2026年上半年，世界模型迎来前所未有的资本涌入。AMI Labs获得10.3亿美元融资，World Labs超过10亿美元，General Intuition完成3.2亿美元A轮后估值达23亿美元——这些公司合计吸引超40亿美元，全部押注于同一个判断：未来的具身智能，要从世界模型中长出来。
国内世界模型赛道，亦经历着由资本驱动的估值重构：睿兽分析报告指出，1-7月，中国一级市场世界模型概念口径共有105起融资，累计融资金额666亿元，远超2024年同期的70亿元和2025年同期的126亿元。百亿估值已成为世界模型头部企业参与竞争的隐形门槛。
图源：睿兽分析《2026世界模型专题研究报告》
世界模型缘何成为资本押注的新方向？当前的技术发展与市场格局如何？这一赛道的投资机会又在哪里？
首义科创母基金《世界模型行业研究报告》力争呈现清晰赛道版图与投资逻辑。受篇幅限制，已对全文进行删减，并分上、下两篇推送。本篇为上篇，着重厘清世界模型的概念、技术路径与场景需求。
01世界模型：从生成式AI到物理AI
在2025年的科技行业语境中，物理AI是继生成式AI之后人工智能产业的下一个关键战略方向——其本质并非单一技术突破，而是数字智能向真实物理世界渗透的系统性工程跃迁。
生成式AI即通过算法和模型生成新内容的人工智能技术，产出停留在数据层面。物理AI跳出仅能处理数字信息的状态，进化为能够理解并适应物理世界规律，在现实环境中进行感知、理解、推理、决策与交互的智能系统。它将AI技术价值延伸至对物理实体的精准建模、深度理解和闭环交互，实现AI对现实生产场景的价值落地。
| 应用场景 | 核心技术需求 | 商业化进度 | 市场规模潜力 |
| 机器人控制 | 多模态感知、精细操作、Sim-to-Real迁移 | 早期商业化，人形机器人开始量产 | 极高（万亿级长期市场） |
| 自动驾驶 | 长尾场景覆盖、实时决策、安全冗余 | L2+规模量产，L3+逐步落地 | 高（千亿级市场） |
| 科学仿真与工业孪生 | 高精度物理仿真、行业know-how | 成熟商业化，持续渗透 | 中高（百亿级市场） |
| 游戏/影视内容生成 | 物理一致性、实时渲染、创意效率 | 技术验证阶段，部分落地 | 中（百亿级市场） |
物理AI各应用场景的技术需求与落地现状对比
世界模型是支撑物理AI的关键概念。与主要处理语言和符号的大语言模型不同，世界模型关注空间、时间、物体、运动、因果、光学、声学和动作反馈，在计算上与物理引擎做同样的事情：它接收观察（通常是视频帧，也可使用任何感官数据），构建环境状态的压缩内部表示，并预测该状态在响应动作时将如何变化。
视频模型预测的是——给定当前帧，下一帧最可能的样子；而世界模型预测的是给定当前状态和所采取的动作，下一个状态是什么。它通过动作来绕开高昂的物理模拟成本——这正是世界模型推动具身AI进步的根本逻辑。
这一特性使世界模型成为构建Agent的重要工具（Agent指的是能够在环境中行动的AI系统）：第一，世界模型可以充当Agent的替代训练场，降低安全风险，减少成本和数据需求。第二，世界模型让更长时间跨度的规划成为可能。Agent可以在真正行动之前，先“想象”不同动作可能带来的后果。第三，世界模型为Agent学习行为提供了更丰富的世界表征。一个在世界模型内部表征上训练出来的Agent，学到的不是如何处理原始像素，而是如何“看见”那些对行动真正重要的特征。
2026年是Jim Fan所说的“大型世界模型为机器人奠定真正基础的第一年”，也是资本大规模涌入的转折年份。但关键问题仍未有定论：生成式还是潜空间？VLA工程迭代还是世界模型理论突破？游戏数据还是真实世界数据？这些问题的答案将决定未来十年具身智能产业的技术路线和商业格局。
02世界模型的主流技术路线
截至2025年，世界模型的技术路线形成了两大阵营。生成式路线以像素级预测为核心。潜空间路线则在压缩表征空间中进行状态预测和规划。
路线一：多模态视频生成路线
核心思路是通过大规模视频数据训练生成式模型，让AI学会想象物理世界的运行规律。该路线适合需要快速生成大量场景训练数据的应用，如自动驾驶仿真训练和游戏内容生成。
优势：输出直观可视，便于人类评估
局限：计算成本高，实时推理难，倾向于平均化多种可能的未来结果。
代表：GAIA-1/2（Wayve）、DIAMOND/Oasis（Decart）、Genie（DeepMind）、Sora/Veo
路线二：潜空间状态预测路线
在压缩的表征空间中做状态预测与规划，而不是生成像素级的重建。
优势：计算效率高、支持长时间跨度的规划
局限：潜在表征难以解释，且如果编码漏掉了某些因果上重要的信息，Agent会直接缺少对关键因素的理解。
代表：Dreamer系列（RSSM）、JEPA系列（Meta）和MuZero
其它路线：3D空间原生路线
