无界动力选择的「隐空间世界模型+强化学习」，是当前具身智能领域最激进的路线之一。主流的 VLA 模型以语言为中介，将视觉和语言指令映射为动作，依赖大量人类演示数据，泛化性差。而隐空间世界模型的核心，是让模型在隐空间（Latent Space）里「自己学会物理因果」——不预测像素，只预测状态变化的关键表征。2026 年 4 月，英伟达 Jim Fan 公开宣称「VLA 已死，世界模型万岁」，引爆了行业路线之争。华为论文则通过鲁棒性测试指出，当前 VLA 在多数基准上仍优于世界模型。这场争论的焦点，本质是「语言抽象」与「物理规律建模」谁更接近具身智能终局。

无界动力商用落地已横跨三条完全不同的产业链：汽车装配线（与 ZF LIFETEC、欧摩威战略合作）、能源巡检（与远景科技签 5 亿元海外大单，覆盖欧洲和亚洲）、商业服务（为知名连锁咖啡品牌提供机器人操作服务）。跨度如此之大，依赖的是同一套自研 1200 TOPS 大小脑一体化计算平台。这意味着 MWA 模型对不同场景的泛化已进入真实验证阶段，不再是实验室 Demo。但要警惕的是，这些场景目前多是相对可控的「半结构化环境」，距离家庭等完全开放场景还有 3-5 年工程差距。

无界动力 MWATM 在 RoboCasa 榜单上超越英伟达 GR00T-N1.6，但 GR00T 体系并非止步于此。英伟达以 GR00T N 系列 VLA 模型为核心，搭配 Jetson Thor 算力平台、Cosmos 世界模型（用于合成数据生成）和宇树 H2+ 人形本体，构建了一套「硬件标准化+软件生态化」的完整开发者平台。GR00T N1.7 已开源并支持商业部署，基于 20000+ 小时人类第一视角视频训练，实现手指级灵巧操作。两派对比明显：英伟达追求生态标准化和跨本体适配，无界动力则在单一模型上追求更深的物理因果洞察。谁胜出不取决于论文，而取决于真实产线交付的可靠性。

无界动力拿了超 2 亿美元融资并签下近 1 亿美元订单，但物理 AI 大规模商业化远不止算法一件事。当前人形机器人面临三大硬约束：续航瓶颈（主流电池只能撑 1-3 小时，电池占整机重量超 30%）、硬件成本（六维力传感器单只约 1 万元，一条机械臂需 7 个）、维护成本（故障需专家现场检修）。高盛研判行业大规模部署窗口在 2027-2029 年，关键节点不是「算法能不能看懂物理」，而是「固态电池、力传感器和伺服关节」能不能降到产线愿意买单的价格。无界动力与远景科技合作的「超级智能+超级能源」方案，就是在尝试从能源侧破局。

无界动力用「潜动作」来替代传统动作标签。如果说传统 VLA 让机器人「看到 A 就做 B」，潜动作就是让模型自己从视频里归纳出「物体受力的本质变化」。英伟达的 DreamDojo 也采用了类似思路，用 44000 小时人类第一视角视频训练模型学习潜动作，之后仅需少量机器人数据微调就能实现物理推理。但一个开放问题始终没有答案：潜动作空间是「跨本体可迁移」的吗？——同一个「抓取」潜动作，在机械爪和灵巧手上是否有相同的隐空间表征？这个问题的答案决定了隐空间路线能否真正一统多形态机器人。