先抛一个问题你觉得仿真会不会被世界模型取代前两周我们组了一个仿真和世界模型的线上局。把国内做仿真合成数据硬核的一桌人请到一起学术界、具身工业界、自驾都在。一整晚我们探讨了六个问题高质量的仿真数据到底怎么定义近两年仿真数据迎来了哪些突破世界模型是否改变了仿真数据的生产逻辑仿真数据能不能成为数据金字塔的「第 1.5 层」为了让生成的数据不违背物理规律大模型端和工程端各自做了什么「少量人类示范 大规模仿真扩增」会不会成为默认的数据生产范式新的训练范式又会长成什么样原文链接周末攒了个仿真和世界模型的局居然有人想干掉它。聊到最后我们发现这桌人其实分成了三个阵营对「世界模型会不会干掉仿真」这个问题给出了三种完全不同的答案。而最扎心的依据来自一个做了十年仿真的人。他居然盼着自己这一行早点被干掉。这句话先按下我们在后面在展开。下面一步步来。01.具身工业界把视频模型当世界模型是左脚踩右脚现在很多做世界模型的人都在偷换概念。把「视频生成模型」直接当成了「世界模型」。而在工业界看来这一步的概念偷换是最大的误会。群核科技的首席科学家唐睿是本场圆桌里最早做渲染引擎的人。他对「视频模型能不能直接当世界模型用」这件事态度很硬。直接甩了八个字「左脚右脚相辅相成」然后给了一个我们觉得全场最好用的反例钟摆。你把一个球拉到眼睛边松手它荡过去、再荡回来。只要你没施力它绝对打不到你的脸可你稍微加一丁点力它回来就撞上你了。当你把视频模型往世界模型这个概念上迁移的时候就会遇到这个问题。为什么因为视频是把三维物理世界「坍塌」成了二维唐老师说甚至只是「2.5 维」的画面。你看到了表象appearance但质量、摩擦力、刚体运动这些高维的物理信息在坍塌的过程中消失了。用抖音、YouTube 上的视频训出来的模型画面足够惊艳却缺了真实世界的传感器信号也就没有能「对齐物理」的锚grounding。简单来说视频模型学会的是「世界长什么样」并非「世界如何运转」。他这句话基本给「仿真要被取代」的说法踩了脚刹车如果真有一个世界模型能准确把高维信息解读出来、准确预测下一帧那它就已经成了咱们都不用做仿真、不用训练了。但事实就是没有。所以指望视频模型自己学会物理在他看来等于「想着左脚踩右脚上天」。而仿真可以支持长程时空、还能无限 scale up 的「物理记忆」短期内还无法被替代。唐睿给的解法不是二选一两者互为先验把仿真系统放在中间当一架梯子视频基模负责知识面和画面仿真负责稳定物理记忆顺着梯子往上爬而不是指望谁单脚起飞。最近群核科技新入选 ECCV 2026 的论文正是这架「梯子」的工程落地群核科技联合 Adobe、NVIDIA 等机构共同推出的真实感具身智能仿真器开放超过 1.4 万个原生接口能以照片级真实感同步输出深度图、语义分割等多模态训练数据。如果说群核的答案是「两个路线如何融合」。那大晓机器人给的则是「怎么从模型底层就把物理规律融合进去」。这也正好回应了我们关心的问题为了不让生成的数据违背物理规律大模型端到底该做什么大晓的做法是从架构上改进。晋碧瑄提到大晓摒弃了「用一个通用视频生成模型、再外挂一个控制模块」的拼接式架构。这种拼接最大的毛病是「表征错位」负责画面的模块和负责动作的模块各说各话生成数据时动作和环境对不上物理交互的细节就容易失真。他们的解法是让两套系统共享一套注意力机制从设计之初就把「理解、生成、预测」融合在一起。在训练上大晓把预训练拆成三个阶段第一阶段用百万小时级的全量数据含大量能表征物理规律的数据第二阶段用万小时级、以人为中心的数据让它学习人类的视角和任务的思维链第三阶段才用真机加仿真数据做状态和动作的联合训练。大晓开悟世界模型Kairos这个三阶段范式其实回答了我们关心的另一个问题「少量人类示范 大规模仿真扩增」会不会成为默认范式大晓这条「以人为中心 仿真扩增」的路子已经是这个范式相当完整的雏形了。连一向低调的 51World侯涛老师也补充了一句在 AI 时代仿真的地位并没有降低而是在不断上升。从过去只做评测到现在深度参与合成数据和闭环流程。把这个阵营的话拢一拢你会发现他们的立场高度一致世界模型是方向但不是替代品。真正靠谱的路是融合。听到这你大概会觉得仿真挺安全。但下一桌人就没这么客气了。02.学术界数据的真实和位置仿真两头都不占具身工业界忙着把仿真接进大 pipeline学界却在追问一个更本分的问题仿真数据到底够不够资格上海科技大学的顾家远教授做单目3D这类研究对资产「真不真」敏感到骨子里。他说设计的仿真资产未必反映具身智能应用所需的复杂度。样板间一看就不是过日子的人设计的他家不可能这么干净。国外某公司经典的「干净」场景模型训练上也会有问题。太干净、太理想的合成场景模型很容易就认出「这是假的」甚至干脆过拟合。更棘手的是另一面仿真数据里普遍缺失败案例。他提到 robotwin 里有个很经典的例子抓可乐瓶瓶子倒了机器人从没见过这个姿态于是怎么都抓不起来。这个来源根本不是模型的好坏而是这个数据压根就没有你怎么刷都不可能 work。一句话在学界看来仿真数据从根子上就带着点「假」。北大的田洋是合成数据集 InterData-A1 的作者。