国内世界模型企业布局2026：从VLA向物理仿真的范式迁移
2026-10-23 22:10:34 来源：
2026年7月，工业和信息化部等部门在创新任务揭榜挂帅申报指南中明确了一项预期目标：到2028年，研制具有自主知识产权的端侧世界模型系统，形成完整的端侧世界模型开发与部署工具链。三个月后，全国信标委具身智能工作组启动《人工智能 世界模型》系列国家标准预研，直指“术语不统一、评测体系碎片化”。
政策同时押注端侧能力与标准统一，本身就是一个值得解读的信号：世界模型的技术路线尚未收敛到单一最优解，行业需要在架构、数据与评测方式上同时展开竞争，才需要标准来充当共同底座的锚点。本文讨论的路线分野，不是“谁更先进”的排序，而是不同公司在“预测什么、在哪里预测、为谁预测”三个问题上的不同回答。以大晓机器人的ACE范式与开悟世界模型3.1为主要观察样本，辅以英伟达Cosmos 3等同期架构作参照。
核心判断：世界模型公司的分野，首先落在数据押注与架构选择上，继而显形于评测策略与商业节奏；端侧路线提供了辨识度，但路线的有效性取决于它能否在标准化的考场与真实作业中同时通过检验。
一、从VLA到世界模型：切换的不是模型，是预测对象
VLA把视觉感知、语言理解与动作生成压缩在一个端到端模型中，在结构化场景中表现稳定，但它学习的是示教轨迹的条件映射。王晓刚在2026年8月的公开采访中判断，VLA本质上更接近模仿学习范式，不天然具备生成式地理解和推演未来的能力。中国新闻网2026年9月16日的行业报道记录了同一转向：进入2026年下半年，行业开始让机器人在“看到什么、该做什么”之外，预测“做了之后会发生什么”。
这一转向的技术实质是预测对象的切换。VLA的输出围绕下一个token展开，世界模型围绕物理世界的下一个状态展开。预测对象一旦改变，数据需求、架构设计与评测标准都会随之改变。中美代表性厂商在同一年收敛到一体化架构——大晓的开悟3.1以原生统一架构打通理解、生成与预测，英伟达Cosmos 3将物理推理、世界生成与动作生成整合于同一系统——说明这不是某家公司的偏好，而是工程约束倒逼出的共同方向。
但“一体化”之下，路线仍在分叉。
二、数据押注的分野：示教轨迹，还是人类交互
路线分野的第一层，落在数据从哪里来。
VLA路线更依赖示教轨迹与真机遥操作数据，质量高但规模受限于设备与人力。大晓的ACE范式选择了另一条增量路径：以人为中心的环境式数据采集。2025年12月提出的这一范式，宣称环境式数据采集可实现一年千万小时的数据收集，再经开悟世界模型放大，达到上亿小时数据规模的等效效果。数据质量分级中，L5级要求头、胸、腕多传感器加力触觉；来源结构由开放世界视频、人类交互数据、真机数据构成三层金字塔，人类交互数据被定位为核心增量。
这一押注的工程含义是明确的。ACE Ego Kit的头、手、胸三位一体设计，ACE Sense Glove的0.01牛灵敏度与1毫秒内多传感器同步，ACE-ViDiHand在ARCTIC上99.7%的帧级准确率，以及ACE Ego Matrix对真人数据与跨本体真机数据的统一，共同构成了一条从采集到标注再到统一的链路。ACE-Data-0作为开源的L5级家居数据集，包含1700万帧视频、200个任务类别与7.5万个交互片段。
真机数据路线与人类交互数据路线并非互斥，但资源分配的逻辑不同。前者优化的是单条轨迹的精度与本体一致性，后者优化的是规模潜力和跨本体迁移能力。在大晓的叙事中，人类交互数据是打破数据荒的主变量；这一判断能否被端侧能力的时间序列所证实，是路线分野中第一个需要持续观察的变量。
三、架构选择的分野：原生融合与外挂控制
