往年的世界机器人大会，企业比的是“身体”，双足行走、翻跟头、秀舞技。今年的风向变了，大家都比起了“脑子”，而承载这颗大脑的核心，是世界模型。
超维动力带来KAI世界模型，大晓机器人发布开悟世界模型3.1，RoboScience成为行业首个公开展示世界模型实时可视化推理的企业，章鱼动力推出SYNWorld具身原生世界基础模型……在2026世界机器人大会上，世界模型从学术概念变成了展台上的竞品标签。
在各家比拼“大脑”的当下，真正决定具身智能天花板的，是模型参数还是那些得达到“千万乃至亿小时”的规模化训练数据？当前，机器人走进家庭尚存在速度慢、噪音大等问题，制约它的最大障碍又究竟是什么？带着这些疑问，在2026世界机器人大会举办期间，《每日经济新闻》记者专访了自变量机器人合伙人兼算法负责人甘如饴。
世界模型真正的壁垒是什么？
世界模型火热的另一面，是行业共识正在发生转移。
甘如饴告诉《每日经济新闻》记者，“大家都认同机器人需要理解物理规律、预测动作结果，但在模型架构、数据配方上还远未收敛。”
在2026世界机器人大会现场，去年高频提及的VLA和端到端等关键词显著减少，“世界模型”虽被大量提及，但尚未形成统一定义。行业讨论正从“谁是机器人大脑终极路线”转向更务实的问题——究竟需要采集何种物理交互数据？又该如何高效、高质量地采集？
当前，自变量机器人估值超200亿元，常被拿来对标美国Figure AI等头部具身企业。甘如饴在与记者聊到业内对“1000万小时乃至1亿小时量级真实世界数据才能突破”的普遍判断时，表达了不同看法。
“我们不认同只要数据足够多，模型就一定会突破。规模很重要，但不是充分条件。更关键的是数据来自什么环境、覆盖哪些任务，动作与视觉、语言是否准确对齐，以及能否包含真实交互中的失败和意外情况。”甘如饴向《每日经济新闻》记者指出，“如果底层架构和数据配方不合理，盲目扩大规模只会放大噪声。”
在2026世界机器人大会现场的主题演讲中，自变量机器人创始人兼CEO王潜也提出，数据不应被简单类比为“石油”。石油是相对标准化的原材料，而能真正用于训练具身模型的数据，更像链条很长、加工复杂的工业品，生产过程覆盖任务定义、采集、质量判断、处理、训练验证和反向优化，“复杂程度可能高于模型本身”，随着模型架构逐渐趋同，数据将成为具身智能差异的主要来源、核心技术和重要壁垒。
机器人真实场景验证仍存难点
对于数据采集端，在2026世界机器人大会现场，自变量机器人展示了无本体数采方案QUANXTA Zero，观众可以穿戴设备体验动作被捕捉采集、转化为机器人可训练数据的过程，但采集只是起点。
甘如饴向《每日经济新闻》记者用一个代数比喻阐释了自变量机器人的基础设施逻辑：如果把模型能力看作一条增长曲线，数据是“一阶导数”，数据管线就是“二阶导数”。数据决定模型当前能学到什么，数据管线决定模型能够以多快的速度持续进步。
世界模型的价值，最终要在真实场景中接受检验。在2026世界机器人大会现场，《每日经济新闻》记者看到，自变量机器人能完成浇花、叠衣、铲猫砂等数十种家务。而针对工业端，其机械臂可对大小、形状、材质完全随机的真实包裹进行自主分拣。
自变量展厅。每经记者 温沐夏 摄
不过，真实场景的验证依然存在难点。此前，自变量机器人与58到家联合推出149元/3小时机器人上门保洁服务，收到了速度慢、噪音大等用户反馈。
当记者问及这是技术成熟前的阵痛，还是说明家庭场景远比预想复杂时，甘如饴表示，“两方面都有，速度和噪音说明当前技术仍有提升空间，也进一步验证了家庭场景的复杂性，毕竟，真实用户不会按照脚本生活。”
与此同时，机器人进家庭仍被外界质疑：究竟是面向消费者服务，还是企业在做数据采集的实验。
“这是一项面向真实用户、解决实际需求的服务，出于隐私保护，相关数据在端侧全部完成打码处理。更重要的是，在真实服务中感知用户需求、了解用户如何评价机器人，并摸清机器人当前的能力边界。”甘如饴告诉《每日经济新闻》记者，“我们不会等技术达到完美后再进入家庭，而是想通过真实服务发现边界，推动模型提升长程规划、动作效率、异常恢复和环境适应能力。只有不断发现哪些事情做得好、哪些事情还做不好，才能推动模型和产品持续迭代。”
美港通提示：文章来自网络，不代表本站观点。
