Scaling Law 失灵，世界模型成 AI 进入物理世界的关键中间层

AI 挺进真实物理世界，世界模型成焦点

下一代 AI 公司未必诞生在参数、论文和算力最强处，也可能在真实场景密集、产业反馈频繁、工程迭代快的地方。因为 AI 改变世界需进入产业现场，提升世界运行效率。如今，AI 正“逃离”纯文本，挺进真实物理世界。

1 月 8 日，北京智源研究院发布《2026 十大 AI 技术趋势》，将世界模型列为通向 AGI 的重要共识方向，提出从预测下一个词向预测世界下一个状态的范式迁移。随后，产业界动作不断。大额资金涌向有“世界模型”标签的企业，如 3 月份极佳视界完成约 15 亿元融资，其 GigaWorld - 1 在 WorldArena 评测中登顶；从 3 月至今，吸金 35 亿，被称为“国内首个世界模型独角兽”。此外，智平方 B 轮系列融资超 10 亿元，估值过百亿；千寻智能 2026 年开年三个月内完成四轮融资、吸金 45 亿元；星海图继 2 月近 10 亿元 B 轮后，4 月再拿近 20 亿元 B + 轮。二级市场也表现出“偏爱”，4 月 17 日，“物理 AI”新股群核科技上市首日大涨 144%；生数科技两个月累计融资 26 亿元，投后估值超 120 亿元，传出最快 2026 年启动港股 IPO 的消息。

各个领域玩家也纷纷行动。4 月 16 日，腾讯和阿里同日发布世界模型产品，腾讯推出开源的混元 3D 世界模型 2.0（HY - World 2.0），阿里端出主打实时交互的 HappyOyster。车企动作更激进，吉利发布 WAM 世界行为模型，华为乾崑坚持 WA 路线，Momenta 押宝世界模型。机器人领域，英伟达、智元、星海图等也有相关布局。海外同样火热，图灵奖得主 Yann LeCun 创立专注世界模型的 AMI Labs，获 10.3 亿美元巨额种子轮融资；李飞飞创立的 World Labs 完成 10 亿美元融资，首款商业产品 Marble 上线；OpenAI 宣布进入机器人赛道。那么，世界模型为何突然成为必争之地？

Scaling Law 放慢，行业寻找语言之外的答案

AI 巨头达成新共识：只靠文本似乎到不了 AGI。过去，大语言模型靠预测下一个词实现能力跃迁，行业认为扩大参数、增加数据、堆积算力就能迎来 AGI。然而 2026 年，Scaling Law 开始失灵。以 OpenAI 为例，GPT - 4.5 在模型迭代中“更大预训练”有提升，但不是最有效能力来源。同时，数据墙出现，互联网高质量文本数据几乎被采集殆尽，Epoch AI 估计，语言模型将在 2026 - 2032 年用尽可用于训练的高质量人类公共文本。而且，即便有最大语料库，AI 也无法真正理解物理常识，因为语料库记录的是人类描述世界，而非物体运动，物理常识在文本中稀缺，导致大型预训练模型在物理常识题上能力较低。

多模态模型也未解决问题。BLINK 基准显示，GPT - 4V 和 Gemini 在深度、空间对应、多视角推理任务上表现不佳；PhysBench 测试表明，AI 对物理的理解不会随模型大小、训练数据量或视频帧数稳定提升。这种局限性体现为企业落地 AI 时的幻觉问题，在高容错成本场景中，LLM 无法建立稳定可靠的物理因果推理能力，这也是许多企业级应用停留在辅助层的原因。从“语义理解”到“物理推理”存在鸿沟，这是世界模型被关注的底层原因，而具身智能发展到瓶颈期则是更直接原因。世界模型为具身智能提供了新解法，它本质是“可学习的物理模拟器和渲染引擎”，让 AI 通过“视觉思维链”预测物理环境变化，赋予 AI 看懂时空、感受重力、理解现实的能力，是 AI 转化为生产力的必经之路。

不同阵营的物理 AI 卡位战，抢占下一份生产力入口

如果上一阶段大模型竞争比的是文本理解与生成，那么世界模型竞争核心变为将 AI 带进可计算、可交互、可训练的物理世界。当前产业界对世界模型的集体押注，是各行各业寻找 AI 下一份生产力入口。然而，世界模型远未成熟，既无统一技术路线，也非短期内能替代大语言模型的万灵药，甚至定义都未统一。如智源研究院院长王仲远提出四大分类，李飞飞团队给出三类功能框架。

业内处于不同行业向“理解物理世界”靠拢的产业初试阶段。视频生成派凭借强大视频生成引擎行动起来，生数科技、阿里、快手、字节及海外的 Sora、Runway 构成这股力量，这得益于 AR - DiT 等实时交互技术突破，但该路线隐患是学到的画面连贯而非物理为真，缺乏真实三维结构。空间智能玩家主张“先重建，再理解”，代表有李飞飞的 World Labs 和国内的群核科技，腾讯混元也切入此路。具身智能领域对世界模型需求极度迫切，因为世界模型能让机器人在“想象”中演练技能，这解释了资金为何涌向有“世界模型”标签的企业，但该领域路线分歧深，各条路线正走向技术融合。车企与智驾厂商把世界模型开上了路，智驾有海量真实路测数据和明确付费场景，自动驾驶仿真已落地应用，用其合成危险场景测试效率更高。从不同角度看，各行业向物理 AI 收敛，短期创意设计最快变现，中期智能驾驶拉开差距，长期世界模型将成为连接数据、仿真与行动的物理 AI 基础设施，是 AI 从数字世界走向物理世界的关键中间层。当产业入口跑通，市场竞争将向产业链深处沉降。

下一代 AI 公司，理解世界、模拟世界、行动于世界

世界模型重要，不仅因为它代表新模型路线，更因为它将 AI 战场推向物理世界。大语言模型主要战场是数字世界，而世界模型目标是预测、生成、干预和改造物理世界，其竞争发生在产业链深处，如谁拥有高质量物理数据、掌握仿真和评测平台、能连接真实设备、形成反馈闭环。世界模型是 AI 进入物理世界需重建的基础设施，未来物理 AI 技术栈可能包括物理数据采集、数据清洗与合成等多个层面。它将成为物理 AI 时代的操作系统，连接芯片、传感器、机器人本体和 Agent、行业软件、企业业务系统，接收真实世界数据，生成虚拟世界。

世界模型让 AI 具备进入物理产业的可能，这使中国公司在竞争中更值得关注。在物理 AI 时代，场景密度、工程能力等同样重要，而这是中国公司的优势。中国有完整制造业体系、复杂交通场景、快速增长的机器人产业链等，是世界模型所需物理数据来源和落地土壤。世界模型竞争不仅在实验室和云端，也在车间、道路等真实场景中，谁能更快接入场景、获得反馈，谁就可能建立工程闭环和数据飞轮。这意味着，下一代 AI 公司可能诞生在真实场景密集、产业反馈频繁、工程迭代快的地方，因为 AI 改变世界需进入产业现场，提升运行效率。那么，哪些中国公司能在这场竞争中脱颖而出呢？