数百亿涌进世界模型，谁在裸泳？

2026年的AI圈，最挤的赛道不是大模型，而是世界模型。前7个月，国内相关融资超666亿元，超50家企业获投；海外，李飞飞、杨立昆两位重量级人物亲自下场。但智源研究院院长王仲远在接受《科创板日报》专访时泼了盆冷水：现在谈世界模型有稳定现金流，还有点早。他把第一条现金流的落点，押在工业仿真和影视游戏交织的地带——并且给出了一个最不会骗人的验收指标。这篇文章，就聊聊热钱、冷水，和那个最贵的死循环。

📈 半年666亿，赛道比早高峰还挤

AI圈从不缺故事，缺的是账单。

2026年开年，世界模型赛道的热度就没降过温。2月，被称为"AI教母"的李飞飞创立的World Labs完成10亿美元融资；一个月后，图灵奖得主杨立昆离开Meta创办的AMI Labs，以10.3亿美元种子轮刷新欧洲AI创业史纪录。两位标杆人物的动作，等于给赛道盖了章。

国内的热钱更猛。极佳视界三个月内连续完成三轮融资，吸金约35亿元；千寻智能开年融了45亿元；英伟达推出号称全球首个全开源物理AI全能模型的Cosmos 3；小鹏在CVPR上亮出世界模型技术图谱，吉利发布了WAM世界行为模型——车企也没闲着。

据《科创板日报》不完全统计，前7个月国内相关融资超666亿元，超50家企业获投。这个数字放在任何细分赛道都算得上狂热。

但一位头部VC合伙人的话值得所有人细品：严格按照预训练标准筛选，真正在做世界模型的创业公司，最多不过3-5家。据多位接近机构的人士透露，今年不少项目的融资书，只是把赛道名称从"仿真"、"3D"、"视频生成"换成了"世界模型"——皮换了，馅没换。

连李飞飞本人今年6月都直言：世界模型是当今AI领域最重要、也最被滥用的术语之一。

产业逻辑其实很清楚：资本永远先于技术成熟度到来。当一个大词出现，第一波涌入的多半是换皮的叙事项目，真正的分化要等现金流验收的那一刻。现在的问题只有一个——那一刻什么时候来？

💡 智源不写融资书，只发模型

在满场喊融资的地方，有人偏不拿钱。

喧嚣之中，智源研究院是个特殊的存在——它不是公司，不进行融资，却发布了研发中的悟界·Physis-v0.1，定位为全球首个通用世界基座模型。没有BP，没有估值故事，直接把研发中的东西摆上台面。这个姿态本身，就是一份立场声明。

近日，《科创板日报》记者在北京专访了王仲远。问到"世界模型最清晰的付费方是谁"——这是几乎所有从业者都会被问到的问题，他的回答没有任何修饰："说实话，现在谈世界模型有稳定现金流，还有点早。"

但早，不等于没有路径。他把几条线拆开来看：

• 自动驾驶和工业数字孪生：对物理真实性的要求最高，付费意愿也最强，但世界模型目前的能力，还不足以满足它们核心环节的需求；
• 游戏和影视：相对宽容的场景，对幻觉的容忍度更高，有可能最先看到付费案例，但更多是作为辅助工具存在；
• 机器人：本质上要先解开硬件、数据、模型这个循环悖论。

他给行业定的基调是一句话：VLA是当下，世界模型是未来。

这句话的分量在于区分了时间轴。VLA（视觉-语言-动作模型）是现在就能往机器人上装的东西，世界模型则是下一个阶段的基础设施。把它们混在一个叙事里讲故事，正是眼下估值泡沫的来源之一。不融资的智源研究院，反而把这件事说得最清楚。

🔁 机器人卡在一个死循环里

机器人行业最贵的，是那个转不出来的圈。

王仲远在专访里把机器人领域的困境说得很透：具身能力不足，限制了真机数据的采集；数据稀缺导致模型能力弱、落地难，于是能力更加无法提升。这是一个标准的负反馈死循环——每一环都卡着下一环。

