世界模型成WAIC大热点，无界动力要让机器人真正读懂物理世界

在WAIC 2026世界模型“六小龙”巅峰论坛上，无界动力联合创始人兼CTO夏中谱与几位行业技术负责人，聊了一个很“硬核”的话题：怎么让物理AI从“理解”走向“执行”？有意思的是，大家讨论的焦点已经不是机器人能不能端茶、叠衣服这些具体活儿——而是更根本的问题：机器人到底怎样才能真正理解物理规律，在一个完全陌生的环境里自主做决策？

图源：WAIC

过去提起世界模型，很多人第一反应就是视频生成、3D环境生成这些应用，好像只要模型能预测下一帧画面，就算“理解世界”了。但机器人产业越往前走，越发现一个残酷的事实：光会预测下一帧，远远不够。机器人需要的是一个能帮它理解“真实世界”的模型，而不是一个高级视频生成器。

夏中谱在论坛上点出了一个关键：世界模型在视频层面的应用，只是结果之一，不是本质。就像大语言模型通过预测下一个词来学习语言内部的结构和逻辑一样，世界模型真正要掌握的，是物理世界里不同状态之间的变化关系和因果规律。

简单说，只有模型能根据当前状态推演出未来，机器人才能提前规划动作，而不是傻乎乎地执行预设指令。这才是具身智能和传统自动化设备最大的区别。

举个典型的例子：传统工业机器人可以在固定产线上重复一套动作，但一旦物体位置、环境光线或者操作流程变了，它就可能直接“罢工”。而真正意义上的具身智能，面对这些不确定性，得能主动调整行为，继续完成任务。

图源：WAIC

可要让模型具备这种预测能力，光靠堆参数肯定不行。无界动力选择的路线是“隐空间世界模型+强化学习”。

隐空间世界模型负责建立机器人的“世界观”——让它理解环境状态、物理规律和因果关系。强化学习则更像是在塑造机器人的“价值观”——通过持续试错和奖励反馈，帮它找到更准确的执行策略。

说白了，前者解决“看懂世界”，后者解决“如何行动”，最终让机器人拥有完全自主的行动能力。

基于这套思路，无界动力最近推出了MWA具身通用大脑。据透露，MWA并不直接在像素空间逐帧预测画面，而是在统一的潜空间里推演状态变化，这样能减少无效信息和算力消耗。同时，它还引入了长时序动作建模，可以一次推理连续多步动作，提升机器人执行长周期任务时的连贯性。这个能力非常关键——因为机器人一旦进入工厂、家庭这些场景，面对的往往是复杂任务，每个任务都由几十甚至上百个步骤组成，没有长任务能力，根本没法用。

从行业角度看，世界模型正在推动具身智能进入新的竞争阶段。以前大家关注的是机器人本体，卷成本、卷耐用性、卷续航，现在这些问题大多已经解决，竞争核心正式转向机器人背后的“大脑”——探索真实的落地应用。

在这方面，无界动力显然已经跑在前面。据透露，目前他们的业务已经覆盖工业产线、商业空间和家庭环境等场景，并且累计签署了1亿美元的全球市场订单。

随着世界模型与机器人的进一步融合，我们或许很快就能看到拥有真正“具身智能”能力的机器人，出现在我们身边。

主题为「智能伙伴·共创未来」的WAIC2026正在火热开展中！

AI叙事路线从模型参数堆叠，转变到Agent生产力落地；异构协同、光子计算持续提高计算上限；具身智能加速应用，机器人到家进厂让物理AI变为现实。