【导语进入2026年机器人行业焦点从本体转向“大脑”世界模型迅速升温。但在技术路线上VLA和世界模型各有争议且世界模型缺乏统一定义商业落地也面临诸多问题不过资本已提前下注。】具身智能技术路线之争VLA与世界模型分庭抗礼具身智能领域关于大脑的讨论主要围绕VLA和世界模型两类技术思路。VLA将视觉、语言等输入与机器人动作连接通过机器人示范数据学习生成动作世界模型则通过海量数据学习世界的统计表征从观测中预测未来变化。早在2025世界机器人大会上宇树科技创始人王兴兴就质疑VLA路线认为人形机器人大规模应用的卡点在AI模型架构。如今光象实验室首席科学家吕尧也认为VLA已触碰到天花板语言token映射到动作空间存在模态鸿沟靠超大规模数据训练VLA生成通用策略不现实。世界模型概念模糊与现实难题并存世界模型虽明显升温但概念缺乏统一定义。李飞飞与World Labs团队将其按功能分为渲染器、模拟器和规划器三类且World Labs把VLA归入规划器一类这表明二者关系并非非此即彼。除定义分歧还有现实问题。一些视频生成结果对物理属性表达不足相关数据需企业自行采集成本高。而且行业连机器人能力分级标准都未形成机器人完成开放任务仍有较大差距。光象科技物理原生世界模型的新尝试光象科技联合清华大学课题组发布第一代物理原生世界模型Phi - WM 1.0 ActEffect核心是将世界模型转变为“训练时反馈器”让机器人学会“动作会带来什么后果”。ActEffect能一次性生成三个精细程度不同的动作方案预测结果并筛选最优方案。训练完成后世界模型被移出推理链路降低部署阶段的推理负担。数据需求与商业落地行业的两大挑战世界模型能否减少机器人的数据需求尚无统一答案。吕尧认为纯视频预测型世界模型不能天然降低数据需求但如果能提炼出底层物理规律则可能降低对跨场景、跨本体数据的需求。光象科技的思路是把更多试错放在仿真环境中减少真机数据需求。在商业落地阶段技术路线之争会变成ROI之争。IDC研究显示超80%的制造企业希望工业具身智能机器人项目两年内回本所以快速部署、稳定运行并回本才是关键。资本热与行业洗牌具身智能的未来走向尽管技术路线未收敛但资本快速涌入。世界模型相关投资额从2024年的14亿美元增至2025年的69亿美元。2026年World Labs和AMI Labs分别完成10亿和10.3亿美元融资。不过机器人进入现实场景速度较慢。吕尧判断具身智能行业可能像当年的自动驾驶一样经历大洗牌缺乏核心技术和交付能力的企业将出局。张涛认为若行业维持现状一到两年内可能迎来寒冬而首个被市场验证的具身智能应用是关键变量。编辑观点机器人“大脑”技术发展迅速但路线不明世界模型虽有潜力但问题不少。资本热背后需回归理性行业洗牌或加速技术成熟首个成功应用将重塑行业格局。