这周在北京亦庄开的世界机器人大会（WRC），风向变得很彻底。
去年展台上的绝对主角是VLA（视觉-语言-动作模型），各家争的是"谁才是机器人大脑的最终路线"。今年去现场的人发现，VLA这个词已经很少被当成完整答案来讲了，接棒的新热词只有一个：世界模型。373家企业参展、3000多件产品、311款新品集中发布，英伟达的Cosmos 3物理AI世界模型平台、全球首个跨本体多模态物理世界模型CurrentWorld-0，全在这一周里成为话题中心。知乎知乎
这个场面，其实有人提前预言过。今年3月，杨立昆（Yann LeCun）创办的AMI Labs拿到10.3亿美元种子轮融资时，公司CEO Alexandre LeBrun说过一句话：“世界模型会成为下一个热词。六个月内，每家公司都会自称是世界模型公司来融资。”知乎
不到六个月，预言兑现了。据行业统计，截至7月，国内以"世界模型"为核心概念的创业公司已经超过30家，累计融资超260亿元人民币，其中7家跻身独角兽；全球范围，2026年上半年风险投资流向世界模型创业公司的资金超过30亿美元。知乎腾讯、阿里4月同日发布各自的世界模型产品，蔚来、小鹏、理想、华为、特斯拉、Waymo在自动驾驶上全部押上世界模型，连摩根士丹利都给出了"2035年世界模型赋能产业规模达10万亿美元"的预测。
于是这两天，知乎上两个几十万播放的问题重新热闹起来：“世界模型是不是具身智能的下一个奇点时刻？”“世界模型当下是一个好的方向吗？”知乎知乎问的其实是同一个事：喊了两年"LLM是死路、世界模型才是未来"的杨立昆，这次是不是赢了？
答案要分两层说。
第一层：方向上，他确实赢了。
杨立昆从2022年就开始公开唱衰大语言模型：LLM学的是词语共现的统计规律，不是世界的因果；互联网上所有文本加起来，都不如一个4岁孩子几天视觉交互学到的物理知识多。知乎他给的替代方案就是世界模型——让AI在行动之前，先在内部预测"如果我这么做，世界会变成什么样"。知乎
两年后的今天，这套叙事几乎原样出现在每一家具身智能公司的PPT里。宇树科技在WRC上自己讲：他们2020年就开始做基于视频生成的世界模型，中间搁置过，去年重新大力发展；目前全球具身智能最大的瓶颈，就是模型的输入输出和真实世界之间仍有偏差。知乎自变量机器人的说法更直白：“VLA回答做什么，世界模型回答做完会怎样。”
连资本市场都用脚投了票。杨立昆去年底离开Meta、在巴黎创办AMI Labs，原计划融资5亿欧元，结果三个月后落地的是10.3亿美元、投前估值35亿美元——当时欧洲史上最大种子轮。知乎知乎领投方里有贝索斯的Bezos Expeditions，参投名单里躺着英伟达、淡马锡、三星、丰田风投。一个"五年内可能没有可售产品"的研究型公司，估值35亿美元，市场等于先把信任票投给了这个方向。
但第二层才是关键：行业做的是"世界模型"这四个字，不是杨立昆那个世界模型。
今年智源大会上，智源研究院院长王仲远总结过，业内至少有四条技术路线都在自称世界模型：以语言为中心的、以像素为中心的、以三维结构为中心的、以视觉表征为轴心的。知乎WRC现场媒体的观察更直白：“有人生成未来视频，有人预测动作后果，有人按事件来理解状态变化，还有人在潜空间里预演。大家使用同一个词，做的却未必是同一种模型。”知乎
而英伟达Cosmos 3、CurrentWorld-0，以及市面上绝大多数产品，走的都是"像素生成"路线——预测下一帧画面、生成一段机器人干活的视频。这恰恰是杨立昆批评得最狠的一条路。他的原话逻辑是：执着于还原每一个像素、每一处纹理，是消耗巨量算力渲染无效细节，却抓不住场景核心逻辑。知乎他押注的JEPA（联合嵌入预测架构）完全摒弃像素重建：不生成画面，只在压缩后的表征空间里预测状态变化。打个比方，开车时人脑不需要重建路灯的纹理，只需要知道前车距离、加速度、以及自己踩油门后相对位置会怎么变。
