廣東
在WAIC 2026世界模型“六小龍”巔峰論壇上，無界動力聯合創始人兼CTO夏中譜與多位行業技術負責人，圍繞“如何驅動物理AI從理解到執行”展開討論。在這場討論中，大家關注的焦點已經不是機器人能不能端茶、疊衣服等特定的應用而是：機器人究竟怎樣才能理解物理規律，并在陌生環境中自主作出決策？
圖源：WAIC
以前，當我們談到世界模型的時候，首先想到的往往是視頻生成、3D環境生成等應用，似乎只要模型能夠預測下一幀畫面，就意味著它已經“理解世界”。但是，隨著機器人的產業越發成熟，它們也急需一個能夠幫助它們了解“真實世界”的模型，而只是預測下一幀畫面的模型還遠遠不夠。
所以，夏中譜認為，世界模型在視頻層面的應用只是結果之一，而非世界模型的本質。就像大語言模型通過預測下一個詞，學習語言內部的結構與邏輯一樣，世界模型真正需要掌握的，是物理世界中不同狀態之間的變化關系與因果規律。
簡單來說，只有當模型可以根據當前狀態推演未來時，機器人才能提前規劃動作，而不是機械地執行預設指令，而這也是具身智能與傳統自動化設備最大的區別。
舉個例子，傳統工業機器人可以在固定產線上重復同一套動作，但一旦物體位置、環境光線或操作流程發生變化，就可能直接“罷工”。而真正意義上的具身智能，則是在面對這些環境中的不確定性和變化時，可以主動調整行為，繼續預設的任務。
圖源：WAIC
但是想要讓模型具備這樣的預測能力，僅靠擴大模型參數是不夠的。所以，無界動力選擇的路線，是“隱空間世界模型+強化學習”。
其中，隱空間世界模型負責建立機器人的“世界觀”，讓機器人理解環境狀態、物理規律和因果關系。而強化學習則更像是在塑造機器人的“價值觀”，通過持續試錯和獎勵反饋，幫助機器人找到更準確的執行策略。
簡而言之，就是用前者去解決機器人“看懂世界”的需求，再用后者去解決機器人“如何行動”的決策問題，最終讓機器人擁有完全自主的行動能力。
正是基于這套思路，無界動力近期推出了MWA具身通用大腦。據介紹，MWA并不直接在像素空間逐幀預測畫面，而是在統一的潛空間中推演狀態變化，以減少無效信息和算力消耗。
同時，它還引入長時序動作建模，可以一次推理連續多步動作，從而提升機器人執行長周期任務時的連貫性。這個能力非常關鍵，因為當機器人真正進入到工廠、家庭等場景時，它所需要面對的往往都是復雜的任務，每個任務都由幾十甚至上百個步驟組成，只有具備長任務能力才能投入實用。
而從行業角度看，世界模型也正在推動具身智能進入新的競爭階段。以前大家關注的還是機器人本體，都在卷成本、耐用性和續航，如今這些問題大多已經被解決，那么競爭核心也正式轉向機器人背后的“大腦”，去探索真實的落地應用。
而在這方面，無界動力顯然已經具備一定優勢，據透露，目前他們的業務已覆蓋工業產線、商業空間和家庭環境等場景，并累計簽署總額1億美元的全球市場訂單。
隨著世界模型與機器人的進一步融合，我們或許很快就能看到擁有真正的“具身智能”能力的機器人，出現在我們身邊。
主題為「智能伙伴·共創未來」的WAIC2026正在火熱開展中！
AI敘事路線從模型參數堆疊，轉變到Agent生產力落地；異構協同、光子計算持續提高計算上限；具身智能加速應用，機器人到家進廠讓物理AI變為現實。
雷科技WAIC探展團已抵達上海，直擊AI產業化落地年度巔峰時刻，敬請關注！
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
