全球人工智能领域迎来年度盛会，2026世界人工智能大会（WAIC）聚焦具身智能技术突破与产业协同。作为商汤系生态企业的大晓机器人，在大会期间展示了开悟世界模型3.1版本及多项商业化成果，其董事长王晓刚提出具身智能发展需构建硬件、模型、数据、场景四要素联动的产业生态。
开悟世界模型3.1采用"理解-生成-预测"一体化架构，将物理世界认知、场景生成与动作决策深度融合。该模型通过共享特征网络实现信息高效压缩，突破传统方案中模块级联导致的信息衰减问题。相较于侧重动作映射的VLA技术，世界模型更擅长处理长程复杂任务，在面对新场景时展现出更强的泛化能力。王晓刚透露，随着以人为中心的数据积累突破千万小时量级，世界模型将逐步整合VLA功能，最终形成统一基座模型。
在数据体系建设方面，大晓机器人构建了三层数据采集框架：第一层依托互联网公开视频学习物理规律，第二层通过可穿戴设备采集真实交互数据，第三层补充少量真机遥操数据完成本体映射。其发布的第二代环境式采集硬件方案，支持多视角同步采集与力触觉反馈，数据质量分级标准从L1到L5覆盖从原始视频到毫秒级多模态信息的完整记录。王晓刚强调，高质量数据需包含失败案例，帮助模型建立反思能力。
商业化路径选择上，企业采取"先B后C"策略，重点布局安防巡检、即时零售等场景。王晓刚透露，未来一年计划在零售领域拓展1000家门店，覆盖无人零售、闪购仓等业态。通过规模化部署验证技术可靠性，预计部分垂直场景将在1-2年内实现盈利。针对家庭场景，他指出需先在限定工作区域的B端场景完成安全验证，解决责任认定等法律问题后再逐步拓展。
面对行业竞合态势，王晓刚认为具身智能与大语言模型发展路径存在本质差异。语言模型依赖互联网存量数据，而具身智能需要重新采集真实场景数据。这为创业公司创造了与垂直行业头部企业合作的机会，通过深度绑定特定场景实现数据规模化复制。他特别指出，单纯模型研发难以形成完整商业模式，必须与产业链各环节形成正向反馈循环。
在技术路线选择上，大晓机器人否定众包数据采集模式，转而依托酒店、零售等行业现有员工进行规模化数据采集。王晓刚对比自动驾驶行业发展经验指出，有组织的运营主体更能保证数据质量与场景可控性。针对当前行业痛点，他直言多数演示仍局限于预设任务，真正欠缺的是未知场景下的泛化能力与新任务解决能力，这需要世界模型与真实场景数据的持续迭代优化。