也就是说：全行业都在念杨立昆传出来的经，但念的偏偏是他最反对的那一卷。
那杨立昆自己这边，交出什么了？
说实话，这半年他的阵营是有真东西的，而且密度不低：
3月，团队发布LeWM（LeWorldModel）——15M参数、单张GPU几小时训完、规划速度比主流方法快48倍的世界模型。知乎B站有硬核拆解视频直接拿它对比Sora：生成式世界模型动辄万卡集群，LeWM一张显卡就跑通了。它甚至能区分"物体颜色变了"和"物体瞬移违反物理规律"——对后者预测误差骤增，说明它学到的是物理规律，不是画面记忆。
6月，伯克利、纽约大学、布朗大学联合发布SkyJEPA，杨立昆是核心作者，这是业内第一套适配四旋翼无人机闭环控制的JEPA框架：纯仿真训练、零样本实机迁移，换桨、加装载荷等硬件失配场景下轨迹跟踪误差降低30%以上。B站
8月7日，杨立昆的NYU团队联合Meta FAIR发布Patch Policy：只用OpenVLA-OFT约0.7%的参数量，在2mm公差插线缆这类精细操控任务上把成功率从30%拉到70%，推理延迟只有11毫秒，普通消费级显卡就能训练。知乎结论很扎眼：机器人精细操控不需要绑定图文对齐大模型，纯视觉表征就够了。
但要泼一盆冷水：这些都是论文和原型，不是产品。AMI Labs自己给投资人的预期就是"先研究后商业化"，杨立昆亲口说过5年内可能没有可售产品。商业上目前能看到的落地线索，是与法国医疗AI公司Nabla合作的临床助手——基于患者生理参数建模、预测病情演化，走的是高监管领域的"合规红利"路线。知乎这也解释了为什么总部放在巴黎而不是硅谷。
所以，这波世界模型热潮到底怎么看？给你三个观察信号：
第一，看定义之争什么时候收敛。一个概念连"考什么"都没商量好、考生就挤满考场，通常是早期泡沫和早期机会并存的阶段。李飞飞6月给出的三层分类（只输出像素的"渲染器"、输出几何物理状态的"模拟器"、连接感知与行为的"规划器"）已经被广泛引用，她明确说"停留在渲染器阶段的系统不算真正的世界模型"——这句话基本是对着半个行业说的。知乎接下来谁的定义成为行业标准，谁就占住生态位。
第二，看数据。今年WRC最有意思的变化是，大家不吵路线了，全在聊采数据：无本体数采、遥操作、真机自主运行、仿真合成，各家公司口径出奇一致——“数据不够，所以算法才不行”。知乎世界模型能不能成，最终取决于谁能攒出足够多的真实物理交互数据。路线之争退潮、数据军备竞赛开始，这个信号比任何发布会都重要。
第三，看2027年。杨立昆自己立下的军令状是：纯LLM路线2026年触顶，2027年是分水岭，物理世界智能接棒。知乎他说这话是有代价的——押上职业生涯晚期全部声誉和10亿美元融资。知乎到明年这个时候，世界模型路线拿不拿出真机、真场景、真营收的硬证据，答案会非常清楚。
最后说回普通关注者。如果你是想看热闹的，WRC上那些"机器人做早餐"“叠衣服"的视频还会继续刷屏，它们背后的世界模型成色各不相同，现在下结论还早；如果你是关注投资机会的，记住一个参照系：上一轮"元宇宙"热潮里，Meta的Reality Labs亏掉600多亿美元，而活下来的元宇宙项目，如今不少已经换上世界模型的外衣重新融资。知乎三个月内冒出来的"世界模型公司”，可能不是技术，而是改过的BP；如果你是技术从业者，杨立昆阵营这半年的三篇工作（LeWM、SkyJEPA、Patch Policy）值得一读，它们代表了"不生成像素"这条少有人走的路上，目前最扎实的脚印。
杨立昆两年前说LLM是死路的时候，几乎没人站他。现在所有人都站到了他指的方向上——只是大多数人抄的是那四个字，不是那条路。方向对了不等于赢了，接下来十八个月，才是真正见分晓的时候。
