文丨李海伦
编辑丨徐青阳
11月2日下午，在2026年香港金融科技周上，展开了一场关于“世界模型”的讨论。
这场交流由香港金融科技周和腾讯科技联合发起，邀请了香港大学数据与系统工程系机器人与自动化讲座教授、新兴技术研究所所长席宁、前美国风险投资机构KPCB管理合伙人兼中国区主管、创世伙伴创投（CCV）创始主管合伙人周炜，以及生数科技联合创始人兼CEO骆怡航，分享对世界模型技术路线、产业落地及未来发展趋势的判断。
香港金融科技周大会承办方Finoverse联合创始人兼联席CEO黄洛姿向腾讯科技表示，近两年，随着AI产业快速发展，参与大会的嘉宾构成也在发生变化。越来越多的教授、科学家及AI创业者走上舞台，来自内地的科技企业也明显增多。
“人工智能已成为香港金融科技周的重点议题之一。从AI智能体到具身智能，大会的讨论范围不断向前沿技术延伸，世界模型也成为探讨AI下一阶段技术发展与产业竞争的重要话题”，一位论坛组织者向腾讯科技说。
不过，热度之下，对于世界模型的探讨仍存在诸多分歧：视频生成、三维空间建模、隐空间预测以及世界模型与动作模型相结合等多条技术路线并行发展，至今尚未形成统一的技术路径。
当前，行业中讨论的声音焦点主要在于：从大模型厂商到机器人、自动驾驶企业等不同背景的公司纷纷布局世界模型，未来会走向同一个市场，还是形成不同的竞争格局？多条技术路线谁能率先跑通？距离规模化商业应用还有多远？
“我们看过的相关公司已经有上百家。”创世伙伴创投创始主管合伙人周炜坦言，世界模型的技术路线远未收敛，相比大语言模型发展初期，如今的投资选择更加复杂。他认为，以目前的技术进展来看，通用物理模型要在未来三年内实现机器人领域的实际应用，仍存在较大难度。因此，除了通用模型，他开始重点关注“软硬件一体化”的创业公司，希望找到机器人界的“特斯拉”。
技术路线尚不明朗，也让周炜更加看重创始人本身。在他看来，优秀的创业者需要知道什么时候坚持，什么时候调整方向。
对于创业者生态，周炜表示创业者是打破既有秩序的人，需要更加开放、包容的文化。他以硅谷、中国内地和香港不同的商务着装习惯为例，提出应减少形式上的束缚，让创业者拥有更自由的交流空间。
谈到世界模型的难点，席宁表示，要让大模型理解这样一个动态变化的世界，所需要的数据和模型能力，都与语言模型存在明显差异，这正是其面临诸多技术困难的重要原因。
不过，他并不认为物理AI一定要等到人形机器人成熟，才能进入真实的产业场景。
“工厂里的机械臂是机器人，数控机床等自动化设备同样具备与机器人相似的控制机制。未来，大模型完全可能先在工业机器人和其他智能设备上找到应用机会”，席宁说。
对于世界模型的技术发展方向，生数科技联合创始人兼CEO骆怡航认为，随着模型能力不断迭代，世界模型的技术路径正在逐渐清晰。
骆怡航以生数科技为例，公司从视频生成起步，逐步向物理环境预测和机器人动作学习拓展。9月，生数科技发布了面向机器人灵巧操作的世界模型Motus 2，尝试通过自进化训练提升模型能力。
他将世界模型的发展划分为五个阶段：从L1世界生成、L2实时交互、L3世界行动，逐步迈向L4自主进化和L5多智能体协同。目前，行业仍在持续推进前三个阶段的能力，向更高阶的自主性和协同能力探索。
“未来，世界模型需要与语言模型的高阶推理能力更完整地结合，才能实现更精细的物理理解、预测和行动”，在骆怡航看来，随着相关能力不断发展，世界模型向具身智能产业应用的推进正在加速。
从左到右依次为：腾讯科技李海伦、生数科技联合创始人兼CEO骆怡航、香港大学数据与系统工程系机器人与自动化讲座教授、新兴技术研究所所长席宁、创世伙伴创投（CCV）创始主管合伙人周炜
以下为本场交流的精华内容（根据现场对话实录整理，部分表述经过适当精简和优化）：
问：首先请三位嘉宾简单介绍一下自己，以及各自与世界模型相关的研究、投资或业务实践。从什么时候开始关注世界模型这一领域？
