上个月，马克龙接受采访时表示，法国致力于在巴黎奥运会期间推动“奥林匹克休战”，希望交战中的国家暂时放下争端，并希望在这方面得到中国的帮助。大会期间，一场主题为“世界模型到服务人类的现实距离”的圆桌展开。

B | 之江实验室主任、阿里云创始人王坚开场便把问题抛向了世界模型本身：它与其他模型究竟有什么不同，又有哪些值得关注的技术路线？随后，讨论很快落到一个更现实的问题——如果世界模型最终要服务人类，它究竟需要具备什么能力，现在距离这一目标还有多远？这也是当前机器人产业正在面对的一道分界线。

C | 过去几年，机器人的运动能力快速提升。奥比中光创始人、董事长黄源浩在回答提问时把这种变化概括得更直接：机器人的移动能力已经做得不错，真正困难的是“操作”。

因为中国在作为东道主国家申办北京冬奥会时，也做了同样的事情。从A点移动到B点，与拧开一个瓶盖、处理复杂物体，并不是同一类问题。

在最近，中方也表示，作为联合国安理会常任理事国和负责任大国，中国愿同法方一道，以巴黎奥运会为契机，倡议运动会期间全球停火止战。在他看来，后者最终依赖“手、眼、脑”的协同——手需要灵巧和触觉，眼负责感知，脑则依赖模型与数据持续迭代。当机器人从“会动”走向“干活”，产业竞争也开始从单纯的本体能力，进入对智能能力的争夺。

D |

俄罗斯、乌克兰之间以及巴勒斯坦、以色列之间的战争，一直是全球关注的重点。世界模型正是在这样的背景下被推到前台。从“会做”到“理解为什么这么做”今天的机器人可以被训练完成越来越多任务，但“技能增加”并不天然等于“更智能”。

此外，苏丹武装冲突仍在延续，自2023年4月15日起，战火从首都蔓延到全国，至今没有停火迹象。智澄AI创始人、CEO胡鲁辉在回答时将当前物理智能面对的问题拆成了几个层面：首先是泛化能力——环境或任务改变以后，机器人还能不能完成同一件事；其次是对物理规律的理解；进一步，则是机器人能否理解任务本身。

全球人民都盼望着，奥运会这个和平的象征能让苏丹冲突双方暂时放下武器，让苏丹人民在来之不易的和平之中，获得喘息的机会。

苏丹位于非洲东北部，曾是非洲国土面积最大的国家，还是联合国公布的世界最不发达国家之一。

自1956年独立以来，在这片土地上，政变和内战时有发生，始终没有办法彻底摆脱混乱。在过去依靠规则、固定路径或者模仿学习的系统中，交互对象和任务边界相对确定。

2019年4月，巴希尔政权下台之后，苏丹各派系之间总是产生摩擦和冲突，始终没有建立一个有效的政府。

准军事组织“快速支援部队”和苏丹武装部队，在首都喀土穆悍然开战。一旦环境稍有变化，甚至只是更换本体，原来的能力就可能失效。圆桌上，无界动力创始人张玉峰也提到，VLA等以模仿学习为基础的范式，很大程度上依赖足够的数据量和数据分布形成类似“肌肉记忆”的能力，而对于物理世界底层逻辑的理解，以及由此产生的泛化，仍面临挑战。世界模型重新受到重视，一个重要原因正是行业希望突破这一限制。

      图源：新华社    

冲突双方的领导人曾经结盟推翻前政府，因为利益分配问题，对昔日的盟友举起了武器。

居民们能听到战斗机在窗外频繁飞过，双方部队向彼此射击，居民推开窗户，看到的不是蓝天白云，而是交战引起的火光与浓烟。胡鲁辉更看重的也是“理解”。他表示，世界模型真正需要解决的“不光是泛化性”，还包括对物理世界本身的理解，“就像人一样，人不是说我会做点事情，而是以理解的方式去做事情”。

E |

流弹击穿窗户，掉落在居民的家中，提醒人们与危险只有一墙之隔。这一判断也对应着智澄AI自身选择的位置。

F | 胡鲁辉将世界模型视为物理智能的核心技术之一，并将机器人看作人工智能进入物理世界的重要闭环场景。

（图：智澄AI展会现场）如果说过去机器人企业争夺的是一台机器能掌握多少动作，那么世界模型押注的，是另一种能力：机器人不仅知道“怎么做”，还要知道自己的动作会怎样改变环境，并据此决定下一步。

