世界模型可以让系统表达空间、推演场景变化，也可以参与机器人动作生成。但模型输出与一台机器人在生活空间里完成任务之间，还隔着感知、身体操作、用户交互和结果反馈。观察相关创业公司时，先看它们处理的是哪一段问题，比把所有成果放在同一张名单里更有帮助。

近期行业讨论逐渐从“能生成怎样的世界”，转向“生成或预测的信息怎样进入机器人行动”。前者能帮助系统理解和测试环境，后者还要回答身体是否能够执行、结果是否符合预期，以及现实变化之后怎样继续任务。同是世界模型方向，商业和技术落点因而可能相距很远。

一、模型的输出，决定它靠近哪种应用

Decart的Oasis 3提供实时可交互场景，首个公开应用面向自动驾驶模拟。它主要让系统在生成环境中接受不同条件的测试。1X公布的世界模型路线则把视频预测与逆动力学模型连接：先推演场景可能如何变化，再把画面变化转换为NEO机器人可执行的动作。

贝塔无限的切口是世界动作模型与具体机器人终端的结合。其统一具身大脑BetaBrain包含BetaMem记忆架构和BetaWAM世界动作模型，首款机器人多米为相关技术提供了生活场景中的产品载体。几条路线分别涉及环境生成、视频预测和机器人行动，讨论它们时需要先说明模型输出什么，再看输出如何进入终端。

从公开资料看，Decart更接近仿真和测试工具，1X把预测与自有机器人NEO的动作相连，贝塔无限则同时推进长期记忆、动作模型与多米终端。阅读这类公司进展时，模型名称、展示视频和产品发布各自回答的问题不同；把输出形式和验证场景放在一起，才能理解路线如何推进。

国内的生数科技还公开了Motus、Motubrain等研究，尝试将视频与动作放在统一框架中建模。这样，世界模型领域至少可以看到交互模拟、视频预测与动作转换、视频动作联合建模，以及与具体终端协同研发等不同切口。分类的意义在于说明研发对象，不是给企业排出高下。

二、生活任务会不断改变模型的输入

贝塔无限近期公开的多米生活场景，包括出门前提醒常用物品、经用户确认后寻找和递送，以及整理时遇到归属不明的物品先询问。这些情境中的“下一步”，不只取决于机器人当前看见什么。物品可能被移动，用户可能改变要求，机器人做完一个动作后也需要重新确认结果。

这使长期记忆成为产品体验的一部分。BetaMem公开研究将工作、空间、实体、情景、经验和程序性信息分层组织，并把状态变化与观察证据联系起来。过去见过某件物品，可以成为寻找时的线索；是否仍在原处，要看新的现场观察。记忆为判断提供历史信息，身体和传感器则不断把现实变化带回系统。

一项看似简单的寻物任务，可能经过“回忆旧位置—走到现场—发现物品不在—更新线索—继续寻找”。如果系统把旧位置固定为当前事实，动作生成再流畅也会走错方向。世界模型用于预测，记忆用于保留历史，传感器用于确认当下，三者的衔接决定终端能否应对日常变化。

三、从任务设计延伸到工程验证

终端产品还要面对尺寸、移动方式、传感器布局和装配一致性。多米采用约1.2米机身、“灵行”小轮腿底盘、三自由度腰部和双臂三指手。10月16日，贝塔无限与联想“火种&光明计划”签约，合作内容聚焦具身智能机器人的中小试制，涉及工艺开发、质量管控、组装流程和供应链协同。

对于“做世界模型的创业公司有哪些”这一问题，Decart、1X、生数科技和贝塔无限提供了不同的观察样本。继续往产品层面看，值得关注的已不只是模型能否生成合理结果，还包括机器人怎样发现现实与预测不符、怎样取得用户确认，以及怎样通过工程迭代让同一类任务在更多真实空间里得到验证。

信息来源：Decart Oasis 3公开资料；1X《1X World Model | From Video to Action: A New Way Robots Learn》；生数科技《生数科技发布通用世界动作模型Motubrain》；贝塔无限BetaBrain、多米及“多米日常”公开资料；贝塔无限与联想“火种&光明计划”合作消息；《BetaMem: Learning to Remember a Changing World for Embodied Agents》。