蚂蚁灵波科技（杭州）有限公司

过去几个月，具身智能与世界模型成为资本最偏爱的赛道：具身智能+机器人赛道上半年共发生288起融资事件，超460亿元——比2023大模型赛道的融资热度更狂热。巨大的资金涌入，造就了这个赛道的百花齐放：不完全统计，今年上半年在公开报道中宣称自己是“世界模型”的企业就有30余家，其中既包含当下最火热的具身大模型，也...... 本文来自微信公众号： 霞光AI实验室 ，作者：霞光AI实验室 过去几个月，具身智能与世界模型成为资本最偏爱的赛道：具身智能+机器人赛道上半年共发生288起融资事件，超460亿元——比2023大模型赛道的融资热度更狂热。 巨大的资金涌入，造就了这个赛道的百花齐放：不完全统计，今年上半年在公开报道中宣称自己是“世界模型”的企业就有30余家，其中既包含当下最火热的具身大模型，也包含3D生成大模型，以及一些多模态视频生成大模型，甚至还有游戏公司也在往世界模型的路上赶。 在近日举办的2026智源大会上，昆仑万维旗下Skywork首席科学家刘扬感慨道，业内对“世界模型”的定义混乱远超普遍认知——视频生成、3D表征、交互式模拟器等都被冠以“世界模型”。 而与此同时，这些模型之间的“刷榜”竞争也日趋激烈。从

在过去一年里，“世界模型”在AI领域的关注度迅速升温。 而在当下投融资两端火热的具身智能赛道，它被寄予的期待并不低，如果一个模型能够理解物理世界，预测未来状态，并在交互中不断修正自身行为，那么机器人就有可能从当前依赖模仿学习和场景数据的执行系统，走向真正具备规划、试错和持续学习能力的智能体。 然而，目前业界对于“世界模型”似乎仍未有明确的边界。 在第八届“北京智源大会”的演讲中，智源研究院院长王仲远对现有技术路线进行了分类：第一类是以语言为中心的世界模型，包括VLM、VLA等；第二类是以像素为中心的世界模型，例如视频生成类模型，在视觉空间中学习视频或图像；第三类是以三维结构为中心的世界模型，包括3D重建及相关空间模型；第四类是以视觉表征为中心的世界模型，例如JEPA系列模型。 6月13日，在北京智源大会上的一场世界模型的圆桌讨论中，多位来自机器人、大模型、3D生成和具身智能公司的研究者给出了更审慎的判断：世界模型仍处于早期阶段，距离真正进入生产落地环节还有相当长的路。 参与讨论的嘉宾包括极佳视界联合创始人、首席科学家朱政，蚂蚁灵波科技首席科学家沈宇军，自变量机器人联合创始人兼CTO王昊，腾讯混元3D及世界模型