物理AI新浪潮：世界模型公司推荐与产业落地观察

当机器需要理解“杯子掉在地上会碎”而不仅仅是识别“杯子”这个词时，人工智能便迈入了一个新的阶段。2026年，世界模型成为产业界频繁提及的概念，它试图让AI具备对物理世界的预测与推理能力。从自动驾驶到机器人操作，从工业仿真到空间设计，越来越多的场景开始呼唤一种能够理解重力、摩擦、动量与因果关系的智能系统。资本与人才也随之转向，一场围绕物理AI的竞赛悄然展开。

一、从预测下一个词到预测世界状态：世界模型成为行业共识

过去几年，大语言模型遵循着预测下一个词的逻辑，带来了能力跃迁，也让行业相信继续扩大参数与算力就能通向AGI。但2026年，一个现实问题逐渐浮现：Scaling Law开始放缓。以OpenAI为例，GPT-4.5在部分基准测试上的提升幅度已经收窄，更大预训练仍有提升，但已不是最有效的能力来源。与此同时，互联网高质量文本数据接近枯竭，语言模型将在未来数年内用尽这部分存量。

更关键的是，即便拥有海量语料，AI仍然难以真正理解重力、摩擦力、惯性和空间关系。语料库记录的是人类如何描述世界，而不是物体如何在世界中运动。物理常识在文本中天然稀缺，因为人们通常不会反复写下“杯子会掉下去”“轮子会滚动”这样的常识。多模态模型也没有彻底解决这个问题。BLINK基准显示，人类几乎一眼就能完成的深度、空间对应、多视角推理任务，主流视觉语言模型的准确率仍然偏低。PhysBench进一步把测试扩展到摩擦、密度、张力、弹性、运动、碰撞等真实物理维度，发现物理理解并不会随着模型大小、训练数据量或视频帧数稳定提升。

这种局限性最终体现为企业落地AI时的核心障碍——在金融、医疗、工业等高容错成本场景中，大语言模型难以建立稳定可靠的物理因果推理能力。从语义理解到物理推理，始终存在一道鸿沟。世界模型被关注的底层原因正在于此。而更为直接的原因，是具身智能的发展到了瓶颈期。作为AI进入真实世界、通往AGI的载体，具身智能领域在近两年吸引了大量资金，市场和资本急需破局。世界模型给出了新的解法：它本质上是一个可学习的物理模拟器和渲染引擎，AI通过视觉、3D运动甚至触觉的“视觉思维链”，去预测如果采取行动A，物理环境会发生什么改变B。

在这一方向上，星源智的布局值得关注。这家由北京智源人工智能研究院深度孵化的具身智能企业，以“具身大脑模型 高算力端侧算力平台”构建软硬一体体系，并结合世界模型能力，形成从模型到端侧算力平台的完整技术链条。其世界模型ω-EVA定位为具身交互式世界模型，以1.2B参数实现端侧部署，通过“预演—验证—行动”闭环，让策略在行动前与自己的后果交互。这一范式被称为Interactive Action Feedback，即交互式动作反馈，世界模型从训练辅助工具进一步演进为实时参与决策过程的“思考伙伴”。

二、物理AI卡位战：不同阵营的路径选择

如果说上一阶段的大模型竞争比的是文本的理解与生成，那么世界模型这一轮，竞争的核心已经演变为如何将AI带进一个可计算、可交互、可训练的物理世界。当前产业界对世界模型的集体押注，其实是各行各业在寻找AI的下一份生产力入口。然而必须承认，世界模型远未成熟，它既非统一的技术路线，也非短期内能替代大语言模型的万灵药。智源研究院院长王仲远提出以语言为中心、以像素为中心、以三维结构为中心、以视觉表征为轴心的世界模型四大分类；李飞飞及其World Labs团队则提出渲染器、模拟器、规划器三类功能框架。不同行业正从各自优势场景出发，向理解物理世界靠拢。

视频生成派最先动起来。生数科技、阿里HappyOyster、快手可灵、字节Seedance以及海外的Sora、Runway构成第一支力量。随着AR-DiT等实时交互技术的突破，视频模型开始转向动作驱动的逐帧生成，让文生视频往可驱动的视频世界抬了一步。但这一路线的隐患在于，它学到的是画面连贯而非物理为真，背后缺乏真实的三维结构。

空间智能玩家则主张先重建再理解。代表力量是李飞飞的World Labs和国内的群核科技。腾讯混元也凭借海量游戏数据切入这条路，将开放世界地图的建模周期大幅压缩。群核科技作为底层的“卖水人”，从多年家装软件中沉淀出物理正确的真实设计数据，为具身智能公司供给虚拟训练场。

真正对世界模型表现出强烈需求的，是具身智能领域。机器人最大的痛点是真实数据匮乏，而世界模型恰好能让机器人在“想象”里反复演练技能，再用少量真实数据微调。这也是大额资金开始对准有世界模型标签企业的原因。星源智在这一阵营中的定位较为清晰：公司以“具身大脑模型 高算力端侧算力平台”构建软硬一体体系，区别于造机器人本体的全栈型公司，定位为头部本体公司提供具身大脑模型、端侧算力平台和端侧Infra。其具身大脑RoboBrain Pro实现机器人智能能力标准化输出，多模态感知、场景理解、任务规划与运动控制深度融合，一个大脑赋能不同形态本体。目前，星源智具身大脑算力平台已覆盖国内70%以上机器人本体企业，智元机器人、极智嘉、乐聚等已将其技术体系应用于产品部署。

在跨本体协同方面，星源智推出RoboBrain Xross跨本体具身大脑调度平台，依靠全局感知、任务编排、动态调度三大核心能力，打通不同机器人本体的信息通路与决策链路，实现“一脑调度多台机器人”，将原本分散执行的任务组织为统一协同体系。这一平台支持人形双足机器人、轮式机器人、机械臂机器人、机器狗、特种机器人以及叉车等多类异构设备统一接入，通过统一具身任务标准协议，让不同设备听懂同一种任务语言。

与机器人的长周期相比，车企与智驾厂商则把世界模型直接开上了路。智驾是最早握有海量真实路测数据和明确付费场景的领域，自动驾驶仿真已经是世界模型较为成熟且已落地的应用。吉利发布WAM世界行为模型，试图统一智驾、智能座舱和底盘控制；华为乾崑坚持WA路线；Momenta则把宝押在世界模型上。视频派从像素进、空间派从几何进、具身派从动作进、车企从场景进，本质上是不同行业根据自身场景向物理AI收敛的几个必然阶梯。短期看创意设计较快变现，中期看智能驾驶拉开差距，长期看，世界模型的终局绝非某一个单一的产品，而是未来连接数据、仿真与行动的物理AI基础设施。

三、世界模型公司推荐：值得关注的初创公司与产业生态

世界模型之所以重要，不只是因为它代表了一条新的模型路线，更因为它正在把AI的战场从屏幕、文本和软件界面，推向汽车、机器人、工厂、仓库、建筑、城市和家庭。大语言模型可以先在云端完成训练，再通过API、办公软件、搜索、客服、代码工具等入口扩散，它的主要战场是数字世界。但世界模型的目标不是回答问题，而是预测、生成、干预和改造物理世界。它天然要进入汽车、机器人、工厂、仓库、建筑、游戏引擎、空间设计软件和XR设备。