600多亿砸向了“说不清”的技术：资本正在为“世界模型”的定义买单

在2026年的前七个月里，国内一级市场向“世界模型”相关领域注入了666亿元资金，64家相关公司中有58家成功获得融资，融资成功率接近90%。其中，极佳视界在三个月内吸金35亿元，估值飙升至30亿美元；生数科技传出计划在港股上市的消息；Runway的年度经常性收入突破2亿美元，估值达到53亿美元。这些数据让“世界模型”这一概念热度飙升，然而，World Labs联合创始人兼CEO李飞飞却直言不讳地指出，世界模型是AI领域“最重要、同时也最被滥用的术语之一”。

高达600多亿元的融资额，与“世界模型”这一宽泛概念所涵盖的技术实质之间，存在一道巨大的定义鸿沟。

01 同一个概念，装着不同的业务

智源研究院院长王仲远在2026年智源大会上，将被称为“世界模型”的技术分为四类：以语言为中心、以像素为中心、以三维结构为中心和以视觉表征为中心。李飞飞则用更简洁的方式分类：输出像素的是渲染器，输出环境状态的是仿真器，输出动作指令的是规划器（有时也称“决策器”）。这两种分类方法指向同一个事实：World Labs的Marble、Runway的GWM Worlds 2、极佳视界的GigaWorld以及光轮智能，本质上在做完全不同的事情，却被同一个概念“世界模型”所定义。

Marble的商业本质是一款面向游戏开发、影视特效和VR团队的内容工具：标准版每月20美元，旗舰版每月95美元，包含75次生成和商业使用权。Marble提供的是可漫游的3D场景和可选碰撞网格，其评估标准是创作者控制和导出互通性，而非闭环策略成功率。它的核心优势在于3D一致性高、速度快，但代价是缺乏物理模拟。

Runway则走了一条不同的道路：2026年9月，Runway发布了第二代世界模型GWM Worlds 2，主打实时交互式世界模拟，明确将自己从“视频供应商”重新定位为“物理AI的模拟基底”。它出售的不是视频片段，而是片段底层的模拟层——一种能从视频中学习物理规律、可用于训练机器人和自动驾驶的底座。其年度经常性收入达2亿美元，市销率约26.5倍，这是一个SaaS公司向基础设施公司跃迁的估值叙事，与Marble按订阅次数出售生成额度的模式截然不同。

国内市场的分化同样显著。极佳视界的GigaWorld-1在WorldArena评测中综合得分超过60分，超越了谷歌、英伟达和阿里，同时公司还推出了Maker H01机器人本体，其叙事逻辑是将世界模型嵌入具身智能的“大脑”。生数科技在两个月内融资26亿元，投后估值超过120亿元，路径是从视频生成向“世界模型”靠拢，先实现商业化，再升级概念；智象未来在三个月内融资超过21亿元，同样依靠视频生成积累的经验，先通过影视、营销等愿意为“生成结果”付费的场景维持运营，而不是直接攻克需要三五年才能验证的物理仿真难题。还有光轮智能，它不直接从事世界模型开发，而是为世界模型团队提供仿真数据和评测基础设施，全球排名前三的世界模型团队均与其合作，全球主流具身智能团队中超过80%的仿真资产来自该公司。2026年3月，光轮智能成为全球具身数据领域的首个独角兽，其本质是出售“工具”，而非淘金故事。

02 渲染精度提升，但物理理解分数停滞

融资市场的热度与技术领域的冷静，形成了一种不太和谐的对比。

南洋理工大学S-Lab团队在2026年7月发布的Apple-π基准，是首个以物理定律为核心的视频模型评估工具。它测试的不是画面美观度，而是模型能否感知物理量、表述支配定律、并推导出符合定律的后续运动。在11个代表性模型的评估中，最优水平得分仅为0.473，物理运动推理被明确指出是主要瓶颈。WACV 2026的一篇论文更是直接指出：OpenAI的Sora、Runway、Pika labs的Pika和谷歌研究院的Lumiere等当前模型，物理理解“极其有限”，且这种局限与视觉真实感无关：画面越逼真，越容易让人误以为模型“懂了”，但像不像和懂没懂，是两回事。

