AI下一站：从“虚拟世界”走向“物理世界”

飞象原创（高靖宇/文）过去几年，人工智能行业竞争主要集中在大模型上，比拼的是参数、数据训练和推理能力，甚至每隔几个月，模型榜单的座次就会发生变化。

而在2026 世界人工智能大会的论坛现场，最明显的感受是，大模型依然是核心议题，但边界开始向外延伸，从世界模型到工业大脑，从企业智能体到 AI Scientist，围绕数据、工具、机器、组织和真实环境连接，模型能力正从虚拟数字世界加速迈向物理现实场景。

在此产业变革的关键节点，今年 WAIC 的论坛为我们清晰厘清了产业的发展痛点与未来方向，为行业下一程的技术创新、商业布局提供了参考。

判断一｜世界模型：预测下一帧画面的模型还远远不够

一直以来，外界提及世界模型，总是先想到视频生成、3D环境生成等应用，关注点集中在画面的清晰度与连贯性。在"世界模型六小龙"圆桌上，陶大程与蚂蚁灵波沈宇军、极佳视界朱政、无界动力夏中谱、智元机器人任广辉、自变量机器人王昊形成了同一个判断：世界模型不能再用"视频生成"的标尺来量。

“大家很容易混淆模型底层架构能力和对外展示的画面能力。推理效率、实时可交互性是模型内核硬实力；高清长视频画质只是对外呈现效果。所有深耕模型架构、搭建原生数据链路的工作，两年后回头看一定是做对的；但一味追逐视频观感、把大量算力砸在像素渲染这件事，很难说是正确方向。数据采集链路沉淀具备长期价值，但互联网影视类视频素材，未来大概率会被行业淘汰。”蚂蚁灵波沈宇军表示。

“类比大语言模型发展历史，Codex 出现之前行业百花齐放、遍地探索，直到代码基座出现才完成全行业技术收敛。如今视界赛道各类 demo、垂类探索层出不穷，但我们至今没有找到属于世界模型的‘Codex 级核心产品’，这是当下最大困惑。”极佳视界朱政认为，“眼下我们做对的是把视界模型赛道彻底带火，吸引资本与人才入场；做错的是底层模型架构尚未成熟，就仓促下场试水大量商业化场景，绝大多数场景最终无法成立。”

行业基本共识是：下一代世界模型需要从"生成的像不像"走向"执行的可靠不可靠"。评测标尺要从画面满分、物理零分，换成真机成功率、接管率和任务闭环能力。正如陶大程在圆桌结尾所说，"分歧是论文的素材，重叠才是产业的基地"，而这张圆桌最大的价值，就是正在为行业换一把尺子。

判断二｜AI与数学：关系是“乘”而非“加”

AI要从“数字世界”走向“物理世界”，首先需要在理论层面回答“智能的本质是什么”。在“数学与人工智能”创新论坛上，美国国家科学院院士刘军指出，统计学作为聚焦不确定性的数学分支，为人工智能奠定了核心方法基础。他特别强调，AI与数学的关系是“乘”而非“加”——只有深度拆解融合，方能实现真正的创新与落地。

美国国家科学院院士范剑青在论坛上提出，AI的能力应超越预测层面，走向“归因”与“因果”理解。他指出AI能力可分为预测、归因和因果三个层次。从“知道是什么”到“理解为什么”，正是AI从“数字世界”的模式匹配走向“物理世界”因果推理所必需的能力跨越。

从斯坦福到上海交大双聘的运筹优化权威、冯诺依曼理论奖首位华人得主叶荫宇，则从一个更底层的约束提醒：AI 的竞争说到底是算力的竞争，而算力的竞争实际上是能源、电力的竞争——这背后同样是优化数学在起作用。

判断三｜具身智能：让物理 AI走向通用化

本届WAIC具身智能展区参展企业从去年的80多家猛增至200多家，现场集结超300台具身智能终端。更重要的是，行业评价体系发生了根本性转变——从“能不能动”的技术验证阶段，全面进入“能不能干活”的产业交付阶段。

在智启具身2026论坛上，智元合伙人、高级副总裁、具身业务部总裁，觅蜂科技董事长兼 CEO 姚卯青指出，物理AI的核心在于表征与闭环两大主线。表征，是对世界的抽象压缩；闭环，是智能体与环境之间持续发生的“感知、理解、决策、行动、反馈”循环。规模化发展需突破数据、表征、闭环三道壁垒。他强调，物理AI从“能演示”走向“能干活”，关键在于构建可泛化、可优化、可进化的通用具身智能系统。为此，智元搭建了“预训练—后训练—持续学习”三阶段训练架构，推动技术路线向统一的世界推理动作大模型演进。

清华大学计算机系副研究员苏航指出，具身智能正在经历一次根本性的预训练范式演化：从面向单一机器人和特定任务的行为模仿，转向面向开放世界的通用能力预训练。未来具身基座模型的目标，不再只是学习“看到什么、如何动作”，而是形成对环境状态、物理规律、动作后果和任务进程的统一理解。

在这一趋势下，未来行业竞争的重点也将从单项任务成功率和演示效果，转向基座模型的通用性、迁移性和持续学习能力。

判断四｜Token经济：数字时代流通的新通货，人机协作的完整经济体系

今年 WAIC ，"Token 经济"成为贯穿大会的关键词，众多企业不约而同打出“Token工厂”，加速Token从单纯的技术计量单位升级为AI产业的核心生产要素和新的商业范式。

清华大学汪玉作为无问芯穹发起人，从底层逻辑拆解 AI 社会变革。他抛出核心判断：AI 正在重塑生产力结构，数字员工、物理机器人将与人类并行劳动，财富分配格局随之重构，但更大增量来自 AI for science 开拓全新产业疆域。基础设施必须双线布局 —— 数字世界要搭建服务智能体的全域算力网络，持续压低 Token 生产成本；物理世界需攻克具身智能数据、真机协同、全域机器人调度难题。他留下金句：“技术是中性加速器，唯有主动设计，才能避免 AI 放大贫富差距，实现算力普惠、人人可用 AI。”

芯片厂商希望 Sunrise 徐斌抛出颠覆性观点：“Token 换了主人，过去为人生成，未来海量词元由 Agent 自产自销，推理芯片架构必须重构。” 智能体高频读写上下文，显存成为第一瓶颈，旗下 S3 芯片舍弃高带宽设计、扩容大容量内存，以存储换取并发承载能力，重写计算单元、分层存储架构，瞄准 “百万 token 一分钱” 终极成本目标。他判断，未来十年数百亿智能体全天候运转，推理芯片就是 AI 时代发电厂，晶圆、内存、高密机房、电力成为四大稀缺资源。

词元是智能流转的最小单元，是数字时代流通的新通货；而真正驱动万物生长的，从来不是无限堆砌 Token，而是技术、产业、人三者共生的长效进化体系。全行业共识清晰：规模扩资源、效率降成本、生态促落地，方能让 AI 像水电一般普惠千行百业。