您想知谈的东谈主工智颖异货，第一时分投递

旺晓通：深刻浅出，简短开通

今天我读到一篇综述论文时，脑子里冒出的第一个念头是：这群东谈主何如这样千里得住气。

2026年5月，具身智能领域正在经验一场号称“撕破脸”的期间道路之争。英伟达机器东谈主负责东谈主JimFan在红杉AIAscent大会上连开两场“葬礼”——第一场送别VLA，第二场送别遥操作。一时分行业杯蛇幻影，仿佛搞了三年VLA的东谈主都押错了方针。

咱们解读最新期间，文末有有关信息。

而就在这场涎水仗打得最凶的时候，复旦大学团队斡旋新加坡国立大学的权衡者，扔出了一篇综述：《WorldActionModels:TheNextFrontierinEmbodiedAI》。莫得花哨的宣言，莫得“XX已死”的暴论，即是老淳结识地把一个败落、紊乱、各说各话的权衡领域，重新到尾梳理了一遍。界说了主意，划清了规模，分好了类别，还把数据生态和评估尺度也一并盘了。

读完之后我陡然清醒到，这篇综述作念的，其实是一件被东谈主忽略却极其热切的事——在悉数东谈主都急着站队的时候，有东谈主站出来画了一张舆图。

一张乱了四年的舆图，终于有东谈主敢画了

先说说这个领域有多乱。

畴昔四年，具身智能领域至少冒出过三套以上“官方话术”：一会说VLA是末端决议，一会说宇宙模子才是正谈，一会又说把宇宙模子嵌进VLA里就行。学术圈发论文的、工业界作念产物的、投资东谈主讲故事的，各有一套定名系统和分类逻辑。解除个想路，张三叫“视频预历练战略”，李四叫“改日帧条目作为生成”，王五径直注册商标——你以为他们在磋商三件事，其实讲的是一套活。

复旦这篇综述作念的第一件狠事，即是给悉数这个词领域拉了一根基准线。

权衡团队追究提议了一个统摄性主意：宇宙作为模子（WorldActionModels，WAMs）。它的界说梗概到不错用一句话证明晰——具身基础模子不应只输出“面前该作念什么作为”，而应同期预测“作念完这个作为之后宇宙会酿成什么样”，即斡旋建模改日景色与作为的漫衍，而非单独预测作为。

我知谈你以为这听起来不像是“颠覆”，更像是“多加了一个输出”。但请你想想这个设定意味着什么。

一个唯有响应、莫得预测的大脑，能走多远？

打个比方。

你学开车的时候，教师有莫得让你“死记”每一段路的方针盘角度？昭彰莫得。你学到的是贯通：看到红灯会降速，路面湿滑要慢打方针，前方有行东谈主要提前预判走位。你的大脑在作念的事，不是看到一个画面就机械输出一个作为，而是先“脑补”接下来几秒的宇宙——行东谈主链接往前走会到哪个位置，我打了方针之后车身会滑到什么角度——然后再基于这个脑补收尾作念出响应。

这恰正是现时具身智能最致命的短板。

畴昔三年的主流决议VLA——视觉-话语-作为模子（Vision-Language-Actionmodels），本色上一个“条目反射式”战略。它学的是从“不雅测”到“作为”的径直映射，莫得显式地学过物理礼貌，莫得预测作为后果的才调，更莫得作念反事实推理的清醒。

一篇行业分析里用了一个很妙的比方：VLA就像一个学生，米兰app官方网站在不睬解几何旨趣的情况下，死记硬背了一万谈几何题的谜底。碰到原题，他媚媚宛转；条目略略一变，坐窝宕机。

JimFan的品评更狠。他说VLA其实应该更名叫“LVA”（Language-Vision-Action），因为绝大多量参数都堆在话语贬责上，物理贯通和作为生成被严重边际化。翻译一下即是：这些机器东谈主模子颠倒擅长“听懂教唆”（知谈TaylorSwift是谁，能贯通“把可乐罐推畴昔”），但在“何如推、用什么角度、施多纵情度”这些真是的物理动词上，差得不是一星半点。

看到这里你可能会问：那之前就莫得东谈主猜想要加“预测才调”吗？

虽然猜想了。问题在于，猜想的东谈主太多，但寰球都在不同的方朝上各自决骤。

两条路，解除种直观——WAM的架构之争

复旦综述把现存的WAM决议分红了两大类，这个分类看似期间细节，实则揭示了悉数这个词行业的不对地点。

第一类：级联式WAM。想路是先让一个“宇宙模子”预测改日画面（比如联想1秒后杯子会被推到桌子边际），再让一个“作为模子”字据这个预测画面解码出具体作为。步履流露，各司其职，滚球app中国官方网站有点像设立工程里的“筹算院出图、施工队按图施工”。克己是可解释、可阶段性历练，坏处是信息在模块间传递时一定有损耗——绘图的和施工的若是交流不畅，成果打扣头。

第二类：斡旋式WAM。不搞单干，径直把“预测宇宙”和“生成作为”塞进解除个神经麇集里斡旋优化。有的决议用自牵挂表情逐一生成改日帧和作为token，有的用扩散模子一次性生成完整序列。克己是“端到端的物理直观”更强，坏处是历练难度大、调试时很难定位问题。

你看出什么了？这即是AI领域反复演出的“模块化vs端到端”老剧情。级联派信奉“分而治之”，斡旋派深信“举座大于部分之和”。这篇综述莫得选边站，但把每一条路的筹算空间和内在权衡都摆在了台面上——莫得无缺的架构，唯有适配场景的架构。

