4.8
深览指数
科技量子位··AI 生成
征程赶超｜WAIC 2026世界模型激辩：答案不在VLA或世界模型，而在？
WAIC 2026 的报道预热，核心论点是产业正从「VLA vs 世界模型」的路线之争走向融合。文章借诺奖得主萨金特的「开普勒-牛顿」范式定调，指出现有 VLA 仅是数据拟合，而世界模型才是理解物理因果的进化方向。同时介绍了李飞飞的三类分类法（渲染/仿真/规划）及多家国内企业在类脑架构、工业物理底座、因果模型等方向的落地案例。适合关注具身智能与 AGI 产业趋势的从业者快速了解当前国内头部企业的技术布局与 WAIC 的议程重点。原文 ↗
核心观点
- ▍产业正从 VLA 与世界模型的路线对立走向融合，核心方向是为机器人生成物理世界结构化的因果认知，而非单纯的数据匹配或视觉渲染。
- 01诺奖得主萨金特将 AI 智能形态分为「开普勒式的描述模型」（拟合现象，如 VLA）与「牛顿式的结构模型」（解释因果，如世界模型），为产业路线定调。
- 02李飞飞将世界模型分为三大类：渲染器（视觉保真）、仿真器（物理规律）、规划器（动作指令），并认为三者底层共享物理知识，最终将走向统一。
- 03智平方推出类脑式具身系统 NeuroVLA（皮层-小脑-脊髓三级架构），实测将机器人运动抖动降低 75% 以上。
- 04它石智航的通用具身大模型 AWE3.5 已在头部汽车线束厂商完成规模化落地，驱动复杂线束精密装配。
- 05苏度科技 Sudo R1 仅靠纯仿真训练实现近 100% 零样本抓取成功率，摆脱对海量真实数据的依赖。
- 06因果世界模型将任务成功率提升 25%-50%，WAIC 将设置学术论坛对比其在非标场景下的实测效果。
反方 / 局限
- — 融合型路线仍面临共性短板——长尾场景泛化不足，因果世界模型被提出作为补充路径。
8 分钟 · 5 卡片 · 15 资料
读原文 →