大晓组局，「世界模型六小龙」呼吁：请给AI换一把标尺！| 智车星球

世界模型“六小龙”齐聚WAIC，直面数据、评测、部署与技术路线，讲透AI走进物理世界的五个关键问题。

作者|西子

编辑|王蕊

7 月 19 日下午，大晓机器人组了个局，「世界模型六小龙」齐聚WAIC， 由大晓机器人首席科学家、澳大利亚科学院院士陶大程主持，六小龙一起在WAIC讲一些关于世界模型的真话。

五位对话嘉宾分别是蚂蚁灵波首席科学家沈宇军、极佳视界联合创始人和首席科学家朱政、无界动力联合创始人兼CTO夏中谱、智元机器人AI 算法总监任广辉、自变量机器人联合创始人兼 CTO王昊。

智车星球根据对话内容，把五个核心问题的干货原汁原味整理出来。

话题1：两年后回头看今天的世界模型，最可能被证明什么是做对了？什么被做错了？

沈宇军（蚂蚁灵波）：

"有些时候大家会把模型的能力和模型展现出来的能力有点混淆。什么是模型能力？比如推理效率是一种能力，可交互性是一种能力。但展现出来的能力，大家会更关注画质、物理准确性等。我个人觉得，两年后回头看，所有为模型架构本身积累的能力应该都是做对的；但过于追求模型本身呈现出来的能力，我觉得不好说。"

朱政（极佳视界）：

"做得不足的地方，是模型之外有太多事情分散了精力。比如在模型尚未收敛时，就探索了非常多商业化场景，最后大部分可能不成立。我非常想知道，对于世界模型而言，我们的 Codex 产品究竟是什么。"

夏中谱（无界动力）：

"两年后未来的世界模型可能已发生很大变化，就像我们现在看两年前的语言模型一样。做对的，是让模型学会因果规律，基于因果规律做出对未来的推演和对未知世界的泛化。"

任广辉（智元机器人）：

"两年后，世界模型肯定要更加走向原生。对于具身世界模型，我们需要更大规模地生成原生数据。我们肯定需要走向更加原生的预训练任务和预训练架构，更加统一，而不是像现在用大量娱乐化数据和基于数字世界娱乐化视频生成的外挂。"

王昊（自变量机器人）：

"我觉得做对了的是，我们终于开始把对未来预测的这个监督作为主要的训练方式之一。我觉得做错了的是，回过头来看，今天试图用纯视频的方式构建对物理世界理解的这种方式，可能有很大问题。我的判断置信度可能在 90% 左右。"

陶大程（主持人）：

"两年后回头看，我们做对的是终于让 AI 从数字世界的旁观者变成了物理世界的参与者。我们做错的可能是把太多算力和能力用在让世界看起来像，而不是让行动做得成上。我们拿着一把给人看的标尺，去量一件给机器人用的事情。"

朱政（极佳视界）：

"现在用到的一些基模基本上是为数字世界设计的，而且有闭源趋势，比如 Wan 系列等。这意味着如果不从头做我们自己的物理世界模型的基模，后面会面临没有基模可用的状态。"

夏中谱（无界动力）：

"最关键的地基，不是某一个单点技术的突破，而是'系统性闭环'能力：数据、模型、训练范式三者缺一不可。当前世界模型使用的是视频和语言数据，这些只是物理世界的表象，造成物理世界变化的却是力觉、触觉相关的数据，但这部分恰好是缺失的。我们坚信：世界模型和强化学习的深度融合，将在具身智能中产生革命性突破。"

任广辉（智元机器人）：

"我认为世界模型要成为整个物理世界推理的核心，最缺的就是因果一致性，且要符合物理规律。我经常用 Wan 和最新的 Cosmos，让它们生成没有交互的场景。比如假爪没夹到东西就粘起来了，明显不符合物理规律。所以，世界模型要成为 AI 在物理世界的基石，必须补足这块能力。"

王昊（自变量机器人）：

"其实还是缺数据闭环能力。我们首先要解决的是机器人如何在现实世界部署，我说的是真实场景的大量部署。有更好的基础模型，在现实世界部署越大，谁率先在现实世界有大量真实场景部署，技术迭代就越快。"

沈宇军（蚂蚁灵波）：

"现在没有定好数据标准，世界模型需要哪些模态，这些模态如何对齐？行业在数据定不出标准前，可能也没法规模扩展。"

陶大程（主持人）：

"大脑不用装下整个世界，但一定要装下要完成的任务。缺的不是更大模型，而是让理解、生成、预测都长在同一副骨架上。"

夏中谱（无界动力）：

"第一个是泛化性。只有在不同场景、不同任务、不同分布技能上实现相同能力，才能认为模型具有因果关系和泛化性。第二点是模型对未来的预测精度，看'对决策有影响的关键状态'是否预测准确，比如物体位置、接触关系和运动轨迹。第三点，世界模型服务于决策，需要从决策有效性上对世界模型进行评价。"

朱政（极佳视界）：

"第一个是生成的未来是否满足常识、物理一致性和多视角一致性。第二个是形成的表征是否足够好地用于规划。第三个是不管生成未来画面或表征，最终用于训练或评估时，对最终策略提升多少指标。"

沈宇军（蚂蚁灵波）：

"第一个指标是它是否真正理解世界，这得用反事实来评判。世界模型不是给当前状态预测下一个状态，而是以当前状态加动作预测未来状态，且动作是反事实的。第二个指标是与人类比，评估模型的记忆能力，实际上是评估恒常性表示能力。第三个指标是推理能力。我们没必要追求长程预测，推理时效性是第三个重要指标。"