最让我偶而的，是“数据”这件事

读论文的历程中，有一个细节让我反复看了好几遍。

WAM的历练数据着手，论文列了四种：机器东谈主遥操作数据、便携式东谈主类示范数据、仿真数据、互联网范围的第一视角东谈主类视频。

临了一种最让我蓬勃，也最让我困惑。

逻辑是这样的：海量互联网视频里藏着无数东谈主类与宇宙交互的物理动态——杯子跌落、水流歪斜、布料折叠、门被推开。这些视频莫得作为标注（你不知谈视频里的东谈主用了多大扭矩去拧阿谁瓶盖），但它们自然编码了“宇宙的因果礼貌”。WAM不错先用这些无标看重频学习“被迫物理直观”（物体是何如动的、碰撞是何如发生的），再用极少的带标注机器东谈主数据作念“作为对皆”（学会把我方的关键通畅与这些物理成果对应起来）。

一个14亿参数的模子DreamZero，仅靠从视频中学到的“物理梦”，就能零样本泛化到从未见过的新场景中实践任务。

这让我陡然想起一个判辨科学的经典争论：东谈主类婴儿到底是何如学会物理知识的？皮亚杰认为是通过“嗅觉通畅期”的反复试错，但其后的婴儿实验发现，几个月大的婴儿就依然有了基本的物理直观——他们会对“一个物体造谣消散”这种违犯物理礼貌的画面阐明出更长的看重时分。这证明什么？也许贯通物理宇宙，不一定需要躬行实践每一个作为。不雅察自己，即是一种学习。

WAM的数据战略暗合了这个判辨逻辑。从“看”中学宇宙的因果，再从“作念”中校准作为的精度——两件事不错解耦，这就极地面裁汰了机器东谈主数据的麇集门槛。

但这里还有一个狞恶的本质值得正视：面前WAM的实验考证仍然高度集聚在桌面操作、简便捏取、推拉等短程任务上。在需要数十步长程目的、波及复杂多物体交互的场景中，无论是级联式照旧斡旋式WAM，泛化阐明都远未达到“可靠”的水平。论文在这一丝上莫得婉词——权衡团队明确指出现存评估条约主要粉饰“可视保真度、物理知识和作为合感性”三个维度，但“真是宇宙的复杂性远超现时基准所能拿获的范围”。换句话说，实验室里能拉开的抽屉，和真是厨房里阿谁卡涩了三年的抽屉，是两个宇宙。

一场范式之争，最好奇羡慕的反而是“共鸣”

著作写到这里，我得停驻来恢复一个问题：这篇综述到底帮咱们看清了什么？

它莫得发明新模子，莫得刷新任何榜单。但它作念了一件事让悉数这个词领域往前走了一大步——它评释了这个方针不是溃兵游勇的灵感迸发，而是一个不错系统化鼓吹的权衡领域。

更热切的是，读完整篇综述你会发现，无论级联派照旧斡旋派，无论数据派照旧模子派，悉数东谈主都在往解除个方针用力：给机器加入“预测改日的才调”。

这件事让我猜想了一个文体预想。博尔赫斯有个短篇叫《强记博闻的富内斯》，写的是一个领有无缺系念的东谈主——他能记取每一派树叶的体式、每一个已而的光影变化。但讥讽的是，正巧因为系念过于精准和普遍，他反而无法进行任何抽象想考，无法从海量细节中提真金不怕火礼貌。他被我方无缺的“感知”困住了。

VLA某种进度上即是富内斯——领有优秀的语义感知和方法匹配才调，但莫得“因果框架”。它记取了每一皆题，却不懂背后的旨趣。而WAM试图作念的，正是从这种“地谈响应”的樊笼中跳出来，让机器领有最低甩手的“物联联想力”。

结语：2040年的瞻望

JimFan在他的演讲中给出了一个斗胆的时分预测：2040年，机器东谈主领域有望完成“物理API”和“物理自动权衡”这两项临了的期间配置。

说真话，听到这个数字的时候我是怀疑的。14年，从AlexNet到面前的AI智能体，话语模子确乎走了很远。但物理宇宙不是token序列，重力、摩擦力、弹性形变——这些不会因为你数据量大就消散。

但换个角度想，也许热切的从来不是“能不成准时到站”，而是咱们终于把舆丹青了出来。

这篇复旦综述的标题里有个词叫“NextFrontier”——下一皆前哨。它示意的不是极度，而是一个新的起点。当行业还在为“VLA死没死”吵得面红过耳的时候，真是热切的问题其实是：不管叫什么名字，机器是否开动学会预判它的作为将若何更动这个宇宙？

博尔赫斯在另一篇作品里写过一句我永恒忘不掉的话：“改日不可幸免，精准，但可能不发生。”这句话的张力正巧轮廓了WAM的本色——好的预测不应是写死的脚本，而应是“若是我这样作念，宇宙可能会酿成这样”的反事实联想。

一篇综述的力量，不在于给出谜底，而在于让这个问题终于不错被流露地追问。

参考费力：

•标题：WorldActionModels:TheNextFrontierinEmbodiedAI

•作家：SiyinWang，JunhaoShi，ZhaoyangFu，XinzheHe，FeihongLiu，ChenchenYang，YikangZhou，ZhaoyeFei，JingjingGong，JinlanFu，MikeZhengShou，XuanjingHuang，XipengQiu，Yu-GangJiang

•单元：复旦大学、上海转换权衡院、新加坡国立大学

•联接：https://arxiv.org/abs/2605.12090靠谱的滚球app中国官网