深度 | 机器人开始「造世界」：巨头不买数据改造数据，世界模型会抽干 Figure 们的护城河吗｜深度分析

这是一篇深度研究，不是新闻简报。基于 11 个来源的交叉验证。 核心观点：当真实物理数据又贵又难采，李飞飞、Genesis、Nvidia 正在押注一条更便宜的路线——直接在虚拟世界里「造」数据来训练机器人。方向是对的，但「用仿真世界练熟的手，能不能在真实世界也稳」这条最硬的结果，目前还没有人跑通。我判断，这不会替代真实数据，而是会演变成「仿真 + 真实」的混合打法。 证据等级：[A] 官方/一手 [B] 2+可靠来源 [C] 单一来源 [D] 个人判断

一、巨头们不买数据了，开始「造」世界

上一期深研拆过机器人的数据战：Figure 砸重金自建 Index 数据集、去采集真实物理数据。但这一期我想看一条更反直觉、也更便宜的路线正在崛起——既然真实物理数据那么贵，为什么不直接在计算机里「造」一个物理世界，让机器人在里面把动作练熟？

这条路线叫 世界模型（World Model）与物理仿真。核心主张很明确：与其让工程师花一年清干净一条产线去采数据，不如用一个能生成「可控、符合物理、可无限重复」虚拟世界的模型，批量生产机器人需要的「物理语料」。

进入 2026 下半年，这条赛道走到资本和产品同时爆发的拐点。李飞飞创办的 World Labs 7 月接连出手——收购专注空间智能的 SceniX、发布「Real-to-Sim-to-Real（真实到仿真再到真实）」的 R2S2R 训练引擎——把一家「生成 3D 世界」的公司，正式改造成「训练机器人」的平台。[A] 曾经的学术开源项目 Genesis，则发布 Genesis World 1.0 与 GENE-26.5，从纯科研变成背靠公司的商业化仿真平台。

分量被严重低估了。上一轮具身智能军备竞赛，抢的是「谁手里有物理数据」；世界模型玩家则提出一个釜底抽薪的问题：如果「数据」本身可以被廉价合成，那上一轮花几百亿建数据工厂的公司，护城河是不是正在被偷偷抽干？[D]

二、技术深潜：世界模型不是「生成视频」，是「可交互的物理模拟器」

很多人把世界模型等同于 AI 生成视频（比如 Sora 那种），这其实是两码事。

今年 6 月，World Labs 发了一篇被圈内视为「行业谱系奠基」的论文，把所谓「世界模型」按功能劈成三类：渲染器（只会生成’像’的视频，算对像素算错物理）、模拟器（生成’符合物理’的世界）、规划器（在模拟中决策，最稀缺未证明）。[A] 这个分类的潜台词很尖锐：绝大多数号称世界模型的产品，其实只是高级一点的渲染器；真正能拿来训练机器人的模拟器与规划器，寥寥无几。

上图：世界模型的功能谱系中，只有模拟器与规划器层级能服务机器人训练。

Genesis 提供了「仿真的物理底座怎么造」的活教材——它把刚体、有限元、MPM、布料/流体等传统分属不同库的物理求解器揉进同一个场景共享状态，再用编译层把 Python 写的内核代码，JIT 编译成 CUDA、AMD、Apple、Vulkan 等各种后端。[A] 30k 开源的体量，让它成了物理仿真圈最流行的底座。但必须诚实澄清：Genesis 当前主打的是「物理仿真」，不是严格意义的「生成式世界模型」——它更接近模拟器，而非渲染器/规划器。[D]

企业级版本看 Nvidia。Cosmos 3 被官方称为「首个原生具备推理、世界生成与动作生成的 omni-model」，做四件事：视觉推理、策略模型构建（作为世界动作模型的骨干）、世界仿真、合成视频数据生成。[A] 它和 Omniverse 的分工被官方点破：Omniverse 提供仿真环境，Cosmos 生成训练数据。Nvidia 的算盘尤其清晰——LLM 时代它卖「训练大模型的铲子」，物理 AI 时代它想卖「造物理数据的铲子」；Cosmos 开放权重却封闭生态，想用好它，计算还是得跑在自家芯片上。[D]

