在近期举办的一场行业论坛上，人工智能领域的前沿探索聚焦于一个核心命题：如何让AI突破数字世界的边界，真正融入复杂的物理环境。与会专家普遍认为，世界模型作为连接虚拟与现实的关键技术，正在为物理智能的发展开辟全新路径，但其规模化应用仍面临多重挑战。
香港大学计算与数据科学学院创始院长马毅提出，世界模型已超越传统三维重建的范畴，其核心价值在于赋予机器人类般的感知与决策能力。通过构建对物理世界的动态理解框架，机器人能够像人类一样在开放环境中完成交互、学习与价值创造。这一观点引发了学界与产业界的广泛共鸣。
关于世界模型的本质定义，现场形成了多维度的解读。生数科技联合创始人骆怡航强调，真正的世界模型必须形成"理解-想象-行动"的完整闭环。他以人类行为模式为类比，指出系统需具备预测推演能力，并能输出可直接作用于物理实体的决策指令，而非停留在视频生成或场景重建的表面层面。
商汤科技联合创始人王晓刚从产业实践角度补充道，世界模型的核心不在于追求视觉画面的完美呈现，而是掌握现实世界的因果规律。他提出系统应具备生成智能、物理智能和认知智能三大能力，分别对应环境推演、物理属性理解及复杂任务分解等关键功能。香港大学助理教授杨言超则进一步明确技术标准，认为有效的世界模型需满足未来预测、结构化记忆形成和持续自我进化三个条件。
在技术落地层面，专家们指出需解决场景适配、数据质量等现实问题。杨言超提出，世界模型的应用应遵循成本效益原则，在试错代价高、数据获取难的场景中优先部署，如医疗手术、灾害救援等领域。极佳视界首席科学家朱政则通过对比工业与家庭场景指出，固定操作流程的商业环境对世界模型需求有限，而动态变化的家庭场景更具应用潜力。
数据建设被公认为技术突破的关键瓶颈。王晓刚揭示，当前互联网上存在大量违反物理规律的影视特效数据，这些信息可能干扰模型训练。他提出采用穿戴式多传感器设备采集人类真实行为数据，通过环境式真人异构采集方式构建高质量数据集。上海科技大学研究员石野同时指出，现有机器人本体执行能力与世界模型的要求仍存在显著差距，需要软硬件协同发展。
香港大学计算与数据科学学院副院长罗平在讨论中形成结论性观点：虽然世界模型可能不是实现物理智能的唯一路径，但就目前技术发展而言，它仍是赋予机器空间想象力、常识推演和行动预测能力最具希望的基础架构。这场思想碰撞为AI走向物理世界提供了多维度的思考视角，技术演进方向逐渐清晰。
