席宁周炜骆怡航同台对话：世界模型技术路线与落地走向如何演进？

11月2日下午，2026年香港金融科技周现场进行了一场围绕“世界模型”的对话。

这场交流由香港金融科技周与腾讯科技共同发起。到场嘉宾有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。三人围绕世界模型的技术路线、产业落地和未来走向谈了各自的判断。

香港金融科技周大会承办方Finoverse联合创始人兼联席CEO黄洛姿告诉腾讯科技，近两年AI产业跑得快，来大会的嘉宾结构也跟着变了。教授、科学家和AI创业者上舞台的越来越多，内地科技企业出现的频率也明显高了。

腾讯科技从一位论坛组织者处了解到，AI 如今是香港金融科技周讨论的核心话题之一。他提到，大会议题从 AI 智能体一路覆盖到具身智能，前沿技术不断被纳入；而世界模型也成为业界关注 AI 下一阶段技术走向与产业角逐的关键议题。

热度归热度，谈到世界模型，分歧仍然不少。视频生成、三维空间建模、隐空间预测，还有世界模型与动作模型结合，几条技术路线同时往前走，统一的路径到现在也没定下来。

行业里眼下盯得最紧的几个问题是：大模型厂商、机器人企业、自动驾驶公司等不同背景的玩家都在布局世界模型，将来是挤进同一个市场，还是各走各的竞争格局？多条路线里谁先跑通？离规模化商业应用还差多远？

“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直言，世界模型的技术路线远远没有收敛，跟大语言模型早期相比，眼下做投资选择要复杂得多。按目前的技术进展，他判断通用物理模型要想在三年内落到机器人领域的实际应用里，难度不小。也正因如此，除了通用模型，他把目光转向“软硬件一体化”的创业公司，想找出机器人界的“特斯拉”。

路线看不清，周炜反而更看重创始人这个人本身。他的看法是，好的创业者得拿捏得住什么时候该坚持，什么时候该掉头。

聊到创业者生态，周炜说创业者就是来打破既有秩序的那批人，文化得开放、得包容。他拿硅谷、中国内地和香港不同的商务着装习惯打比方，意思是形式上的束缚少一些，创业者交流的空间才能更自由。

说到世界模型的难点，席宁认为，要让大模型读懂这样一个不断变动的世界，所需的数据和模型能力跟语言模型差得很明显，这也是它技术困难扎堆的一个重要原因。

但他不觉得物理AI非得等人形机器人成熟，才能走进真实的产业场景。

在席宁看来，工厂里的机械臂当然算机器人，数控机床这类自动化设备在控制机制上也和机器人相通。他判断，大模型很可能率先在工业机器人以及其他智能设备上落地。

世界模型的技术方向会往哪走？生数科技联合创始人兼CEO骆怡航的判断是，模型能力一轮轮迭代下来，世界模型的技术路径正变得清楚起来。

骆怡航拿生数科技自己举例：公司从视频生成做起，再一步步往物理环境预测和机器人动作学习上扩。9月，生数科技推出了面向机器人灵巧操作的世界模型Motus 2，想用自进化训练把模型能力往上推。

他把世界模型的发展分成五个阶段：L1世界生成、L2实时交互、L3世界行动，再往上是L4自主进化和L5多智能体协同。眼下行业还在前三个阶段上持续用力，同时往更高阶的自主性和协同能力摸。

在骆怡航看来，“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”。相关能力一路发展，世界模型朝具身智能产业应用推进的速度也在加快。

图里自左向右依次是：腾讯科技李海伦（提问）、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，以及创世伙伴创投（CCV）创始主管合伙人周炜。

以下是本场交流的精华内容（依据现场对话实录整理，部分表述做了适当精简和优化）：

问：先请三位嘉宾各自简单介绍一下，以及各自跟世界模型有关的研究、投资或业务实践。各位是从什么时候开始关注世界模型这个领域的？

周炜：我做的一直是早期风险投资。在凯鹏华盈干了十年，管的是其中国基金。后来团队独立出来，成立了CCV（全称“创世伙伴创投”），还是专注硬科技投资。总体讲，我们是一家全球化基金。

