据动察 Beating 监测，复旦大学副校长姜育刚、智元机器人合伙人姚卯青、它石智航 CEO 陈亦伦与亮源新创 CEO 姜旭在 2026 年世界人工智能大会上进行圆桌对谈，围绕世界模型展开讨论。多位嘉宾的共同判断是，通用具身智能距离真正落地仍有距离，现阶段要先在专用场景中完成突破，未来行业竞争的焦点也会从模型架构本身，转向高质量数据获取与场景闭环验证能力。
世界模型被定义为理解和预测物理世界
圆桌讨论中，嘉宾提到，世界模型的核心不在于渲染画面，而在于理解物理世界的运行规律，并预测下一状态或下一步动作。按这一思路，世界模型需要原生具备多模态融合、物理规律理解、因果推理以及长程预测能力，而不只是生成视觉结果。
数据被视为当前最大瓶颈
围绕训练条件，陈亦伦指出，现有视频数据缺乏力、触觉等关键模态，难以直接支撑具身智能训练。他提到，理想训练数据至少要满足三个条件：模态齐全、高频交互、源于真实场景。由于具身智能的操作复杂度较高，相关训练可能需要千万小时级别的真实交互数据。
姚卯青则以大语言模型的训练过程作类比，称其背后已有百亿小时语音训练量。基于这一对比，他估算，要让系统掌握常识性物理预测能力，物理世界的数据规模可能需要“1 亿小时以上”的真实数据。
现有主流架构被指存在生成与理解冲突
在模型架构层面，姜旭表示，当前主流架构往往将状态预测与动作预测混同处理，这会带来生成能力与理解能力之间的冲突，也使两者难以同时优化。
制造业被多位嘉宾列为未来三年最确定场景
谈到落地路径时，三位嘉宾都将制造业视为未来三年最确定的规模化应用场景。
姚卯青透露，智元机器人已经在产线上实现机器人编队作业，完成六天六万件操作，成功率达到 99.99%。
陈亦伦同样押注制造业。他给出的理由包括，制造业场景中的数据浓度更高，任务完成标准更明确，同时存在大量人类示范数据。陈亦伦还提到，它石智航已与车企合作，推进千台级工业具身机器人集群部署。他同时强调，中国制造业全球最集中，是物理 AI 的理想试验场。
家庭和办公场景被视为能力先行变化方向之一
姜旭则认为，具身智能可以看作多模态大模型的延伸。按照他的说法，互联网已经存在 100 亿小时视频数据，适合用于预训练；能力跳变更可能首先出现在家庭、办公等日常场景。但他也表示，商业化必须满足高容错率条件，为大模型找到合适场景，并不比训练模型本身更简单。
圆桌共识指向专用场景先行
综合几位嘉宾的观点，这场讨论形成的共识是，通用具身智能目前仍然较远，专用场景突破是必经阶段。随着行业推进，竞争重点将逐步从模型架构之争，转向谁能拿到更高质量的数据，以及谁能完成场景闭环验证。