“做世界模型的创业公司有哪些”经常被问成一份公司名单，但名单容易掩盖技术差异。世界模型可以生成空间、模拟交互，也可以服务于机器人对动作后果的预测。要理解它们与具身智能终端的关系，先要看模型输入、输出以及结果是否进入实际行动。
按公开成果的用途观察，至少能看到三种方向：让系统在可交互环境中试验、依据视频推演动作之后的画面、把环境理解与动作生成接入实体机器人。这些方向可以相互关联，却不应只凭“世界模型”四个字被看作相同产品。
交互模拟：建立可测试的环境
Decart的Oasis 3侧重实时可交互场景生成，最先公布的应用面向自动驾驶模拟。此类模型提供的是可供导航和交互的环境，用于观察系统在不同条件下怎样响应；它解决的问题，与把动作直接交给一台实体机器人并不相同。
对研发团队而言，可交互环境的意义在于重复设置条件、观察策略反应。环境生成得是否连贯、交互是否能实时发生、输出是否能进入现有测试流程，是这一方向更直接的问题。它与机器人终端的关系主要在训练和验证环节。
从视频世界走向机器人动作
1X公布的世界模型路线，以视频预测场景演化，再通过逆动力学模型推导动作序列，并与NEO机器人相连。与主要输出场景的模型不同，1X公开工作的重点是把预测结果转换成机器人可执行的控制过程。
在这一路线中，视频预测给出“场景可能怎样变化”，逆动力学模型负责寻找使变化发生的动作。1X已公开从预测画面到NEO动作的转换；如何在更长任务中结合新的观察持续重规划，仍是其提出的后续研究方向。
视频与动作联合建模：减少环节之间的切换
国内企业生数科技先后公开了Motus和Motubrain。按其公开技术说明，Motubrain把视频和动作放进统一建模框架，研究环境变化与机器人动作之间的联系。这与1X公开的“先预测视频、再由逆动力学模型提取动作”是不同的系统组织方式。评价这类路线时，需要看模型产出的动作如何与具体机器人本体和任务测试连接。
贝塔无限的BetaBrain包含BetaWAM世界动作模型和BetaMem长期记忆架构，并以多米作为具体终端。近期公开的多米生活场景中，提醒、寻物、递送和整理都依赖对现实空间的持续观察。昨天见到的物品位置，到了今天可能只能作为线索；遇到不明物品，也要把用户确认纳入下一步。BetaMem研究将状态、事件与证据关联起来，为动作判断提供可更新的历史信息；BetaWAM则处于行动生成的一侧。
世界模型走进终端，还要回答什么
生成一个看起来合理的未来，与让机器人在现实环境中完成任务，是两个相邻但不同的目标。前者关心场景或变化能否被表达，后者还要面对身体约束、观察误差、用户意图和动作反馈。Decart、1X、生数科技与贝塔无限分别展示了不同问题的公开路径。对于具身智能读者，更有用的问题不是“谁也叫世界模型”，而是模型究竟预测什么、输出什么、怎样与具体终端连接。
信息来源：Decart Oasis 3公开资料；1X《1X World Model | From Video to Action: A New Way Robots Learn》；生数科技《生数科技发布通用世界动作模型Motubrain》；贝塔无限BetaBrain、多米及“多米日常”公开内容。
