通用大模型逼近,谁来为世界模型买单?

日期:2026-11-10 10:59:54 / 人气:33



GPT-6 Astra直接控制机器人画画,成功率碾压专用模型——世界模型,是不是还没长大就要被"通用"吞了?

一、宇树的现场演示,动摇了一条技术路线

10月22日,王兴兴在2026世界物理AI大会上放了一段内部测试视频:OpenAI的GPT-6 Astra未经任何专门训练,直接控制宇树机器人画画。过程中机器人看到旁边有洗笔的颜料盘,自己走过去把笔洗干净,再继续画。

"我们没有为这些动作编写程序。"这句话的分量很重。它意味着通用大模型已经不只是"看得懂指令",而是能在物理世界里自主规划、临场应变。

数据更硬:RoboDojo平台评测,GPT-6 Astra仿真任务平均成功率22.48%,上一代GPT-5.5仅0.88%,一举超过榜单上所有公开的专用机器人模型。英伟达西雅图实验室120项抓取摆放测试里,未微调的Astra成功率66.3%,高于英伟达自家的Cosmos机器人模型(36.8%)和Physical Intelligence的π0.5(28%)。

王兴兴的判断:明年大概率是机器人行业的临界点。

但问题来了——既然通用大模型"顺便"就能控机器人,那专门让AI理解物理世界的世界模型(World Model),还有存在的必要吗?

二、世界模型是什么,它怎么火起来的

概念最早可追溯到1943年心理学家肯尼思·克雷克:人脑里有现实世界的"小型模型",行动前先预判结果。2018年David Ha和Jürgen Schmidhuber发表论文《World Models》,让AI先学环境规律再训练,这个名词才在深度学习圈流行。

杨立昆是坚定的世界模型派。2022年他发文主张以此构建机器智能,至今仍批评大语言模型"不理解物理世界"。

赛道真正热起来是2024年:
• 2月,OpenAI发布Sora,技术报告标题直接写《作为世界模拟器的视频生成模型》

• 9月,李飞飞创办World Labs,融资2.3亿美元

• 2025年1月,英伟达发布Cosmos世界模型平台

• 杨立昆2026年3月创办AMI Labs,融资10.3亿美元

• AMD同年9月宣布拟82亿美元收购World Labs

创投通统计:2025年物理AI/世界模型融资23起,2026年至今已超100起。

热度不假,但World Labs自己承认:这是当前AI领域含义最混杂的术语。按输出大致分三类:
1. 生成给人看的画面(视频)
2. 模拟物理状态(预测物体运动)
3. 决定下一步动作(控制)

通用大模型如今三类都在涉足。那世界模型的独特价值到底在哪?

三、通用大模型的"三板斧" vs. 世界模型的护城河

画面生成:GPT-6 Astra已能调用Blender还原三维空间,Gemini 4 Argon可调摩擦参数。但芯片分析师林美炳指出:画面逼真≠理解物理规律。不接受动作输入的视频生成,严格说不算世界模型。

物理模拟:通用大模型调用物理引擎(如Blender、仿真器),自己未必"懂"物理,但能用工具算出结果。

动作决策:这是变化最大的。Astra直接输出动作成功率已超专用模型——但速度差了两个数量级。

模型 抓取任务成功率 单次调用耗时

GPT-6 Astra 66.3% 18.56秒

英伟达Cosmos机器人模型 36.8% ~0.71秒

π0.5(专用) 28% ~47毫秒

智元机器人姚卯青的解释很实在:控制系统分三层,底层与电机通信每秒1000次,中间层运动规划每秒10-20次,大模型目前只适合放在最上层做任务调度。"大模型想一步的时间,产线上等不起。"

深圳头部机器人企业产品经理说得更直白:让通用大模型拆解步骤,具体动作交给自研动作模型。

精度是另一道坎。Robocurve真机测试:Astra把方块放进碗里20次成功19次,但精密拼图插入20次仅成功2次。王兴兴在进博会坦言:"最后几毫米有比较大的偏差。"

