王腾飞在专访中回应了李飞飞对世界模型的三层定义。李飞飞将当前被滥用的「世界模型」术语清晰拆解为三大功能：渲染器（输出像素画面，核心指标视觉保真）、仿真器（输出符合物理规律的环境状态，是连接虚实的关键枢纽）、规划器（输出智能体的动作指令）。她认为三类模型底层共用同一套世界知识，未来趋势是三者融合为大模型，当前最被忽视但产业价值最大的正是仿真器。这个框架是理解王腾飞所言「世界模型交付的是可运行环境而非内容」的认知前提。

OpenAI的Sora曾被冠以「世界模拟器」之名，却在2026年3月上线仅半年后关停。图灵奖得主杨立昆直言其只是「像素幻觉」——模型只学习像素间的统计规律，而非真正理解3D物理。而王腾飞选择的3D落地路径恰恰回应了这一批评：HY-World 2.0直接用原生3D管线的几何约束替代了2D diffusion的像素预测，避免「镜头一转就穿帮」的固有问题。Sora的溃败并非技术理想主义失败，而是工程现实主义的胜利：用户要的不是物理真理，而是画面稳定。

王腾飞在专访中直言当前世界模型生态最稀缺的不是模型本身，而是评测标准——量化「一个生成的世界好不好」的能力。当下已有多个基准在填补这一空白：李飞飞团队2025年提出的WorldScore统一评估3D/4D/视频生成，从可控性、生成质量与动态评估三大维度打分；清华团队提出的WorldArena首次将评估从「审美」转向「功能性任务」——模型能否用来生成训练数据、能否作为交互环境、能否直接规划动作。这三个基准的共识是：世界模型的好坏不再由「画面好不好看」决定，而是由「能不能用」审判。

王腾飞的HY-World 2.0采用四阶段模块化流程（全景生成→轨迹规划→世界扩展→世界合成），而非端到端模型。但在具身智能领域，这一路线分歧正演变为一场激烈争论：Figure AI创始人Brett Adcock宣称模块化已死，而UC伯克利Pieter Abbeel则展示模块化系统在工业场景中5分钟定位问题的调试优势。模块化可解释、易调试但接口信息损耗；端到端上限高、数据高效但黑箱。王腾飞的选择背后隐藏一个关键追问：当你要交付的是一个「可运行环境」，你愿不愿意为可调试性牺牲理论上限？