在2026世界机器人大会上，Manifold AI创始人武伟围绕"以物理为中心的世界模型新范式"分享了对具身智能的判断：行业下一阶段的竞争重点，不再只是增加单一任务的演示数量，而是能否形成可迁移、可复用的智能底座，让机器人在不同环境、身体形态和任务之间持续获得执行能力。

这意味着，具身智能的Scaling正在发生变化。过去，模型规模、数据量和任务数量是直观指标；接下来，更重要的变量将是模型对真实物理世界的理解、预测与行动能力。行业也将从"单点Demo"进入"产业底座"的验证期。

从任务模型到世界模型，Scaling的对象变了

目前不少机器人系统仍以任务为中心：针对分拣、抓取或装配分别训练模型。当物体、光照、空间布局或控制方式变化，系统往往需要重新采集数据、调参和训练，任务越多，部署周期和适配成本越高。

武伟认为，真正可持续的Scaling，不是继续堆叠更多互不相通的任务模型，而是让模型先学习世界如何运行，再把这种理解转化为具体动作。世界模型需要回答的，不仅是"下一帧画面是什么"，还包括物体之间的三维关系、接触与碰撞、动作可能带来的后果，以及在视角变化和环境变化下仍然成立的物理规律。

从产业视角看，世界模型的价值在于提高基础能力的复用率。若同一套模型支持更多任务和设备形态，企业就有机会减少重复采集与现场调试，把资源从一次性交付转向可持续迭代。不过，这种价值最终仍要通过真实部署中的成功率、稳定性和适配效率验证。

物理真实性，成为技术路线的关键分水岭

在具体技术路径上，Manifold AI将数据、世界模型和策略模型组织成一条闭环。WorldData负责构建面向物理世界的数据基础，WorldScape负责学习环境变化和动作后果，WorldScape Policy则进一步回答"下一步该做什么"。部署过程中的新数据和失败案例还会回流，推动模型继续迭代。

其中，WorldScape覆盖DriveScape、RoboScape等方向。DriveScape关注多摄像头视角对齐、长时序生成和物理约束注入；RoboScape通过合成数据和策略评估，探索减少对真实采集的依赖。WorldArena评估数据生成、策略效果和动作规划，并引入视觉与触觉、在线强化学习等因素，测试模型能否从"看起来像真的"走向"在物理上成立"。

这也是世界模型与普通视频生成模型的分界线。视频画面是否逼真只是起点，模型能否保持跨视角一致、理解接触关系，并准确预测一次抓取、推动或碰撞的后果，才决定它能不能服务于机器人控制。对于产业化而言，仿真与现实之间的差距仍是必须反复压力测试的环节。

MoE与In-Context Learning，指向通用能力的复用

在模型架构上，WorldScape采用统一的混合专家模型(MoE)。共享专家学习不同场景中共通的世界动力学，专门专家处理运动、手部、相机和机械臂差异，在统一底座与设备适配之间取得平衡。

WorldScape Policy进一步把重点从"生成什么"推进到"如何行动"。通过In-Context Learning，模型可以根据语言指令、目标图像或人类操作视频理解任务，在不修改模型参数的情况下完成策略迁移。武伟现场展示的案例包括灵活SKU分拣、毫米级对齐、飞机箱操作和衣物折叠等，意在说明同一策略框架能够覆盖不同物体、不同动作和不同精度要求。

如果这一能力能在更多设备和场景中稳定复现，商业化逻辑将从项目制交付转向平台化能力输出。对企业客户而言，关键不是单次演示是否惊艳，而是模型能否快速适配新任务、在异常情况下保持可控，并在持续运行中形成数据回流。

产业化进入深水区，关键看规模复制

从行业发展阶段看，具身智能正在从概念验证走向产业化验证。当机器人进入工厂、仓储和复杂服务环境后，决定商业化进度的将是另一组指标：跨任务、跨本体和跨场景的泛化能力，真实数据需求是否下降，策略评估是否可靠，以及从仿真到现实的迁移是否稳定。

武伟所强调的世界模型路线，本质上是在回答一个产业问题：机器人如何从"会做一个动作"，走向"理解一类任务"。这条路线仍需面对长时间运行、异常恢复和多模态感知等约束，但一旦数据、模型和策略形成闭环，Scaling就有机会从参数扩张转向物理世界中的有效经验累积。

对于市场而言，下一阶段值得观察的，不是企业能否再发布一个更大的模型，而是能否把世界模型能力转化为可重复部署、可量化评估、可持续迭代的产品。具身智能的产业化，最终要在真实世界里完成从技术叙事到商业兑现的转换。