

大会(WAIC 2026)主论坛举行“从虚拟到现实:世界模型如何驱动具身智能”专题讨论。智元合伙人、高级副总裁、觅蜂科技董事长兼CEO姚卯青表示,世界模型的本质是“能够理解物理世界运行规律的AI系统”,核心功能是预测世界的下一步状态,需具备多模态融合理解、掌握物理规律、因果推理与长程推理三项关键能力。
他直言,今年世界模型虽火爆,但大多仍停留在视觉生成层面,主要基于视频生成预训练模型做后训练。当前训练存在两大问题:一是数据类型错配,互联网视频多含娱乐性甚至反物理内容,而机器人需要推拉拧拽、柔性物体、流体等丰富交互的真实数据,这些在互联网稀缺且难以模拟;二是数据不足,国际领先大语言模型预训练数据已达100万亿Token(约100亿小时说话量),而物理世界数据信息密度远低于文本,要实现高阶物理常识判断,可能需要“亿小时”级真实数据。
展望未来三年落地前景,姚卯青认为,高频刚需、环境可控、确定性强且具容错空间的场景短期最易落地;家庭等开放环境则需构建更通用、可泛化的能力逐步解锁。