周炜：我一直从事早期风险投资。我曾在凯鹏华盈工作十年，管理其中国基金。后来，我们团队独立出来成立了CCV（全称“创世伙伴创投”），继续专注于硬科技投资。总体来说，我们是一家全球化基金。
说到世界模型，我们从这一轮大模型浪潮开始就参与其中。大概在2023年，我曾与傅盛在一场直播中讨论大模型的发展。当时，我非常看好大模型的前景，认为它将改变包括自动驾驶在内的多个行业。傅盛则认为，投资人对大模型的预期过于乐观。有意思的是，如今他对大模型的态度甚至比我更加积极。
我们（CCV)投资了第一波基础模型公司，包括零一万物。现在零一万物已经转向解决方案，也就是决策模型。之后，我们硅谷团队也投资了很多硅谷当地的人工智能应用公司。
世界模型与机器人从一开始就有很紧密的联系。大模型出现前，我们已经投资了六七家知名机器人企业，其中三家正在准备上市。大模型出现后，我们投资的一个知名项目在机器人灵巧手领域，叫作灵心巧手（Linkerbot）。我们是其早期投资方。
在物理模型领域，我们已经投资了三家公司，目前还在接触另外的一些创业公司，主要来自硅谷和中国内地。
问：谢谢周总。投资逻辑我们稍后再深入讨论。接下来请席宁教授。
席宁：谈到世界模型最终能否产生实际价值，一个重要问题就是能否帮助机器人理解物理环境、生成控制指令并完成任务。
我从事机器人与自动化研究已有几十年，从学生时代一直到现在。我们也与产业界开展了大量合作，从基础理论研究到应用开发都有涉及。
现在谈大模型，特别是物理人工智能，一个很重要的问题是如何利用大模型控制物理系统，包括机器人、自动化系统和过程控制系统。但在大模型出现之前，我们就一直关注这个问题，也开发了很多方法，只是当时不叫大模型，而叫“机器人自动编程”。
过去需要人给机器人编写程序，机器人才能执行任务。我们一直在研究，能否自动生成机器人程序，让机器人自主完成更多任务。到现在，虽然有了大模型，但要解决的问题与过去有相似之处，只是采用的方法不同。
我们很早就开展机器人自动编程研究，相关方法已在多个工业系统中应用，尤其是在汽车制造领域。例如在焊接、喷涂等场景中，机器人可以不依赖人工编写程序来完成任务。
如今，大模型和人工智能工具使自动编程更加高效。我们也开发了一种新方法，并提出了一个名为“GATWorld”的基础模型。它基于我们开发的新型学习方法构建，对数据量和训练算力的要求都比目前的大模型低得多，可应用于工业制造、可穿戴机器人以及多种自动化过程控制领域。
问：大模型为机器人能力的提升提供了新的可能，但如何推动机器人及更多场景中的落地应用，仍是行业需要突破的关键。接下来请骆总。
骆怡航：大家好，我来自生数科技。在“世界模型”这一概念被广泛使用之前，生数科技就已经在开展今天世界模型所涵盖的一些工作。我们在2022年提出了融合架构，当时的主要目标就是理解世界运行规律。我们尝试在像素空间中解码物理规律，视频生成也是建立在这一基础之上的。
此后，我们一直探索视频生成技术的边界。它除了能够在数字世界描绘世界的运行规律，还可以进一步应用于物理空间，驱动具身智能采取行动。
因此，生数科技目前的定位是打造通用世界模型的底层基础，一方面驱动数字内容生产，另一方面支持物理世界的理解和具身智能。
问：今天三位嘉宾分别从投资、学术研究以及技术和产品落地的角度展开和参与讨论。第一个问题，我们可以看到当前有各种背景的公司都在布局世界模型。几位嘉宾怎么看这一现象？未来它们会走向同一个市场吗？
周炜：我的观点与骆怡航刚才讲的很接近。如果大模型能够生成符合物理逻辑的视频，从物理学的角度看，就有可能反过来推导其背后的规律。这意味着模型有机会理解物理世界。
简单来说，人工智能是“大脑”，可以在虚拟世界完成很多事情。但要真正介入物理世界，就必须依靠机器人等物理实体，通过硬件与真实世界发生交互，而不能只停留在视频呈现的虚拟交互上。
