当大语言模型在数字世界不断刷新能力边界，人工智能的下一个攻坚方向，已然转向更为纷繁复杂的物理现实世界。2026Inclusion 外滩大会见解论坛之一便围绕 " 世界模型是 AI 走向物理世界的新大陆吗？" 这一前沿命题展开深度思辨。来自学界与产业界的嘉宾各抒己见，在思想碰撞中逐渐凝聚共识：世界模型是打通虚拟与现实极具潜力的技术基座，正为物理 AI 的发展打开广阔想象空间，而技术迈向规模化落地，仍需要攻克一系列现实课题。
跳出像素生成，厘清概念边界
香港大学计算与数据科学学院创始院长马毅率先指出，世界模型早已超越传统三维重建与计算机视觉范畴，甚至包罗万象，可以为机器人赋能，使其像人一样，在开放的物理世界进行交互，进行感知、认知、学习、探索和创造价值。
推动世界模型广泛应用的首要问题就是厘清其概念边界。何为真正的世界模型？现场嘉宾就此展开热烈辨析。生数科技联合创始人兼 CEO 骆怡航提出，通用世界模型应当构建 " 理解 - 想象 - 行动 " 的完整闭环。" 正如我们在物理世界里做得一样，要行动，行动之前就应该先去思考、去看见、去预测。" 在他看来，单纯的视频生成、三维重建只是世界模型的局部环节，只有能够完成预测推演、输出面向物理实体的行动决策，才算具备完整的世界模型能力。
大晓机器人董事长、商汤科技联合创始人兼执行董事王晓刚接着从产业实践视角进行补充，世界模型的核心不在于生成像素完美的画面，而是习得现实世界的因果规律。" 世界模型要学到三种核心能力，包括生成智能、物理智能和认知智能，分别对应对世界进行推演、理解物理的属性和对物理空间状态的记忆、以及对复杂任务进行分解的能力。
忆生科技联合创始人兼 CTO、香港大学助理教授杨言超进一步提出，世界模型需要满足三个条件，一是能够理解和预测未来；二是能够从数据当中抓到可以预测的结构并形成记忆；三是能够依赖形成的记忆持续不断地自我进化。
落地需夯实数据底座、找准应用边界
世界模型技术前景令人期待，但现场专家也提出，技术迈向规模化落地，仍需攻克一系列现实课题，如适用场景、数据建设、技术协同等。
" 现实应用中，并不是做每一个决策、完成每一项任务都需要跑一次世界模型，而应该让世界模型最大化地发挥其作用。" 杨言超说，在试错代价极高、获取训练数据成本高昂的场景，世界模型能够充分释放价值；而对于试错成本低、数据容易获取的任务来说，就不一定优先启用世界模型。
极佳视界联合创始人、首席科学家朱政也表示，理想中，我们希望仅仅通过预训练，在推理时就可以让世界模型去适应各种环境，或在给它演示一遍时，它就能学会新的技能、操作新的工具。" 从这一角度来讲，我认为一些工业场景和商业场景、如无人咖啡店、无人售货店等并不需要世界模型，这些操作对象和任务短期内都是比较固定的，反而是家庭环境中对世界模型的需求更多的。"
上海科技大学研究员、助理教授石野也指出，大模型虽然已能有效提升效率和自动化，但在现实世界中，让机器人完成各种物理任务，目前其本体的执行能力还远远不足。
另一方面，世界模型想要落地仍离不开高质量数据的支撑。" 高质量真实数据是世界模型的基石。" 王晓刚说，如很多电影特效、科幻视频，都不是生活中真实发生的，甚至是违反物理规律的，这些存在于互联网上的信息或将对世界模型的数据采集产生影响。因此，他提出环境式真人异构数据采集方式，通过穿戴式多传感器设备采集人类行为真实数据作为支撑。
" 世界模型或许不是通往物理智能唯一的门票，但它绝对是目前人类赋予机器空间想象力、常识推演与行动预测最具希望的核心基建。" 香港大学计算与数据科学学院副院长罗平说。