世界模型这块，这一轮大模型浪潮刚起来我们就进场了。大概2023年，我跟傅盛在一场直播里聊过大模型的发展。那会儿我很看好大模型的前景，觉得它会改变自动驾驶等多个行业。傅盛的看法是，投资人对大模型的预期太乐观。有意思的是，现在他对大模型的态度比我还积极。

我们（CCV)投了第一波基础模型公司，零一万物就在其中。零一万物如今已经转向解决方案，也就是决策模型。再往后，我们硅谷团队也投了不少当地的人工智能应用公司。

世界模型和机器人从一开始就绑得很紧。大模型出现之前，我们已经投了六七家知名机器人企业，其中三家正在准备上市。大模型起来之后，我们投的一个知名项目在机器人灵巧手领域，叫灵心巧手（Linkerbot），我们是其早期投资方。

物理模型领域，我们已经投了三家公司，另外还有一些创业公司在接触，主要来自硅谷和中国内地。

问：感谢周总。投资逻辑这块我们后面再展开聊。下面有请席宁教授。

席宁：世界模型能不能真正产生价值，一个关键点在于它能否帮机器人读懂物理环境、生成控制指令，并把任务做出来。

我在机器人和自动化这个领域干了几十年，从读书那会儿一直到现在。跟产业界的合作也做了很多，从基础理论研究到应用开发都覆盖到了。

今天聊大模型，尤其是物理人工智能，绕不开的一个问题是怎么用大模型去控制物理系统，包括机器人、自动化系统和过程控制系统。其实在大模型出来之前我们就一直在盯这件事，也开发了不少方法。只不过那时候不叫大模型，叫“机器人自动编程”。

以前得靠人给机器人写程序，它才能干活。我们一直琢磨的是，程序能不能自动生成，让机器人自己多做点事。到现在虽然有了大模型，要解决的问题跟过去差不多，只是用的办法不一样了。

机器人自动编程我们动手很早，相关方法已经在多个工业系统里落地，汽车制造用得尤其多。焊接、喷涂这些场景中，机器人不用靠人工写程序就能把任务完成。

现在有了大模型和人工智能工具，自动编程的效率高了不少。我们也搞出了一套新方法，提出了一个叫“GATWorld”的基础模型。它建立在我们开发的新型学习方法之上，对数据量和训练算力的要求比眼下的大模型低得多，工业制造、可穿戴机器人以及多种自动化过程控制领域都能用。

问：大模型给机器人能力提升带来了新的可能，但怎么推动机器人在更多场景中落地，仍是行业要突破的关键。接下来请骆总。

骆怡航：大家好，我是生数科技的。在“世界模型”这个词被大家广泛使用之前，生数科技已经在做今天世界模型涵盖的一些工作了。2022年我们提出了融合架构，当时主要想做的就是理解世界运行规律。我们试着在像素空间里解码物理规律，视频生成也是从这个基础上长出来的。

那之后我们一直在摸视频生成技术的边界。它不光能在数字世界里描绘世界怎么运行，还能往物理空间延伸，驱动机器人这样的具身智能去行动。

所以生数科技现在的定位是打造通用世界模型的底层基础，一头驱动数字内容生产，一头支撑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参与讨论。第一个问题，现在各种背景的公司都在布局世界模型，几位怎么看这个现象？未来它们会走到同一个市场里去吗？

周炜：我的看法跟骆怡航刚才说的很接近。大模型如果能生成符合物理逻辑的视频，从物理学角度讲，就有可能反过来推出它背后的规律。也就是说，模型有机会理解物理世界。

说白了，人工智能是“大脑”，在虚拟世界里能完成很多事情。可真要介入物理世界，就得靠机器人这类物理实体，通过硬件跟真实世界打交道，不能只停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、不同观点一直争论的原因。有的路线以视觉为基础，也有别的路线，包括英伟达探索的方向，以及杨立昆的隐空间路线。在我看来，这些都是尝试跟物理世界建立联系的办法。

