资本热潮下的“世界模型”深度剖析：警惕概念泛化，明确两大发展分歧

每经特派记者：李宇彤 每经编辑：董兴生

在全球人工智能（AI）产业持续演进的浪潮中，“世界模型”这一概念正迅速崛起，成为行业内外热议的新焦点。

3月29日，徽声在线记者在中关村论坛的“AI未来论坛：跃迁·投资·共生”专题论坛上发现，这场以“AI源生创新与投资风向标”为主题的收官圆桌论坛，成为了洞察世界模型发展路径的重要窗口。

本场圆桌论坛由金沙江创投主管合伙人朱啸虎担任主持人，与星连资本管理合伙人张鸣晨、耀途资本创始合伙人白宗义、奥迪中国研发副总裁Ivo Muth、流形空间创始人兼CEO武伟、清华大学副教授章明星、破壳机器人创始人兼清华大学交叉信息研究院助理教授许华哲等业界精英展开了深入交流。

图片来源：每经记者 李宇彤 摄

此前，学界领军人物如李飞飞、杨立昆等，将世界模型视为“通向AGI（通用人工智能）的真正道路”，然而，这一领域仍面临诸多现实挑战，资本与产业在远期技术叙事与当下落地需求之间寻求着微妙的平衡。

世界模型的技术愿景与落地现实之间，究竟存在着多大的差距？2026年的AI发展，又该朝着哪个方向迈进？

世界模型发展路径的两大核心分歧

世界模型赛道的迅速升温，离不开两笔重磅融资的推动。2026年2月，由华人AI科学家李飞飞创立的World Labs宣布完成新一轮融资，获得英伟达等机构10亿美元的投资，用于世界模型的相关研发，公司估值也随之飙升至50亿美元。紧接着，3月，图灵奖得主杨立昆创立的通用世界模型公司AMI Labs也完成了10.3亿美元的种子轮融资，投资方包括贝索斯基金等，公司估值达到35亿美元。

在圆桌讨论中，耀途资本创始合伙人白宗义半开玩笑地说：“现在不提世界模型，融资都难；但一提世界模型，估值都是几亿美元起。”

然而，随着世界模型热度的不断攀升，概念泛化的问题也逐渐显现。

流形空间创始人武伟提醒道：“我们需要警惕的是，世界模型的定义正在被不断扩大和模糊化，这可能会重蹈元宇宙定义时的覆辙。我们应该明确自己要做的世界模型属于哪一类。”

他将世界模型分为两类：一类是数字世界中的世界模型，主要用于构建更实时的交互界面；另一类则是物理世界中的世界模型，作为可预测的机器人大脑。

武伟认为，这两类世界模型的基础能力并不相同。数字世界中的模型需要更多地迎合创作者的偏好，而非严格遵循物理规律；而物理世界中的模型则必须完整复刻真实的物理环境和机器人操作逻辑。流形空间目前更偏向于后者。

从学界的角度来看，清华大学副教授章明星指出，世界模型的发展路径存在两大核心分歧。一是关于语言是否足以建模物理世界；二是关于数据来源的选择，究竟是使用游戏等数字模态的数据进行训练，还是采用物理空间的遥测或第一人称视角数据。

章明星认为，从横向比较来看，世界模型仍处于普遍发展阶段，未来物理空间的推理究竟属于何种模态、又该如何突破，仍有诸多问题亟待解决。

数据与算力：世界模型发展的核心破局点

在技术落地的现实面前，所有的路线选择都绕不开数据与算力的双重挑战。

“去年AI领域普遍认为Scaling（规模化）所需数据已触及天花板，大语言模型是否已回归研究时代，今年算法层面能否迎来突破？”面对朱啸虎的提问，章明星回应称，前年（2024年）下半年业界对Scaling的信心确实有所动摇，但从当前业界整体态势来看，对Scaling的坚信程度反而达到了一个新高度。

他指出，Agent（智能体）能力的主要差距在于数据层面。只要补足更多场景下的数据与模型，模型自然能演化出更强的操作能力。并且，在这样的场景下，AI如今已不再需要海量数据。针对特定场景，关键在于覆盖多样化的场景与案例，每个场景可能仅需几个或几十个小规模样本即可。

章明星认为，当前真正的瓶颈反而在于算力。无论是提升数据效率、在同等数据下实现更好效果，还是降低未来模型的推理成本，都成为架构创新的主要驱动力。

星连资本管理合伙人张鸣晨同样对世界模型的Scaling law（规模定律）演进保持着明确的乐观态度。他认为，世界模型的Scaling law很快就将找到清晰的发展轨迹，核心要解决的就是数据墙的突破以及支撑Scaling law落地的技术体系构建。

世界模型落地大考：2026年自动驾驶与工业场景将率先迎来双拐点

尽管技术路线仍在探索中，但世界模型究竟能在哪些场景落地仍是行业最关心的问题。

在白宗义看来，世界模型的终局必然是跨本体的通用端到端模型，数据也将来自低成本、高覆盖率的生成式数据。但中短期内，仍需在模型、数据等诸多方面做出妥协，商业化层面只能退而求其次，聚焦特定场景、解决特定问题。与其追求通用能力，不如先把特定场景做透，尽量避免涉及通用模型、机器人本体或复杂任务场景。

白宗义进一步预测，2026年自动驾驶、工业垂直场景两大领域将迎来商业化与资本化的双拐点。

他认为，从世界模型、通用人工智能的终局视角看，头部公司凭借较大融资规模已形成一定技术先发优势。但其内部也判断，该赛道相较大语言基础模型、GPU（图形处理器）等领域，资金投入门槛显著更低，目前仍处于技术收敛的摸索阶段，优秀早期团队仍有可观的投资机会与成长价值。

而在汽车这个消费级智能终端场景，奥迪中国研发副总裁Ivo Muth也对世界模型与空间智能的落地做出了深入分析。

他表示，空间智能与世界模型的落地布局将聚焦三大领域：一是汽车核心业务，如高级驾驶辅助系统、智能座舱等智能技术与整车智能体系的深度融合，这是企业核心战略方向；二是企业组织层面，借助AI与世界模型打通信息壁垒，将企业的知识与能力转化为核心竞争力；三是用户服务，通过智能体技术优化用户全触点交互体验，这也是技术落地的最终落脚点。

对于AI上车的核心挑战，Ivo Muth表示：“我们的首要重点是利用这一技术来强化奥迪一贯秉承的核心价值：高端体验、无与伦比的安全性以及以客户为中心的创新。在将世界模型应用于车端时，实时性能、成本和数据安全都是重大挑战——但数据安全始终是最高优先级，也是大规模部署的根本性前提。”

而在家庭场景，破壳机器人创始人许华哲也给出了独特的落地路径。他认为，家庭机器人落地的核心在于先明确产品边界，定义好家庭场景中要做与不做的事，再反向迭代系统，而非盲目采集无明确目标的泛化数据。他表示，短期内完全的通用泛化能力无法实现，与其追求全场景覆盖，不如聚焦核心任务做到极致，再逐步实现场景泛化。