上图：Nvidia Cosmos 3 的生态闭环——Omniverse 提供环境，Cosmos 生成数据，最终所有计算回流到 Nvidia 芯片。

但这里必须泼一盆冷水。DeepMind 的 Genie（11B 参数）常被引为生成式世界模型代表，能无监督地从互联网视频学出可交互虚拟世界——很漂亮。[A] 但诚实地讲，Genie 论文里完全没有机器人策略改进的验证，动作是无监督的「潜在动作」，不是物理指令，作者也只说这是 future work。 从「生成可玩的世界」到「用世界训练能上产线的机器人」，隔着的正是最难的一档「规划器」，而这一档目前没人拿出可复现的实证。

2026 年 8 月 arXiv 上，世界模型论文仍在堆积（CLAP、Riemann-1.0、WALL-SS）[A]，但「仿真世界训出的策略成功迁移到真实机器人」这条最硬的结果依然稀缺。我的判断：世界模型用于感知增强、碰撞检测、合成数据扩充已经有效，但用于端到端策略的 sim2real，仍是未证明的前沿。[D]

三、竞争分析：四种路线，一场「数据从哪来」的终极分歧

阵营	代表玩家	核心产品	技术路线	关键证据
空间智能	World Labs（李飞飞）	Marble + World API + R2S2R	生成式 3D → 仿真训练	2026-02 新一轮融资
物理仿真	Genesis AI	World 1.0 + GENE-26.5	多物理求解 + Python 编译	29.8k star
平台型（卖铲子）	Nvidia	Cosmos 3 + Omniverse	WFM 平台 + 合成数据	Cosmos 3 官方
实时生成	Decart	Oasis 3 + Lucy 2.5	实时视频/世界生成	$4B 估值（2026-05）[B]

上表：世界模型/物理仿真赛道的四类玩家对比，「数据从哪来」是分水岭。

World Labs 的信号意义最强。梳理它 2026 年的节奏：1 月上 World API、4 月出 Spark 2.0 流式 3D、5 月 Marble 迭代——但最关键的转折在 7 月：先收购 SceniX，紧接着发布 R2S2R，还跟 a16z 录了一期《为什么训练机器人不像训练 LLM》的播客。[A] 三个动作串起来，读出来的是战略宣言：世界模型的终局不在生成好看的 3D 场景，而在成为机器人训练的「第二数据集」。R2S2R 的名字把野心写透了——真实采集太贵，先用少量真实数据建仿真锚点，在仿真里练熟，再迁移回真实。[A]

Genesis 则是这条赛道从「学术热情」走向「资本化」的缩影。它凭「统一多物理 + Python 编译」的技术迅速圈粉（29.8k star），由法国公司 Genesis AI 运营，Waitlist 挂着、官网明确「目标客户部署计划在 2026 年底」。[A] 它踩在开源 vs 商业化的钢丝上：一边 Apache 2.0 真开源，一边接企业客户——一旦商业化深入，就要回答经典难题：免费版足够好时，谁还为企业版付费？[D]

但要泼第二盆冷水：这条赛道远未到赢家局。Decart（$4B 估值）做的是实时驱动/自动驾驶世界生成，和物理求解仿真不是一种东西；Nvidia 生态强但闭源绑定重；World Labs 与 Genesis 都还在产品初期。[B] 目前没有任何一家能同时证明两件事：既可量产生成物理可靠的虚拟世界，又能让虚拟世界训出的策略稳定迁移到真实机器人。分开看都有进展，合起来没人跑通。[D]

上图：世界模型/仿真赛道 2026 年节奏，7 月是信号最密集的拐点。

四、生态与落地：谁真在用仿真训练机器人，中国又在追什么

这条赛道的底层逻辑之所以吸金，是因为它击中一个效率痛点：真实物理数据的采集是「线性、昂贵、不可并行」的，而仿真数据生成是「可并行、可无限、几乎免费」的。Nvidia 官方背书正是这套——「从文本/图像/视频/动作生成无限可能的未来」，冲着把数据成本降两个数量级去。

但落地卡在一道现实门槛：「仿真数据质量的最后一公里」。对感知（视觉辨识、碰撞检测）和可控域的操作基线，sim2real 已足够好；但对接触密集、可形变物体、长时程任务，仿真和现实之间的「域差」依然让策略迁移脆弱。[D] 换句话说，仿真造数据在「让机器人学会看」上便宜有效，在「让机器人学会摸、学会拧」上还差得远——这也解释了为什么 Figure 们宁愿砸重金建真实数据工厂，因为他们的任务库恰好落在仿真最难补的那一段。