根子在训练数据。互联网视频能让模型知道"人拿起了杯子",但不会告诉它机械臂关节该怎么动。真机数据——机器人实际操作采集的数据——每小时成本300-1000元,且必须靠人/机器人实地采集。群核科技黄晓煌对比:文字数据免费可抓,物理数据只能花钱攒。

预判后果则是第三道坎。南京大学等机构论文指出,Astra任务理解与执行之间落差明显,集中在"预判动作后果、精度和复杂动作协调"——而这恰恰是世界模型的主业。谷歌DeepMind的做法是Gemini负责拆解目标,Genie4负责模拟接下来发生的情况,两者配合。

至少在眼下,预判后果仍需要世界模型来完成。

四、谁在买世界模型?答案是:几乎没人单独买

逻辑上,物理世界试错成本远高于数字世界——大模型写错代码改了再跑,机械臂打翻水杯没法撤回。预判价值应该很高。

但现实是:

机器人公司:把世界模型并入自研动作模型,作为整套系统的一部分。智平方郭彦东举例:泡茶步骤靠语言模型,水杯靠近桌边可能掉落靠世界模型。市面上已有免费世界模型,企业更愿意把钱投在数据和微调上,而非单独采购。

车企:头部自研,二三线用开源模型。小鹏X-World基于阿里WAN2.2搭建;百度ApolloWorld用于萝卜快跑测试。万创投行吴沛东指出:消费者愿为"用得放心"和"事故后有人担责"付费,不太愿为"会思考"单独买单,车企采购外部模型动力不足。

芯片公司:英伟达开放Cosmos,带动下游用它的算力做微调;AMD收购World Labs,看中的是模型团队对下一代芯片显存、带宽、时延的需求反馈。本质上世界模型是算力的"饵"。

纯粹的世界模型公司:商业化压力日增。极佳视界朱政算了一笔账——训练通用场景世界模型达到千万/亿小时数据,"可能需要花几千亿元"。初创公司算力规模远不及通用大模型厂商。他的判断:"留给纯粹世界模型公司的时间窗口不是很长,必须在一到两年内兑现大众期望。"

连OpenAI自己都在转身:3月停止Sora消费者应用,研究团队转向世界模拟推动机器人发展;奥尔特曼称2027年将拿出自研人形机器人演示样机——自研硬件才能高效获取高质量训练数据。

五、结论:不是替代,是分层

世界模型不会消失,但它的角色正在从"独立赛道"变成基础设施层:

层级 谁来干 当前主力

任务规划/拆解 通用大模型 GPT-6 Astra、Gemini

物理预判/仿真 世界模型 Cosmos、Genie4、X-World

实时动作控制 专用动作模型 π0.5、各厂商自研

未来最可能的格局:通用大模型做"大脑"负责理解和规划,世界模型做"直觉"负责预判物理后果,专用模型做"小脑"负责毫秒级执行。三者嵌套,而不是谁吃掉谁。

但商业上,纯做中间层且无法绑定硬件/数据的公司,确实面临被通用大模型"上探"和芯片公司"下压"的双重挤压。买单的人要的不是世界模型本身,而是它嵌在机器人、自动驾驶、工业系统里跑出来的结果。

这篇"世界模型生存战"的梳理已经成形,接下来可以选一个方向继续深化:

• 拆解具体玩家:逐家分析World Labs、AMI Labs、极佳视界、Cosmos的商业化路径与风险点

• 对比自动驾驶vs机器人:为什么世界模型在智驾里更容易落地,在机器人里更难

• 数据战争:真机数据采集的成本结构、群核/Physical Intelligence的数据策略

• 投资视角:100起融资背后的估值逻辑,哪些公司能活过2027

需要我往哪个方向继续?

作者:天美娱乐




现在致电 xylmwohu OR 查看更多联系方式 →

COPYRIGHT 天美娱乐 版权所有