这也是物理模型出现多条技术路线、不同观点持续争论的原因。有的路线以视觉为基础，也有其他路线，包括英伟达探索的方向，以及杨立昆的隐空间路线。我认为，这些都是尝试建立与物理世界联系的方法。
以养老为例，在老龄化社会，机器人未来需要帮助老人洗澡、翻身等。这些任务必须通过物理模型处理真实的物理交互才能完成。物理模型最终需要在现实生活中发挥作用，而不只是生成好看的视频。因此，它的重要性毋庸置疑。
至于不同技术路线最终是否会走向同一个市场，或者继续分化，目前还很难判断。现场的教授和创业者可能比投资人更适合判断技术未来的方向。我们作为风险投资机构，只能不断观察、学习并作出投资判断。到现在，技术路线的争论仍然没有收敛。
对于技术路线，这和当初投资大语言模型不同。当时基础路线相对明确，主要是选择公司。现在我们看到至少四种不同路径，每条路径内部还有垂直方向的差异，有些公司与机器人本体结合得非常紧密。因此，我们需要在不同路径中寻找投资机会。
过去在中国内地投资大模型企业，早期的头部公司相对有限，后来有了所谓的“大模型七小龙”。但现在，我们接触过的物理模型公司已有几百家，要从中找到最好的团队并不容易。
问：关于世界模型的技术路线，席教授有什么补充？
席宁：世界模型的技术路线尚未收敛，未来的发展方向也不够明确。我认为，这与物理世界本身的复杂性密切相关。
要理解这一问题，首先需要弄清楚，世界模型究竟需要学习和描述哪些信息。
以语言大模型为例，语言由词汇组成，词汇按照一定规则形成句子和文章，其核心是理解和处理语言中的逻辑关系。
物理世界则要复杂得多。除了事件之间的逻辑关系，还涉及空间、时间以及物体之间的相互作用。例如，物体如何运动、状态如何变化，以及不同物体之间如何产生作用力，这些都涉及动力学规律。
物体的运动和变化涉及动力学过程，物体之间的相互作用还涉及力。换句话说，我们需要描述的是一个具有四维，包括时间，空间，相关作用力和逻辑特征的物理世界。这与语言模型需要处理的信息有很大的不同。
因此，建立能够描述真实物理世界的模型，对数据和模型能力都有不同的要求。这也是目前世界模型面临诸多技术挑战、不同技术路线尚未收敛的重要原因。
问：要建立能够描述四维物理世界的模型，对数据量和模型规模等因素都有不同要求。世界模型至今没有收敛，面临的诸多困难与这些维度密切相关。除了逻辑，如何理解真实的物理世界更加重要。
这也是我想问骆总的问题。生数科技最初从视频生成产品“Vidu”起步，后来拓展到世界模型。有观点认为，视频生成模型虽然学习了大量世界数据，但这是否意味着它真正理解了物理世界？
骆怡航：我先谈谈我们的理解。要描述对世界的理解和行动，必须形成闭环。人类除了交流，也一直在与世界交互、在世界中行动。这个过程包括三个环节：感知和理解、预测，以及行动。
我们首先感知当前状态，判断采取操作后可能发生什么变化，然后执行行动。感知、预测和行动构成了一个实时交互、持续迭代的闭环。
视频生成主要涉及理解和预测这两个环节。在这两项能力不断完善的基础上，增加行动指令，就进一步拓宽了模型的能力边界。
因此，我们把生数科技的世界模型命名为“Motubrain”。其底层模型建立在视频生成模型之上，并加入了更多物理世界的数据，包括多模态信息和触觉信息，从而构建从理解、预测到行动的闭环。
从产业实践看，我认为技术路线正在变得更清晰。2024年，我们推出了视频生成模型Vidu；后来推出第一代Motus，再到2026年的Motubrain和Motus 2。我们一直沿着视频生成路线叠加能力、持续迭代，逐步形成世界模型。
从数据泛化和任务泛化来看，我们认为模型已经呈现出类似语言模型的规模扩展规律，准确性和数据泛化能力正在逐步提高。
未来，如果希望进一步提升能力，实现产业落地，还需要把语言模型的高阶语义推理能力与世界模型结合起来。人类在执行精细动作之前，会先进行宏观层面的语义思考；在与物理世界接触后，再通过更精细的模型指令完成动作。