中国在这次竞赛里的位置很微妙。手上的牌更多集中在硬件与本体端：未来不远机器人约半年 3 轮融资约 10 亿元、投资方含字节跳动与汇川技术、已向 500 户家庭卖出机器人；范式 PhanthyMotus 与优必选等发起的「生态共建」计划；宇树放出「多机器人共用一个大脑」的长镜头 demo。但值得注意的是，本周热门首页里，看不到「世界模型/仿真」成为主线——中国的资本和叙事，明显更集中在「真硬件 + 数据采集」，而不是「世界模型 + 仿真」。

这给了我一个有意味的观察：这一波，中国选了「采真实数据」，硅谷选了「造虚拟世界」——两条路线谁对，要等双方都在真实产线上见真章。[D]（注：关于「2026 上半年中国具身智能融资超 900 亿」的说法，本报告未能从可靠一手来源独立核验，仅作行业背景，不作关键论据。）

五、战略影响：世界模型会不会抽干「数据护城河」的底

把镜头拉远，这条赛道真正的冲击，是对「具身智能护城河」的釜底抽薪。

对垂直整合的本体厂（Figure、智元等），这是最直接的威胁。 上一期说 Figure 靠「自建工厂 + Index 真实数据集」构筑护城河；但若世界模型 + 仿真真能把物理数据成本打到接近零，那 Figure 引以为傲的数据资产，稀缺性会随仿真能力提升而稀释。护城河的价值，取决于替代它的数据来源贵不贵——仿真越强，真实数据溢价越低。[D]

对 Nvidia，世界模型是最顺手的第二增长曲线。 当「造物理数据」和「造大模型」一样成为核心算力消耗，Nvidia 就同时保住训练端和仿真端两条收入。Cosmos 的「开放权重、封闭生态」正是为此——免费下模型可以，但真要规模化造数据，还得租我的 GB200。[D]

对中国，世界模型是「卡脖子」风险的另一面。 国产 GPU 与大模型训练早就被重视，但世界模型/物理仿真对「高质量合成数据 + 强物理引擎 + 大规模 GPU」的依赖，是相对被忽视的软肋。当硅谷把「造世界的铲子」也变成 Nvidia 生态主导的基础设施，中国即便硬件本体端再强，也面临「训练数据引擎」再次被卡的风险。[D]

上图：世界模型对产业链的四个冲击面——成本、护城河、芯片生态、地缘软肋。

六、我的判断：世界模型是「第二战场」，但不是任何人宣称的「终局」

第一，我判断「用仿真替代真实数据」方向是对的。 真实物理数据「线性、昂贵、不可并行」的瓶颈是实打实的，任何能把数据成本降下来的技术路线，长期必然胜出。[D] 但「方向对」不等于「今天就能用」——目前没有任何一家证明了「仿真训出的端到端策略稳定迁移到真实机器人」这条最硬的结果。方向对、成果未证明，这是最真实的状态。

第二，我赌「仿真 + 真实数据」的混合路线，不赌「纯仿真替代」。 未来真正的赢家，不会是「只要仿真」或「只要真实数据」二选一，而是能把两者按任务难度动态调配的玩家——感知类任务多用便宜的仿真，接触密集类任务舍得烧真实数据。谁手里同时有「好仿真引擎」和「高质量真实数据」并且建起 R2S2R 那样的闭环，谁才笑到最后。[D] Figure 们和 World Labs 们，迟早发现彼此是互补而非替代。

第三，先不下结论的是「世界模型到底什么时间能真正上产线」。 论文在堆积、融资在升温、企业在喊话，但「规划器」那档的可行性和 sim2real 的稳定性都没有可复现的实证。[D] 我原以为世界模型只是锦上添花的 demo，现在看各国资本都在真金白银地下注——它至少是值得严肃对待的第二战场，只是要成为真正的第一战场、改写 Figure 们的数据护城河，还得先解决一个硬问题：让虚拟世界里练熟的手，在真实世界里也稳得住。

---

参考来源

1. World Labs — Building Worlds That Train Robots (R2S2R)
2. World Labs — A Functional Taxonomy of World Models
3. Genesis — GitHub 仓库（README）
4. Nvidia — Cosmos 3 世界基座模型
5. DeepMind — Genie（arXiv:2402.15391）
6. Decart — Wikipedia
7. 量子位 — 2026 具身智能生态报道

AI 辅助深度研究，人工视角解读。 每日更新。