核心思路是直接在三维空间中构建世界模型。代表企业是World Labs（李飞飞教授创立）和英伟达（Omniverse平台）。该路线最适合需要高精度物理仿真的场景，如工业数字孪生、科学计算和精密机器人操作。
发展方向：WAM（世界行动模型）
2026年，WAM（World Action Model）路线作为世界模型的重要演进方向迅速崛起。WAM路线直接建模“物理世界+行动”的联合分布，使机器人具备因果推理和反事实规划能力。代表企业包括极佳视界、星海图、它石智航。
03世界模型与VLA的融合趋势
世界模型与VLA（视觉-语言-动作端到端）是AI理解物理世界的两种方式。传统VLA路线像一个经验丰富的工人，看到指令和场景就能直接做出动作。但它可能不理解背后的物理规律，换个环境就容易出错。而世界模型则像一个物理学家，它能预测动作会带来什么后果。
VLA路线：视觉-语言-动作端到端
VLA（Vision-Language-Action）路线通过视觉-语言-动作的端到端训练，实现多模态感知到执行的直接映射。它既是模型概念，也是系统技术架构。
1. 作为“模型概念”的VLA：VLA的核心定义是一种端到端的多模态基础模型，它将视觉感知、自然语言理解和动作控制三种模态统一在同一个神经网络框架内（即在统一的特征空间内完成跨模态对齐与映射），实现从“看”和“听”直接到“做”的映射（打破传统机器人“感知模块→规划模块→控制模块”手工拼接的割裂架构）。
图源：OpenVLA
2. 作为“系统技术架构”的 VLA：当VLA被部署到真实机器人上时，它往往不是“一个模型跑天下”，而是演化为一个多层级系统架构——包含感知编码层、语义推理层、动作生成层、底层控制器等多个子系统。
VLA与世界模型的溢价逻辑
VLA溢价逻辑由工程成熟度驱动：VLA路线复用LLM/VLM领域数万亿美元基础设施投资，工程路径清晰、商业化速度快、营收确定性更高。但工程上限受限于LLM架构——LLM天生不与连续、高维、低延迟的物理世界数据匹配。VLA溢价是“已验证工程可行性”的确定性溢价。
世界模型溢价逻辑受技术想象空间驱动：世界模型路线追求在抽象/潜空间中建模物理世界的因果结构，核心卖点是“如果世界模型验证成功，将彻底颠覆机器人控制范式”。
VLA与世界模型融合趋势
当今，VLA与世界模型的融合，正成为自动驾驶与具身智能领域的前沿趋势。其融合方式是将世界模型视为通用未来预测器，促进通用VLA智能体的发展。世界模型通过模拟物理后果验证计划可行性，并为VLA智能体在可扩展训练提供安全仿真环境，有效缓数据稀缺和安全约束。
目前产业内主流的融合方式可以归为四大类：
①World Planner (世界规划器)：VLA先构思几个可能的动作，然后让世界模型在脑中模拟每个动作的未来结果，最后选择最优的那个去执行。
② World Action Model (世界动作模型)：将VLA和世界模型整合到一个统一的模型里，同时输出动作和预测的未来状态。
③ World Synthesizer (世界合成器)：利用世界模型生成大量逼真的虚拟交互数据，用来训练VLA，解决真实世界数据稀缺的问题。
④ World Simulator (世界模拟器)：在训练阶段，让VLA在世界模型构建的虚拟环境中进行大量“试错”学习，提升其安全性和鲁棒性。
现阶段进行融合的关键价值在于提升系统的泛化性，让模型在场景、视角变化时依然稳定可靠；其次增强规划能力，通过“脑内模拟”提前预演，做出更优决策；最后是解决数据瓶颈的问题，利用世界模型生成海量虚拟数据，训练更强大的VLA。
| 技术路线 | 核心原理 | 物理准确性 | 代表企业 | 适用场景 |
| 多模态视频生成 | 通过视频数据学习物理规律 | 中等（隐式理解） | 英伟达Cosmos、OpenAI Sora | 自动驾驶仿真、游戏内容、训练数据生成 |
| 潜空间状态预测 | 在压缩空间中预测未来状态 | 中高（显式建模） | Physical Intelligence | 机器人控制、实时决策、跨平台迁移 |
| 3D空间原生 | 直接在3D空间中建模和仿真 | 高（精确物理） | World Labs、英伟达Omniverse | 工业仿真、科学计算、精密操作 |
| WAM路线 | 建模物理世界+行动联合分布 | 高（因果推理） | 极佳视界GigaWorld-1、星海图 | 通用机器人、家庭/工业场景 |
| VLA路线 | 视觉-语言-动作端到端映射 | 中等 | 智元机器人、灵初智能，π0 | 工业操作、物流搬运 |
| 融合路线 | VLA+世界模型融合 | 中高 | 自变量WALL-A、流形空间 | 轮式移动操作、低成本落地 |
世界模型技术路线对比与适用场景分析
本篇为首义科创母基金行研《世界模型行业研究报告》上篇，下篇将系统剖析世界模型的商业范式与投资逻辑。
行业与合作交流可发私信，将有工作人员与您联系。
声明：
本报告仅供研究参考，不构成任何投资建议。报告信息基于公开资料整理，投资风险自担。未经授权不得转载引用，版权归首义科创母基金所有。