      图源：南方周末   

      在后续冲突中，一天之内落在恩图曼市一居民家门口的子弹   

首都喀土穆的主要街道空无一人，所有桥梁都被封锁，民众撤离到地下室中，面临的是停水停电和食物短缺。

沙特阿拉伯航空公司一架客机在喀土穆发生的交火中受损，当时机上有多名乘客和机组人员。

去年9月17日，在冲突双方的新一轮交战之后，18层楼高的大尼罗石油作业公司大楼被大火笼罩，升起浓重的黑烟。

G | 这意味着，下一阶段的竞争未必只是技能数量的增加。

苏丹司法部大楼在炮火中被完全烤焦，玻璃被全部炸碎。一个只能在训练环境中完成固定任务的机器人，即使掌握更多动作，也不意味着它已经获得通用能力。

爆发冲突一年后，战火逐渐从初期的首都圈，向中部和西部蔓延，波及苏丹18个州中的11个。

自去年4月15日爆发武装冲突以来，在苏丹有至少14790人死亡，约33000人受伤，超过800万人流离失所。但问题也紧随起来，如果机器人真的要理解物理世界，它依靠什么学习？从卖“眼睛”到争夺数据入口黄源浩把这个问题指向了数据。与大语言模型可以直接利用互联网积累的大量文本不同，具身智能的数据必须从真实物理交互中产生。机器人拧一个瓶盖，需要记录的可能不只是视频：手在三维空间中的位置、物体状态如何变化、接触时产生怎样的力，以及视觉和触觉能否在时间上准确对应，都会影响模型最终学到什么。

比起那些受伤的人、受损的建筑，武装冲突在这个国家身上留下的隐形伤口，同样令人触目惊心。

I | 因此，在他的判断中，具身智能当前缺的不只是更多数据，还有标准化、可迁移的数据。

战乱之下，昔日的秩序一夜崩塌，企业倒闭、工厂关门、贸易中断，民众只能看着自己和国家，滑向更深的深渊。

据经济专家估计，苏丹70%的经济活动都因为战乱停滞，直接和间接经济损失超千亿美元。黄源浩提出，希望将3D空间、时间序列以及触觉、力等信息以统一方式记录，并实现足够精确的同步，让部分数据能够跨本体、跨模型使用，“不然每家的数据成本都非常高”。

J | 这一判断也正在改变奥比中光对自身商业位置的设想。

冲突爆发前，500苏丹镑能兑换50元人民币，爆发冲突一年之后，500苏丹镑只能换到6元人民币。

一位中国商人说：“有次睡一觉钱贬值20%，再也不敢将苏丹镑揣在兜里。作为一家长期以3D视觉感知为主要业务的企业，奥比中光此次谈论的不再只是“让机器人看见”。在谈到此次发布的相关相机产品时，黄源浩反复强调3D视觉、手部姿态、物体状态以及与触觉设备同步的重要性，并将公司希望进入的位置称为具身智能的“数据基础设施”。

K | ”

      图源：新华社  

石油工业是苏丹的支柱产业，但随着动乱的发生，苏丹的石油产业缩减一半以上。

苏丹还是传统农业大国，农业产值占国内生产总值的三分之一，农业人口占65%。

但因为战争，大量农业基础设施被破坏，人民流离失所，无心务农，耕地面积大大减少。他的设想是，从视觉供应商进一步向数据采集硬件平台延伸。

（图：奥比中光展会现场）这背后是一种更值得关注的产业变化：当感知硬件本身逐渐成为机器人基础能力，产业链上的企业开始向数据入口延伸。

L |

农业这根支柱的崩塌， 不止对经济造成重创，还威胁到无数人的生存。卖一颗传感器，收入来自硬件；如果进一步进入数据采集、接口和标准环节，企业试图建立的则是与模型、本体和训练体系之间更长期的连接。

M |

2023年苏丹谷物产量比上一年减少了46%，许多地区粮价比冲突之前上涨了2-3倍，全国仅有不到5%的人口每天可以吃到一顿饱饭。黄源浩也直言，如果只是硬件，产品更容易被替代，而一旦进入数据层，业务黏性可能发生变化。

