当大模型的热潮逐渐进入技术深水区，资本正在另外的赛道上加速“抢筹”。
毕马威发布的《跨越奇点：世界模型如何重塑具身智能产业与商业新范式》报告显示，具身智能行业2025年的融资额达111.7亿美元，同比增长152%；融资数量达670笔，同比增长81%。2026年一季度融资额达50.3亿美元，同比增长182.9%；融资数量为203笔，同比增长55%。世界模型赛道2026年上半年融资事件总数达42起，已基本和2025年全年融资事件数持平。
具身智能和世界模型看似两个赛道，实则紧密相关。毕马威认为，当下，具身智能产业破局的关键在于让机器人拥有理解物理世界规律的物理直觉，世界模型可以为其突破当前遇到的瓶颈提供相应支撑。
“具身智能是世界模型转向商业化应用的一个代表。”在2026WAIC期间，毕马威中国科技、媒体及娱乐、电信行业审计主管合伙人卢鹍鹏对21世纪经济报道记者说道，“在过去五个季度，我们看到具身智能的投融资事件越来越多，下一步会看到其在更多垂直赛道的落地。”世界模型补全AI的现实维度
《21世纪》：毕马威今年发布的报告聚焦世界模型。为什么选择世界模型这个概念，而不是大模型？世界模型的优势在哪里？
卢鹍鹏：选择关注世界模型，首先是因为大语言模型正遭遇明显的瓶颈。在算力和成本约束下，单纯依赖参数规模扩张的边际收益正在下降。更重要的是，大模型本质上是拟合语言概率的知识容器，它缺乏对真实世界复杂因果关系和不确定性的理解。
而AI要实现真正的突破，不能只做一个会回答问题的系统，必须通过多模态感知与环境直接互动，这正是迈向具身智能的必经之路。同时，技术条件趋于成熟，海量视频数据、多模态传感器（885946）以及强大算力，让训练世界模型成为现实可能。需要强调的是，世界模型并非要推翻大模型，而是为AI补全现实世界的维度，两者互补，共同通往通用人工智能（885728）。
世界模型的核心优势在于，它能像人类一样构建“心智模型”，实现“观察、推理、行动”的闭环。大模型预测的是“下一个词”，世界模型预测的是“下一秒世界会变成什么样”，它真正理解物理规律和空间关系。它具备内部推演能力，可以在虚拟环境中试错、规划，找到最优策略后再在现实中执行。因此，在机器人、自动驾驶等必须进入物理世界完成任务的场景中，世界模型拥有大模型无法替代的绝对优势。
《21世纪》：世界模型目前处于什么阶段？下一步演进方向是什么？
卢鹍鹏：从技术上看，世界模型正处于从早期理论算法向多模态实际应用过渡的阶段。当前已分化出视频生成、三维场景构建、机器人控制、智能体决策等不同分支。
下一步的关键是整合视觉、记忆和控制三大模块，提升对物理环境的理解、状态预测和动作规划能力，从而深度赋能自动驾驶和物理决策系统，与大语言模型形成互补。解决工程化落地难题是关键
《21世纪》：世界模型对具身智能为何如此关键？它扮演什么角色，能解决哪些传统难题？
卢鹍鹏：具身智能需要在真实物理空间中独立完成任务，而世界模型恰恰提供了理解现实环境运作规律的基础架构，是实现“观察、推理、行动”闭环的关键。它在系统中作为状态预测与决策规划的核心功能模块，让机器理解物体间的空间关系和动态变化，实现多模态交互。
世界模型帮助具身智能解决了两大传统难题。第一，免除在现实环境中进行大量高成本、低效率的物理试错，它可以在内部虚拟世界中推演各种动作的可能性，验证最优方案后再实际执行。第二，弥补了以往AI缺乏现实因果经验的缺陷，通过处理动态视频流和传感器（885946）时序数据，让机器掌握物理运作规律，具备应对连续且充满不确定性事件的能力。
在技术突破上，世界模型在三个环节至关重要。一是环境表示，提升智能体从复杂视觉和多模态信息中提取关键特征的能力；二是未来预测，要求模型精准掌握物理规律，准确计算动作后的场景变化；三是动作控制，提升自主制定和执行物理行动方案的能力。此外，支撑大规模训练的算力和多模态数据积累也是必须攻克的技术难点。
