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夏中谱与多位行业技术负责人，围绕一个极具挑战性的议题展开深度对话：如何让物理AI从“理解”迈向“执行”？令人关注的是，讨论核心已不再是机器人能否完成端茶、叠衣服等具体动作——而是更本质的问题：机器人究竟如何真正掌握物理规律，在完全陌生的环境中自主做出决策？

图源：WAIC官方

过去提及世界模型，许多人首先想到视频生成、3D环境构建等应用，似乎只要模型能准确预测下一帧画面，就等同于“理解世界”。然而，随着机器人产业不断深入，一个残酷的现实逐渐浮现：仅能预测下一帧，远远不够。机器人真正需要的是一个能够帮助它理解“真实世界”的模型，而非一个高级视频生成器。

夏中谱在论坛上一针见血地指出：世界模型在视频层面的应用，仅仅是结果之一，并非本质。正如大语言模型通过预测下一个词来学习语言的内部结构与逻辑，世界模型真正要掌握的，是物理世界中不同状态之间的变化关系与因果规律。

简而言之，只有模型能够根据当前状态推演出未来，机器人才能提前规划动作，而非机械地执行预设指令。这正是具身智能与传统自动化设备之间最本质的区别。

举一个典型例子：传统工业机器人可以在固定产线上重复执行一套动作，但一旦物体位置、环境光线或操作流程发生变化，它就可能立刻“罢工”。而真正意义上的具身智能，面对这些不确定性，必须能够主动调整行为，继续完成任务。

图源：WAIC现场

然而，要让模型具备这种预测能力，单纯堆砌参数显然行不通。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构建机器人的“世界观”——使其理解环境状态、物理规律及因果关系。强化学习则更像是在塑造机器人的“价值观”——通过持续的试错与奖励反馈，帮助它找到更精准的执行策略。

换言之，前者解决“看懂世界”，后者解决“如何行动”，最终让机器人具备完全自主的行动能力。

基于这一思路，无界动力近期推出了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，从而大幅减少无效信息与算力消耗。同时，它还引入了长时序动作建模，能够一次推理连续多步动作，显著提升机器人执行长周期任务时的连贯性。这一能力至关重要——因为机器人一旦进入工厂、家庭等场景，面对的往往是复杂任务，每个任务由几十甚至上百个步骤组成，缺乏长任务能力，根本无法实际应用。

从行业视角来看，世界模型正在推动具身智能进入全新的竞争阶段。过去，业界关注的是机器人本体，比拼成本、耐用性、续航，如今这些问题大多已得到解决，竞争核心正式转向机器人背后的“大脑”——探索真实落地应用。

在这方面，无界动力显然已经走在行业前列。据透露，目前其业务已覆盖工业产线、商业空间和家庭环境等场景，并累计签署了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真正拥有“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。