廣東
7月17日下午，在世界人工智能大會（WAIC 2026）主論壇“從虛擬到現實：世界模型如何驅動具身智能”討論環節，智元合伙人、高級副總裁、具身業務部總裁、覓蜂科技董事長兼CEO姚卯青表示，世界模型的本質是“能夠理解物理世界運行規律的 AI 系統”，其中最重要的功能是能夠預測世界的下一步狀態。因此世界模型需要掌握三項關鍵能力：一是多模態融合理解能力，能理解環境的變化；二是掌握物理規律，包括動力學及時空理解；三是因果推理，具備長程推理而不崩壞的能力。
“今年世界模型雖然火爆，但大部分工作仍停留在視覺生成層面，主要基于視頻生成類預訓練模型做后訓練?！币γ嘀敝府斍笆澜缒Ｐ陀柧氈写嬖诘膬纱髥栴}。
一是數據類型的錯配?；ヂ摼W視頻的數據分布與機器人真正需要的物理世界數據存在本質差異——互聯網內容很多是娛樂性甚至反物理規律的，比如人也可以飛起來，而機器人需要的是接觸豐富、包含推拉擰拽等動作、涵蓋柔性物體、摩擦力、流體等多樣物理交互的真實數據，這些既在互聯網上稀缺，也難以通過現有物理引擎模擬。
二是數據規模的不足。他以大語言模型為參照：國際領先團隊的預訓練數據已達 100 萬億 Token，等效約 100 億小時的說話量；而語言作為信息密度高、噪聲低的系統尚且需要如此規模，物理世界數據的信息密度遠低于文本，要實現更高階的物理常識判斷，可能需要達到"億小時"量級的真實世界數據。
展望具身智能在未來三年落地應用發展前景，姚卯青認為，短期來看，高頻剛需、環境可控、確定性強且具備容錯空間的場景最容易落地。而家庭等更開放的環境和任務，則需要行業構建更加通用、可泛化的能力來逐步解鎖。
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.
