世界模型如何落地？听听行业大咖怎么说

世界模型在行业中的落地探讨

汽车领域的智能转型

汽车正从代步工具向智能空间转型，空间智能在其中起着关键作用。大众汽车集团的IvoMuth认为，这一转型涉及汽车本身、企业组织和用户三个核心领域。越来越多的智能技术融入汽车，人工智能与世界模型的应用将打通信息壁垒，提升核心竞争力。理解用户需求、优化体验是智能体技术的重要应用场景。

具身智能的发展方向

武伟表示，世界模型主要分为数字世界和物理世界两类，他们更倾向于做用于物理世界的可实时预测的机器人大脑。在训练数据采集方面，与自动驾驶不同，机器人面临数据冷启动问题。他们认为用第一人称视角的数据做预训练，可使世界模型快速Scaling。

语言模型的瓶颈与突破

数据与算力的挑战

章明星认为，当前业界对scaling的坚信程度达到新高度，Agent的能力主要差距在数据上。为实现更多scaling，卡在了算力上。现在各家都在进行架构创新，提升数据属性或降低推理成本。对于特殊场景，少量高质量数据也可能带来突破。

世界模型的技术分歧

从学术角度看，世界模型有基于语言模型能力迁移到更多模态的路线，也有像JEPA这样需要更好空间表达的路线。大家对语言能否建模物理世界存在理论分歧。世界模型仍处于普遍阶段，未来物理空间的推理模态及方法仍需更多突破。

创业公司的壁垒与投资风向

核心壁垒与突破方向

白宗义认为，从长期看，世界模型跨本体、通用是终局方向，但短期创业公司多选择务实路径。数据主要来自世界模型产生的，成本低、覆盖强。当下创业公司多做分层模型，靠真机数采路线，但成本高、覆盖不够。从耀途资本角度，中短期聚焦特定场景，解决特定问题。

投资布局与机会

耀途资本过去重点布局自动驾驶和偏工业的垂直场景，2026年迎来商业化和资本化拐点。他们投资了多家相关公司，如元戎启行、新石器无人车等。对于已落地项目，会顺带布局上下游供应链。他们认为这个赛道资金投入门槛相对较低，优秀早期团队仍有投资机会。

相关问答

世界模型在汽车领域落地面临哪些挑战？

成本是关键议题，要在量产部署时承载大量算力。数据隐私与安全是重中之重，关乎客户信任，一次安全事件就可能摧毁信任。

具身智能的数据采集与自动驾驶有何不同？

自动驾驶采集实车数据闭环，而机器人面临数据冷启动问题。以往用遥操作采集数据质量高，但scaling速度慢，世界模型训练可用第一人称视角数据预训练。

语言模型的瓶颈主要体现在哪里？

之前对scaling信心动摇，现在发现Agent能力差距在数据上，为更多scaling卡在算力上，需在架构上创新提升数据效果或降低推理成本。

创业公司在世界模型领域如何突破核心壁垒？

短期多做分层模型，靠真机数采路线，但成本高、覆盖不够。长期应聚焦特定场景，解决特定问题，先把特定场景做透，避免通用模型机器人本体、复杂任务场景。

耀途资本在智能空间领域重点布局了哪些赛道？

重点布局自动驾驶和偏工业的垂直场景，如投资高速载人的元戎启行、低速载物的新石器无人车，以及光伏电站安装、清洁机器人等项目。

家庭机器人如何落地并普及？

预训练需第一人称视频数据，先定义好家里要做的任务，反向迭代系统。比如做物体传递、收纳、清洁等，不做做饭和与老人小孩接触部分，定义好产品边界。