智元機(jī)器人推出世界模型：機(jī)器人的“大腦”，還是市值翻十倍的“樣板間”？

8月14日，智元機(jī)器人把7月亮相過的世界模型GenieEnvisioner（GE）正式開源，并再次打出“行業(yè)首個(gè)面向雙臂真機(jī)的世界模型”的概念。

官方演示里，機(jī)器人連續(xù)完成做三明治、倒茶、擦桌、用微波爐、裝箱等長(zhǎng)鏈條任務(wù)，看上去已頗具“人味兒”。

不過，這份“人味兒”能否在已經(jīng)沸騰的二級(jí)市場(chǎng)上再來一次“空中加油”，還要看周一開盤。

此前的7月8日，智元機(jī)器人公告，正在通過“協(xié)議轉(zhuǎn)讓+要約收購”拿下材料供應(yīng)商上緯新材63.62%的股權(quán)。而自公告以來，上緯新材一路走出11個(gè)漲停，市值從30億元最高沖到400多億元。

可以說，智元還沒把世界模型賣進(jìn)工廠，就已經(jīng)把自己市值的杠桿放大到了資本市場(chǎng)。

405x558 144kb

智元機(jī)器人 官方網(wǎng)站

“機(jī)器人公司不做大模型將沒有未來。”此前，在智元機(jī)器人發(fā)布首個(gè)通用具身基座大模型智元啟元大模型之后，智元合伙人、具身業(yè)務(wù)部總裁姚卯青和智元具身研究中心常務(wù)主任任廣輝曾這樣表示過。

目前的大語言模型，仍普遍存在推理時(shí)間長(zhǎng)，實(shí)時(shí)性差等問題。搭載大語言模型的機(jī)器人，控制在線決策至少需50毫秒，一般延遲為1至5秒，完全無法滿足工業(yè)場(chǎng)景3至10毫秒的需要。

而本次智元機(jī)器人推出的，就是基于目前大語言模型技術(shù)限制而生的世界模型，是以智能體身體與環(huán)境的實(shí)時(shí)感知和交互為基礎(chǔ)，構(gòu)建的用于理解、預(yù)測(cè)和適應(yīng)環(huán)境動(dòng)態(tài)變化的模型。

具體來說，世界模型能夠讓智能體通過 “想象” 不同行動(dòng)策略的未來狀態(tài)序列，提前規(guī)劃好步驟，選擇最佳方案來執(zhí)行。

智元AgiBotWorld 視頻截圖

3000小時(shí)數(shù)據(jù)，其實(shí)可有可無？

從傳播的角度來看，智元機(jī)器人發(fā)布的開源世界模型，確實(shí)可以說是一次“秀肌肉”。不過如果深入到技術(shù)上，事情可能會(huì)有不同。

世界模型所需要的的訓(xùn)練數(shù)據(jù)，遠(yuǎn)超目前還未鋪開的具身智能機(jī)器人可以提供的能力。

在今年6月，Meta開源發(fā)布的V-JEPA 2世界模型就使用了超過100萬小時(shí)的互聯(lián)網(wǎng)視頻和圖像數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，不依賴語言監(jiān)督；而谷歌旗下DeepMind的Genie3則采用了大量游戲引擎生成的數(shù)據(jù)集，也有消息稱Genie3的訓(xùn)練數(shù)據(jù)或包含谷歌旗下的知名視頻網(wǎng)站YouTube的視頻及更多內(nèi)容（盡管DeepMind稱對(duì)此“持謹(jǐn)慎態(tài)度”）。

與之相比，目前搭載具身智能的機(jī)器人普遍還處于探索階段，能產(chǎn)生的真機(jī)數(shù)據(jù)量級(jí)并不大，就以智元機(jī)器人本次訓(xùn)練使用的3000小時(shí)數(shù)據(jù)來說，其實(shí)對(duì)于世界模型能力本身的訓(xùn)練提升作用，微乎其微。

