解读"世界模型"之五：世界模型的中国机会，供应链优势能否转化为模型优势？

谈中国与世界模型，有两个很容易让人兴奋的起点：完整的制造业体系、庞大的工业应用市场、持续迭代的机器人硬件，以及从工厂、仓库到商用服务的大量真实场景。如果世界模型需要在物理世界中学习，这些条件似乎天然有利于中国。

但这里有两个值得认真对待的问题：能制造更便宜的机器人，意味着能训练出更强的世界模型吗？能部署更多机器人，意味着能更快获得通用物理智能吗？答案并不简单。

今年 WAIC 期间，昆仑万维董事长兼 CEO 方汉的判断很直接："中国在数据生产环节具备结构性优势——世界模型依赖摄像头、传感器、采集设备和机器人本体，中国拥有完整的消费电子与制造业供应链，也拥有制造、物流、家政、医疗等丰富的真实任务场景。未来全球具身智能公司，可能都需要到中国采购设备和数据。"

但同一时间，还有一个安静的事实值得放在旁边：智元机器人开源的 AgiBotWorld 数据集已是行业基准，而英伟达 GR00T N1 的真机训练数据约 80% 来源于此。中国公司采的数据，正在喂养海外最强的具身模型。产业优势是真的，但它正在自动转化成模型优势吗？还是有一部分，正在绕过我们变成别人的模型能力？

关于本文

由先进开源智能体检索整理，并完成筛选、核实与写作。信息均基于公开论文、权威媒体报道及网络公开讨论进行客观分析，不构成对任何技术路线或产品的立场判断，亦不代表对行业最终格局的预判。如需转载、摘编或合作，请联系：电话：13522412591；邮箱：contact@xianjinai.cn。

一、第一张牌：把物理世界变成工程能力

世界模型与传统数字世界的 AI 有一个根本区别：它最终要面对真实物体、真实动作和真实环境。一个模型能在屏幕上完成漂亮演示，不代表它能稳定拿起一只杯子、把零件装进狭窄卡槽。要让能力落地，需要机械结构、传感器、执行器、控制系统、软件和模型共同工作——这正是中国制造业体系可能发挥作用的地方。

假设一家机器人企业想让机械臂在工厂里完成零件分拣。模型要学的不只是零件长什么样，还有位置、抓取角度、接触过程、滑动与碰撞。如果每次实验都要高成本改造设备、等待供应商交付部件，模型迭代就会很慢；反过来，硬件可以快速调整、现场工程团队及时反馈，研发就有更多机会做实验、定位失败、把改进喂回模型。数据采集的账本也印证了这一点：智元在上海建了 4000 平方米数据工厂，100 多台机器人日产数万条轨迹；优必选在柳州、自贡落地工业采集中心，500 多台机器人单台年产有效数据超 400 小时；帕西尼在天津的 12000 平方米超级工厂，150 个采集单元日产最多 55 万条；京东自研 220 克可穿戴采集终端、联动 60 万采集员，目标两年 1000 万小时。

但必须把话说完整：制造业优势最直接的价值，是让物理智能的实验更容易、更快、更有机会规模化——这是发展世界模型的有利条件，不是模型能力已经领先的证据。

二、第二张牌：场景多，不等于高质量数据多

如果说硬件是机器人的身体，数据就是模型学习世界规律的材料。中国工厂里有分拣、装配、质检、搬运，仓库里有拣选、码垛、转运，商业服务里有清洁、配送——场景确实多。但"场景多"与"高质量训练数据多"，是两回事。

一段普通视频可以告诉模型：工人把零件放进机器，机器开始运转。但要训练机器人复现这个任务，仅靠视频远远不够——模型还需要知道零件在三维空间中的准确位姿、机械臂每个关节如何运动、夹爪施加了多大的力、接触后是否滑动变形、动作是否成功以及失败发生在哪个环节。真实场景只有经过合适的采集、对齐、标注和质量控制，才能变成真正服务任务的数据。或者反过来说得更直白：拥有很多工厂，不代表所有工厂的数据都可以直接用于训练；拥有很多机器人，不代表它们产生的数据天然能够合并。

政策层面已经意识到了这一点。2026 年 6 月，工信部办公厅与国务院国资委办公厅联合发布实景实训专项行动通知，围绕工业、服务和特种领域建设实景实训空间，并明确要求对实际作业成功率、效率、安全可靠性和经济可行性开展验证——把产业场景、数据积累和真实任务验证放在同一条链路上，而不只是强调机器人数量。这条链路上的中国玩家，打法已经分成三条路线：