这是国内少数被拉去和闭源真机数据正面掰手腕、还被好几家机器人公司真正采用的仿真数据集。按道理他其实该给仿真站台。可他给仿真划的线有些出乎我们的意料。他认可仿真数据的价值但只认它站在最前面那一段仿真数据最该用在预训练pretrain阶段当一种低成本、可控的数据增广给模型增加基础的物理和视觉常识。至于微调finetune他的看法是最后一公里都是为了真实的机器人去完成的。这时候再引入仿真我反而感觉它没起到效果就像绕了个远路又走回去了。这其实回答了我们最关心的问题仿真数据能不能当数据金字塔的「第 1.5 层」学界的答案基本是能但也就是 1.5 层。它垫在真机数据下面打底、做数据增强是称职的可越往上、越接近真机部署那一层它的位置就越尴尬。省不到最真也站不到最后。这就是学界眼里的仿真一个价值明确、但注定「过渡性」的角色。到这儿仿真的处境已经从「不可替代」降了一档。但真正把温度降到最低的是圆桌上唯一一个自驾行业的专家。03.自驾行业仿真的价值会持续走低白宇材是这场圆桌里唯一还在深耕自动驾驶的专家。我们特意把他请来是想让具身听听「过来人」的经验。自驾比具身早发展几年它踩过的坑对具身有很强的借鉴意义。他上来就给了一句不留情面的判断在自驾圈子合成数据的价值被反复质疑原因就一个真实数据已经足够便宜了。你做合成数据会反复被挑战的就是这个东西比真实数据到底好在哪。他把自驾对仿真的需求分成三个部分冷启动阶段数据少仿真用得上这时候「长得像、sim-to-real gap 小」就是质量的核心可一旦到了数据爬坡期几万、几十万、几百万条真实数据低成本堆量「其实不太需要仿真数据」非得等遇到瓶颈、开始做极端场景corner case了仿真才被重新想起来。简单来说仿真不是一直有用而是在实车无法cover的时候才有用。它的价值不是恒定的而是随真实数据的成本反向浮动真实数据越便宜仿真就越边缘。自动驾驶闭环仿真示例不过他也不是一味看空。这两年基于纯生成类的方法也让他重新思考自动驾驶3DGS仿真的必要性。既然生成已经足够好我给layout就能拿到对应的场景那我为什么还要费劲去做高斯重建他现在的落地心法是一句很实用的话模型负责上限规则负责下限。前不久做出海项目、要过欧盟法规两周内得做出 5000 帧很 corner 的海外场景比如某种特定的自行车灯就靠生成式逻辑快速出数据、再用规则兜住底线很快交付了。自驾过来人经验对具身是个不太中听的提醒别把仿真当成永久的护城河。当真实数据的采集成本一路下探仿真的成本效应会第一个松动。而白宇材自己也判断自驾「要不就是做完了」下一波人多半会涌向具身。三个阵营讲完仿真的处境像是被一路降了温工业界说它不可替代学界说它是过渡自驾说它会边缘化。那么回到最开始那个问题传统物理仿真到底会不会被干掉写在最后现在可以聊聊我们的看法了。那个做了十年仿真、却盼着仿真被干掉的人是顾家远教授。聊到仿真的终极形态时他把票投给了数据驱动。他更想看到的结局是视频生成模型靠数据积累转起飞轮最后达到的上限超过传统物理仿真。他甚至半开玩笑如果我们这条路做不下去了那就去开发游戏吧。他还引用王鹤的说法佐证这条路的尽头世界模型生成数据这件事本质是「鸡生蛋、蛋生鸡」当你攒够数据训练出一个能用的世界模型你手里基本也就有了足够的数据可以直接去训策略。这就是业内对仿真最真实的看法。把三个阵营的答案摆到一起看你会发现一件事他们口径完全不同过渡、梯子、边缘化但箭头都隐隐指向同一个方向。传统物理仿真那种「你想造仿真数据就绕不开我」的独占地位快站不住脚了。我们的判断是拉长到三五年看路线之争的终点大概率是生成式的这条路一点点蚕食、甚至接管传统物理仿真今天占据的位置。顾家远盼的那一天未必不会到来。但这也并不是说仿真就没有未来毕竟一些独角兽的估值已经到了20亿美元资本是不会盲目站队的。所以真正在发生的从来不是非黑即白的「替代」而是仿真被重新定位、两条路线在加速融合。写到这里你大概能体会到这一晚的圆桌交流底色一点都不悲观。一个方向能被自己人挑剔、较真到这个份上其实也说明它走过了被概念吹捧的阶段进了真刀真枪打磨的黄金期。这也是我们特别想把这样一场圆桌完整记下来的原因。当下的具身和物理AI能聊的东西太多但能真正讲透的人不过。很多硬核的判断就是在这样一桌人的你来我往里闪一下然后散场可能无人在意。我们想做那个接住它的人也想找到更多和我们志同道合的朋友。重磅全网首个具身智能开源知识库来啦技术/产业/投融资/上下游推荐阅读真机强化入门的一套完整教程pi*0.6复现方案我们用低成本的机械臂完成pi0/pi0.5/GR00T/世界模型等VLA任务具身智能的WAM与世界模型一份完整指南一览具身智能的行业全局从产品经理的角度出发VLARL方向首个系统教程来啦Online RL/Offline RL/test time RL等好用高性价比面向具身科研领域打造的轻量级机械臂VLA/VLA触觉/VLARL/具身世界模型等具身大脑小脑算法与实战全栈路线来啦~从零训练你的足式机器人让你的足式机器人真正动起来~1v1 科研论文辅导来啦重磅具身智能之心论文辅导来啦近20方向顶会/顶刊/SCI/EI/中文核心/申博等