3000小時(shí)的真機(jī)數(shù)據(jù)對(duì)世界模型本身的能力增益，就像往長(zhǎng)江里倒一桶純凈水——有比沒有好，但沒人靠它漲潮。

其實(shí)，關(guān)于具身智能機(jī)器人的數(shù)據(jù)需要，行業(yè)也存在爭(zhēng)論：另一部分觀點(diǎn)認(rèn)為，世界模型的能力提升，與具身智能領(lǐng)域的數(shù)據(jù)多寡之間，并無強(qiáng)關(guān)聯(lián)。

此前，在2025世界機(jī)器人大會(huì)上，國內(nèi)具身智能領(lǐng)域另一龍頭企業(yè)宇樹科技的創(chuàng)始人王興興曾表示：“目前全球范圍內(nèi)，大家對(duì)于機(jī)器人數(shù)據(jù)問題的關(guān)注度，都有點(diǎn)太高了。現(xiàn)在最大的問題其實(shí)反而是模型。”

他認(rèn)為，目前具身智能和機(jī)器人的模型架構(gòu)不夠好，也不夠統(tǒng)一。

“在大語言模型領(lǐng)域，當(dāng)有了足夠多的好數(shù)據(jù)時(shí)，就能把模型訓(xùn)練得越來越好。但是在具身智能領(lǐng)域，會(huì)發(fā)現(xiàn)在很多情況下，數(shù)據(jù)采了卻用不起來。大家對(duì)模型的關(guān)注目前是相對(duì)有點(diǎn)少，反而對(duì)數(shù)據(jù)關(guān)注有點(diǎn)太高了。”

世界模型是“地基”，具身智能是“樓房”

相關(guān)從業(yè)人士對(duì)觀察者網(wǎng)表示，具身智能領(lǐng)域的“數(shù)據(jù)集不是越大越好”可能需要這樣解釋：世界模型本身的發(fā)展還需要依靠更多的互聯(lián)網(wǎng)圖像、視頻，乃至于目前正在發(fā)展的AI眼鏡等智能硬件產(chǎn)品提供的視覺信息。

而在具身智能領(lǐng)域進(jìn)行的世界模型側(cè)研發(fā)，更多是基于機(jī)器人的訓(xùn)練數(shù)據(jù)進(jìn)行針對(duì)性的優(yōu)化，對(duì)于模型本身的基礎(chǔ)性能并沒有太大的提升作用，因?yàn)榫呱碇悄軝C(jī)器人目前還沒有辦法提供能夠滿足模型訓(xùn)練需求的數(shù)據(jù)量。

在這個(gè)過程中，世界模型的基礎(chǔ)能力是整個(gè)系統(tǒng)的 “認(rèn)知地基”。地基越扎實(shí)，模型對(duì)真實(shí)世界的擬合精度與預(yù)測(cè)效能就越強(qiáng)，機(jī)器人的“大腦”做出正確決策的能力也就越強(qiáng)，其滿足實(shí)際落地場(chǎng)景所需要的實(shí)機(jī)訓(xùn)練數(shù)據(jù)量就有可能減少。

所以，世界模型和具身智能今天雖然被頻繁地放在同一個(gè)句子里，但它們其實(shí)處在兩條不同的時(shí)間軸上。

世界模型的目標(biāo)，首先是用來自整個(gè)互聯(lián)網(wǎng)的視頻與圖像信息去理解、預(yù)測(cè)乃至生成整個(gè)物理世界，它更像通用大模型的下一站：數(shù)據(jù)胃口以百萬小時(shí)計(jì)，技術(shù)階段上則更類似當(dāng)年ChatGPT剛出現(xiàn)時(shí)的大語言模型，模型架構(gòu)仍在快速迭代，尚未收斂。

而具身智能的核心訴求，則是讓機(jī)器人完成具體任務(wù)——倒水、裝配、擦桌子。現(xiàn)階段的技術(shù)成熟度大約相當(dāng)于2016年的自動(dòng)駕駛：硬件基本可用，算法的“大腦”仍需大量工程打磨。