三条路线已经有转化落地的实证：银河通用凭大规模仿真训练实现 GraspVLA 的零样本抓取泛化；宇树的 UnifoLM 系列让世界模型驱动的人形机器人完成全自主搏击；星海图的世界模型 Fast-WAM 把单步推理延迟压到 190 毫秒、较传统架构提速 4 倍以上。智元创始人邓泰华对这局棋的定义最为准确：这是"数据密度与场景覆盖度的长期竞争"。

三、第三张牌：从硬件供应链，走向软硬件协同迭代

过去制造业竞争围绕成本、良率、交付速度和规模展开；世界模型时代会增加一个新维度：硬件、数据和模型能否形成共同进化的闭环。

设想一个装配线上的工业机器人：光线稳定、零件摆放整齐时表现很好，但零件略微偏移、表面反光或夹爪磨损后，成功率明显下降。只换更贵的硬件未必解决，只堆相似数据也覆盖不了真正的失败因素。更有效的方法是：分析失败发生的条件，确定问题来自视觉判断、空间预测、抓取规划还是力控制；针对薄弱环节定向采数，或在验证过的仿真环境里构造场景；调整模型、策略或硬件设计；在独立测试中比较新旧方案，再回到真实产线检验。如果这个循环持续运转，机器人就不再只是一件交付给客户的硬件，而是一个不断产生经验、推动模型改进的系统。

这也是中国制造业可能形成差异化优势的地方：不仅生产机器人，还能把零部件供应商、整机厂商、模型团队和场景客户连起来，让问题更快暴露、方案更快验证。但要说一个冷静的判断：这个闭环不会因为企业身处同一个产业集群就自然形成。整机厂可能不愿开放运行数据，客户担心生产信息泄露，模型团队拿不到完整动作记录——没有明确的数据接口、质量标准、知识产权安排和收益分配机制，产业链越长，数据反而可能越分散。

四、为什么"机器人做得便宜"，不等于"世界模型做得更强"

这是判断中国机会时最容易出现的逻辑跳跃，值得把它拆成三层来看。

第一层，制造优势：更快生产机器人、降低整机成本，让更多设备进入工厂和实验环境。第二层，数据优势：设备部署后持续收集有价值的数据，并把不同设备、不同任务、不同环境的数据整理、对齐、复用。第三层，模型优势：模型从数据中学到可迁移的规律，在没见过的情况中仍做出合理预测。三层相互关联，但不能直接画等号：大量部署却不记录失败原因，设备增长带不来模型进步；积累海量数据却没有训练与评测方法，模型可能只是在熟悉场景里更好；实验室进步却无法适配不同硬件和物体，技术优势也难变成商业优势。

而即便走到第三层，还有三个断点卡在转化链上。断点一：基础架构话语权。开源标准由英伟达 Cosmos 定义（下载超 200 万次），交互范式由谷歌 Genie 3 立标杆——"海外定标准，中国拼落地"。开篇 GR00T 那个事实，就是断点一的具象化：如果开源只换回下载量、没换回标准话语权，数据优势就是在替别人的模型打工。断点二：力觉与触觉缺口。它石智航创始人陈亦伦的判断很直接：仅靠视频数据无法获取完整的世界规律——视觉能提供几何与语义，拿不到力与接触；松应科技聂凯旋补得更具体：物体形变、作用力、温度、电磁场这些工业场景核心要素，视觉类异构数据覆盖不了。中国最强的数据产能恰好服务世界模型"看"的那一半，工业落地最需要的"摸"的那一半，供给仍然稀缺。断点三：碎片化与长时序。中科院自动化所研究员乔红指出，不同厂商采集标准不统一、数据碎片化突出；长时序稳定性则是不分中外的行业难题。还要补一个诚实的注脚：宇树王兴兴透露，公司 2024 年初就试做过世界模型，因效果不理想搁置，2025 年才重新发力——中国的世界模型不是天生领先，是摔过一跤再出发的。

智源研究院院长王仲远的判断值得放在这层结尾："这些探索距离真正面向物理世界的基座模型都还有不小差距，未来三到五年将是世界模型持续迭代期。"瓶颈集中在真实物理数据匮乏、技术路线尚未收敛、评测体系不完善。

