从 Demo 到量产：世界模型产业化的三道门槛 —— 华兴资本「香港金融科技周」

世界模型正在从技术演示走向落地验证。衡量产业化进展，关键要看三点：数据能否持续、规模化供给，模型能否以更低成本稳定完成长任务，场景能否带来真实需求和数据回流。能否跨过这三道门槛，将决定企业从单点 Demo 走向规模化量产的进程。

11 月 2 日，华兴资本受邀参加「香港金融科技周 ×StartmeupHK 2026」，并在「China-Global Innovation Forum 全球科创・智汇中国论坛」板块组织了「世界模型的范式演进与产业边界」圆桌论坛。圆桌由华兴资本投资银行事业部合伙人秦川主持，光轮智能联合创始人兼总裁杨海波、流形空间 COO Sherry Li、破壳机器人 COO 杨如达三位产业嘉宾参与讨论。

三位嘉宾分别从物理 AI 基础设施、世界模型和机器人应用出发，讨论同一个问题：如何让技术能力转化为可规模化的商业应用。

杨海波观察到，GPT-6 Astra 的出现，让通用模型覆盖更多专业领域的潜力进一步显现，也为世界模型的技术路线和落地方式带来了新的变量。最近半年，越来越多语言模型客户开始需要物理 AI 数据，表明通用模型正从语义理解向物理世界拓展。但预测准确不等于执行可靠，从模型能力到真实落地，仍需要持续的技术投入。

杨如达的观察落点更靠近场景，他认为：世界模型正在从一个偏实验室纯学术的概念，逐渐地走向产业。模型已经展现出对物理状态的预测能力，并且随着机器人硬件的部署，开始回流一些比较有价值的真实的数据，反哺模型在真实场景里迭代。

Sherry Li 指出，行业已从概念讨论转向落地检验，模型公司的竞争也需要回到两个具体问题：能否降低成本，能否完成更长、更复杂的任务。技术迭代应围绕这两个目标展开：一方面提升持续学习和适配不同机器人本体的能力，另一方面提高有限数据与端侧算力的利用效率，让模型能力真正转化为可交付的产品。

三位嘉宾指向同一结论：世界模型已进入落地验证期，既要看能力上限，也要看它能否在真实场景中稳定、低成本地运行。

杨海波：物理 AI 的数据供给，高质量、大规模与多样性缺一不可

杨海波认为，光轮智能提供从数据供给、模型评测到真实场景部署与反馈回流的完整闭环能力，支持机器人的持续学习。其中，物理 AI 缺少互联网式的存量数据积累，有效数据必须同时满足高质量、大规模和多样性。高质量不仅要求语义标注，还要覆盖力、摩擦、手部位姿等物理信息；大规模则要求产品设计、硬件方案和运营方式都能支撑持续供给。

其中，多样性尤其容易被低估。他举例，一位头部客户要求 "一个人在一个场景下只能采集或生成一条数据"，以覆盖不同人的动作习惯和场景差异。数据供给的关键，是在扩大规模的同时保证质量与多样性。

Sherry Li：前沿技术与商业价值同频，ICL 突破长程任务，MoE 降低算力需求

Sherry Li 称商业化关注的 "任务复杂度" 和 "成本" 与世界模型的前沿方向同频。她介绍，流形空间在 RoboDojo-Agent 评测中登顶，宏观进度分数超过 GPT-6 Astra，背后是两项技术的叠加：通过 ICL（In-Context-Learning）增强机器人完成长程任务自主推理的能力，通过 R²SI 实现机器人模型和系统的双重自我改进。

在她看来，更强的任务能力还需要更低的运行成本支撑。流形空间的 MoE 框架目前可仅激活 20% 的参数，大大降低端侧算力需求。基于现在有限的高质量数据，用低成本完成更长程复杂任务，是世界模型走向规模化应用的关键。

杨如达：从垂直场景出发，带动数据与模型迭代

杨如达认为，家庭机器人走向可用的门槛，是 "能够在一个开放的环境中，稳定地完成非结构化的任务"。即使只是叠衣服，不同家庭的衣物和环境也千差万别，模型必须具备适应这些差异的能力。因此，破壳从叠衣服、叠被子、收拾碗筷等家务切入，既看任务是否有真实付费需求，也看回流数据能否推动模型迭代，并优先选择技能可迁移的任务。在他看来，真实场景既是商业化的起点，也是模型持续进步的基础。

展望未来三年，规模化商业化能力将综合检验企业在数据、模型与场景上的积累。

杨海波认为，规模化商业化能力是模型、数据等能力的综合体现。单点 Demo 验证的价值有限，真正进入规模化量产，才能检验技术能否落地。规模化也意味着不同的做事方法：用少数精英实现单点突破，与让更多普通人在成本、人员约束下持续完成交付，需要不同的组织和执行方式。

杨如达认同规模化的重要性，并强调场景是关键。在他看来，"场景带动数据，数据再迭代模型"，是企业持续提升能力的核心路径。

Sherry Li 强调数据利用效率："最关键的是怎么样把高质量数据用好。通过 MOE 把推理算力成本降下来，通过 ICL 把任务可达性拉上去，在数据稀缺、算力受限的条件下，把有限的高质量数据用出最大的效果。"

世界模型正从技术演示走向产业验证。下一阶段，企业能否持续领先，取决于能否把高质量、多样性的数据供给，更稳定、更低成本的模型能力，以及有真实需求的应用场景结合起来，形成可持续的规模化交付能力。

（来源：华兴资本）