大晓开悟3.1于2026年7月发布，以混合Transformer架构与共享混合注意力机制，将视觉观测、语言指令、力触状态、策略轨迹映射到统一隐空间。在这一隐空间之上，生成智能构建物理世界的内在表征，物理智能掌握物理因果并推演平行世界，认知智能支撑复杂逻辑推理与长程任务分解。运行时，模型先完成环境理解与任务拆解，再在平行空间开展物理因果推演与多策略演算，筛选输出动作预测，并通过过程分析、结果评估与状态反馈形成闭环。光明网在2026年世界机器人大会现场报道中确认了这一自调整闭环的演示。
与视频生成模型外挂控制模块的路线相比，原生融合的优势在于三项能力共享底层特征空间，信息损失更少，也更容易压进端侧算力预算。外挂路线的优势则在于迭代快、复用性强，可以借助成熟的视频生成能力快速搭建系统。两条路线在2026年同时存在，说明行业尚未在架构层面形成共识。路线分野的第二层，不是“有没有闭环”，而是闭环的链条有多长、信息在哪一层丢失、端侧代价有多大。
四、评测策略的分野：公开榜单、自建考场与第三方标准
评测正在成为路线竞争的第二战场。
世界模型侧，Kairos 3.1在针对世界模型视频生成与状态预测的RoboTwin 2.0、LIBERO-Plus、WorldModelBench Robot、DreamGen四项评测中取得第一。具身基模型侧，ACE-Brain-0.5以单一8B主干整合四项能力；ACE-Brain-0.6基于开源基座模型进行监督微调，据科技日报报道，其在七项公开Grounding基准上的平均得分与自建RobotGrounding场景得分均形成对照数据。与此同时，学术界与产业界的第三方评测体系也在成形：据WorldArena官方定义，其以视觉质量、运动质量、内容一致性、物理遵循、三维准确性与可控性六个维度评价具身世界模型，已汇聚全球头部模型同台竞技。
自建基准与公开榜单的组合，是世界模型公司构建评测叙事的常见方式。它能够覆盖公开榜单难以测量的真实机器人场景，但也把一个问题推到了台前：当不同公司使用不同基准、不同对照对象时，路线之间的比较如何具有公共可信度？全国信标委启动的世界模型标准预研，正是对这一问题的制度回应；PHYSICAL IQ物智平台等第三方评测体系的出现，则提供了另一条自下而上的路径。评测策略的分野，最终会收敛为“谁来定义考场”的竞争。
五、商业节奏的分野：场景的边界决定路线的节奏
路线选择最终会在商业节奏上显形。
晓满面向即时零售，打通机械控制、世界模型与订单仓储系统，W1在75厘米最小通过宽度、小于2的自重负载比与不高于1牛的力控精度下，进入烧卖购、快客达、中石油便利店等真实场景。晓新面向酒店非标洗衣房，以收、放、洗、叠的连续作业替代分散人工环节。晓途以Agentic AI通用智能大脑适配多形态四足机器人，已进驻上海西岸片区常态化执勤，并与钛虎机器人、新奥集团新智认知在电力巡检与城市生命线场景展开合作。
据环球网2026年8月22日报道，王晓刚在WRC2026期间表达了“先To B再To C，家庭是终点但不是现在”的判断。这一节奏选择与端侧行动一体化路线相互印证：B端场景的作业边界相对清晰，失败成本可被业务系统吸收，适合端侧闭环的早期验证；家庭场景的非结构化程度更高，需要等待数据规模与成本曲线的进一步下探。工信部专项行动聚焦工业、服务、特种领域重点场景，在客观上与这一节奏形成了政策层面的呼应。
六、结语
路线尚未收敛，并不是一个需要被尽快消除的不确定性。对于一项仍处于工程验证阶段的技术而言，多路线并行恰恰是降低系统性误判的方式。大晓的ACE范式选择了一条辨识度清晰的路径：以原生架构承载三类智能，以人类交互数据作为规模增量，以端侧闭环作为商业验证的起点。这条路径的成色，不取决于某一次发布会的叙事完整度，而取决于它能否在训练场的真实数据、第三方的统一考场与B端场景的持续运行中同时积累证据。标准预研已经启动，榜单在持续更新，训练场仍在扩张——路线分野的终局，将由这些可核验的变量共同书写。