拿养老来说，老龄化社会里，机器人以后要帮老人洗澡、翻身。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。物理模型说到底得在现实生活里起作用，而不只是生成好看的视频。所以它的重要性不用多说。

至于不同技术路线最后会不会汇到同一个市场，还是继续分化，现在还很难说。现场的教授和创业者可能比投资人更适合判断技术往哪走。我们是风险投资机构，只能不断观察、学习，然后做投资判断。到现在，技术路线的争论还是没有收敛。

技术路线这块，跟当初投大语言模型不一样。那时候基础路线相对清楚，主要是挑公司。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，有些公司跟机器人本体结合得非常紧。所以得在不同路径里找投资机会。

过去在中国内地投大模型企业，早期头部公司就那么几家，后来有了所谓的“大模型七小龙”。可现在，我们接触过的物理模型公司已有几百家，要从中挑出最好的团队并不容易。

问：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还没收敛，未来往哪走也不够明确。我觉得这跟物理世界本身的复杂性关系很大。

要理解这个问题，先得弄清楚世界模型到底需要学习和描述哪些信息。

拿语言大模型来说，语言由词汇组成，词汇按一定规则形成句子和文章，核心是理解和处理语言中的逻辑关系。

物理世界就复杂多了。除了事件之间的逻辑关系，还牵扯空间、时间以及物体之间的相互作用。比如物体怎么运动、状态怎么变化，不同物体之间怎么产生作用力，这些都涉及动力学规律。

物体怎么动、状态怎么变，背后是动力学过程；物体彼此施加影响，则牵涉到力。也就是说，我们要刻画的是一个四维的物理世界，时间、空间、作用力和逻辑特征都在其中。语言模型处理的信息，与此差别很大。

所以，想做出能描述真实物理世界的模型，数据层面和模型能力层面的要求都不一样。眼下世界模型技术挑战不少、各条路线还没收敛，原因也在这里。

问：要建立描述四维物理世界的模型，数据量、模型规模这些方面的要求都不同。世界模型到今天仍未收敛，诸多困难与这些维度紧密相关。除了逻辑，怎么理解真实的物理世界，其实更为关键。

这个问题我也想请骆总来谈。生数科技最早做的是视频生成产品“Vidu”，之后才延伸到世界模型。有一种看法是，视频生成模型虽然吃下了大量世界数据，但这是否代表它真的懂了物理世界？

骆怡航：先说说我们的理解。要描述对世界的理解与行动，得形成一个闭环。人除了交流，也一直在跟世界打交道、在世界里做事。这个过程分三个环节：感知和理解、预测，以及行动。

我们先感知当前状态，判断做了某个操作后可能带来什么变化，再去执行。感知、预测、行动，三者构成一个实时交互、不断迭代的闭环。

视频生成主要覆盖理解和预测这两环。这两项能力不断成熟之后，再加上行动指令，模型的能力边界就进一步拓宽了。

于是，生数科技把自家的世界模型取名为“Motubrain”。它的底层模型架在视频生成模型之上，同时补入更多物理世界的数据，多模态信息和触觉信息都在其中，由此搭起从理解、预测到行动的闭环。

从产业实践来看，我认为技术路线正变得愈发清晰。2024年我们推出了视频生成模型Vidu；此后是第一代Motus，再到2026年的Motubrain和Motus 2。一路走来，我们都是沿着视频生成这条路线叠加能力、持续迭代，慢慢长成世界模型。

从数据泛化和任务泛化两个角度看，我们认为模型已经表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都在逐步提升。

往后要想再提升能力、真正实现产业落地，还得把语言模型的高阶语义推理能力与世界模型接起来。人做精细动作之前，会先在宏观层面做语义思考；接触物理世界之后，再借助更精细的模型指令把动作完成。

