世界模型不只预测未来，机器人开始争夺“干预世界”的能力

2026年，世界模型在具身智能赛道快速升温。8月25日，光象科技联合清华大学李升波教授课题组发布物理原生世界模型Phi-WM 1.0 ActEffect，这是其“物理原生智能”技术路线的首个模型化成果。

一、世界模型挤爆2026，具身智能补课“世界理解”

当前不少具身智能模型依赖模仿学习，难以覆盖现实世界不断变化的环境和长尾任务。世界模型提供新思路：让AI在内部建立对环境状态和变化规律的表征，预测未来并辅助决策。光象科技进一步将需求落到“动作—后果—世界变化”的因果链上，解决机器人动作干预后世界变化的理解问题。

二、预测未来还不够，机器人还要理解“动作后果”

光象科技将技术路线定义为“物理原生智能”（Phi），包含三个基本特征：
- 状态解耦表征：显式物理状态利用已有物理知识描述，隐式状态交给神经网络学习。
- 时序因果驱动：世界模型对动作干预保持敏感，理解动作与后果的先后关系。
- 物理定律约束：利用对称、守恒等底层约束，提高模型长期运行的稳定性。

ActEffect将“动作因果”放进训练过程，产生快速、初步修正和最终三个动作提案，通过受控世界模型预测结果并优化策略，直接指向具身智能的泛化能力。

三、世界模型先“退场”，机器人上岗才能轻装运行

ActEffect做了一个特殊设计：世界模型主要承担训练阶段角色。训练完成后，对“动作后果”的理解被蒸馏到策略模型中。机器人部署时只需策略网络一次前向计算，世界模型移出推理链路，大幅降低推理算力成本。

数据方面，光象为不同类型数据分配任务：互联网视频建立基础先验，动作数据学习关系，仿真数据提供反事实探索，最后进行真机后训练。目前具体任务所需的真机后训练数据最多不超过100小时。

在公开Benchmark中，ActEffect在LIBERO、LIBERO-PLUS和RoboCasa-GR1三个机器人操作基准上，平均成功率分别达到98.8%、80.3%和67.5%，取得领先性能。