这个循环解释了为什么人形机器人公司拿了巨额融资，真机数据量依然跟互联网文本数据不在一个量级。硬件贵、部署慢、场景散，真机数据天然是稀缺品；而世界模型理论上最大的价值之一，恰恰是用合成数据撬动这个循环——这也是它被机器人行业寄予厚望的原因。

但期望归期望，现实是：模型能力弱→客户不敢用→没有收入→没有钱买硬件采数据，这个环每一圈都在加重。用世界模型做合成数据，本质上是试图在环上开一个旁路——让虚拟世界替真机干活，把数据成本降一个数量级。

旁路能不能打通，取决于世界模型对物理规律的还原精度。这正是王仲远判断自动驾驶和工业数字孪生"付费意愿最强但能力尚不满足"的原因——这两个场景对物理真实性要求最高，也就最先检验世界模型的真功夫。旁路打不通，循环继续转；打通了，机器人这条线才有真正起飞的可能。

💰 第一笔钱，藏在仿真和游戏交界处

情怀养不活公司，交界处才长现金流。

王仲远的核心判断是：第一条稳定现金流，可能最早出现在工业仿真和影视游戏两条线交织的地带——比如用世界模型做合成数据、做预演评估。

这个判断拆开看很有意思。把各场景按付费意愿和幻觉容忍度摆在一起，交叉点就出来了：

逻辑链条是这样的：影视游戏对幻觉容忍度高，客户愿意先掏钱试，是通往现金流的捷径，但天花板是"辅助工具"；工业仿真对真实性要求高，付费方是真金白银的工厂和产线；两者交集处——用世界模型生成合成数据、做策略预演评估——既享受了游戏的宽容度，又触达了工业的付费意愿。

换句话说，别一上来就想着替代真机、替代物理引擎，先在"数据供应商"和"预演评估器"这种可验收的岗位上站稳，比讲"通用世界模拟器"的故事更能活到下一轮融资。对创业者而言，这意味着产品形态要收窄、交付标准要前置；对投资人而言，这意味着尽调问题可以从"你的模型多通用"换成"你的合成数据，客户产线敢不敢用"。

⚠️ 闭环成功率，最不会骗人的指标

Demo会骗人，闭环不会。

王仲远对行业现状的警惕写在明面上：演示很强、收入很弱，是今年世界模型公司的通病。怎么区分"能签合同的世界模型"和"能发论文的世界模型"？

"核心区别就一条：它能不能在真实场景里稳定地、可预期地工作。"王仲远说，很多demo看起来很漂亮，但那是选了最好的case。

他给出了一个自认为最不会骗人的指标：闭环成功率。把世界模型作为策略评估器，接一个policy进来，它在模型里成功执行的概率，跟它在真机上执行的概率，是不是高度一致。"如果这个指标对不上，说再多都没用。"

这个指标狠在哪里？它同时杀死了两种故事：一种是模型里成功率漂亮、真机上一塌糊涂的"评估器"故事；一种是真机演示精挑细选、换个场景就翻车的"具身智能"故事。仿真到真机的一致性，是物理AI绕不开的验收标准——就像工业机器人当年用重复定位精度验收一样，世界模型也需要自己的"精度手册"。

对产业链上的采购方——无论是车企、工厂还是机器人公司——这个指标提供了当下最可操作的验收工具。据多位接近产业的人士观察，今年下半年开始，头部客户的POC评估已经在向这类可量化指标收敛。谁先把自己的闭环成功率摆上台面，谁就先拿到合同。

📌 小结：热钱先行，账单在后

666亿融资、50余家企业、两位图灵奖级人物下场——世界模型的热闹是真的，泡沫大概率也是真的。王仲远的价值在于给出了一张清醒的地图：VLA是当下，世界模型是未来；第一笔钱在工业仿真与影视游戏的交界处；验收标准是闭环成功率。接下来一年，看两件事就够了：有没有公司在仿真-真机一致性上公开可复核的数据，以及合成数据的第一批工业订单花落谁家。热钱会退潮，账单会留下真实的名字。