世界模型技術路線之爭：畫素生成 vs JEPA vs 融合派，六小龍分歧全解

1/

7 月 19 日，WAIC 六家世界模型技術負責人同臺，從物理理解標準到長程推演，幾乎每個問題都在分歧中收場。這場對談的看點不在於誰輸誰贏，而是每條分歧背後，各家技術路線正在捍衛的底線。

具身智慧世界模型的技術分歧並非路線之爭，而是各家架構在物理精度、決策效率與商業化落地成本之間，因應不同應用場景所做出的底線抉擇。

2/

六家粗分三派：畫素生成（極佳視界）、隱空間 JEPA（無界動力）、融合派（螞蟻靈波、智元、自變數、大曉）。無界動力技術長夏中譜要求預測幾何、運動與受力的精度，由於隱空間能直接回歸物理量，這讓他有底氣追求「物理精度」。螞蟻靈波首席科學家沈宇軍反過來：機器人只要知道鐵比棉花掉得快，不需要知道快多少，「物理合理性」夠了。畫素生成學到的天然是「看起來合理」，這是架構決定的邊界，不是選邊站。

3/

長程推演是不是偽需求？智元機器人 AI 演算法總監任廣輝說不可少，他們的世界模型有很大一部分當模擬器用，長程一致性是模擬器的命脈。自變數機器人技術長王昊則直言這是偽需求。他們將世界模型放進端到端 VLA 框架中，預測時間拉得越長，推理速度就越慢，一旦錯過決策時機，預測再準也沒用。同一個能力，在不同架構裡是命根子或累贅。

4/

下一步先收斂什麼，四條押注都不一樣。任廣輝和夏中譜押統一表徵，具身智慧還沒找到自己的「token」，視覺、語言、動作三個模態得先對齊。王昊押融合架構，影片生成、隱空間、3D 建模各取所長整合。沈宇軍則押注觸覺，他認為觸覺資料一旦取得突破，具身智慧與數位世界模型就會分道揚鑣。大曉機器人首席科學家陶大程則押注評測標尺，他的想法類似 ImageNet 時刻：只要把所有技術路線拉到同一把尺下衡量，標準一旦統一，技術自然會朝同一方向收斂。大曉在論壇期間同步發布 PHYSICAL IQ 具身基準測試平臺。

5/

從展示到部署有一道非線性的牆。王昊說：從 90% 到 99%、再到 99.9%，成本不是線性增長，實驗室的小錯誤率落到現場每次都是人工接管。陶大程補了邊緣端的硬限制：機器人決策視窗只有幾十到幾百毫秒，雲端推理撐不了，最棘手的挑戰在於，除了要讓模型足夠聰明，還得讓這份聰明變得便宜、可靠且即時。各家技術路線的分歧，最終都要在這道牆前接受同一個問題：誰的架構能以可負擔的成本跨過去。紅利，就在非共識裡。