光象实验室首席科学家：世界模型需学到物理底层因果规律

光象实验室首席科学家吕尧8月28日接受界面新闻等媒体采访时表示，VLA（视觉-语言-动作模型）技术路线已触碰到天花板，前端是语言模型，后端接动作专家头，语言token映射到动作空间存在模态鸿沟，仅靠超大规模数据训练VLA生成真正泛化的通用策略基本不现实。他认为，只有学到物理世界底层的因果规律，才谈得上通用具身智能。

采访中，光象科技联合清华大学李升波教授课题组发布了第一代物理原生世界模型Phi-WM 1.0 ActEffect。该模型能够一次性生成三个精细程度不同的动作方案，分别预测每个方案可能带来的结果，通过比较筛选出最优方案。训练完成后，世界模型被移出推理链路，部署时由策略网络一次前向计算直接输出动作。按吕尧的解释，相当于把世界模型对动作后果的判断提前“蒸馏”进策略权重，以降低部署阶段的推理负担。

吕尧还判断，具身智能行业很可能像当年的自动驾驶一样经历一次大洗牌，资本市场最终会回归理性，缺乏核心技术护城河与真实交付能力的企业将率先出局。