在当下的人工智能领域，'世界模型'已然成为高频热词，众多研究机构与科技企业纷纷将其视为未来人工智能竞争的核心赛道。这一趋势背后，是行业对人工智能技术突破的迫切期待，以及对更接近人类认知能力的智能系统的追求。

然而，围绕世界模型的本质定义、与主流VLA（视觉-语言-动作）路线的差异，以及其进化所需的数据支撑等核心问题，业界仍存在激烈争论。6月13日，智源研究院理事长、北京大学计算机学院教授黄铁军在接受徽声在线等媒体联合采访时，系统阐述了其对于世界模型发展的深度思考。

黄铁军指出，当前企业广泛采用的VLA路线与世界模型探索并非对立关系。'产业界优先解决具体场景问题，这是技术落地的现实选择。'他以制造业为例，说明在固定场景中，通过针对性训练的垂直模型已能实现高效应用。但若从长远视角看，构建一个能像人类大脑般支撑跨领域任务的通用基座模型，才是世界模型的核心价值所在。

智源研究院理事长黄铁军 图片来源：主办方供图

从任务执行到环境理解：机器人认知的范式革命

具身智能的爆发式发展，使VLA路线迅速成为行业主流。通过整合视觉、语言与动作模块，企业已能在物流搬运、工业装配等场景实现商业化落地。这种技术路径的成熟性，却引发了关于世界模型必要性的质疑。

黄铁军通过'人脑认知机制'的类比破解了这一迷思。他强调，人类决策依赖的是对物理规律、材料特性、环境变化及社会交互的完整认知框架。'当消防员冲进火场时，其判断基于对高温耐受度、烟雾扩散模式等复杂因素的综合评估。'这种动态推理能力，正是当前垂直模型所缺乏的。

具体到机器人应用场景，黄铁军描绘了更具挑战性的未来图景：在地震废墟中执行救援任务时，机器人不仅需要识别障碍物，更要理解建筑结构力学特性；在深海作业场景中，需实时计算水压对机械臂的影响。这些需求远超现有技术能力边界。

'构建完整世界模型是终极目标，但需要分阶段推进。'黄铁军提出，近期可聚焦于赋予机器人'常识推理'能力，例如理解'液体流动遵循重力规律'等基础物理认知。他预测，未来2-3年内，具备基础环境理解能力的世界模型雏形有望出现。

在技术实现路径上，黄铁军特别强调能效比的重要性。'真正的智能系统应像生物体一样，在低功耗下实现精准决策。'他以鸟类飞行与无人机能耗对比为例，说明当前AI系统在能源效率上仍存在巨大优化空间。

数据革命：从静态训练到动态交互

数据作为世界模型的'燃料'，其采集与利用方式正在发生根本性变革。黄铁军批判了传统大模型依赖的'离线静态数据集'模式，指出这种'书本式学习'难以捕捉现实世界的动态复杂性。

'生物进化证明，与环境交互是获取认知的关键。'他以婴儿学习为例：通过抓握、观察等实时互动，逐步构建对物体属性、空间关系的理解。这种'具身认知'理论，正推动世界模型数据采集向第一视角、实时记录方向转型。

可穿戴设备的普及为这场变革提供了技术支撑。黄铁军设想，未来工人作业时佩戴的AR眼镜、智能手环等设备，将同步记录视觉、听觉、触觉等多模态数据，形成'数字孪生'训练集。'这种数据不仅包含环境信息，更记录了人类与环境的交互逻辑。'

针对当前机器人企业普遍采用的'数据工厂'模式，黄铁军提出成本质疑。他建议探索'工作即采集'的新范式：让数据自然产生于真实作业流程中，例如通过外卖骑手的配送轨迹训练城市导航模型，或利用客服对话数据优化语言交互系统。

代码智能：被低估的数字世界基石

近期Anthropic等公司强化代码训练的举措，揭示了世界模型发展的另一维度。黄铁军解析称，编程语言因其强逻辑性，能显著提升模型的推理严谨性。'高质量代码包含人类工程师数十年积累的领域知识，这是自然语言数据难以比拟的。'

据透露，某些前沿模型训练中代码数据占比已超60%，涵盖Linux内核、金融交易系统等复杂代码库。这种训练方式不仅提升了模型性能，更意外打开了数字世界重构的窗口。

'电网调度、股票交易、企业ERP系统...现代社会的运行已高度依赖代码。'黄铁军指出，相比具身智能面临的硬件限制，数字系统改造具有更低的实施门槛与更快的见效周期。这解释了为何OpenAI等机构在发展多模态能力的同时，持续加大代码智能投入。

在他看来，代码智能与世界模型的融合将催生新型AI范式：既能通过物理引擎模拟现实世界，又能借助数字孪生技术优化决策流程。这种'虚实结合'的路径，或许正是通向通用人工智能的破局之道。