更具体的问题出现在动作条件的世界模型上。普林斯顿大学、得克萨斯大学奥斯汀分校、英伟达和智元联合提出的WorldOracle基准，利用真实机器人操作记录与模型预测进行对比，发现了一个近乎黑色幽默的模式：机械臂的移动路径预测得相当准确，但物体是否被抓起来、以及抓起来后去了哪里，模型经常进行“脑补”，呈现出一种“阿Q精神”。字节跳动的IRASim在机械臂得分上为78.8，但在操作物体上仅为29.1；英伟达的Cosmos 3分别为89.4和45.4。当预测时间延长后，英伟达的另一个模型DreamDojo的得分从50.56降至27.08，Cosmos 3则从53.99降至26.60，接近腰斩。一个能在视频中让机器人“看似完成任务”的模型，与一个能让真实机械臂在杂乱桌面上不抓空、不碰翻杯子的模型之间，横亘着物理仿真、长时程稳定性和真机验证的一整条技术鸿沟。

Marble的实测反馈也证实了这一点：短距离移动时光影连贯，室内场景观感良好，但大范围移动会出现畸变，在室外场景中表现“相当负面”。有开发者在Hacker News上直言：“作为‘世界’模型，它似乎不太理解什么是物理空间。”这并非Marble独有的短板，当前被归入“世界模型”名下的产品，绝大多数在“生成看起来合理的东西”上进步迅速，但在“预测物理上真正的正确”时进展缓慢。而后者，恰恰是仿真器和规划器（决策器）的全部价值所在。

03 资本按赛道节奏下注，技术按学科节奏爬坡

政策端的信号是明确的，但措辞耐人寻味：“十五五”规划将“世界模型”列为攻关前沿技术，市场监管总局正在加紧制定国家标准，明确要“快速凝聚行业共识”。目前，共识尚未形成。 正如王仲远所说：“世界模型的定义到底是什么，大家还没有达成共识。”然而，一个连边界和定义都未划定的领域，却率先涌入了666亿元资金和58家获得融资的公司，筛选成本被转移给了下游——车厂、机器人公司、工厂，它们需要在“世界模型”的标签下，自行分辨眼前的产品是一个好用的渲染工具、一个尚不准确的仿真环境，还是一个真正能指挥机械臂完成动作的决策模块。

Runway的年度经常性收入是真实的，极佳视界的评测分数是真实的，Apple-π的0.473也是真实的。问题不在于有人“美化”自己，而是不同物种被纳入同一个估值坐标系后，在资本的退出节奏与技术的成熟节奏之间，出现了一个错位的时间窗口。 渲染器可以依靠订阅制在两年内实现漂亮的年度收入曲线，仿真器的价值需要三到五年的真机数据积累才能被验证，而决策器的商业化必然会更晚。当三者共享“世界模型”的标签，共享同一套“下一代通用人工智能基础设施”的叙事时，最先实现收入的那一类会率先定义市场对“世界模型”概念的价格预期，而真正从事物理理解的那一类，反而要在被拉高的估值框架中，再证明自己配得上那个数字。

666亿元的数字，买到的不是一个有清晰定义的技术，而是一个正在被争夺的定义权。定义权的争夺从来不只是学术争论——谁有资格定义什么是“世界模型”，谁就有资格决定下一轮融资的估值锚点。 至于物理理解能力何时能追上渲染精度，Apple-π的0.473不会因为融资额后面多一个零而自动变成0.8，这是一个工程和科学的问题，而工程和科学，不参加路演。 这个错位，也不会因为下一轮融资到账就自动消失。半岛体育app下载

本文来自微信公众号“财能圈”，36氪经授权发布。