五、更现实的突破口：先赢下垂直场景，再谈通用

谈世界模型，很容易把目标直接设为通用物理智能——一个模型操作所有物体、适配所有本体、完成所有任务。这是重要的长期方向，但对商业化而言，一开始就追求所有场景，未必是最有效路径。更现实的方式，是从边界清楚、任务可重复、价值可衡量的场景切入：工业制造先学特定零件的抓取与装配，仓储物流先解决识别、拣选、码垛，检测维护先学固定流程下的异常处理。

垂直切入的好处是每一步都可测量：任务成功率、平均完成时间、人工干预频率、设备停机时间、单位任务成本——模型改进有没有创造价值，数字说话。然后在可靠能力之上测试相邻迁移：从一种箱体迁移到尺寸相近的箱体，从固定分拣迁移到略有变化的摆放。当然，垂直场景有局限：如果模型只能处理固定工位和固定流程，价值可能主要来自专用自动化而非世界模型。所以企业要同时回答两个问题：这项能力现在能否创造收益（决定商业落地）？这次训练获得的能力未来能否迁移（决定长期价值）？

支撑这个路径的，还有三件容易被忽略的基础建设。其一，从"采集数据"升级为"理解数据的价值"——高质量的数据系统要能区分偶然错误与系统性缺陷，再决定采什么、怎么仿真、如何验证。其二，从"适配单一硬件"走向"跨本体迁移"——同一个"抓起杯子"，双指夹爪和灵巧手的动作方式完全不同；如果每换一种机器人都要从头采数重训，产业链的规模效应就会被锁死。其三，从"演示效果"走向"可重复的评测体系"——完成一次任务不代表稳定完成一千次；评测要覆盖成功率、长时运行稳定性、异常处理、跨场景泛化和部署成本，还要区分模型本身的贡献与硬件、控制策略的贡献。据公开报道，国家标准计划中已出现人形机器人模型训练平台技术规范相关立项，覆盖数据治理、仿真与数字孪生、互操作和评测验收——竞争的对象，正在从一台机器人、一个模型，变成包括数据、训练、仿真和验证在内的整套系统。

时间窗也有一张可盯的进度条：方汉预计主要厂商目前在 10 万至 20 万小时量级，2026 年底或有人到百万小时、2027 年底或到千万小时、1 亿小时需三到五年；星海图与亦庄共建的亦数智能规划今年完成百万小时、三年内迈向千万小时——高继扬还给了个直观的类比：一个人从出生到 18 岁与物理世界清醒交互的总时长约 10 万小时，百万小时相当于 10 个人的学习总量，千万小时相当于 100 个人。谁先把千万小时级的数据闭环转起来，谁就更有机会参与定义收敛后的技术路线。

结语：让产业优势形成模型进步的复利

现在可以回答开篇的两个问题了。

供应链优势不会自动变成模型优势。它能转化的部分，叫数据闭环——这部分中国的优势真实且在扩大；转化不了的部分，叫基础架构话语权——这部分仍是结构性短板。

硬件便宜让实验更容易，高质量数据让学习更有效，可靠的评测体系才让学习结果变成可迁移的能力。中国真正需要建设的，不只是机器人产线和数据集，而是一套持续运转的物理智能基础设施——让每多一台机器人、每进一个场景，都为模型带来可复用的经验。这叫产业优势的复利。

对这场竞争的判断，行业里存在两种声音，而且都值得听。高继扬的判断激进得多："依托数据供应链与整机供应链的叠加优势，未来两到三年，中国的具身基础模型能力有望整体超过美国、做到全球第一。"王仲远则冷静得多：距离真正的基座模型还有不小差距，未来三到五年是持续迭代期。乐观者的时间表和谨慎者的差距清单，恰好是同一枚硬币的两面——而检验谁对的方式只有一个：看谁的数据闭环先转起来，看谁的模型先在真实任务里稳定兑现。

而这场竞争的另一端站着资本。过去一年，世界模型赛道的估值曲线陡得惊人——一家成立一个月的公司估值 30 亿美元，一家没有收入的公司融资 10 亿美元。这些钱押注的是技术，还是"物理 AI 入口"的期权？下一篇，我们来算这笔估值账。

下一篇（06）

世界模型的百亿估值：资本押注的是技术，还是物理 AI 的入口？