我认为，未来有两条技术路线需要进一步发展和结合。一条是沿着世界模型的方向，持续提升对物理世界的理解、预测和行动能力；另一条是在此基础上，叠加语言模型的高阶语义推理能力。这类似于人类完成精细动作的过程：行动之前，我们会先进行宏观的语义推理；在接触物理世界后，还需要根据实际情况进行更精细的动作控制。
这两条路线需要更完整地结合起来，才能实现更精细的物理理解、预测和行动。从世界模型走向具身智能的产业落地正在加速，技术路径也越来越清晰。
问：周总，目前技术路线仍未收敛。结合过往投资经验，未来应如何判断一家公司的特征和发展方向？
周炜：最重要的是优秀的创始人，尤其是能够持续思考的人。什么时候应该调整方向、什么时候应该坚持，很难量化判断。需要调整的时候不调整，可能错失机会；不该调整时却调整，又可能是不够坚定。这是一门艺术。
我们看过过去二十年的成功企业家，最优秀的人往往能够在关键节点做出必要调整。因此，在技术路线尚未收敛的领域，首先要找到那个“最好”的人。
另外，基于在香港的这场交流，我想谈谈香港的创业生态。
过去，我长期在硅谷和中国内地从事投资工作，也经常赴香港参加行业交流。在香港积极发展本土科技创业生态的背景下，我认为，除了资本和产业资源，创业文化同样是不可忽视的重要因素。
比如，在硅谷和中国内地，我经常见到创业者穿着短裤、凉鞋来交流，但在香港的一些商务场合对着装仍有比较正式的要求。比如这次参加活动，我也特意穿了正装、系上领带。
在我看来，创业者往往是试图打破既有秩序的人，穿着某种程度上也反映了一种态度。如果创业环境过于强调传统商务礼仪和形式，也可能会限制创业者自由表达的空间。
所以，我认为在发展科技创业生态的过程中，也需要关注和营造更加开放、包容的氛围，让创业者能够以更自由的方式交流和创新。
问：创业生态的氛围确实很重要。除了资本和政策支持，如何吸引优秀创业者、形成有活力的创新环境，同样值得关注。
席教授您长期在香港从事机器人与人工智能研究，也与产业界有着广泛合作。从您的观察来看，香港与中国内地其他地区在人工智能，尤其是世界模型和具身智能领域的创业生态方面，有哪些差异？
席宁：中国香港有很独特的优势。我们经常说，香港是连接东西方的桥梁。过去这种连接主要体现在金融、物流和贸易方面。现在，科技创新已成为社会和经济发展的重要动力。
香港正处于产业结构和经济结构转型的关键时期，其中一个重要方向就是让科技创新成为经济发展的动力。香港可以充分利用连接东西方的优势，吸引更多既了解硅谷、又了解中国内地的投资人和创业者来到香港。
香港的桥梁作用不能只局限于贸易和金融，还应连接科技创新与创业投资，通过连接全球创新资源，促进大湾区创新发展。
问：香港在连接内地与国际科技创新资源方面具有独特优势，未来如何进一步发挥这些优势，也值得持续关注。期待明年几位嘉宾能继续分享对硅谷、中国内地及整个大湾区发展趋势的观察与判断。
接下来请骆总。刚才我们提到，当前世界模型存在多条技术路线，并且国内外也有科技巨头公司和其他赛道的企业都向这一领域拓展。生数科技从视频生成走向世界模型，并目前也在进一步探索自进化。你认为创业公司应如何保持核心竞争力，需要建立哪些壁垒？
骆怡航：其实我不认为我们是在“转型”，更准确地说，我们的认知和行动一直在迭代，我们在沿着一条通向物理人工智能、也通向通用人工智能的路径不断前进。
我们将这条路径分为五个阶段：第一级是世界生成，第二级是世界实时交互，第三级是世界行动，第四级是自主规划，第五级是在物理世界实现多智能体协同。这五个阶段层层递进，相互支撑，完成一个阶段才能进一步推进下一个阶段。
在世界生成（World Generation）之后，我们要实现与物理世界的实时交互，然后才能进一步进入行动阶段。行动之后，还涉及自组织进化。我们在9月发布的Motus 2版本中，已经尝试通过自进化方式进行训练，在训练中后期持续进行自我迭代。这是我们进入下一阶段的一个关键点。