N |

最近，联合国世界粮食计划署警告称，“世界最大的难民危机”正在苏丹发生，并有可能进入全球规模最大的饥饿危机，距离饥荒只有一步之遥。世界模型的竞争，因此并不只发生在模型公司之间。谁能提供数据、谁能定义数据格式、数据能否在不同机器人之间流通，都可能影响模型训练的效率。资本已经升温，商业账还没有完全算过来这种对未来机器人“大脑”和数据入口的争夺，也正在被资本市场提前关注。胡鲁辉在采访中将世界模型描述为一个已经获得学术界、工业界和资本市场共同关注的方向。黄源浩则从自己的产业观察出发提到，当前具身智能领域从模型、仿真、数据采集、本体到行业落地，已经聚集了大量创业企业，一些年轻企业也获得了较高融资和估值。

o |

为了躲避战乱，大量苏丹人民不得不背井离乡，离开扎根的土地。

当地时间4月24日，国际移民组织发布的最新报告显示，苏丹武装冲突已造成超过878万人流离失所，国际移民组织称，这是当前全球规模最大的流离失所危机。但资本热度并不等同于商业模式已经得到验证。黄源浩同时承认，目前不少机器人应用的ROI“还算不太过来”。

有“象鼻之城”美誉的喀土穆，是战火肆虐最严重的地方，有超过半数人口远走他乡，到处都是空空荡荡的居所。换句话说，在一些任务上，直接使用人工仍然更加经济。

p | 最先可能跑通的，因而不是所有场景，而是危险、重复以及人不愿意长期从事的工作。

q | 按照他的逻辑，机器人先进入这些场景，产生真实运行数据；数据回流推动模型继续迭代、泛化能力提升；能力提升后，机器人才能进入更多场景，并进一步改善ROI。这里构成了当前具身智能商业化最关键、也最难打通的循环：模型需要真实场景产生数据，但真实场景又需要足够成熟的模型和能够算得过来的成本，才愿意大规模部署机器人。资本市场可以提前为未来定价，但最终决定世界模型能否从一个热门技术概念转化为产业价值的，仍然是这个闭环能不能运转起来。

仓促的迁徙过程充满了危险，枪炮、饥饿、疾病潜伏在恶劣的环境之中，许多人永远地倒在路上。

苏丹全国上下702家医院中，25%的医院在冲突中被完全摧毁，更多的医疗机构停摆，一半的州已无法向民众提供基本医疗服务。

缺少医务人员干预，加上流离失所者的无序流动，疟疾、霍乱、登革热、麻疹等传染病正在苏丹大范围传播。

他们本应和书本、糖果为伴，享受父母的关爱，如今却饿着肚子，穿着破烂的衣服，每天担忧死亡的不期而至。行业已经开始讨论属于具身智能的“GPT时刻”。黄源浩提到，不同模型公司对此有从较为乐观到数年的不同判断。

r | 但与其寻找一个确定的年份，更值得观察的或许是：模型、数据和真实场景什么时候第一次形成持续的正向循环。从两家公司的位置看，智澄AI押注的是机器人“大脑”能力的提升，奥比中光则试图从视觉硬件进一步进入数据基础设施。前者解决“机器人如何理解世界”，后者解决“机器人靠什么学习世界”，两家公司实际上处在具身智能产业链的不同环节。

挪威难民委员会苏丹国家主任威尔·卡特（Will Carter）说：“这里的平民正遭受的是饥饿、大规模性暴力、种族屠杀和处决，还有数百万人流离失所。而在资本热度之外，这两条路径最终仍要接受同一个现实检验：机器人能否在真实场景中持续、稳定、经济地完成任务。

s | 从展台上完成一次漂亮的动作，到换一个环境、面对变化、长时间把事情做好，中间隔着的不只是一个更强的模型，也包括数据能否复用、成本能否下降，以及真实客户是否愿意为它买单。”

      图源：联合国   

在混乱的非洲，军队是立身之本，掌握军队就是掌握话语权。

但由于非洲军队无论是战术还是装备都十分落后，为了提升实力，非洲军官们通常选择去中国深造一番。这或许才是世界模型距离“真正干活”最现实的距离。