黄仁勋、马斯克背书 世界模型何以成为通往物理AI的钥匙？

如何让具身智能成为真正的物理AI？答案或许是世界模型。

在前几天的GTC大会上，谈及物理AI，黄仁勋分享了如何利用Omniverse数字孪生技术训练、打造机器人。这一想法可以追溯到今年初，当时他在CES 2025主题演讲中提到，世界模型是实现物理人工智能的关键，能够帮助AI理解物理世界的规律，从而实现机器人、自动驾驶汽车等设备的自主操控。

基于相似的理念，10月26日，特斯拉发布了自研神经网络世界模型（World Simulator），并附上多个演示视频。其中一条视频以第一人称视角记录了机器人在3D数据合成环境中四处行走的过程。特斯拉表示，Optimus正在神经网络世界模型中进行训练，其能够在100%仿真环境下学习，将模拟训练的策略部署到真实世界。

什么是世界模型？区别于宽泛意义上的AI模型，世界模型并非通过可获取的语言、图像及视频来理解现实场景，而是通过大量数据学习现实世界的物理规则，实施因果推理，从而预测、生成合乎现实规律的未来。其终极目的在于，通过训练让人工智能适应现实世界而非理论世界，让AI进化为物理AI。

正如图灵奖得主、Meta首席AI科学家杨立昆所言：“我们不是在造会说话的机器人，而是在造会思考的物理实体。”

当下，世界模型的理念正成为科技巨头们，乃至全科技界的共识：xAI挖角英伟达专家，致力于研发出用于游戏领域和机器人系统的世界模型；Meta发布代码世界模型（Code World Model），探索如何使用世界模型改进AI代码生成性能；“AI教母”李飞飞筹集2.3亿美元创建的世界模型初创公司World Labs，开发出了一款能够渲染持久且一致3D世界的实时框架模型（RTFM）。

世界模型何以引得人工智能先驱们竞相发力？或与具身智能本身的争议有关。宇树科技CEO王兴兴曾强调：“之所以目前机器人还未能达到智能，现在最大的问题是模型问题，而不是数据问题。”东吴证券指出，作为具身智能的大脑，AI模型的技术路线仍处在探索阶段，并且成为了机器人等终端产品大规模应用的最大瓶颈。

世界模型的优势恰在此体现。根据弗若斯特沙利文近期发布的《2025年中国世界模型发展白皮书》，具身智能代表着AI从纯粹的信息处理转向物理世界的交互，其所需的数据需要整合文本指令、多视角视觉、物理交互等多维信号，复杂度远超纯文本或单一视觉模态。而世界模型能生成视觉逼真、物理精确的合成数据，有效克服传统仿真数据与真实世界之间的差异。

据上述机构统计，当前超过80%自动驾驶算法使用世界模型进行辅助训练，其已推动自动驾驶系统持续学习、自主验证并快速迭代优化。

国内世界模型研发进展上，宇树、智元等人形机器人厂商走在前列。今年9月，宇树开源了UnifoLM-WMA-0世界模型架构，用于推进物理环境中的学习与执行效率，为未来与更复杂模型的融合预留了工程接口。智元方面，其于今年8月发布了行业首个机器人世界模型开源平台Genie Envisioner，旨在使机器人在同一世界模型中完成从“看”到“想”再到“动”的端到端推理与执行。

与此同时。其他机器人机构亦动作频频。日前，湖北人形机器人创新中心发布了具身基础模型GigaBrain-0，其背后采用了世界模型平台GigaWorld生成数据。同样在今年，北京人形机器人创新中心和成都人形机器人创新中心先后发布了全新的世界模型架构WoW，以及国内首个基于世界模型的机器人任务执行系统R-WMES。

不过，作为一种技术路径，世界模型的研究仍处于早期阶段。东吴证券判断，世界模型代表具身智能算法层最前沿的探索方向，预计具身智能大脑市场会成为具身智能市场里发展最快，技术难度最高，也是最关键的环节。

从投资层面来看，国投证券表示，结合物理AI和世界模型需要运用到的技术和环节，仿真、感知以及机器人厂商会受益，建议关注：1）已经具备物理AI产品的国内CAE（计算机辅助工程）厂商；2）为世界物理模型提供技术支撑的3D感知厂商；3）提供工业数字孪生解决方案的厂商。