至于如何与大厂竞争，其实目前我们没有把重点放在这上面。作为创业公司，我们更关注自身的技术积累、产业落地的拐点以及技术发展趋势，沿着自己的方向持续快速迭代。
问：世界模型正在从视频生成向实时交互、动作执行和自进化等方向发展，技术能力也在不断迭代。接下来的问题请周总，从投资角度来看，您如何判断这些技术进展带来的产业机会？展望未来两到三年，世界模型领域哪些方向最有可能率先实现突破？
周炜：从长远看，世界模型应该具有通用性和泛化能力。但按目前的进展，尤其是在机器人领域，我还没有看到三年内实现通用物理模型的明显迹象。机器人硬件之间的差异太大，实现通用能力很难。
如果追求最大的长期价值，我们应该投资具备泛化能力的通用物理模型，我们也在投资这一方向。但同时，我们最近也特别关注垂直领域，尤其是“软硬件一体化”的路径。
有些公司从“大脑”到机器人本体都自主研发，甚至自己制造部分零部件。比如特斯拉在机器人相关零部件上就有大量自主研发。软硬件深度结合，可能带来更好的产品体验。
未来我们希望投资一家兼具苹果和特斯拉特点的公司，在软件“大脑”和硬件本体两方面都具有很强能力，并且能将某个方向做到极致。
目前，很多机器人还只能辅助人类完成任务。未来，如果机器人能够独立承担某项工作，全程无需人工干预，我认为这将是一个具有标志性意义的突破，也能创造很大的实际价值。
问：除了机器人，世界模型在工业生产、内容生成等领域也有应用潜力。从投资角度来看，你认为未来哪些应用场景值得重点关注，又可能出现哪些新的商业机会？
周炜：我们现在主要关注机器人领域的物理模型应用，包括机器人的“大脑”。比如内容生成发展已经比较久，骆总他们也做得很好。但物理模型的应用整体仍处在早期阶段。
刚提到的工厂本身就是机器人的重要应用场景。现在有一种误解，认为机器人就是两条腿的人形机器人。实际上，人形机器人的应用场景可能很窄，工厂中的机械臂同样是机器人。
从应用场景来看，我特别希望投资能够解决养老问题的机器人。中国已经进入老龄化社会，仅依靠家庭成员承担全部养老照护工作很难实现。我认为机器人将是解决这一问题的重要方向，在商业价值和社会意义上都值得关注。
此外，我们也重视具有全球普遍价值的产品，不仅在中国有价值，还能服务全球市场。今天中国企业正在大规模出海，有些像20世纪70年代的日本。希望未来十年，在世界各地都能看到中国品牌的机器人和机械设备。我甚至希望未来电影中的机器人身上出现的更多是中文品牌标识。
问：刚才周总谈到了机器人未来的应用前景，以及中国机器人企业走向全球市场的机会。不过，机器人从技术突破到大规模商业应用，可能还需要较长时间。席教授怎么看这一发展节奏？
席宁：刚才周总讲得很好，机器人并不只有人形机器人，还有工业机器人等多种形态。物理人工智能的落地可以从机器人或智能设备入手，但一定要形成实际应用。
如果长期没有真正落地，甚至让投资人失去兴趣，这个领域的发展就会遇到问题。不过，落地不一定要依靠人形机器人，也可能首先发生在工业机器人或其他智能设备上。
以工业机器人为例，在工业机器人广泛应用之前，已经有很多具有类似特征的设备，比如数控机床。它们的软件框架、功能和物理结构与机器人有相似之处，只是我们通常不把它们叫作机器人。这些多轴计算机控制设备很早就已得到广泛应用。
因此，大模型一定要找到真实的应用场景，可能是工业机器人，也可能是其他需要智能化的设备。核心是创造实际价值，只有这样，才能让开发者、投资者和社会建立更大的信心。
问：最后请骆总谈谈，你刚才提到了生数科技从世界生成、实时交互到世界行动、自主规划等五个层层递进的发展阶段。结合目前的行业技术进展，接下来需要重点突破哪些关键能力？
骆怡航：我们会持续迭代前三个阶段，包括第一级的世界生成和第二级的实时交互。新的版本将建立在第三级世界行动能力的基础上。而从第三级迈向第四级，关键在于让模型具备自主评估和改进行动的能力。
对于生数科技而言，我们将基于同一个基础模型持续推出迭代版本，不断增强世界模型的相关能力，逐步向更高阶段发展。