換句話說，世界模型是“認(rèn)知地基”，需要海量通用視覺數(shù)據(jù)來夯實(shí)；具身智能是“上層建筑”，依賴少量高成本的真機(jī)數(shù)據(jù)來精雕細(xì)琢。地基越深，未來樓房可以蓋得越高，但地基的混凝土并不來自樓房本身，二者互補(bǔ)卻并不同步，一邊向下深挖，一邊向上搭建。

“地基”夯實(shí)尚需時(shí)日，“樣板間”暴漲是否為時(shí)過早？

比技術(shù)進(jìn)展更吸睛的，是另一層面的消息：

此前，有消息稱，智元機(jī)器人已通過“協(xié)議轉(zhuǎn)讓+要約收購”的方式拿下了材料供應(yīng)商上緯新材63.62%股權(quán)。

從技術(shù)和供應(yīng)鏈上來看，上緯新材的主打產(chǎn)品包括PEEK（聚醚醚酮）等輕量化復(fù)合材料，可讓機(jī)器人外殼和關(guān)節(jié)減重30%以上；智元控股后，既是鎖定關(guān)鍵材料供應(yīng)，又能用機(jī)器人實(shí)測(cè)數(shù)據(jù)反向優(yōu)化適配。

從資本視角看，在“具身智能”概念剛剛興起，領(lǐng)頭企業(yè)尚且稀缺的A股，智元在借殼上緯新材之后，如今似乎又開始給投資人一個(gè)“機(jī)器人大腦”來標(biāo)的。

自7月8日公告以來，上緯新材股價(jià)從30億元市值最高沖到400多億元，走出11個(gè)“20cm”漲停，智元還沒把世界模型和具身只能真正落地到工廠，其市值杠桿卻被放大到了資本市場(chǎng)。

由此來看，世界模型能不能讓機(jī)器人“長(zhǎng)腦子”尚且未有定論，但股民卻在這之前就已經(jīng)被“點(diǎn)燃”。

數(shù)據(jù)飛輪、模型瓶頸、合成數(shù)據(jù)、仿真+真機(jī)混合、大模型互聯(lián)網(wǎng)、分層過渡，種種技術(shù)路線上還籠罩著揮之不去的迷霧，而資本卻硬生生在這個(gè)時(shí)候給具身智能領(lǐng)域打上了第三根坐標(biāo)軸——能否證券化。

智元通過控股上緯新材，把“地基”和“樓房”打包成可交易資產(chǎn)包；其余五派仍停留在技術(shù)PPT階段。當(dāng)技術(shù)路線尚未收斂、Benchmark尚未統(tǒng)一時(shí)，資本搶先定價(jià)，行業(yè)被提前拖入“市夢(mèng)率”博弈。

現(xiàn)在的情況下，其實(shí)可以從對(duì)待世界模型的態(tài)度分出兩派：

?數(shù)據(jù)飛輪派（智元-姚卯青）：開源1000萬條真機(jī)軌跡，一起把飛輪轉(zhuǎn)起來。

?模型瓶頸派（宇樹-王興興）：硬件夠用、數(shù)據(jù)夠多也白搭，架構(gòu)必須推倒重來。

二級(jí)市場(chǎng)用10倍漲幅給“飛輪”投了票，但技術(shù)層面，仍無人能具現(xiàn)王興興提出的“原生具身大模型”。

智元把GE開源，是一次漂亮的科普；控股上緯新材，是一次成功的資本運(yùn)作。樣板間已搭好，地基仍在打樁，而參觀隊(duì)伍里，一半是工程師，一半是交易員。

世界模型2-5年才能跑出的Benchmark，資本市場(chǎng)2-5天就給出了估值。到底是世界模型成就了機(jī)器人，還是機(jī)器人概念成就了市值？

答案會(huì)寫在下一版Benchmark和下一季報(bào)里。