VLA：世界模型的具身智能新范式，技术路径解析
面对机器人不够聪明的现实窘况，不少创业公司开始押注世界模型这条技术路线。宇树科技创始人王兴兴在3月中旬的英伟达GTC大会上判断，在通往具身智能ChatGPT时刻的路径中，世界模型几乎“看不到天花板”，是更主流的技术方向。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
有了世界模型充当“大脑”，机器人可以在“脑海”中的模拟和推演不同行动可能带来的后果，提升了决策性能。商汤科技联合创始人、执行董事、大晓机器人董事长王晓刚近日接受南都记者采访时形容，世界模型能让机器人了解外部世界的物理规律，并像人类一样进行思考判断。
需要厘清的是，具身智能领域的世界模型，与学者李飞飞等探索的世界模型产品并不相同。王晓刚解释称，李飞飞所做的世界模型更偏视频生成，可构建供用户访问的3D世界，应用于游戏或虚拟现实场景。具身智能语境下的世界模型，则用来指导机器人与物理世界交互。
商汤科技联合创始人、执行董事、大晓机器人董事长王晓刚参加博鳌亚洲论坛2026年年会。
过去一年中，在具身智能领域“唱主角”的方案是VLA（视觉-语言-行动）模型。VLA集成了视觉感知、语言理解和动作生成，将感知输入直接映射为控制动作，类似于模仿人类将看到的事物、所理解的语言指令转化为行动的过程，但被认为缺少对物理世界的结构化理解。
一些业界知名人士已公开表达VLA的局限性。王兴兴说，VLA模型面临泛化能力受限等瓶颈，天花板更低。英伟达机器人主管Jim Fan也在2月初发文称，2025年，具身智能行业由VLA模型主导，但2026年将成为世界模型首次为机器人领域典型基础的一年。
目前，包括宇树科技、大晓机器人在内的企业已推出各自的世界模型。3月中旬，大晓机器人将旗下40亿参数的世界模型“开悟世界模型3.0”开源。公司方面介绍，这款世界模型并非像VLA那样在大语言或视觉模型后简单附加运动接口，而是以自然界基本物理规律与因果规律为认知根基，打破传统具身智能“行为模仿”的技术局限。
王晓刚告诉记者，训练VLA模型主要依赖昂贵且稀缺的真机数据，这类数据由人工操作机器完成采集。而世界模型更多转向互联网上的图像和文字数据，这些数据记录了大量的物理规律，“相当于你在互联网上看了很多课本，教你物理定律是什么，人的行为逻辑是什么”。
“但光读书还是不够。”王晓刚进一步介绍，机器人世界模型还需要获取人类在真实环境中如何工作、生活，以及如何与物理环境交互的数据。在此基础上，即使理解了物理世界的规律、知晓了人类的操作方式，最终仍需将这些行为映射到机器的参数上，因此需要少量的真机数据。
不过，世界模型的顺利落地并非易事。王兴兴说，视频生成模型可以在虚拟空间中可实现近乎零误差、极高保真的模拟效果。然而，把这一模型部署到机器人上时，即使只有一毫米的偏差，也可能导致与实际效果的巨大差异。要实现视频生成世界模型和真机操作之间的对齐，依然极具挑战。
随着越来越多机器人厂商拥抱世界模型，VLA模型将何去何从？一位头部具身智能数据服务商的联合创始人向南都记者表示，二者可能会融合，VLA要依托世界模型对世界的理解能力。
王晓刚同样认为，短期内，二者是相互协作的关系。世界模型先在“脑海”中预演未来可能发生的各种情景，而具体的执行交由VLA模型完成。从长期来看，世界模型很可能将VLA的能力全部吸收整合。
2025年6月，阿里巴巴达摩院、湖畔实验室和浙江大学研究团队发布一项研究，将VLA模型和世界模型集成在一个框架中：世界模型通过结合动作与视觉信息理解来预测未来状态，这对于成功执行诸如抓取等灵巧操作任务至关重要。由于世界模型能预判潜在动作的后果，这有助于做出更明智的决策，从而优化动作选择，最大限度地提高任务成功的概率。同时，框架中的动作模型基于输入的图像生成后续动作，动作生成过程增强了对潜在行为模式的理解，从而反向促进了世界模型的视觉生成能力。实验结果表明，融合之后的模型性能优于独立的动作模型和世界模型。
