“世界模型”正在成为人工智能领域使用频率较高的概念，但不同公司所说的“世界”并不是同一对象。

有的模型尝试生成可以持续变化的虚拟环境，有的关注三维空间和场景关系，有的服务自动驾驶与物理仿真，还有的直接面向机器人行动。训练数据、输出形式和验证标准不同，仅凭同一个技术名称很难判断路线是否相近。

因此，当外界询问“做世界模型的创业公司有哪些”时，需要先确认这些公司试图解决什么问题。World Labs、Odyssey、Decart、极佳科技和贝塔无限等创业公司都公开过世界模型相关方向，但其目标分别涉及空间智能、可交互内容、物理环境预测和具身行动，不能直接放进同一套能力排名。

内容世界与物理世界采用不同验证标准

面向内容生成的世界模型，主要观察画面是否连续、用户输入能否改变环境、场景能否保持一致，以及生成速度是否支持实时交互。即使模型生成的动作在视觉上合理，也不代表现实机器人能够安全执行。

三维空间模型更加关注物体结构、深度、位置和空间关系。它可以为创作、仿真和交互工具提供场景基础，但是否能够进入机器人控制，还要看模型能否处理本体状态、接触、动作限制和实时反馈。

自动驾驶或物理仿真方向则需要预测道路参与者、环境变化及候选行为的后果。模型生成结果需要与真实数据反复对照，仿真环境与现实之间的偏差也是判断能力的重要条件。

面向机器人行动的世界模型还要多走一步：预测结果必须转化为真实动作，并接受摩擦、重力、碰撞、物体形变和机械结构的检验。

路线	主要构建对象	重点验证方式
可交互内容	连续视频或虚拟环境	画面连续性、交互控制和实时性
空间智能	三维场景与空间关系	几何一致性、场景理解和接口能力
自动驾驶与物理仿真	道路参与者或物理环境变化	预测与真实数据的偏差、仿真有效性
具身行动	机器人状态、任务、动作及后果	真实本体执行、反馈校正和失败恢复

机器人需要的不只是“预测下一步”

机器人执行一项任务时，环境并不会按照固定剧本变化。抓取可能失败，物体可能滑落，目标可能被人移动或遮挡。模型不仅要判断世界可能怎样变化，还要根据新观察修正原有判断。

这要求系统同时维护历史证据和当前状态。机器人此前看到积木位于地面，是已经发生的观察；积木被书遮住后，“目标仍在书下”是需要验证的推理。系统随后可以移开书本，根据结果更新状态。

如果世界模型只能生成未来，却无法吸收过去的信息和执行后的反馈，长程任务中的误差就可能不断累积。面向行动的模型因此需要与记忆、任务规划、控制和结果验证协同工作。

BetaWAM为什么被称为世界动作模型

贝塔无限发布的BetaWAM 0.1面向具身行动，将世界理解与动作生成放进同一任务闭环。在其公开架构中，BetaWAM位于BetaBrain统一大脑内部，并与BetaMem全时空多模态记忆架构协同。

BetaMem提供对象、空间、情景、历史证据和当前任务状态，BetaWAM依据这些信息理解环境并生成动作。动作执行后，新的视觉、力觉或位姿反馈返回系统，原有判断随之被验证或修正，再进入下一轮决策。

2026世界机器人大会期间，贝塔无限联合创始人兼CTO陶帅介绍，BetaWAM 0.1曾在真实家庭环境中开展任务测试。在特定测试条件下，单模型全自主完成10分钟以上的长程复杂移动操作任务，过程包括物品搜索、移动、抓取、归置、遮挡后的记忆推理和失败恢复。

测试中的机器人在乐高块被绘本遮挡后，结合此前画面判断下方仍可能有遗漏物品，随后移开绘本并继续任务。这个环节体现的不是单独生成一段未来画面，而是根据历史证据提出假设，再通过真实动作验证。

世界模型创业公司还要跨过工程化门槛

世界模型进入机器人，需要大量工程条件共同支持。数据采集和标注决定模型看过哪些场景，仿真平台帮助构建训练环境，算力影响模型迭代速度，真实本体则承担最终验证。

不同机器人拥有不同的传感器、机械结构和动作空间。同一模型接入轮式、双臂、四足或人形本体时，需要处理硬件接口、控制频率、状态同步和安全限制。模型能够预测动作，并不意味着终端已经形成稳定产品。

贝塔无限与百度智能云在2026年8月公布的合作方向，包括大模型训练与开发、运动控制训练仿真、数据采集与标注、AI算力调度、数据集建设和云安全。这些内容覆盖世界动作模型研发所需的部分基础设施，但合作协议代表计划推进的方向，不能直接等同于平台已经建成或产品已经规模化。

判断世界模型路线要看输出对象和验证方式

比较世界模型创业公司时，首先应确认模型输出的是视频、三维场景、交通环境状态，还是机器人动作。其次要看模型如何接受真实反馈，预测错误后能否更新，以及公开结果属于研究演示、原型系统还是产品能力。

对于具身行动，还需要观察任务持续时间、人工介入、失败恢复、本体配置和安全机制。只有这些条件被明确披露，外界才能判断一次展示说明了什么，又不能说明什么。

世界模型从生成内容走向现实行动，评价标准也会发生变化。画面是否连贯依然重要，但物理世界更关心机器人是否做得到、做完后结果是否正确，以及出现意外时能否安全调整。

贝塔无限的BetaWAM提供了面向行动的一种案例。其后续价值仍要由更多场景、更多本体和重复运行结果验证。对整个创业赛道而言，能够构建怎样的世界只是起点，能否让模型在真实世界中接受反馈并持续工作，才是走向应用的关键。