我认为未来有两条技术路线需要继续发展并相互结合。一条是沿着世界模型的方向走，不断提升对物理世界的理解、预测和行动能力；另一条是在此之上，叠加语言模型的高阶语义推理能力。这跟人完成精细动作的过程很像：动手之前先做宏观的语义推理，碰到物理世界之后，还要依据实际情况做更精细的动作控制。

这两条路线得结合得更完整，才能做到更精细的物理理解、预测和行动。从世界模型走向具身智能的产业落地正在提速，技术路径也越来越清楚。

问：周总，现在技术路线还没收敛。结合您过去的投资经验，往后该怎么判断一家公司的特征和发展方向？

周炜：最要紧的是优秀的创始人，尤其是那种能持续思考的人。什么时候该调整方向、什么时候该坚持，很难量化。该调整时不调整，可能错过机会；不该调整时偏要调整，又可能是不够坚定。这是一门艺术。

我们看过过去二十年成功的企业家，最优秀的那批人往往能在关键节点做出必要的调整。所以，在技术路线还没收敛的领域，第一步是找到那个“最好”的人。

另外，借着在香港的这场交流，我想说说香港的创业生态。

过去很长一段时间，我在硅谷和中国内地做投资，也常去香港参加行业交流。香港正在积极发展本土科技创业生态，我认为，除了资本和产业资源，创业文化同样是不可忽视的一环。

在硅谷或者中国内地，创业者穿条短裤、蹬双凉鞋就跑来聊项目的场景，我见得不少；可香港有些商务场合，着装规矩还是挺严的。这回出席活动，我照样套上正装、打了领带。

我个人的看法是，创业者大多想冲破现成的规矩，穿什么其实也是一种表态。创业氛围要是太看重传统商务礼仪那一套形式，创业者自由表达的空间说不定就被压窄了。

所以我认为，发展科技创业生态的过程中，也要关注并营造更开放、包容的氛围，让创业者能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，怎么吸引优秀创业者、形成有活力的创新环境，同样值得关注。

席教授，您在香港做机器人和人工智能研究这么多年，跟产业界的合作也很广。照您观察，香港跟中国内地其他地区相比，在人工智能的创业生态上——尤其是世界模型和具身智能这两块——差别在哪？

席宁：中国香港的优势很特别。大家常讲香港是连接东西方的桥梁，以往这种连接多落在金融、物流、贸易上。眼下科技创新已经成了社会和经济发展的重要动力。

眼下香港正处在产业和经济结构转型的要紧关口，让科技创新成为经济发展动力是重要方向之一。香港可以把连接东西方的优势用足，把既懂硅谷、又懂中国内地的投资人和创业者更多地吸引过来。

香港的桥梁角色不该只停留在贸易和金融上，还要把科技创新和创业投资连起来，通过连接全球创新资源，带动大湾区创新发展。

问：香港在连接内地与国际科技创新资源上有独特优势，往后怎么把这些优势进一步发挥出来，同样需要持续关注。也期待明年几位嘉宾能接着分享对硅谷、中国内地以及整个大湾区走势的观察和判断。

下面有请骆总。刚才提到，世界模型眼下有多条技术路线，国内外科技巨头和其他赛道的企业也都在往这个领域伸手。生数科技从视频生成走到世界模型，目前还在探索自进化。你怎么看创业公司该怎么保住核心竞争力，需要建起哪些壁垒？

骆怡航：我不觉得我们是在“转型”。更准确地说，是认知和行动一直在迭代，我们走的是一条通向物理人工智能、也通向通用人工智能的路，一直在往前推。

这条路我们拆成五个阶段：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。五个阶段层层递进、彼此支撑，前一个阶段做完了，才能往下一个阶段推。

世界生成（World Generation）之后，要实现和物理世界的实时交互，然后才谈得上进入行动阶段。行动之后，还牵扯到自组织进化。9月发布的Motus 2版本里，我们已经试着用自进化的方式做训练，训练中后期不断自我迭代。这是迈向下一阶段的一个关键点。