《21世纪》：世界模型帮助具身智能商业化落地的过程中，还有哪些难点待突破？
卢鹍鹏：目前的阻碍主要在工程体系建设层面，有三个核心难点。
第一，高质量具身数据极度短缺。训练需要海量多模态数据，包括视觉、动作轨迹、关节状态、力矩、触觉等，采集成本极高、标注繁琐，且涉及现场环境和设备敏感信息，跨域共享难度很大。
第二，计算资源约束导致推理效率不达标。世界模型不仅要观测现状，还需推演未来多重状态，带来极高的计算成本和延迟。若无法在决策周期（883436）内输出有效指令，就无法接入实际控制流程。
第三，长时序误差累积降低虚实迁移可靠性。模型在虚拟环境中学习的规律，一旦真实执行中出现微小偏差，后续所有预测就会偏离真实轨迹，任务越长偏差越大。
《21世纪》：什么情况下才算真正跨越奇点？
卢鹍鹏：跨越产业奇点的关键，恰恰是解决上述工程化落地难题。
目前绝大部分企业的应用仍停留在验证和试点阶段，仅有极少数实现规模化部署，当前商业价值仅限于降低数据成本或缩短开发周期（883436）。只有彻底解决推理延迟问题，并结合真实数据调参和可执行约束来克服长序列误差，才能让世界模型在真实业务现场平稳运行。
当模型能够适应物理世界的多变性，在极短决策周期（883436）内精准指挥机器人完成长流程任务，显著提升人工替代率、提高设备运转效率并加快生产节拍时，我们才能认定它跨越了商业化落地的奇点，实现了真正的商业价值提升。三大落地方向进度不同
《21世纪》：从投融资市场看，行业整体发展态势如何？中国在世界模型产业中处于什么水平？
卢鹍鹏：投融资市场非常活跃，整体处于早期高速增长阶段。相关企业融资交易已连续五个季度增加，2026年上半年融资总量基本追平2025年全年。虽然大额交易频繁，过半数金额过亿美元，10亿美元级别融资也不断出现，但80%的交易集中在种子轮、天使轮和A轮，说明大量早期初创企业正在快速获得资本加持。
中国企业表现尤为亮眼。多家在2023年至2026年间成立的本土初创企业，在极短时间内估值突破10亿美元，显示出国际资本对中国技术路线和落地能力的高度认可。中国在世界模型领域已具备强劲的国际竞争力。
《21世纪》：报告列举了机械臂、自动驾驶、人形机器人（886069）三个落地方向。从你的观察看，这三个赛道的规模化商用进程分别处于什么阶段？
卢鹍鹏：三个赛道差异很大。机械臂代表的固定式机器人，商用进程最快。它的运行空间基本不变，环境复杂度和自主决策需求都处于中低水平，虽然需要中等偏上的物理交互强度来完成抓取和装配，但作业边界清晰、外界干扰少，技术落地阻力最小。目前已在工业制造等真实场景完成大规模常规部署和商业化应用。
自动驾驶代表的轮式机器人，处于加速拓展期。产业成熟度中等偏上，正从局部验证向大规模商用过渡。轮式机器人需要在开放道路移动，对环境复杂度和自主决策水平要求极高，但其物理交互强度极低(主要是避免接触)，企业可将算力高度集中于环境感知和路径规划。目前已在部分区域实现常态化服务，正逐步扩大商业应用范围。
人形机器人（886069）代表的足式机器人，还处于最早期。产业成熟度相对较低，距离真正规模化商用还有很长时间。人形机器人（886069）在环境复杂度、任务复杂度、物理交互强度和自主决策水平四个维度上的需求都远高于前两者，必须同时应对多变地形、多步骤复杂任务和高频双向物理接触，计算和控制难度极大。当前主要停留在产品研发、原型机迭代和实验室验证阶段，尚未达到大规模量产和全面商业部署的条件。
《21世纪》：谈谈你对2026年具身智能产业发展最重要的判断。
卢鹍鹏：2026年，具身智能将从技术突破走向产业落地，竞争焦点将从“能不能做”转向“能不能规模化应用并创造商业价值”。
(作者：张赛男,实习生曹亚萍编辑：郑世凤,骆一帆视频编辑：肖航)