由于当下行业内尚未形成统一且成熟的技术范式，宇树科技在招股书中称公司采取世界模型与VLA并行推行的策略。推出过VLA模型的智元机器人，也在布局世界模型。智元Genie业务部生态及解决方案总监沈咏剑在3月25日接受南都等媒体采访时透露，目前智元内部有很多科学家和工程师在世界模型方向上做技术探索。
“从重要程度来讲，我觉得它的重要性不逊于VLA或相关路线。”沈咏剑说。
采写：南都N视频记者 杨柳 樊文扬 蒋小天 发自北京、海南博鳌
相关攻略
当下，全球AI领域的竞争早已告别“拼参数”的粗放阶段，资本市场的考量愈发务实——谁能将AI研发投入转化为真实利润，谁就能抢占先机。在这场从“技术概念”到“商业实效”的转型竞赛中，率先跑通商业闭环的企
来源：环球网【环球网科技综合报道】据36氪研究院预测，2026年中国具身智能产业将迎来两大里程碑：市场规模正式突破万亿元大关，人形机器人出货量有望冲击十万台量级，行业正式从技术探索期迈入规模化落地的
头图由智象未来AI大模型生成智东西作者 王涵编辑 漠影在演唱会、各大晚会的舞台上，机器人伴舞团以整齐划一、精准卡点的舞姿惊艳全场。这种整齐划一不仅是硬件的胜利，更是“训练有素”的结果。具身智
来源：科技日报科技日报记者 罗云鹏3月30日，全球首届具身智能开发者大会暨“具亮计划”黑客松・大湾区巅峰赛在广东省深圳市落幕。大会共吸引全国顶尖高校、科研院所及高新企业上百支队伍报名参赛，最终20支
新华网北京3月31日电 题：标准先行，助推具身智能产业化 新华网 朱家齐 2026中关村论坛年会举办期间，多款具身智能机器人集中亮相，精准穿针、柔性抓取、协同歌舞、实景作业，让公众直观感受到
热门专题
热门推荐
iPhone17越狱：解锁系统潜力的双刃剑 当谈到iPhone17越狱，本质上是在讨论如何通过技术手段解除iOS系统的层层限制，获取设备的最高管理权限。这个过程就像拿到了一把万能钥匙，可以打开苹果生态系统中那些被官方锁定的功能区域。但值得注意的是，这把钥匙在使用时也需要格外小心——它既能开启个性化定
小米蓝牙耳机重置后连不上？别急，根本原因在这里 遇到小米蓝牙耳机重置后无法连接手机的情况，先别急着断定耳机损坏。问题的核心，往往在于一个被称为“软硬件状态同步”的环节——简单来说，耳机虽然清空了数据，进入了可被发现的配对模式，但手机端可能还保留着旧的连接记录或缓存，导致双方信息无法匹配，信任链路无法
宗门灵兽完整养成指南：从入门到精通的全方位攻略 在宗门修仙体系中，灵兽不仅是并肩作战的强大伙伴，更是提升宗门整体实力的战略核心。然而，许多道友在成功获取灵兽后，常对后续的培养路径感到困惑。本指南将系统性地为你解析灵兽养成的完整体系，助你高效培育出能征善战、独当一面的专属灵兽，大幅提升宗门战斗力。 一
如何向书伴阅读投稿？ 在阅读社群里分享自己的感悟、解读甚至是衍生创作，本身就是一件充满乐趣和意义的事。书伴阅读无疑是这样一个理想的分享平台。那么，如何才能让你的稿件成功登上这个平台，与更多同好者见面呢？ 第一步：找准你的分享角度 动笔之前，先问问自己：你最想分享什么？是读完一本书后那股不吐不快的激动
苹果折叠屏iPhone新进展：三星包揽关键部件，屏幕平整度或成亮点 上周行业里传得沸沸扬扬，说苹果今年秋季要推的首款折叠 iPhone，运行内存定了12GB，将由三星电子供货。按照苹果一向的节奏，生产预计第二季度就会启动。 这还没完。最新消息来了，除了内存，这款折叠设备最核心的部件——屏幕，看来也得