至于怎么跟大厂竞争，目前我们没把重点放在这上面。作为创业公司，更在意自己的技术积累、产业落地的拐点，还有技术发展的趋势，沿着自己的方向快速迭代。

问：世界模型正从视频生成往实时交互、动作执行和自进化等方向走，技术能力也在不停迭代。接下来这个问题请周总回答，从投资角度看，您怎么判断这些技术进展带来的产业机会？往后看两到三年，世界模型领域哪些方向最有可能先跑出突破？

周炜：长远来说，世界模型应该具备通用性和泛化能力。可按现在的进展，尤其在机器人领域，我还没看到三年内做出通用物理模型的明显迹象。机器人硬件之间差异太大，想做通用能力很难。

要是追求最大的长期价值，就该投具备泛化能力的通用物理模型，我们也在投这个方向。不过最近我们格外关注垂直领域，特别是“软硬件一体化”这条路。

有些公司从“大脑”到机器人本体都自己研发，连部分零部件都自己造。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，产品体验可能更好。

未来我们想投一家兼具苹果和特斯拉特点的公司，软件“大脑”和硬件本体两方面能力都强，还能把某个方向做到极致。

现在很多机器人还只能给人类打下手。往后如果机器人能独立承担某项工作、全程不用人工干预，我认为这会是一个有标志性意义的突破，也能创造出很大的实际价值。

问：世界模型的应用潜力不只体现在机器人上，工业生产和内容生成等领域同样有空间。站在投资视角，接下来哪些应用场景更值得盯紧？又可能生长出哪些新的商业机会？

周炜：我们现在主要看机器人领域的物理模型应用，包括机器人的“大脑”。内容生成这块发展时间已经不短，骆总他们做得也不错。但物理模型的应用整体还处在早期。

刚才提到的工厂，本身就是机器人的重要应用场景。现在有一种误解，觉得机器人就是两条腿的人形机器人。其实人形机器人的应用场景可能很窄，工厂里的机械臂同样属于机器人。

从应用场景看，我特别想投能解决养老问题的机器人。中国已经进入老龄化社会，光靠家庭成员把养老照护全包下来很难做到。我认为机器人会是解决这个问题的重要方向，商业价值和社会意义都值得关注。

另外，我们也看重有全球普遍价值的产品，不光在中国有价值，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，世界各地都能看到中国品牌的机器人和机械设备。我甚至希望以后电影里的机器人身上，出现更多中文品牌标识。

问：刚才周总谈了机器人未来的应用前景，也谈了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走到大规模商业应用，可能还要花不少时间。席教授怎么看这个发展节奏？

席宁：周总刚才那番话讲得很到位，机器人并非只有人形这一种，工业机器人等多种形态同样算数。物理人工智能要落地，从机器人或智能设备切入是可行路径，但前提是得真正用起来、形成实际应用。

如果长期没有真正落地，甚至让投资人失了兴趣，这个领域的发展就会出问题。不过落地不一定非得靠人形机器人，也可能先在工业机器人或其他智能设备上发生。

拿工业机器人来说，在它广泛应用之前，已经有不少特征相近的设备，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，只是我们一般不叫它们机器人。这些多轴计算机控制设备很早以前就用开了。

所以大模型一定要找到真实的应用场景，可能是工业机器人，也可能是别的需要智能化的设备。核心是创造实际价值，只有做到这一点，开发者、投资者和社会才会有更大的信心。

问：最后想请骆总聊聊，您此前把生数科技的发展路径拆成世界生成、实时交互、世界行动、自主规划等五个层层递进的阶段。眼下行业技术走到哪一步了，接下来哪些关键能力最需要突破？

骆怡航：前三个阶段我们会接着打磨，也就是第一级的世界生成和第二级的实时交互。新版本会建立在第三级世界行动能力之上。要从第三级跨到第四级，核心是让模型自己能评估行动、自己改进。

对生数科技来说，做法是围绕同一个基础模型不断推出迭代版本，把世界模型的能力一步步做强，再往更高的阶段走。