预演叫世界模型，有人把自动驾驶仿真环境也叫世界模型。同一个概念下，装着完全不同的技术目标与商业诉求。 当下世界模型最大的危险，从来不是 “定义不清”，而是所有人都在拿它最容易展示、最容易制造传播爆点的一面，定义它的全部价值。当 “造世界” 的炫技盖过 “用世界” 的本质，世界模型正在被最会讲故事的人，带离它真正该去的地方：Physical AI的真