在近日举办的WAIC 2026上，人形机器人、具身智能再次成为热点，不仅专门开辟独立机器人展馆，展场各处也几乎都能看到人形机器人的身影。一个新的趋势是，整个行业的关注点正在从硬件本体转向“世界模型大脑”，往年比拼的是关节、灵巧手、机器人外观，今年几乎所有厂商的重点均转向自研世界模型、仿真训练环境、长时序物理预判等。行业升级的逻辑是VLA视觉语言动作模型只能“看见当下做动作”，世界模型可以预判环境变化、推演多步结果、自主规划长周期任务。世界模型将成为通用具身智能的运转底座。

从比拼硬件本体到角逐“世界模型大脑”

机器人的“关节自由度”“灵巧手负载”“行走速度”，以及翻跟头、拧瓶盖这些动作展示在今年的WAIC场馆中依然随处可见，但是展台的核心内容却换成了世界模型的推理过程。展台屏幕中开始展示半透明的三维仿真环境，彩色的预测轨迹线提前勾勒出机器人未来数秒甚至数分钟的动作轨迹，以及物体碰撞预警、受力形变预测、环境动态变化推演等。

阶跃星辰联合原力灵机发起“6台机器人15小时协同拼装3.5米长城积木模型”挑战，验证其‌DM0.5具身通用基础模型‌与‌DW0.5世界模型‌在精细操作与实时纠错中的落地潜力。它石智航在WAIC2026上展出的工业机器人，依靠世界模型实时预判线缆的弯折角度、插接受力，自主完成汽车线束的精密插接，观众随意改变零件摆放位置，机器人都能动态调整动作，无需重新编程；智元机器人的远征A3 Ultra、银河通用的人形机器人，都能在人为添加障碍物、打乱物品顺序的情况下，自主完成冲咖啡、整理桌面、制作早餐，或者公共服务接待、工业/仓储作业等复杂任务。

此前，VLA模型往往只能解决“看见当下做动作”的问题，即在预设场景下完成固定任务，一旦环境出现动态变化就容易失效。这也是过去几年机器人始终难以走出实验室、落地真实场景的瓶颈。而随着近年来世界模型的突破，开始让机器人拥有了“预判未来”的能力。它可以在内部构建一个和真实世界物理规则一致的“数字孪生大脑”，不仅能识别眼前的物体，还能长时序推演环境变化、预判物体物理运动、自主规划多步骤复杂任务，进而独立完成长达数小时的长链条作业。

可以说，世界模型将成为通用具身智能的“通用大脑”。没有世界模型的长时序物理推演能力，机器人可能永远只能做“按剧本表演的演员”，无法适应真实世界的复杂变化。

万卡集群成训练刚需

但要训练出一个能准确模拟真实物理规则的世界模型，其所需的算力门槛却远高于训练传统的文本大模型。

不同于文本大模型只需要学习语言符号的规律，世界模型需要学习整个现实世界的物理规则：重力、碰撞、材质形变、光线传播、物体运动逻辑…… 这意味着训练过程需要生成海量的交互式三维仿真场景，让机器人在虚拟环境中完成数百万次甚至上亿次的试错学习，再将能力迁移到真实机器人上，避免真机训练的高成本和高风险。

“世界模型的训练周期往往长达数月，对算力集群的工程能力提出了极限要求。”摩尔线程高级副总裁董龙飞指出。普通的分布式集群很难满足世界模型的训练需求。一方面，世界模型的参数规模正在向万亿级演进，上下文窗口拓展至百万级Token，单卡显存根本无法容纳完整模型和仿真数据，需要数百卡甚至数千卡高速互联协同计算；另一方面，连续数月的训练任务对集群可靠性要求极高，单卡故障、网络延迟、散热问题都可能导致训练中断，几个月的算力投入付诸东流，这就要求集群必须具备完善的硬件解耦、高密度散热、故障隔离能力。

为了适配这一需求，万卡级、甚至十万卡级的智算集群正在成为世界模型训练的标配。董龙飞介绍，摩尔线程推出的C256超节点可将256张全功能GPU通过自研MTLink实现亚微秒级卡间互联，把256 张卡池化成一张“超大显存显卡”，既解决了万亿参数世界模型的单卡显存瓶颈，又通过模块化设计实现了单卡故障不中断整体训练，可支撑十万卡级超大型智算集群的搭建，满足世界模型连续数月不间断仿真训练的需求。

摩尔线程生态副总裁兼生态科研部总经理吕其恒还介绍了全功能GPU在训练世界模型中的优势。机器人运行世界模型时，需要同时处理多类任务：摄像头、激光雷达的传感器数据处理，虚拟仿真环境的光线追踪渲染，三维空间实时重建，物体碰撞、受力的物理仿真，还有机器人关节的运动控制，这些任务中既有AI计算，也有传统的图形渲染、物理计算，对芯片的通用性、显存带宽、卡间互联能力都提出了极高要求。全功能GPU能一站式完成世界模型的全流程计算。这也是全功能GPU在物理 AI 时代的核心优势。

值得注意的是，世界模型的训练算力需求还在快速增长。随着具身智能从简单的桌面操作走向工业制造、家庭服务等复杂场景，世界模型需要模拟的物理规则越来越精细，场景规模越来越大，对应的算力需求还将持续提升。

国产算力跑出世界模型

如果以前世界模型的大规模训练需要依赖海外高端GPU，那么参观完WAIC2026之后却会对国产AI算力凭添极大信心。整个展会现场，从智算基础设施厂商、芯片设计公司到具身智能算法企业，共同铺展出一套从底层硬件、集群调度软件到模型训练的国产生态。过去国产算力更多承担模型推理、微调的角色，在世界模型这类前沿基础模型的长周期、大规模训练上始终存在差距。目前覆盖通用计算芯片、物理仿真专用加速卡、国产高速互联、分布式训练框架的全栈技术正趋于成熟，不仅能稳定支撑万卡级集群连续数月的训练任务，训练精度、集群利用率等核心指标也达到国际一流水平。

摩尔线程与北京大学团队训练的5D世界模型EvoPhys-World基于万卡级MUSA智算集群完成训练，是首个完全国产算力支撑的国际顶尖水平世界模型。训练成果显示，EvoPhys-World连续37天登顶国际权威世界模型榜单PhysWorldBench，在物理规律预测、长时序任务规划、动态干扰适应三个核心评测维度上的综合得分，超越了海外同参数级闭源世界模型，打破了海外厂商在世界模型基础技术上的垄断。

极佳视界展出的GigaWorld-1服务机器人世界模型，基于国产通用GPU集群完成训练，可实现超市等场景下的物品抓取、人员导航，已在部分家庭服务和工业制造场景下试用。

它石智航在展会上首发的AWE3.5工业具身世界模型，采用国产算力集群完成训练，专门针对汽车制造场景的柔性装配需求优化，可实时预测线缆弯折、零件受力等复杂物理状态，现场演示的汽车线束精密插接作业无需离线预编程，可动态适配零件位置变化，目前该模型已经落地国内头部汽车零部件厂商天海电子的产线。

从大语言模型时代主要承担推理任务，到世界模型时代支撑前沿基础模型全流程训练，国产算力正在完成从“配角”到“主角”的转变。