问题——具身智能进入“从能动到会做”的关键期，技术路线面临再选择； 近年来，机器人正从单一动作执行加速迈向复杂环境作业，对感知、理解、决策与控制的协同能力提出更高要求。行业曾一度以VLA模型为主流，通过视觉与语言输入生成动作策略，推动机器人实现“看懂—听懂—去做”。但真实物理世界中，机器人常常要面对光照变化、材质差异、摩擦与碰撞等复杂因素，VLA在跨场景泛化与稳定性上的不足逐渐暴露。因此，更强调对环境与物理规律建模的“世界模型”受到关注，成为创业公司与产业端的新发力点。 原因——物理可解释性与数据成本，推动世界模型“上桌”。 业内观点认为，世界模型的价值在于让机器人形成更接近人类的理解方式：不仅知道物体“是什么”，还要能判断“会怎样”“该怎么做”。在公开表述中，有企业负责人认为世界模型上限更高，可能成为通往具身智能的重要路径；也有研究者强调，世界模型的重点不在视频生成或虚拟现实，而在于用于指导机器人与物理环境互动，增强推理与规划能力。 从工程角度看，数据来源与训练成本也是重要推力。VLA模型往往依赖高质量真机数据——采集成本高、覆盖场景有限——且在真实环境中“试错”代价较大。世界模型则更倾向于利用互联网上海量图像、文字等多模态数据，将人类经验与常识规律转化为可学习的表示与预测能力，从“理解”和“规划”层面补足短板。同时，一些企业推出并开源有关模型版本，强调以物理规律为基础，试图突破传统行为模仿的瓶颈，深入抬升了产业侧对世界模型的关注度。 影响——行业竞争从“模型能力”转向“可靠落地”，生态格局或重塑。 技术路线变化正在影响企业研发节奏与产品策略。一上，更多机器人制造商把世界模型纳入研发主线，期待其复杂操作、连续任务、跨场景迁移诸上带来提升，从而进入工业、仓储、家庭服务等更广阔市场。另一方面，VLA并未“退场”。在不少任务中，VLA在端到端控制、快速决策与实时响应上仍有优势，尤其在结构化环境与特定工艺流程中，依然能形成可用产品。 同时也要看到，世界模型落地门槛并不低。业内普遍认为，机器人系统对误差高度敏感，预测中的细微偏差可能在执行阶段被放大，造成抓取失败、姿态不稳甚至安全风险。这意味着世界模型不仅要“懂物理”，还要在感知精度、时序预测、控制闭环、仿真到现实迁移等环节达到工程级可靠性。对企业而言，竞争重点正从“演示效果”转向“长期稳定运行”，从“单点突破”转向“系统协同”。 对策——并行推进与融合探索成为共识，标准与评测亟待完善。 面对不确定性，行业策略更趋务实：一是两条路线并行推进，保留研发弹性。部分企业同时投入VLA与世界模型，以适配不同场景需求与技术演进节奏。二是加速融合架构探索，让VLA“能做事”，让世界模型“更懂事”。业内人士提出，未来可由世界模型提供物理理解与长期规划，再由VLA完成动作选择与执行优化，以提高成功率与鲁棒性。相关机构也在推进融合框架研究，希望在数据效率、泛化能力与执行稳定性之间取得更好的平衡。 与此同时，行业仍缺少统一的技术标准与可比评测体系。世界模型与VLA的能力边界、数据规范、安全要求、场景覆盖与成本指标等，仍需要在更多真实应用中形成共识。建立面向工业与服务场景的通用评测体系与安全底线，将成为下一阶段推动产业健康发展的关键基础设施。 前景——短期分化、中期融合、长期走向“物理智能”系统化能力。 整体趋势显示，具身智能正从“单模型竞争”走向“系统能力竞争”。未来一到两年，VLA可能仍会在部分产品化场景保持优势；同时，世界模型的工程化成熟度将决定其能否在更广泛场景实现规模应用。更长周期内，两者融合有望成为主流：用世界模型增强理解与规划，用VLA提升执行效率，并配合高质量数据闭环、仿真平台与安全机制，推动机器人从“可用”走向“好用、耐用、可信”。在政策、资本与产业需求共同作用下，具身智能或将加速从实验室走向产业链深水区。
技术路线的更迭从来不是“非此即彼”；世界模型提供更深的物理理解愿景，VLA沉淀了面向任务的工程经验。具身智能要走向规模应用，关键在于以更严格的可靠性验证、更开放的生态协作和更清晰的标准体系，把“看得懂、想得明白、做得稳当”统一起来。未来的竞争，最终取决于谁能把模型能力转化为可持续的产业能力。