王昊（自变量机器人）：

"第一个重要的是对世界的理解，'反事实'是一个非常非常好的评判指标。第二是和人类比，人类大脑有恒常性的表示，无论你把一个物体推倒、挪动位置，你仍然知道是同一个。第三是评估推理能力，没有必要追求长程预测性。快速得到反馈回来，推理时间、推理时效性是非常重要的。"

任广辉（智元机器人）：

"我们现在最关注的是少样本设置下多任务的真机成功率。"

陶大程（主持人）：

"世界模型评测本质是度量三种智能。第一层是生成智能，能否构建视觉上连贯的世界，这是入场券。第二层是认知智能，构建的世界因果对不对，物体消失会不会凭空出现，遮挡后还能否记得存在，这是从像到想。第三层是物理智能，对具身智能最重要，预测能否转化为可靠行动，成功率、接管率、真机验证，这是从想到做。今天我们发布 PhysicalIQ 物智——具身物理智能统一评测基准平台，不是给不同模型排座次，而是给行业换标尺，把问题从生成像不像转换成能否支撑真实行动。"

任广辉（智元机器人）：

"我首先选统一表征。我们首先需要构建一个对齐到这种多模态的，包括视频、动作、语言指令这样的统一表征。有了这样一个表征之后，我们才能支撑接下来的行动。我们的行动一定要在这个闭环中去检验，然后去反馈提升。所以我觉得下一个收敛点肯定是统一的表征加上物理环境的闭环。"

王昊（自变量机器人）：

"视频生成的路线里面肯定有好的，比如对未来的预测这件事情是重要的。但是里面有一些不重要的，比如像素要不要去生成，我觉得不重要。未来必然会把从隐表示到像素这个地方的权重给它越变越小，把它从整个主干网络里去掉。一些显式的建模，我觉得可能是不必要的，比如 3D 的显式建模肯定是不必要的。"

沈宇军（蚂蚁灵波）：

"我会比较相信下一个阶段行业会有共识的，一定是触觉。触觉这个事情一旦有了一些突破之后，将会明显感受到物理世界的世界模型跟所谓的视频生成就不再是一回事了。因为从模态上来讲直接就区分开了。"

朱政（极佳视界）：

"这几个点里边我比较看重这个标准化的评测。今天大晓发布的 PhysicalIQ 物智——具身物理智能统一评测基准平台，它的任务在从实验室布置的条件下，逐渐向 In the Wild 接近，也更加接近家庭场景、工业场景这些 Few-shot、多任务这样的 Setting。这个标准化的评测给大家提供了一个能给模型提供真实反馈的途径。"

夏中谱（无界动力）：

"我这边更认为统一表征是更关键的。我们要做出一个有效的决策，其实是要找到一个跟决策更相关的表征，或者是存在因果关系的表征。利用这个因果，我们再去推演未来，这个决策才会越来越准，越来越好。"

陶大程（主持人）：

"短期的收敛不会发生在某一条路线上胜出，但是它会发生在一个衡量标尺的统一上。就好像深度学习的收敛，不是说 CNN 打败了 RNN，而是像 ImageNet 这样的基准让所有路线在同样的尺子下进行度量。路线的分歧不是这个行业的问题，而是这个行业在今天的条件下的一个红利。但是前提是我们要有一个统一的标尺。"

王昊（自变量机器人）：

"在部署成本上也存在着非常明显的 Scaling Law。你从 0%到 90%，可能主要靠你的模型能力。但你从 90%到 99%，付出的成本和你从 0 到 90 是一样的。然后从 99%到 99.9%，付出的成本又和 90 到 99 一样。做 Demo 不一样，我可以不计成本。但一旦到部署，经济就是最重要的因素。部署的阶段不是由你的学术上的 Idea 有多么 Alone 来决定的，确实是由你的成本能不能 Cover 来决定的。"

沈宇军（蚂蚁灵波）：

"所有能展示的 Demo 都是工作人员复位的。观众会想到非常奇怪的要求，可能数据采集时根本没有考虑过。比如面对一柜子菜，那个菜不知道被哪个顾客丢到哪里去了，甚至可能放到牛奶柜子里面去。这种看起来很突发的情况，却是我们生活中的日常。"

朱政（极佳视界）：

"我们得到了一个最惨痛的教训，就是我们认为在现在的之所以落地不了，本质上还是因为模型能力不够，而导致大家对这个市场比较悲观。所以说我们收缩了非常多的精力来努力提升我们模型的性能上限。"

夏中谱（无界动力）：

"Demo 看的是能力的上限，而 Deployment 考验的是稳定交付的下限。用户需要的不是'机器人会冲一杯咖啡'或者'会叠一件衣服'，而是一套包含理解需求、准备物料、实现任务、处理异常到清理现场的完整服务，并且要求机器人在全过程中保持极高的稳定性和可控性。"

任广辉（智元机器人）：

"我们在龙旗工厂直播了一周，连续直播一周。工业场景的产线就不能停。你怎么能够用最短的时间部署你的算法？同时你的算法在遇到一些新的变更时，怎么能够快速应用到新的工件或新的生产线？Demo 可以一次性做，但要把交互做到客户手里边，其实我们还是想更多地复制，把一个场景复制到一个工厂又一个工厂。"

陶大程（主持人）：

"机器人在产线上做决策，留给它的时间可能只有一百多毫秒，或者甚至是几十毫秒。所以我们其实没有办法指望网络永远在线。一个任务导向紧凑的世界模型能够跑在端侧直驱本体，它在产业里的价值实际上非常重要，很有可能远大于一个跑在云端的大脑。所以从 Demo 到 Deployment，世界模型要走通四步：训练时是数据引擎，评估时是考官，规划时是沙盘，部署时是本能。这四个角色缺一个不可。产业不会为聪明买单，但是产业会为稳定的聪明买单。"

最真诚的智能汽车报道